TWI605245B - 作物之生理表徵檢測方法、可攜式檢測裝置與檢測系統 - Google Patents
作物之生理表徵檢測方法、可攜式檢測裝置與檢測系統 Download PDFInfo
- Publication number
- TWI605245B TWI605245B TW104139130A TW104139130A TWI605245B TW I605245 B TWI605245 B TW I605245B TW 104139130 A TW104139130 A TW 104139130A TW 104139130 A TW104139130 A TW 104139130A TW I605245 B TWI605245 B TW I605245B
- Authority
- TW
- Taiwan
- Prior art keywords
- digital
- color information
- image
- detected
- swatch
- Prior art date
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/56—Extraction of image or video features relating to colour
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/188—Vegetation
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N2021/8466—Investigation of vegetal material, e.g. leaves, plants, fruits
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30128—Food products
Description
本發明提供一種作物之生理表徵檢測方法、可攜式檢測裝置與檢測系統,且特別是關於一種根據作物的外觀顏色來判斷作物的生理表徵的檢測方法、可攜式檢測裝置與檢測系統。
一般來說,作物的外觀顏色係關係到施肥或果實成熟判斷。因此,農民大多使用紙板或其他材料所製作實體的「葉色卡」(leaf color chart)或「比色卡」判讀作物的外觀顏色,以據此得知作物的生理表徵(如作物的生長狀況),進而可指引農民農務工作。舉例來說,農民會利用「葉色卡」來判斷例如水稻葉子的顏色,以推斷施用氮肥量。再舉例來說,農民利用「比色卡」判斷例如水果的外觀顏色來推斷水果的成熟度。
然而,上述利用「葉色卡」或「比色卡」判斷作物的外觀顏色皆需靠人工判讀與另行紀錄,導致判斷結果容易產生誤差,紀錄也經常不完整。此外,農民通常在開放環境(如室外環境)下判斷作物的外觀顏色,且開放環境的光線經常變化不同,會嚴重地影響農民判斷作物的外觀顏色的結果,使得判斷結果產生更大的誤差,進而造成作物的生理表徵的誤判。因此,若發展出一套自動判斷作物的外觀顏色並記錄判斷結果的方法、裝置與系統,將可大幅降低判斷結果的誤差。
本發明實施例提供一種作物之生理表徵檢測方法,適用於一可攜式檢測裝置,且用以檢測一指定作物之一生理表徵資訊。作物之生理表徵檢測方法包括:步驟A:根據指定作物從一色板資料庫中選擇對應指定作物的複數個數位色板。每個數位色板係對應到一特定亮度與一特定物距,每個數位色板具有多個對照顏色資訊,且每個對照顏色資訊對應到指定作物之一生理資訊;步驟B:擷取指定作物之一待檢測影像,且取得對應待檢測影像之一顏色資訊;步驟C:偵測一環境光亮度與指定作物及可攜式檢測裝置之間的一物距;步驟D:根據環境光亮度與物距,從多個數位色板中決定對應待檢測影像之一適應性數位色板;步驟E:比對待檢測影像之顏色資訊與適應性數位色板之多個對照顏色資訊,且依據多個對照顏色資訊和顏色資訊的相關性,從多個對照顏色資訊中選擇其中之一;以及步驟F:根據所選擇的對照顏色資訊顯示對應的生理資訊。
本發明實施例提供一種作物之可攜式檢測裝置,且用以檢測一指定作物之一生理表徵資訊。可攜式檢測裝置包括一影像擷取元件、一環境光感測器、一測距元件、一色板資料庫與一處理器。影像擷取元件擷取指定作物之一待檢測影像。環境光感測器偵測一環境光亮度。測距元件偵測指定作物與可攜式檢測裝置之間的一物距。色板資料庫儲存有指定作物之複數個數位色板。每個數位色板對應到一特定亮度與一特定物距,且具有複數個對照顏色資訊。每個對照顏色資訊對應到指定作物之一生理資訊。而處理器電連接影像擷取元件、環境光感測器、測距元件與色板資料庫。處理器取得對應待檢測影像之一顏色資訊,根據指定作物從色板資料庫中選擇對應指定作物的複數個數位色板,且根據環境光亮度、物距與多個數位色板從多個數位色板中決定對應待檢測
影像之一適應性數位色板。處理器比對待檢測影像之顏色資訊與適應性數位色板之多個對照顏色資訊,以依據多個對照顏色資訊和顏色資訊的相關性,從多個對照顏色資訊中選擇其中之一,並根據所選擇的對照顏色資訊顯示對應的生理資訊至一顯示器。
