TWI721341B - 菇蕈類生長狀態檢測方法 - Google Patents
菇蕈類生長狀態檢測方法 Download PDFInfo
- Publication number
- TWI721341B TWI721341B TW107143966A TW107143966A TWI721341B TW I721341 B TWI721341 B TW I721341B TW 107143966 A TW107143966 A TW 107143966A TW 107143966 A TW107143966 A TW 107143966A TW I721341 B TWI721341 B TW I721341B
- Authority
- TW
- Taiwan
- Prior art keywords
- image
- growth
- frame
- mark
- detected
- Prior art date
Links
Images
Landscapes
- Image Analysis (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
一種菇蕈類生長狀態檢測方法,用以解決習知環控系統無法根據作物之生長狀態,作為溫室內調節微氣候參數的問題。係包含:朝一種植區域內的待檢測物拍攝,以產生至少一待檢測物影像;對該待檢測物影像中的待檢測物進行標記,以產生具有至少一標記框的一標記影像;計算取得該標記框的邊長;以該邊長作為所屬的該標記框內的待檢測物之一影像尺寸;及計算該影像尺寸與該標記影像的一影像解析度的乘積,以取得該標記框內的待檢測物之一實際尺寸。
Description
本發明係關於一種檢測方法,尤其是一種用以檢測取得菇蕈類作物的生長尺寸、數量及成長率的生長狀態檢測方法。
過往,由於夏季高溫、颱風等氣候特性的緣故,因此,亞熱帶、熱帶等區域的農業發展面臨極大的挑戰。拜科技進步所賜,習知的智慧溫室系統能夠對溫室內進行微氣候控制,以降低氣候所帶來的風險。
然而,習知的智慧溫室系統僅能以溫度、濕度、光照度或氣體等單一條件作為微氣候控制的參數,且上述參數的數值係參考人為經驗設定,並未考慮溫室內所種植的作物之生長狀態。
有鑑於此,有必要提供一種生長狀態檢測方法,能夠檢測作物之生長狀態,以供習知的智慧溫室系統對溫室進行微氣候控制時,能夠一併考量作物之生長狀態。
為解決上述問題,本發明的目的是提供一種菇蕈類生長狀態檢測方法,能夠用以檢測取得菇蕈類作物的生長尺寸、數量及成長率者。
本發明全文所述之「微氣候控制」,係指用以對溫室內的溫度、濕度、光度或氣體含量等環境參數進行調節。
本發明的菇蕈類生長狀態檢測方法,包含:朝一種植區域內的待檢測物拍攝,以產生至少一待檢測物影像;對該待檢測物影像中的待檢測物進行標記,以產生具有至少一標記框的一標記影像;計算取得該標記框的一長度值及一寬度值;當該長度值大於一乘積比例的寬度值時,以該長度值作為所屬的該標記框內的待檢測物的一影像尺寸,當該寬度值大於一乘積比例的長度值時,以該寬度值作為該影像尺寸,否則,以該長度值與該寬度值加總後的平均值,作為該影像尺寸;及計算該影像尺寸與該標記影像的一影像解析度的乘積,以取得該標記框內的待檢測物之一實際尺寸。
據此,本發明的菇蕈類生長狀態檢測方法,能夠透過深度學習及卷基神經網路,精準的對該待檢測物影像中的待檢測物進行標記,以產生一標記影像,並藉由計算該標記影像中的至少一標記框的邊長,以取得該待檢測物的生長尺寸。如此,本發明的菇蕈類生長狀態檢測方法係具有獲得待檢測物品質的功效。再且,係能夠避免由於待檢測物的一部份位於該拍攝單元的取景視窗之外,而導致拍攝後的待檢測物影像無法取得該待檢測物的完整影像,係具有提升檢測精確度的功效。
其中,統計該標記影像中的標記框之數量,以取得該種植區域內的待檢測物的一產量值。如此,本發明的菇蕈類生長狀態檢測方法係能夠計算取得待檢測物於不同種植時期的產量,係具有提供農民得知不同種植時期的生長環境,及對於待檢測物產量所造成影響的功效。
其中,依據一成長率計算公式計算取得二不同生長時期之間的待檢測物之成長率,其中,該成長率計算公式可表示如下所示:
其中,“G t+△t ”係表示該待檢測物於t+△t時的成長率(mm/hr);“S t+△t ”係
表示該待檢測物於t+△t時的實際尺寸(mm);“S t ”係表示該待檢測物於t時的實際尺寸(mm);“t”係表示為一時間(hr);“△t”係表示為一間隔時間(hr)。如此,本發明的菇蕈類生長狀態檢測方法係能夠計算取得待檢測物於不同生長時期之間的成長率,係具有提供農民得知不同生長時期的生長環境,及對於待檢測物尺寸所造成影響的功效。
