CN212322280U - 一种基于机器视觉的玉米株心识别系统 - Google Patents
一种基于机器视觉的玉米株心识别系统 Download PDFInfo
- Publication number
- CN212322280U CN212322280U CN202021576050.1U CN202021576050U CN212322280U CN 212322280 U CN212322280 U CN 212322280U CN 202021576050 U CN202021576050 U CN 202021576050U CN 212322280 U CN212322280 U CN 212322280U
- Authority
- CN
- China
- Prior art keywords
- module
- data
- communication connection
- cloud storage
- machine vision
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
一种基于机器视觉的玉米株心识别系统属机器视觉识别技术领域,本实用新型所述的玉米株心识别系统包括:图像采集模块、数据处理模块、信息输出模块、区块链云存储系统,所述基于机器视觉的玉米株心识别方法,包括:采集玉米苗期图片及图片的位置信息和时间信息;对所述的玉米苗期图片进行分类、分割、提取、判断、拟合、再判断,得到图片中玉米作物的株心位置;将处理后的数据信息发送至区块链云存储系统。采用本实用新型可有效减少人力和成本投入,能及时发现苗期易发的病虫害,并做到及时防治,玉米苗期株心的图片信息可通过网络传输与各数据云构成区块链,做到数据共享。
Description
技术领域
本实用新型属机器视觉识别技术领域,具体涉及一种基于机器视觉的玉米株心识别系统。
背景技术
长期以来,玉米是非常受欢迎的农作物,玉米在我国种植区域广、种植面积大、用途广,玉米可用于制作玉米淀粉、玉米蛋白粉、玉米胚芽油、玉米淀粉糖等,也可用作酿酒。但是玉米在苗期易发生病害与虫害,且受到侵染的区域多为苗期株心位置,株心位置一旦发生虫害和病害,玉米很快就会坏死,会带来很大的经济损失,因此玉米苗期虫害的防治显得尤其重要。
近年来,机器视觉的发展十分迅速。机器视觉技术是实现设备精密控制、智能化、自动化的有效途径和实现计算机集成制造的基础性技术之一,由于农业自动化和机械化程度不断提高,机器视觉也进入了农业发展领域,对于农作物的识别也成为了热点,本文选用机器视觉对玉米苗期的株心进行识别,也推动了机器视觉在农业领域的应用。
发明内容
本实用新型的目的在于提供一种人力、成本低,玉米幼苗期病虫害防治效率高的基于机器视觉的玉米株心识别系统。
本实用新型的基于机器视觉的玉米株心识别系统,由图像采集模块1、数据处理模块2、信息输出模块3、区块链云存储系统4组成,所述的图像采集模块1和数据处理模块2通过图像采集模块1的发送模块Ⅰ8和数据处理模块2的接收模块Ⅰ9通讯连接;数据处理模块2和信息输出模块3通过数据处理模块2的发送模块Ⅱ11和信息输出模块3的接收模块Ⅱ12通讯连接;数据处理模块2和区块链云存储系统4通过数据处理模块2的发送模块Ⅱ11和区块链云存储系统4的数据云存储中心15通讯连接;信息输出模块3和区块链云存储系统4通过信息输出模块3的发送模块Ⅲ14和区块链云存储系统4的数据云存储中心15通讯连接。
所述的图像采集模块1由图像采集装置5、信息记录模块6、数据暂存模块7和发送模块Ⅰ8组成,其中:图像采集装置5:由摄像头和数据线组成,并与数据暂存模块7通讯连接,用于采集农作物的图像,且采集到的图像应清晰便于后续处理;信息记录模块6:由GPS定位仪、时间记录仪、农田信息录入装置组成,并与数据暂存模块7通讯连接,用于记录当前的位置信息,包括了经纬度信息和农田区块信息、时间信息;数据暂存模块7:由处理器组成,并与发送模块Ⅰ8通讯连接,用于将采集到的农作物图像进行暂存,可以在突然停机的情况下保证数据的完整性,减少因停机等因素导致的数据丢失;发送模块Ⅰ8:由通讯接口组成,并与接收模块Ⅰ9通讯连接,用于图像采集装置可向数据处理模块发送数据。