本發明實施例提供一種作物之檢測系統,且用以檢測一指定作物之一生理表徵資訊。檢測系統包括一遠端伺服器與一可攜式檢測裝置。遠端伺服器儲存有指定作物之複數個數位色板。每個數位色板對應到一特定亮度與一特定物距,且具有複數個對照顏色資訊,且每個對照顏色資訊對應到指定作物之一生理資訊。可攜式檢測裝置透過一無線網路與遠端伺服器連接,以接收多個數位色板、每個數位色板之特定亮度、特定物距與多個對照顏色資訊。可攜式檢測裝置包括一影像擷取元件、一環境光感測器、一測距元件與一處理器。影像擷取元件擷取指定作物之一待檢測影像。環境光感測器偵測一環境光亮度。測距元件偵測指定作物與可攜式檢測裝置之間的一物距。處理器電連接影像擷取元件、環境光感測器與測距元件。處理器取得對應待檢測影像之一顏色資訊,且根據環境光亮度與物距,從多個數位色板中決定對應待檢測影像之一適應性數位色板。處理器比對檢測影像之顏色資訊與適應性數位色板之多個對照顏色資訊,以依據多個對照顏色資訊和顏色資訊的相關性,從多個對照顏色資訊中選擇其中之一,並透過無線網路傳送所選擇的對照顏色資訊至遠端伺服器顯示對應的生理資訊。
綜合以上所述,本發明實施例所提供的作物之生理表徵檢測方法、可攜式檢測裝置與檢測系統,其根據指定作物與可攜式檢測裝置之間的距離,以及目前的環境光亮度決定一個數位色板,並自動判斷指定作物的外觀顏色屬於所選擇的數位色板中的哪一個對照顏色資訊,避免判斷結果因人工判斷與開放環境的光線影響而造成誤差。而所選擇的對照顏色資訊會對應到指定作物之
一生理資訊,以提供農民了解指定作物目前的生理表徵。
為使能更進一步瞭解本發明之特徵及技術內容,請參閱以下有關本發明之詳細說明與附圖,但是此等說明與所附圖式僅係用來說明本發明,而非對本發明的權利範圍作任何的限制。
100、200‧‧‧可攜式檢測裝置
110、210‧‧‧影像擷取元件
120、220‧‧‧環境光感測器
130、230‧‧‧測距元件
140、240‧‧‧處理器
150‧‧‧色板資料庫
160‧‧‧顯示器
300‧‧‧檢測系統
305‧‧‧遠端伺服器
Pt‧‧‧作物影像
Frd‧‧‧檢測圖框範圍
Imd‧‧‧待檢測影像
S310、S320、S330、S340、S350、S360‧‧‧步驟
圖1是本發明一實施例之作物之可攜式檢測裝置的示意圖。
圖2是本發明一實施例之待檢測影像的示意圖。
圖3是本發明一實施例之作物之生理表徵檢測方法的流程圖。
圖4是本發明一實施例之作物之檢測系統的示意圖。
在下文中,將藉由圖式說明本發明之各種例示實施例來詳細描述本發明。然而,本發明概念可能以許多不同形式來體現,且不應解釋為限於本文中所闡述之例示性實施例。此外,在圖式中相同參考數字可用以表示類似的元件。
本發明實施例提供一種作物之生理表徵檢測方法、可攜式檢測裝置與檢測系統,其擷取一指定作物(如水稻葉子、香蕉、番茄等作物)的影像之顏色資訊來自動判斷所擷取的顏色資訊屬於哪一個數位色板中的對照顏色資訊。更進一步來說,可攜式檢測裝置從多個數位色板中,選擇符合目前的環境光亮度,以及指定作物與可攜式檢測裝置之間的距離的數位色板,以降低環境光源的影響與排除因指定作物與可攜式檢測裝置之間的不同距離所造成的色度誤差。接著再判斷影像之顏色資訊屬於所選擇的數位色板中的哪一個對照顏色資訊。而所選擇的對照顏色資訊會對應到指定作物的一生理資訊,以提供農民了解指定作物目前的生理表徵。據此,本發明可避免判斷結果因人工判斷、不同距離所造
成的色度誤差與開放環境的光線影響而產生誤差,進而造成作物的生理表徵的誤判。以下將進一步介紹本發明揭露之作物之生理表徵檢測方法、可攜式檢測裝置與檢測系統。
首先,請參考圖1,其顯示本發明一實施例之作物之可攜式檢測裝置的示意圖。如圖1所示,可攜式檢測裝置100可用來檢測一指定作物(如水稻葉子、玉米、香蕉、番茄等指定作物)之一生理表徵資訊(如指定作物的生長狀況),以提供農民了解指定作物目前的生理狀況。可攜式檢測裝置100包括一影像擷取元件110、一環境光感測器120、一測距元件130、一處理器140、一色板資料庫150與一顯示器160。在本實施例中,可攜式檢測裝置100可以是一手機,且亦可為其他可攜式的電子裝置,例如平板、筆記型電腦等,本發明對此不作限制。
請同時參考圖2,其顯示本發明一實施例之待檢測影像的示意圖。影像擷取元件110用來擷取指定作物之一待檢測影像Imd。更進一步來說,影像擷取元件110拍攝代表指定作物之一作物影像Pt,處理器140可經由顯示器160來顯示一檢測圖框範圍Frd,並透過檢測圖框範圍Frd從作物影像Pt中擷取待檢測影像Imd,以由處理器140處理待檢測影像Imd。舉例來說,指定作物為香蕉,農民透過影像擷取元件110拍攝代表香蕉的作物影像Pt,處理器140提供的檢測圖框範圍Frd可讓農民移動位置,以從作物影像Pt中擷取待檢測影像Imd,以供處理器140判斷香蕉目前的生理狀況。
環境光感測器120為用來偵測一環境光亮度,並傳送環境光亮度至處理器140。而測距元件130則用來偵測指定作物與可攜式檢測裝置100之間的一物距至處理器140。更進一步來說,環境光感測器120與測距元件130較佳為設置在鄰近影像擷取元件110,以偵測較準確的環境光亮度與物距。而環境光感測器120與測距元件130亦可設置在可攜式檢測裝置100的其他位置,本
發明對此不作限制。
色板資料庫150儲存多種作物之複數個數位色板,亦即多種作物之複數個數位色板中,包括有指定作物之複數個數位色板。每個數位色板分別對應到一特定亮度與一特定物距,且具有複數個對照顏色資訊。而每個對照顏色資訊則對應到指定作物之一生理資訊。舉例來說,下表<1>顯示作為指定作物的香蕉之多個數位色板。
由上表<1>可知,色板資料庫150中儲存有18個相關於香蕉的數位色板,即數位色板1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18。每個數位色板1-18對應到一特定亮度與一特定物距。而每個數位色板1-18具有複數個對照顏色資訊,以提供處理器140從數位色板1-18中決定符合待檢測影像Imd的對照顏色資訊。