其中,依據一平均成長率計算公式計算出該種植區域的一平均成長率,該平均成長率的公式可如下所示:
其中,“”係表示該平均成長率(mm/hr);“G t+n△t ”係表示該待檢測物於t+n△t時的實際尺寸(mm);“m”係表示該成長率的紀錄次數;“n”係表示該成長率的紀錄次數之順序標號,且n=1,2,…,m。如此,本發明的菇蕈類生長狀態檢測方法係能夠計算取得待檢測物於不同種植時期的平均成長率,係具有提供農民得知不同種植時期的生長環境,及對於待檢測物平均尺寸所造成影響的功效。
其中,對該標記影像執行一圓形霍夫轉換,以於該標記影像中的標記框內偵測取得一圓形物件,並以該圓形物件的直徑作為所屬的該標記框內的待檢測物的影像尺寸。如此,本發明的菇蕈類生長狀態檢測方法係能夠更精準地取得待檢測物的尺寸,係具有提升檢測精確度的功效。
其中,該圓形物件的直徑係小於該標記框的邊長,及該圓形物件的圓心係與該標記框的中心點位置座標距離為最短者,以該圓形物件的直徑取代該邊長,並作為所屬的該標記框內的待檢測物的影像尺寸。如此,本發明的菇蕈類生長狀態檢測方法係具有減少誤判的功效。
其中,計算取得該標記框的中心點位置座標,判斷該標記框的
中心點位置座標是否位於儲存在一資料庫單元中的物件區域內,若判斷結果為否,則將該標記框的數據新增至該資料庫單元中,以作為一個新的物件。如此,本發明的菇蕈類生長狀態檢測方法係具有提升待檢測物資料準確性的功效。
其中,若判斷結果為是,則進一步確認該標記框與該物件的一同步率是否不大於一門檻值,若確認結果為是,將該標記框的數據新增至該資料庫單元中,以作為一個新的物件;若確認結果為否,則以該標記框的數據更新該物件的數據。如此,本發明的菇蕈類生長狀態檢測方法係具有進一步提升待檢測物資料準確性的功效。
S1:拍攝步驟
S2:標記步驟
S3:計算步驟
S4:調整步驟
S4’:校準步驟
S5:挑選步驟
S6:修正步驟
M:標記框
P:標記影像
〔第1圖〕本發明一較佳實施例的方法流程圖。
〔第2圖〕本發明一較佳實施例對標記影像中的待檢測物進行標記的影像示意圖。
為讓本發明之上述及其他目的、特徵及優點能更明顯易懂,下文特舉本發明之較佳實施例,並配合所附圖式,作詳細說明如下:請參照第1圖所示,其係本發明菇蕈類生長狀態檢測方法的一較佳實施例,係包含一拍攝步驟S1、一標記步驟S2及一計算步驟S3。
該拍攝步驟S1係能夠以一拍攝單元朝一種植區域內的待檢測物拍攝,以產生數個不同生長時期的待檢測物影像,各該待檢測物影像具有相同的影像解析度。該拍攝單元可以為任何攝影器材,例如可以為一CMOS
攝影機或一CCD攝影機。在本發明中,該待檢測物係可以為一種菇蕈類,例如可以為洋菇、香菇、秀珍菇、杏鮑菇或猴頭菇等品種,在本實施例中,該待檢測物係以洋菇予以說明,且該拍攝單元係朝洋菇的菇傘頂面進行拍攝。
請一併參照第2圖,該標記步驟S2係可以對各該待檢測物影像中的待檢測物進行標記,以分別產生具有至少一標記框M的一標記影像P。具體而言,該標記步驟S2係可以將該待檢測物影像輸入至一學習預測模型,以取得該標記影像P。其中,該學習預測模型係可以藉由預先輸入巨量的待檢測物與非待檢測物之影像作為訓練資料,以完成模型的訓練。再且,該學習預測模型係可以基於卷積神經網路(CNN)設計訓練而成,例如可以為:R-CNN、Fast R-CNN、Faster R-CNN、Mask R-CNN或YOLO等,在本實施例中,該學習預測模型係以YOLOv3予以說明。
該計算步驟S3係可以計算取得該種植區域內的待檢測物,於不同生長時期的成長尺寸、數量及成長率等生長狀態資訊。詳言之,該計算步驟S3係可以計算取得該標記影像P中的標記框M的邊長,並且能夠以該邊長作為所屬的該標記框M內的待檢測物之一影像尺寸(pixel)。隨後,計算該影像尺寸與該標記影像P的一影像解析度(mm/pixel)的乘積,以取得該待檢測物的一實際尺寸。在本實施例中,該實際尺寸係為洋菇之菇傘的實際直徑長度。另一方面,該計算步驟S3還可以統計該標記影像P中的標記框M的數量,以取得該種植區域內的待檢測物的一產量值。再且,該計算步驟S3還可以依據一成長率計算公式,計算取得二不同生長時期之間的待檢測物之成長率,其中,該成長率計算公式可表示如下式(1)所示:
其中,“G t+△t ”係表示待檢測物於t+△t時的成長率(mm/hr);“S t+△t ”係表
示待檢測物於t+△t時的實際尺寸(mm);“S t ”係表示待檢測物於t時的實際尺寸(mm);“t”係表示為一時間(hr);“△t”係表示為一間隔時間(hr)。