所述的数据处理模块2由接收模块Ⅰ9、图像处理模块10和发送模块Ⅱ11组成,其中:接收模块Ⅰ9:由通讯接口组成,并与图像处理模块10通讯连接,用于接收传输到此模块的数据,传给图像处理模块;图像处理模块10:由中央处理器组成,并与发送模块Ⅱ11通讯连接,用于处理接收到的图片数据,判断玉米株心的位置,将结果输出至发送模块;发送模块Ⅱ11:由通讯接口组成,并与接收模块Ⅱ12和数据云存储中心15通讯连接,用于数据处理模块向输出模块和区块链云存储系统发送数据信息。
所述的信息输出模块3由接收模块Ⅱ12、可视化模块13和发送模块Ⅲ14组成,其中:接收模块Ⅱ12:由通讯接口组成,并与可视化模块13通讯连接,用于接收所述图像处理模块的数据;可视化模块13:由电子屏幕、处理器组成,并与发送模块Ⅲ14通讯连接,用于将所得数据可视化,可以直观的看到玉米株心的图片和位置信息;发送模块Ⅲ14:由通讯接口组成,并与数据云存储中心15通讯连接,用于将可视化后的数据发送至区块链云存储系统。
所述区块链云存储系统4由数据云存储中心15和其他数据云16组成,其中:数据云存储中心15:由大型服务器组成,并与其他数据云16通讯连接,用于接收数据,可以将数据做长期储存,并传输给其他数据云16;其他数据云16:由多个网络服务器组成,并与数据云存储中心15和其他网络服务器通讯连接,用于接收数据云存储中心15发送的数据,可以将数据做储存,且多个数据云之间也能互相传输数据,做到数据的共享和备份。
基于机器视觉的玉米株心识别方法,包括如下步骤:
1.1采集玉米苗期图片及图片的位置信息和时间信息,具体为:所述图像采集模块摄像头必须垂直于地面向下采集到玉米苗期图片,同时采集对应图片的位置信息、拍摄时间;
1.2对步骤1.1所采集的玉米苗期图片进行分类、分割、提取、判断、拟合、再判断,得到图片中玉米作物的株心位置,具体为:对所述玉米苗期图片进行分类分割后,得到单纯玉米叶片图片,再进行叶脉提取操作,判断提取到的叶脉线条是否相交:若相交于一点,则交点即为玉米株心位置;若未相交于一点,则提取叶脉特征点并进行曲线拟合,作曲线延长线,所得线条交点即为株心位置;
1.3存储和记录所述得到的株心位置、图片位置信息和时间信息,具体为:将所得株心位置和图片位置信息、拍摄时间信息,发送至所述区块链云存储系统4,并储存于多个数据云上。
所述的提取叶脉特征点并进行曲线拟合,作曲线延长线获取株心的方法,包括如下步骤:
2.1选取任意一条曲线段,连接曲线段两端点构成x轴,以线段中位线构成y轴,建立直角坐标系xoy,在该坐标系中按照抛物线方程进行曲线拟合,然后作曲线段两端向外延长线Fx,y;
2.2用2.1的步骤在其余曲线段上建立x’o’y’、x”o”y”……坐标系中,分别得到另外几个叶脉曲线段的延长线F’x’,y’、F”x”,y”……,多段叶脉曲线延长线的共同交点即为玉米株心位置;
2.3若出现存在多个叶脉曲线延长线交点的情况Ⅰ,选取叶脉曲线段延长线相交最多的一个点,认定为玉米株心位置;
2.4若出现叶脉曲线段延长线存在多个交点,并且无法选出相交最多点的情况Ⅱ,则选取曲线延长线相交点集中的位置为玉米株心位置;
2.5若出现叶脉曲线段延长线相交点较分散、有多个点所在的叶脉曲线段延长线数量相同的情况Ⅲ,选取曲线延长线相交点连线构成多边形,以该多边形的重心位置为玉米株心位置。
本实用新型提出了一种基于机器视觉的玉米株心识别系统,基于机器视觉进行株心位置的判断,可以有效减少人力的耗费,节约成本减少时间,能够在玉米苗期记录玉米幼苗的位置信息和株心位置,以及时发现苗期易发病害和虫害,做到及时防治,玉米苗期株心的图片信息可通过网络传输与各数据云构成区块链,做到数据共享共存。
附图说明
图1为基于机器视觉的玉米株心识别系统的结构示意图
图2为图像采集模块1的结构示意图
图3为数据处理模块2的结构示意图
图4为信息输出模块3的结构示意图
图5为区块链云存储系统4的结构示意图
图6为基于机器视觉的玉米株心方法的总体流程示意图
图7为步骤1.1的流程图
图8为步骤1.2的流程图
图9为步骤1.3的流程图