舉例來說,數位色板10對應到的特定亮度與特定物距分別為600Lux與10cm。數位色板10之多個對照顏色資訊如下表<2>所示,數位色板10具有4組對照顏色資訊,即對照顏色資訊D1、D2、D3、D4,且每個對照顏色資訊D1-D4分別具有紅色像素、綠色像素與藍色像素。而每個對照顏色資訊D1-D4都會對應到作為指定作物的香蕉的生理資訊。在此例中,對照顏色資訊D1-D4為對應到香蕉不同程度的「成熟度」。而有關處理器140
如何從數位色板1-18中決定符合待檢測影像Imd的對照顏色資訊D1-D4將在以下的實施例作說明,故在此不再贅述。
處理器140電連接影像擷取元件110、環境光感測器120、測距元件130與色板資料庫150。處理器140接收影像擷取元件110所產生的待檢測影像Imd,以取得對應待檢測影像Imd之一顏色資訊。更進一步來說,在取得待檢測影像Imd之顏色資訊的過程,處理器140可平均待檢測影像Imd之複數個像素,以取得代表待檢測影像Imd之顏色資訊。又或者處理器140可從待檢測影像Imd之多個像素中選擇具有最多數量的像素,以取得代表待檢測影像Imd之顏色資訊。而處理器140亦可以其他方式取得待檢測影像Imd之顏色資訊,本發明對此不作限制。此外,在本實施例中,待檢測影像Imd之顏色資訊係以RGB色彩模型中的紅色像素、綠色像素與藍色像素表示,且顏色資訊的表示方式與數位色板之對照顏色資訊的表示方式相同。意即,若數位色板之對照顏色資訊以YCbCr色彩模型表示,顏色資訊將同樣以YCbCr色彩模型表示。
再來,處理器140將根據指定作物,從色板資料庫150中選擇對應指定作物的複數個數位色板。而處理器140遂將根據環境光亮度與物距,從多個數位色板中決定對應待檢測影像Imd之一適應性數位色板。更進一步來說,處理器140將依據對應指定作物的每個數位色板的特定亮度與特定物距,從上述數位色板中選取與環境光亮度及物距相關性最大的一個,並將所選取的數位
色板作為符合待檢測影像Imd之適應性數位色板。故透過上述方式,處理器140將可以降低適應性數位色板受到環境光源與不同物距所造成的色度誤差影響。值得注意的是,與環境光亮度與物距相關性最大的數位色板係表示其特定亮度與特定物距最接近環境光亮度與物距。
在本實施例中,處理器140將根據對應指定作物的每個數位色板之特定亮度,從數位色板中選取與環境光亮度相關性最大的至少一個數位色板(例如環境光亮度最接近所選取的數位色板的特定亮度)。接著,處理器140再根據對應指定作物的每個數位色板之特定物距,從與環境光亮度相關性最大的至少一個數位色板中選取與物距相關性最大的一個(表示物距最接近所選取的數位色板的特定物距),並將最後選取的數位色板作為符合待檢測影像Imd之適應性數位色板。意即,處理器140先從對應指定作物的數位色板中選取最接近環境光亮度的至少一個數位色板,再從所選取的至少一個數位色板中選取最接近物距的數位色板。據此,最後選取的數位色板將最接近指定作物當時的環境光亮度與物距。
而承接上述例子與表<1>,處理器140將從色板資料庫150中選擇香蕉的數位色板1-18。每個數位色板1-18具有各自的特定亮度與特定物距。此時,若環境光感測器120偵測環境光亮度為550Lux,且測距元件130偵測物距為15.5cm時,處理器140首先將根據每個數位色板1-185之特定亮度400Lux、600Lux與800Lux,從數位色板1-18中決定與環境光亮度(即550Lux)相關性最大的數位色板7-12(即特定亮度為600Lux的數位色板7-12最接近550Lux)。接著處理器140再根據數位色板7-12之特定物距10cm、12cm、14cm、16cm、18cm與20cm,從數位色板7-12中選取與物距(即15.5cm)相關性最大的數位色板10(即特定物距為16cm的數位色板10最接近15.5cm),並將最後選取的數位色
板10作為適應性數位色板。故透過上述方式,處理器140將可以降低適應性數位色板受到環境光源與不同物距所造成的色度誤差影響。
在另一些實施例中,處理器140還可以依據已存在的數位色版來重新產生所需要的適應性數位色板。處理器140可依據對應指定作物的每個數位色板的特定亮度與特定物距,先從上述數位色板中選取與環境光亮度及物距相關性接近的至少二個數位色板,並根據所選取的至少二個數位色板計算出符合適應性數位色板的多個對照顏色資訊,並且計算出每個對照顏色資訊所分別對應的生理資訊。
此時,適應性數位色板的特定亮度與特定物距將分別為環境光亮度與物距。例如,處理器140係透過一演算法計算出符合適應性數位色板的多個對照顏色資訊。而上述演算法可依照多個數位色板之間的實際狀況來配置,本發明對此不作限制。以下以處理器140從上述數位色板中選取與環境光亮度及物距相關性接近的四個數位色板,然後產生新的數位色板來作為舉例說明。
舉例來說,處理器140從色板資料庫150中選擇例如表<1>中香蕉的數位色板1-18。每個數位色板1-18具有各自的特定亮度與特定物距。值得注意的是,若環境光感測器120偵測環境光亮度為500Lux,且測距元件130偵測物距為15cm時,適應性數位色板的特定亮度與特定物距將分別為500Lux與15cm。接著,處理器140將從數位色板1-18中選擇與環境光亮度(500Lux)及物距(15cm)相關性接近的四個數位色板4-5、10-11,並將數位色板4-5、10-11重新編號為數位色板1-4。
重新編號的數位色板1-4之多個對照顏色資訊如下表<3>所示,重新編號的數位色板1-4分別具有2組對照顏色資訊,即對照顏色資訊D1、D2,且每個對照顏色資訊D1、D2分別具有紅色像素、綠色像素與藍色像素。