較佳地,該計算步驟S3還可以進一步計算出該種植區域的一平均成長率,計算該平均成長率的公式可如下式(2)所示:
其中,“”係表示該平均成長率(mm/hr);“G t+n△t ”係表示待檢測物於t+n△t時的實際尺寸(mm);“m”係表示該成長率的紀錄次數;“n”係表示該成長率的紀錄次數之順序標號,且n=1,2,...,m。
本發明菇蕈類生長狀態檢測方法,還可以另包含一調整步驟S4,該調整步驟S4係能夠計算取得該標記框M的一長度值及一寬度值,並以該長度值、該寬度值或該長度值與該寬度值加總後的平均值,作為所屬的該標記框M內的待檢測物的影像尺寸。詳言之,由於該拍攝單元對該種植區域內的待檢測物進行拍攝時,待檢測物的一部份可能會位於該拍攝單元的取景視窗之外,導致拍攝後的待檢測物影像無法取得該待檢測物的完整影像。因此,該調整步驟S4可以計算該長度值與該寬度值的差,並且當該長度值大於一乘積比例的寬度值時,可以以該長度值作為所屬的該標記框M內的待檢測物的影像尺寸;或者,當該寬度值大於一乘積比例的長度值時,可以以該寬度值作為所屬的該標記框M內的待檢測物的影像尺寸;否則,可以以該長度值與該寬度值加總後的平均值,作為所屬的該標記框M內的待檢測物的影像尺寸。在本實施例中,該乘積比例係以1.5倍予以說明,惟不以此為限。
本發明菇蕈類生長狀態檢測方法,還可以另包含一校準步驟S4’,該校準步驟S4’係可以對各該標記影像P執行一影像處理程序,以更精
準地計算出該標記框M內的待檢測物的影像尺寸。由於在本實施例中係以洋菇予以說明,且洋菇的菇傘係呈現近圓形狀,因此,該影像處理程序係可以透過一圓形霍夫轉換(Circle Hough Transform),以於該標記影像P中的標記框M內偵測取得一圓形物件,並以該圓形物件的直徑作為所屬的該標記框M內的待檢測物的影像尺寸。其中,在執行圓形霍夫轉換之前,該影像處理程序還可以對該待檢測物影像執行色彩量化及邊緣偵測等影像處理。
承上述,由於在執行圓形霍夫轉換的過程中,該標記框M內可能會偵測到數個圓形物件,因此,本發明菇蕈類生長狀態檢測方法,還可以另包含一挑選步驟S5,該挑選步驟S5係可以由該數個圓形物件中挑選一圓形物件,該圓形物件的直徑係可以小於該標記框M的邊長,及該圓形物件的圓心係與該標記框M的中心點位置座標距離為最短者。
另一方面,由於對該標記影像P中的待檢測物進行標記時,可能會因為環境光度不足、取像環境未最佳化或該待檢測物的尺寸過小等因素,導致該標記影像P中的待檢測物並未被全部標記。因此,本發明菇蕈類生長狀態檢測方法,還可以另包含一修正步驟S6,該修正步驟S6係能夠將不同生長時期的標記影像P中的標記框M之數據,分別與儲存於一資料庫單元中的物件(已記錄於該資料庫單元的標記框M)進行比對更新。
具體而言,該標記步驟S2產生該標記影像P時,可以由該計算步驟S3取得該標記影像P中的標記框M的中心點位置座標、長度值及寬度值等數據。該修正步驟S6判斷該標記框M的中心點位置座標是否位於該物件區域內,若判斷結果為是,則進一步確認該標記框M與該物件的一同步率是否不大於一門檻值,若確認結果為是,則將該標記框M視為與該物件為不同的二標記框M,並將該標記框M的數據新增至該資料庫單元中,以作為一個新的物件,在本實施例中,該門檻值係可以設定為0.8,惟不以此為限;
若確認結果為否,則將該標記框M視為與該物件為相同的二標記框M,並以該標記框M的數據更新該物件的數據;若判斷結果為否,則將該標記框M視為與該物件為不同的二標記框M,並將該標記框M的數據新增至該資料庫單元中,以作為一個新的物件。其中,該同步率的計算方式係為計算取得該標記框M與該物件的重疊區域及聯集區域,該重疊區域與該聯集區域的比值即為該同步率。
綜上所述,本發明的菇蕈類生長狀態檢測方法,係能夠透過深度學習及卷基神經網路,精準的對該待檢測物影像中的待檢測物進行標記,以產生一標記影像,並藉由計算該標記影像中的至少一標記框的邊長,以取得該待檢測物的生長尺寸。如此,本發明的菇蕈類生長狀態檢測方法係具有獲得待檢測物品質的功效。
雖然本發明已利用上述較佳實施例揭示,然其並非用以限定本發明,任何熟習此技藝者在不脫離本發明之精神和範圍之內,相對上述實施例進行各種更動與修改仍屬本發明所保護之技術範疇,因此本發明之保護範圍當視後附之申請專利範圍所界定者為準。
S1:拍攝步驟
S2:標記步驟
S3:計算步驟
S4:調整步驟
S4’:校準步驟
S5:挑選步驟
S6:修正步驟
Claims (8)