图10为提取叶脉特征点拟合曲线方法示意图
图11为判断株心位置情况分类示意图
其中:1.图像采集模块 2.数据处理模块 3.信息输出模块 4.区块链云存储系统5.图像采集装置 6.信息记录模块 7.数据暂存模块 8.发送模块Ⅰ 9.接收模块Ⅰ 10.图像处理模块 11.发送模块Ⅱ 12.接收模块Ⅱ 13.可视化模块 14.发送模块Ⅲ 15.数据云存储中心 16.其他数据云
具体实施方式
如图1-图5所示,一种基于机器视觉的玉米株心识别系统由图像采集模块1、数据处理模块2、信息输出模块3、区块链云存储系统4组成,所述的图像采集模块1和数据处理模块 2通过图像采集模块1的发送模块Ⅰ8和数据处理模块2的接收模块Ⅰ9通讯连接;数据处理模块2和信息输出模块3通过数据处理模块2的发送模块Ⅱ11和信息输出模块3的接收模块Ⅱ12通讯连接;数据处理模块2和区块链云存储系统4通过数据处理模块2的发送模块Ⅱ11和区块链云存储系统4的数据云存储中心15通讯连接;信息输出模块3和区块链云存储系统4通过信息输出模块3的发送模块Ⅲ14和区块链云存储系统4的数据云存储中心15通讯连接。
如图2所述的图像采集模块1由图像采集装置5、信息记录模块6、数据暂存模块7和发送模块Ⅰ8组成,其中:图像采集装置5:由摄像头和数据线组成,并与数据暂存模块7通讯连接;信息记录模块6:由GPS定位仪、时间记录仪、农田信息录入装置组成,并与数据暂存模块7通讯连接;数据暂存模块7:由处理器组成,并与发送模块Ⅰ8通讯连接;发送模块Ⅰ8:由通讯接口组成,并与接收模块Ⅰ9通讯连接。
如图3所示,所述的数据处理模块2由接收模块Ⅰ9、图像处理模块10和发送模块Ⅱ11 组成,其中:接收模块Ⅰ9:由通讯接口组成,并与图像处理模块10通讯连接;图像处理模块10:由中央处理器组成,并与发送模块Ⅱ11通讯连接;发送模块Ⅱ11:由通讯接口组成,并与接收模块Ⅱ12和数据云存储中心15通讯连接。
如图4所示,所述的信息输出模块3由接收模块Ⅱ12、可视化模块13和发送模块Ⅲ14 组成,其中:接收模块Ⅱ12:由通讯接口组成,并与可视化模块13通讯连接;可视化模块13:由电子屏幕、处理器组成,并与发送模块Ⅲ14通讯连接;发送模块Ⅲ14:由通讯接口组成,并与数据云存储中心15通讯连接。
如图5所示,所述区块链云存储系统4由数据云存储中心15和其他数据云16组成,其中:数据云存储中心15:由大型服务器组成,并与其他数据云16通讯连接;其他数据云16:由多个网络服务器组成,并与数据云存储中心15和其他网络服务器通讯连接。
如图6-图9所示,一种基于机器视觉的玉米株心识别方法,包括如下步骤:
1.1采集玉米苗期图片及图片的位置信息和时间信息,具体如图7:所述图像采集模块摄像头必须垂直于地面向下采集到玉米苗期图片,同时采集对应图片的位置信息、拍摄时间;
1.2对步骤1.1所采集的玉米苗期图片进行分类、分割、提取、判断、拟合、再判断,得到图片中玉米作物的株心位置,具体如图8:对所述玉米苗期图片进行分类分割后,得到单纯玉米叶片图片,再进行叶脉提取操作,判断提取到的叶脉线条是否相交:若相交,则交点即为玉米株心位置;若不相交,则提取叶脉特征点并进行曲线拟合,作曲线延长线,所得线条交点即为株心位置;
1.3存储和记录所述得到的株心位置、图片位置信息和时间信息,具体如图9:将所得株心位置和图片位置信息、拍摄时间信息,发送至所述区块链云存储系统4,并储存于多个数据云上。
如图10-图11所示,所述的提取叶脉特征点并进行曲线拟合,作曲线延长线获取株心的方法,包括如下步骤:
2.1选取任意一条曲线段,连接曲线段两端点构成x轴,以线段中位线构成y轴,建立直角坐标系xoy,在该坐标系中按照抛物线方程进行曲线拟合,然后作曲线段两端向外延长线F(x,y);
2.2用2.1的步骤在其余曲线段上建立x’o’y’、x”o”y”……坐标系中,分别得到另外几个叶脉曲线段的延长线F’(x’,y’)、F”(x”,y”)……,多段叶脉曲线延长线的共同交点即为玉米株心位置;
2.3若出现存在多个叶脉曲线延长线交点的情况Ⅰ,选取叶脉曲线段延长线相交最多的一个点,认定为玉米株心位置;