在處理器140取得重新編號的數位色板1-4之後,處理器140接著將透過一演算法計算出符合適應性數位色板的多個對照顏色資訊D1、D2。演算法如式1、式2與式3所示:
其中,N為處理器140選擇數位色板的個數(在本例子中,處理器140選擇4個數位色板4-5、10-11並重新編號為數位色板1-4),n為大於等於1的距離係數,dist i 為適應性數位色板與第i個數位色板的距離,R i 為第i個數位色板的紅色像素(在本例子中,重新編號的數位色板1-4對應的紅色像素分別為35、23、60、79)。
其中,N為處理器140選擇數位色板的個數(在本例子中,處理器140選擇4個數位色板4-5、10-11並重新編號為數位色板1-4),n為大於等於1的距離係數,dist i 為適應性數位色板與
第i個數位色板的距離,G i 為第i個數位色板的綠色像素(在本例子中,重新編號的數位色板1-4對應的綠色像素分別為88、69、30、136)。
其中,N為處理器140選擇數位色板的個數(在本例子中,處理器140選擇4個數位色板4-5、10-11並重新編號為數位色板1-4),n為大於等於1的距離係數,dist i 為適應性數位色板與第i個數位色板的距離,G i 為第i個數位色板的藍色像素(在本例子中,重新編號的數位色板1-4對應的藍色像素分別為8、0、0、30)。
在本實施例中,n設定為2。因此,處理器140將可透過式1-式3計算出符合適應性數位色板的多個對照顏色資訊D1、D2。承接上述例子與表<3>,適應性數位色板的對照顏色資訊D1為:(紅色像素,綠色像素,藍色像素)
以及適應性數位色板的對照顏色資訊D2經簡化式1-式3為:
(紅色像素,綠色像素,藍色像素)
據此,處理器140將可得到適應性數位色板之特定亮度為環境光亮度(即500Lux)、特定物距為物距(即15cm),且計算出適應性數位色板之對照顏色資訊D1、D2分別為(49,81,10)與(64,92,13)。
在處理器140計算出適應性數位色板之對照顏色資訊後,處理器140將從色板資料庫所儲存的多個對照顏色資訊中找到最接近對照顏色資訊D1=(49,81,10)與D2=(64,92,13)的生理資訊。舉例來說,處理器140可透過一演算法計算出與對照顏色資訊D1與D2最接近的生理資訊。例如,對照顏色資訊D1=(49,81,10)代表指定作物的生理資訊為成熟度30~60%,對照顏色資訊D2=(64,92,13)代表指定作物的生理資訊為成熟度81~100%。而處理器140亦可透過其他方式計算出對照顏色資訊D1與D2所對應的生理資訊,本發明對此不作限制。
當處理器140決定適應性數位色板之後,接下來,處理器140將比對待檢測影像Imd之顏色資訊與適應性數位色板中的每個對照顏色資訊,以依據每個對照顏色資訊和顏色資訊的相關性從多個對照顏色資訊中選擇其中之一。更進一步來說,處理器140將透過一相關性分析來判斷待檢測影像Imd之顏色資訊最相關於適應性數位色板中的哪一個對照顏色資訊(表示待檢測影像Imd之顏色資訊最接近哪一個對照顏色資訊)。在本實施例中,相關性分析係透過一相關函數來計算待檢測影像Imd之顏色資訊與適應性數位色板的每個對照顏色資訊之相關程度。相關函數如式4所示:
其中,R0、G0與B0分別代表待檢測影像Imd之顏色資訊中的紅色像素、綠色像素與藍色像素。Ri、Gi與Bi分別代表第n個對照顏色資訊之紅色像素、綠色像素與藍色像素。因此,若對照顏色資訊有4個,且依據相關函數計算出第3個對照顏色資訊的相關程度最大,表示待檢測影像Imd之顏色資訊最接近第3個對照顏色資訊。此時,處理器140將選擇第3個對照顏色資訊,並顯示對應第3個對照顏色資訊的生理資訊至顯示器160,以提供農民了解指定作物目前的生理表徵。而處理器140亦可以其他的相關性分析來取得與待檢測影像Imd之顏色資訊最相關的對照顏色資訊,本發明對此不作限制。
承接上述例子與表<2>,即適應性數位色板為數位色板10,且具有對照顏色資訊D1-D4。若處理器140取得待檢測影像Imd之顏色資訊為(紅色像素,綠色像素,藍色像素數)=(20,60,0)。此時,待檢測影像Imd之顏色資訊與對照顏色資訊D1的相關程度如下:
待檢測影像Imd之顏色資訊與對照顏色資訊D2的相關程度如下:
待檢測影像Imd之顏色資訊與對照顏色資訊D3的相關程度如下:
待檢測影像Imd之顏色資訊與對照顏色資訊D4的相關程度如下:
故由上述可知,待檢測影像Imd之顏色資訊與對照顏色資訊D3的相關程度最大。因此,處理器140將選擇對照顏色資訊D3,並顯示對照顏色資訊D3的生理資訊(即成熟度為31~60%)至顯示器160,以提供農民了解指定作物(如香蕉)目前的生理表徵。
由上述的實施例,本發明可以歸納出一種作物之生理表徵檢測方法,適用於上述實施例所述之可攜式檢測裝置100,以檢測指定作物之生理表徵資訊。請參考圖3,並同時參考圖1。圖3顯示本發明一實施例之作物之生理表徵檢測方法的流程圖。首先,可攜式檢測裝置100之處理器140根據指定作物從色板資料庫150中選擇對應指定作物的複數個數位色板(步驟S310)。
每個數位色板係對應到一特定亮度與一特定物距(如上述表<1>之數位色板10對應到特定亮度與特定物距分別為400Lux與16cm)。每個數位色板具有多個對照顏色資訊(如上述表<2>之數位色板10具有對照顏色資訊D1-D4),且每個對照顏色資訊對應到指定作物之一生理資訊(如上述表<2>之對照顏色資訊D1-D4中香蕉的成熟度)。再來,影像擷取元件110擷取指定作物之一待檢測影像,且處理器140取得對應待檢測影像Imd之一顏色資訊(步驟S320)。接著環境光感測器120偵測一環境光亮度與測距元件130偵測指定作物及可攜式檢測裝置100之間的一物距(步驟S330)。而有關步驟S310-S330皆已於上述實施例中作說明,故在此不再贅述。