- 一種菇蕈類生長狀態檢測方法,包含:朝一種植區域內的待檢測物拍攝,以產生數個不同生長時期的待檢測物影像;對各該待檢測物影像中的待檢測物進行標記,以分別產生具有至少一標記框的一標記影像;計算取得該標記框的一長度值及一寬度值;當該長度值大於一乘積比例的寬度值時,以該長度值作為所屬的該標記框內的待檢測物的一影像尺寸,當該寬度值大於一乘積比例的長度值時,以該寬度值作為該影像尺寸,否則,以該長度值與該寬度值加總後的平均值,作為該影像尺寸;及計算該影像尺寸與該標記影像的一影像解析度的乘積,以取得該標記框內的待檢測物之一實際尺寸。
- 如請求項1之菇蕈類生長狀態檢測方法,其中,統計該標記影像中的標記框之數量,以取得該種植區域內的待檢測物的一產量值。
- 如請求項1之菇蕈類生長狀態檢測方法,其中,對該標記影像執行一圓形霍夫轉換,以於該標記影像中的標記框內偵測取得一圓形物件,並以該圓形物件的直徑作為所屬的該標記框內的待檢測物的影像尺寸。
- 如請求項5之菇蕈類生長狀態檢測方法,其中,該圓形物件的直徑係小於該標記框的邊長,及該圓形物件的圓心係與該標記框的中心點位置座標距離為最短者,以該圓形物件的直徑取代該邊長,並作為所屬的該標記框內的待檢測物的影像尺寸。
- 如請求項1之菇蕈類生長狀態檢測方法,其中,計算取得該標記框的中心點位置座標,判斷該標記框的中心點位置座標是否位於儲存在一資料庫單元中的物件區域內,若判斷結果為否,則將該標記框的數據新增至該資料庫單元中,以作為一個新的物件。
- 如請求項7之菇蕈類生長狀態檢測方法,其中,若判斷結果為是,則進一步確認該標記框與該物件的一同步率是否不大於一門檻值,若確認結果為是,將該標記框的數據新增至該資料庫單元中,以作為一個新的物件;若確認結果為否,則以該標記框的數據更新該物件的數據。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW107143966A TWI721341B (zh) | 2018-12-06 | 2018-12-06 | 菇蕈類生長狀態檢測方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW107143966A TWI721341B (zh) | 2018-12-06 | 2018-12-06 | 菇蕈類生長狀態檢測方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
TW202022805A TW202022805A (zh) | 2020-06-16 |
TWI721341B true TWI721341B (zh) | 2021-03-11 |
Family
ID=72175661
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW107143966A TWI721341B (zh) | 2018-12-06 | 2018-12-06 | 菇蕈類生長狀態檢測方法 |
Country Status (1)
Country | Link |
---|---|
TW (1) | TWI721341B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TW201041499A (en) * | 2009-05-27 | 2010-12-01 | Jue-Guang Lai | Fish breeding and managing method and system |
TWM549510U (zh) * | 2017-06-23 | 2017-10-01 | 華夏學校財團法人華夏科技大學 | 魚菜共生監控系統 |
TW201833860A (zh) * | 2017-03-13 | 2018-09-16 | 中華大學 | 以物聯網進行菇類智能栽培的管理系統 |
-
2018
- 2018-12-06 TW TW107143966A patent/TWI721341B/zh active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TW201041499A (en) * | 2009-05-27 | 2010-12-01 | Jue-Guang Lai | Fish breeding and managing method and system |
TW201833860A (zh) * | 2017-03-13 | 2018-09-16 | 中華大學 | 以物聯網進行菇類智能栽培的管理系統 |