2.4若出现叶脉曲线段延长线存在多个交点,并且无法选出相交最多点的情况Ⅱ,则选取曲线延长线相交点集中的位置为玉米株心位置;
2.5若出现叶脉曲线段延长线相交点较分散、有多个点所在的叶脉曲线段延长线数量相同的情况Ⅲ,选取曲线延长线相交点连线构成多边形,以该多边形的重心位置为玉米株心位置。
Claims (5)
1.一种基于机器视觉的玉米株心识别系统,其特征在于,由图像采集模块(1)、数据处理模块(2)、信息输出模块(3)、区块链云存储系统(4)组成,所述的图像采集模块(1)和数据处理模块(2)通过图像采集模块(1)的发送模块Ⅰ(8)和数据处理模块(2)的接收模块Ⅰ(9)通讯连接;数据处理模块(2)和信息输出模块(3)通过数据处理模块(2)的发送模块Ⅱ(11)和信息输出模块(3)的接收模块Ⅱ(12)通讯连接;数据处理模块(2)和区块链云存储系统(4)通过数据处理模块(2)的发送模块Ⅱ(11)和区块链云存储系统(4)的数据云存储中心(15)通讯连接;信息输出模块(3)和区块链云存储系统(4)通过信息输出模块(3)的发送模块Ⅲ(14)和区块链云存储系统(4)的数据云存储中心(15)通讯连接。
2.按权利要求1所述的基于机器视觉的玉米株心识别系统,其特征在于,所述的图像采集模块(1)由图像采集装置(5)、信息记录模块(6)、数据暂存模块(7)和发送模块Ⅰ(8)组成,其中:图像采集装置(5):由摄像头和数据线组成,并与数据暂存模块(7)通讯连接;信息记录模块(6):由GPS定位仪、时间记录仪、农田信息录入装置组成,并与数据暂存模块(7)通讯连接;数据暂存模块(7):由处理器组成,并与发送模块Ⅰ(8)通讯连接;发送模块Ⅰ(8):由通讯接口组成,并与接收模块Ⅰ(9)通讯连接。
3.按权利要求1所述的基于机器视觉的玉米株心识别系统,其特征在于,所述的数据处理模块(2)由接收模块Ⅰ(9)、图像处理模块(10)和发送模块Ⅱ(11)组成,其中:接收模块Ⅰ(9):由通讯接口组成,并与图像处理模块(10)通讯连接;图像处理模块(10):由中央处理器组成,并与发送模块Ⅱ(11)通讯连接;发送模块Ⅱ(11):由通讯接口组成,并与接收模块Ⅱ(12)和数据云存储中心(15)通讯连接。
4.按权利要求1所述的基于机器视觉的玉米株心识别系统,其特征在于,所述的信息输出模块(3)由接收模块Ⅱ(12)、可视化模块(13)和发送模块Ⅲ(14)组成,其中:接收模块Ⅱ(12):由通讯接口组成,并与可视化模块(13)通讯连接;可视化模块(13):由电子屏幕、处理器组成,并与发送模块Ⅲ(14)通讯连接;发送模块Ⅲ(14):由通讯接口组成,并与数据云存储中心(15)通讯连接。
5.按权利要求1所述的基于机器视觉的玉米株心识别系统,其特征在于,所述区块链云存储系统(4)由数据云存储中心(15)和其他数据云(16)组成,其中:数据云存储中心(15):由大型服务器组成,并与其他数据云(16)通讯连接;其他数据云(16):由多个网络服务器组成,并与数据云存储中心(15)和其他网络服务器通讯连接。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202021576050.1U CN212322280U (zh) | 2020-08-03 | 2020-08-03 | 一种基于机器视觉的玉米株心识别系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202021576050.1U CN212322280U (zh) | 2020-08-03 | 2020-08-03 | 一种基于机器视觉的玉米株心识别系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN212322280U true CN212322280U (zh) | 2021-01-08 |
Family
ID=74035104