接下來,可攜式檢測裝置100之處理器140將根據環境光亮度與物距,從該多個數位色板中決定對應待檢測影像Imd之一適應性數位色板(步驟S340)。如上述例子中,處理器140從數位色板7-12中選擇數位色板10作為適應性數位色板。而有關步驟S340皆已於上述實施例中作說明,故在此不再贅述。
而在取得適應性數位色板後,處理器140接著將比對待檢測影像Imd之顏色資訊與適應性數位色板之多個對照顏色資訊,且依據多個對照顏色資訊和顏色資訊的相關性,從多個對照顏色資訊中選擇其中之一(步驟S350)。如上述例子中,處理器140比對顏色資訊為(紅色像數,綠色像數,藍色像數)=(20,60,0)與對照顏色資訊D1-D4,且選擇與顏色資訊相關性最大的對照顏色資訊D3。同樣地,有關步驟S350皆已於上述實施例中作說明,故在此不再贅述。
接著,處理器140遂將根據所選擇的對照顏色資訊顯示對應的生理資訊至顯示器140(步驟S360)。如上述例子中,對照顏色資訊D3的生理資訊代表成熟度為31~60%。而有關步驟S360皆已於上述實施例中作說明,故在此不再贅述。據此,農民將可透過本實施例之生理表徵檢測方法了解指定作物目前的生理表徵。
接下來,請參考圖4,其顯示本發明一實施例之作物之檢測系統的示意圖。如圖4所示,檢測系統300包括一遠端伺服器305與一可攜式檢測裝置200,以檢測一指定作物之一生理表徵資訊。遠端伺服器305儲存有多種作物之複數個數位色板,且多種作物之複數個數位色板中包括有指定作物之複數個數位色板。有關遠端伺服器305的多個數位色板大致上與可攜式檢測裝置100之色板資料庫150的多個數位色板相同,故在此不再贅述。
可攜式檢測裝置200透過一無線網路與遠端伺服器305連接,以接收多個數位色板、每個數位色板之特定亮度、特定物距與多個對照顏色資訊。而有關可攜式檢測裝置200之影像擷取元件210、環境光感測器220、測距元件230與處理器240大致上與可攜式檢測裝置100之影像擷取元件110、環境光感測器120、測距元件130與處理器140相同,故在此不再贅述。
不同的地方在於,指定作物之多個數位色板係儲存在遠端伺服器305中。因此,可攜式檢測裝置200可以不用儲存多個數位
色板,進而可節省可攜式檢測裝置200的儲存空間。此外,若多個數位色板有更新,可攜式檢測裝置200亦可從遠端伺服器305接收更新後的多個數位色板。
綜上所述,本發明實施例所提供的作物之生理表徵檢測方法、可攜式檢測裝置與檢測系統,其根據指定作物與可攜式檢測裝置之間的距離,以及目前的環境光亮度決定一個數位色板,並自動判斷指定作物的外觀顏色屬於所選擇的數位色板中的哪一個對照顏色資訊,避免判斷結果因人工判斷與開放環境的光線影響而造成誤差。而所選擇的對照顏色資訊會對應到指定作物之一生理資訊,以提供農民了解指定作物目前的生理表徵。
以上所述僅為本發明之實施例,其並非用以侷限本發明之專利範圍。
100‧‧‧可攜式檢測裝置
110‧‧‧影像擷取元件
120‧‧‧環境光感測器
130‧‧‧測距元件
140‧‧‧處理器
150‧‧‧色板資料庫
160‧‧‧顯示器
Claims (20)
- 一種作物之生理表徵檢測方法,適用於一可攜式檢測裝置,用以檢測一指定作物之一生理表徵資訊,且該生理表徵檢測方法包括以下步驟:根據該指定作物從一色板資料庫中選擇對應該指定作物的複數個數位色板,其中每一該數位色板係對應到一特定亮度與一特定物距,每一該數位色板具有多個對照顏色資訊,且每一該對照顏色資訊對應到該指定作物之一生理資訊;擷取該指定作物之一待檢測影像,且取得對應該待檢測影像之一顏色資訊;偵測一環境光亮度與該指定作物及該可攜式檢測裝置之間的一物距;根據該環境光亮度與該物距,從該些數位色板中決定對應該待檢測影像之一適應性數位色板;比對該待檢測影像之該顏色資訊與該適應性數位色板之該些對照顏色資訊,且依據該些對照顏色資訊和該顏色資訊的相關性,從該些對照顏色資訊中選擇其中之一;以及根據所選擇的該對照顏色資訊顯示對應的該生理資訊。
- 如請求項第1項之生理表徵檢測方法,其中,於擷取該指定作物之該待檢測影像的步驟中,更包括步驟:經由該可攜式檢測裝置拍攝一作物影像,且提供一檢測圖框範圍,並透過該檢測圖框範圍從該作物影像中擷取該待檢測影像。
- 如請求項第1項之生理表徵檢測方法,其中,於取得對應該待檢測影像之該顏色資訊的步驟中,係平均該待檢測影像之複數個像素以取得代表該待檢測影像之該顏色資訊,或者於該待檢測影像之該些像素中選擇具有最多數量的該像素以取得代表該待檢測 影像之該顏色資訊。
- 如請求項第1項之生理表徵檢測方法,其中,於決定對應該待檢測影像之該適應性數位色板的步驟中,係依據該些數位色板的該些特定亮度與該些特定物距,從該些數位色板中選取與該環境光亮度及該物距相關性最大的一個,並將所選取的該數位色板作為符合該待檢測影像之該適應性數位色板。
- 如請求項第4項之生理表徵檢測方法,其中,於選取相關性最大的該數位色板的步驟中,更包括步驟:依據該些數位色板之該些特定亮度,從該些數位色板中選取與該環境光亮度相關性最大的至少一該數位色板;以及依據該些數位色板之該些特定物距,從與該環境光亮度相關性最大的至少一該數位色板中選取與該物距相關性最大的一個,並將所選取的該數位色板作為符合該待檢測影像之該適應性數位色板。
- 如請求項第1項之生理表徵檢測方法,其中,於選擇該些對照顏色資訊其中之一的步驟中,係透過一相關性分析於該適應性數位色板之該些對照顏色資訊中,選擇最相關該待檢測影像之該顏色資訊的其中一個該對照顏色資訊。