TWM549510U (zh) * | 2017-06-23 | 2017-10-01 | 華夏學校財團法人華夏科技大學 | 魚菜共生監控系統 |
Non-Patent Citations (2)
Title |
---|
錢中方,林達德;"應用橢圓霍氏轉換量測重疊葉片面積之影像處理方法",農業機械學刊,第9卷,第4期;2000年12月 * |
錢中方,林達德;"應用橢圓霍氏轉換量測重疊葉片面積之影像處理方法",農業機械學刊,第9卷,第4期;2000年12月。 |
Also Published As
Publication number | Publication date |
---|---|
TW202022805A (zh) | 2020-06-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11647701B2 (en) | Plant treatment based on morphological and physiological measurements | |
US20230316555A1 (en) | System and Method for Image-Based Remote Sensing of Crop Plants | |
US20230292647A1 (en) | System and Method for Crop Monitoring | |
US11631166B2 (en) | Crop yield prediction method and system based on low-altitude remote sensing information from unmanned aerial vehicle | |
CN102982336B (zh) | 识别模型生成方法和系统 | |
JP2003009664A (ja) | 作物生育量測定装置、作物生育量測定方法、作物生育量測定プログラム及びその作物生育量測定プログラムを記録したコンピュータ読取可能な記録媒体 | |
KR101974638B1 (ko) | 식물 영상 처리 장치 및 방법 | |
US20230230373A1 (en) | System and method for estimating vegetation coverage in a real-world environment | |
WO2021208407A1 (zh) | 目标物检测方法、装置和图像采集方法、装置 | |
CN110969654A (zh) | 基于收割机的玉米高通量表型测量的方法及装置、收割机 | |
CN110188657A (zh) | 基于卷曲叶片检测的玉米干旱识别方法 | |
WO2021109120A1 (zh) | 作物生长状况评估方法和装置 | |
TWI721341B (zh) | 菇蕈類生長狀態檢測方法 | |
CN106709922B (zh) | 基于图像的牧草覆盖度和生物量自动检测方法 | |
CN116721344A (zh) | 基于航拍设备的植被检测方法、装置和设备 | |
CN107818565B (zh) | 一种小麦一至三叶期麦苗数量调查方法 | |
JP5080416B2 (ja) | 入力画像から検出対象物の像を検出する画像処理装置 | |
KR102582588B1 (ko) | Ai를 활용한 작물의 엽 생육지수 측정시스템 | |
CN110705698A (zh) | 尺度自适应感知的目标计数深度网络设计方法 | |
CN114140428A (zh) | 基于YOLOv5的落叶松毛虫虫害检测识别方法及系统 | |
TWI720842B (zh) | 智慧型竹筍栽培採收監控系統及方法 | |
Chimwai et al. | Fresh Weight Estimation of Lettuce Using 3D Stereoscopic Technique | |
CN114485612B (zh) | 路线生成方法、装置、无人作业车、电子设备及存储介质 | |
CN111178354B (zh) | 一种红树林害虫监测方法以及系统 | |
Hayashi et al. | Locating Open-field Broccoli Plants with Unmanned Aerial Vehicle Photogrammetry and Object Detection Algorithm: A Practical Prediction Approach. |