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202021576050.1U Active CN212322280U (zh) | 2020-08-03 | 2020-08-03 | 一种基于机器视觉的玉米株心识别系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN212322280U (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111767903A (zh) * | 2020-08-03 | 2020-10-13 | 吉林大学 | 一种基于机器视觉的玉米株心识别系统和方法 |
-
2020
- 2020-08-03 CN CN202021576050.1U patent/CN212322280U/zh active Active
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111767903A (zh) * | 2020-08-03 | 2020-10-13 | 吉林大学 | 一种基于机器视觉的玉米株心识别系统和方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110458032B (zh) | 荔枝生长状况全程监控方法、系统、云服务器及存储介质 | |
Wang et al. | Deep learning approach for apple edge detection to remotely monitor apple growth in orchards | |
CN107463958A (zh) | 昆虫识别预警方法及系统 | |
CN202696660U (zh) | 一站式农业信息实时采集装置 | |
CN107908689A (zh) | 一种烟叶生长环境数据采集装置及其方法 | |
CN103164777A (zh) | 一种作物育种田间性状的调查方法 | |
CN115187943A (zh) | 一种空地一体化植物生长状态智能感知系统及方法 | |
CN110598532A (zh) | 一种树木病虫害监控系统及方法 | |
CN106991449B (zh) | 一种生活场景重构辅助识别蓝莓品种的方法 | |
CN212322280U (zh) | 一种基于机器视觉的玉米株心识别系统 | |
CN112913436A (zh) | 水肥一体化节水灌溉控制系统、方法、介质、设备及终端 | |
CN114723667A (zh) | 一种农业精细化种植及灾害预防控制系统 | |
CN112989969A (zh) | 一种作物病虫害识别方法及装置 | |
Lyu et al. | Development of phenotyping system using low altitude UAV imagery and deep learning | |
CN111767903A (zh) | 一种基于机器视觉的玉米株心识别系统和方法 | |
CN205103173U (zh) | 基于多类图像终端—服务器架构的大田作物信息检测系统 | |
CN115937314A (zh) | 一种油茶果生长姿态检测方法 | |
CN116189076A (zh) | 一种鸟类观测站的观测识别系统及其方法 | |
CN111814592B (zh) | 一种基于可叠加胶囊网络的植物叶片识别方法 | |
CN113256567B (zh) | 香蕉叶面积指数检测方法及系统 | |
CN114581450A (zh) | 基于点云图像转换的玉米株高茎粗测量方法及装置 | |
CN214175117U (zh) | 一种基于嵌入式的农作物病虫害识别装置 | |
CN112418112A (zh) | 一种果园病虫害监测预警方法及系统 | |
CN112164041A (zh) | 基于多尺度深度神经网络的黄龙病自动诊疗系统及方法 | |
CN206236111U (zh) | 一种基于语音交互的叶片图像植物自动识别装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
GR01 | Patent grant | ||
GR01 | Patent grant |