- 如請求項第1項之生理表徵檢測方法,其中,於決定對應產生符合該待檢測影像之該適應性色板的步驟中,係依據每一該數位色板的該特定亮度與該特定物距,從該些數位色板中選取與該環境光亮度與該物距相關性接近的該至少二個數位色板,並根據所選取的該至少二個數位色板計算出符合該適應性數位色板的該些對照顏色資訊,其中該適應性數位色板的該特定亮度與該特定物 距分別為該環境光亮度與該物距。
- 一種作物之可攜式檢測裝置,用以檢測一指定作物之一生理表徵資訊,且該可攜式檢測裝置包括:一影像擷取元件,擷取該指定作物之一待檢測影像;一環境光感測器,偵測一環境光亮度;一測距元件,偵測該指定作物與該可攜式檢測裝置之間的一物距;一色板資料庫,儲存有該指定作物之複數個數位色板,每一該數位色板對應到一特定亮度與一特定物距,且具有複數個對照顏色資訊,且每一該對照顏色資訊對應到該指定作物之一生理資訊;以及一處理器,電連接該影像擷取元件、該環境光感測器、該測距元件與該色板資料庫,取得對應該待檢測影像之一顏色資訊,根據該指定作物從該色板資料庫中選擇對應該指定作物的複數個數位色板,根據該環境光亮度與該物距從該些數位色板中決定對應該待檢測影像之一適應性數位色板,且比對該待檢測影像之該顏色資訊與該適應性數位色板之該些對照顏色資訊,以依據該些對照顏色資訊和該顏色資訊的相關性從該些對照顏色資訊中選擇其中之一,並根據所選擇的該對照顏色資訊顯示對應的該生理資訊至一顯示器。
- 如請求項第8項之可攜式檢測裝置,其中,該影像擷取元件拍攝代表該指定作物之一作物影像,且該處理器於該顯示器提供一檢測圖框範圍,並透過該檢測圖框範圍從該作物影像中擷取該待檢測影像。
- 如請求項第8項之可攜式檢測裝置,其中,該處理器平均該 待檢測影像之複數個像素以取得代表該待檢測影像之該顏色資訊,或者於該待檢測影像之該些像素中選擇具有最多數量的該像素以取得代表該待檢測影像之該顏色資訊。
- 如請求項第8項之可攜式檢測裝置,其中,該處理器依據該些數位色板的該些特定亮度與該些特定物距,從該些數位色板中選取與該環境光亮度及該物距相關性最大的一個,並將所選取的該數位色板作為符合該待檢測影像之該適應性數位色板。
- 如請求項第11項之可攜式檢測裝置,其中,該處理器依據該些數位色板之該些特定亮度,從該些數位色板中選取與該環境光亮度相關性最大的至少一該數位色板,且依據該些數位色板之該些特定物距,從與該環境光亮度相關性最大的至少一該數位色板中選取與該物距相關性最大的一個,並將所選取的該數位色板作為符合該待檢測影像之該適應性數位色板。
- 如請求項第8項之可攜式檢測裝置,其中,該處理器透過一相關性分析於該適應性數位色板之該些對照顏色資訊中,選擇最相關該待檢測影像之該顏色資訊的其中一個該對照顏色資訊。
- 如請求項第8項之可攜式檢測裝置,其中,該處理器係依據每一該數位色板的該特定亮度與該特定物距,從該些數位色板中選取與該環境光亮度與該物距相關性接近的該至少二個數位色板,並根據所選取的該至少二個數位色板計算出符合該適應性數位色板的該些對照顏色資訊,其中該適應性數位色板的該特定亮度與該特定物距分別為該環境光亮度與該物距。
- 一種作物之檢測系統,用以檢測一指定作物之一生理表徵資 訊,且該檢測系統包括:一遠端伺服器,儲存有該指定作物之複數個數位色板,其中,每一該數位色板對應到一特定亮度與一特定物距,且具有複數個對照顏色資訊,且每一該對照顏色資訊對應到該指定作物之一生理資訊;一可攜式檢測裝置,透過一無線網路與該遠端伺服器連接,以接收該些數位色板、每一該數位色板之該特定亮度、該特定物距與該些對照顏色資訊,該可攜式檢測裝置包括:一影像擷取元件,擷取該指定作物之一待檢測影像;一環境光感測器,偵測一環境光亮度;一測距元件,偵測該指定作物與該可攜式檢測裝置之間的一物距;以及一處理器,電連接該影像擷取元件、該環境光感測器與該測距元件,取得對應該待檢測影像之一顏色資訊,根據該環境光亮度與該物距,從該些數位色板決定對應該待檢測影像之一適應性數位色板,且比對該待檢測影像之該顏色資訊與該適應性數位色板之該些對照顏色資訊,以依據該些對照顏色資訊和該顏色資訊的相關性從該些對照顏色資訊中選擇其中之一,並透過該無線網路傳送所選擇的該對照顏色資訊至該遠端伺服器顯示對應的該生理資訊。
- 如請求項第15項之檢測系統,其中,該影像擷取元件拍攝具有該指定作物之一作物影像,且該處理器於該顯示器提供一檢測圖框範圍,並透過該檢測圖框範圍從該作物影像中擷取該待檢測影像。
- 如請求項第15項之檢測系統,其中,該處理器平均該待檢測影像之複數個像素以取得代表該待檢測影像之該顏色資訊,或者 於該待檢測影像之該些像素中選擇具有最多數量的該像素以取得代表該待檢測影像之該顏色資訊。
- 如請求項第15項之檢測系統,其中,該處理器依據該些數位色板的該些特定亮度與該些特定物距,從該些數位色板中選取與該環境光亮度及該物距相關性最大的一個,並將所選取的該數位色板作為符合該待檢測影像之該適應性數位色板。
- 如請求項第18項之檢測系統,其中,該處理器依據該些數位色板之該些特定亮度,從該些數位色板中選取與該環境光亮度相關性最大的至少一該數位色板,且依據該些數位色板之該些特定物距,從與該環境光亮度相關性最大的至少一該數位色板中選取與該物距相關性最大的一個,並將所選取的該數位色板作為符合該待檢測影像之該適應性數位色板。
- 如請求項第15項之檢測系統,其中,該處理器透過一相關性分析於該適應性數位色板之該些對照顏色資訊中,選擇最相關該待檢測影像之該顏色資訊的其中一個該對照顏色資訊。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW104139130A TWI605245B (zh) | 2015-11-25 | 2015-11-25 | 作物之生理表徵檢測方法、可攜式檢測裝置與檢測系統 |
CN201510848216.8A CN106770274A (zh) | 2015-11-25 | 2015-11-27 | 作物的生理表征检测方法、可携带式检测装置与检测系统 |
US15/145,275 US10013629B2 (en) | 2015-11-25 | 2016-05-03 | Method, portable device, and system for detecting physiological phenotype of crops |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW104139130A TWI605245B (zh) | 2015-11-25 | 2015-11-25 | 作物之生理表徵檢測方法、可攜式檢測裝置與檢測系統 |
Publications (2)
Publication Number | Publication Date |
---|---|
TW201719146A TW201719146A (zh) | 2017-06-01 |
TWI605245B true TWI605245B (zh) | 2017-11-11 |
Family
ID=58720983
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW104139130A TWI605245B (zh) | 2015-11-25 | 2015-11-25 | 作物之生理表徵檢測方法、可攜式檢測裝置與檢測系統 |
Country Status (3)
Country | Link |
---|---|
US (1) | US10013629B2 (zh) |
CN (1) | CN106770274A (zh) |
TW (1) | TWI605245B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10445877B2 (en) | 2016-12-30 | 2019-10-15 | International Business Machines Corporation | Method and system for crop recognition and boundary delineation |
US10586105B2 (en) * | 2016-12-30 | 2020-03-10 | International Business Machines Corporation | Method and system for crop type identification using satellite observation and weather data |
US10664702B2 (en) | 2016-12-30 | 2020-05-26 | International Business Machines Corporation | Method and system for crop recognition and boundary delineation |
WO2019040866A2 (en) * | 2017-08-25 | 2019-02-28 | The Board Of Trustees Of The University Of Illinois | APPARATUS AND METHOD FOR COLLECTING AGRICULTURAL DATA AND AGRICULTURAL OPERATIONS |
CN107751355B (zh) * | 2017-09-05 | 2021-05-18 | 鲁东大学 | 物流图像成熟度预知自控果蔬运输方法 |
US10762622B2 (en) * | 2018-09-19 | 2020-09-01 | Kyocera Document Solutions Inc. | Fabric inspection device and ink-jet printing device therewith |
EP3751244A1 (en) * | 2019-06-12 | 2020-12-16 | YARA International ASA | Mobile computing device for determining plant health |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5253302A (en) * | 1989-02-28 | 1993-10-12 | Robert Massen | Method and arrangement for automatic optical classification of plants |
CN201222033Y (zh) * | 2008-01-15 | 2009-04-15 | 华南师范大学 | 检测紫色甘薯花青素相对含量的色卡 |
JP6191701B2 (ja) * | 2013-11-11 | 2017-09-06 | 日本電気株式会社 | Pos端末装置、商品認識方法及びプログラム |
CN104949981A (zh) * | 2014-03-24 | 2015-09-30 | 华中科技大学 | 一种棉花五真叶期自动检测方法及系统 |
US10113910B2 (en) * | 2014-08-26 | 2018-10-30 | Digimarc Corporation | Sensor-synchronized spectrally-structured-light imaging |
CN104535562A (zh) * | 2014-12-02 | 2015-04-22 | 中国科学院过程工程研究所 | 一种基于颜色的还原性糖快速检测方法 |
CN104749134A (zh) * | 2015-03-31 | 2015-07-01 | 江苏大学 | 一种检测叶菜类作物冠层水分含量的方法 |
CN104897677B (zh) * | 2015-06-12 | 2017-10-03 | 扬州大学 | 一种分析小麦胚乳蛋白体空间分布规律的方法 |
-
2015
- 2015-11-25 TW TW104139130A patent/TWI605245B/zh active
- 2015-11-27 CN CN201510848216.8A patent/CN106770274A/zh active Pending
-
2016
- 2016-05-03 US US15/145,275 patent/US10013629B2/en active Active
Also Published As
Publication number | Publication date |
---|---|
US20170148181A1 (en) | 2017-05-25 |
US10013629B2 (en) | 2018-07-03 |
CN106770274A (zh) | 2017-05-31 |
TW201719146A (zh) | 2017-06-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TWI605245B (zh) | 作物之生理表徵檢測方法、可攜式檢測裝置與檢測系統 | |
US7936377B2 (en) | Method and system for optimizing an image for improved analysis of material and illumination image features | |
Johannes et al. | Automatic plant disease diagnosis using mobile capture devices, applied on a wheat use case | |
US20070103551A1 (en) | Method and system for measuring video quality | |
US20200045270A1 (en) | Color measurement and calibration | |
KR101572226B1 (ko) | 어플리케이션 기반 소변검사용 스트립 및 소변 검사 방법 | |
WO2019000409A1 (zh) | 一种颜色检测的方法及终端 | |
CN106991679A (zh) | 一种基于云平台尿检试纸生理指标量化识别方法 | |
SG182342A1 (en) | Method and system for determining colour from an image | |
JP6945620B2 (ja) | システムの作動方法及びプログラム | |
Nixon et al. | Accurate device-independent colorimetric measurements using smartphones | |
JP6356141B2 (ja) | カメラ−プロジェクタ・システムを用いてアクシデントの最中にヘモグロビンレベルを測定する医療装置又はシステム | |
US20110216204A1 (en) | Systems and Methods for Bio-Image Calibration | |
JP2013164796A (ja) | 画像処理装置、画像処理方法およびプログラム | |
TW202212787A (zh) | 評估色彩參考卡品質的方法 | |
KR102471775B1 (ko) | 음식량 측정 방법, 장치, 서버 및 프로그램 | |
CN106652898B (zh) | Led显示逐点校正方法 | |
Ginardi et al. | Intelligent method for dipstick urinalysis using smartphone camera | |
JP2015009140A (ja) | 黄疸測定プログラム、及び、それを用いる黄疸測定システム | |
KR20200126288A (ko) | 휴대용 장치를 이용한 음식량 측정 방법, 서버 및 프로그램 | |
CN113240757B (zh) | 蓝光参数检测方法、装置、设备和介质 | |
JP6981561B1 (ja) | カラーチャート | |
US20210022646A1 (en) | System and method for urine analysis and personal health monitoring | |
KR20150054452A (ko) | 디스플레이 불균일성을 보상하기 위한 보정 장치 및 방법 | |
CN111767829A (zh) | 一种活体检测方法、装置、系统及存储介质 |