The invention relates to a method for determining the phenotype of plant fruit based on computer vision, which comprises the following steps: fixing the plant fruit on the auxiliary board for production measurement and taking photos with a fixator; carrying out binary processing, edge detection and contour confirmation; obtaining the minimum external matrix containing the characteristic image through Python opencv algorithm, and obtaining the length and the length of the plant fruit by using the miniarerect algorithm Diameter: through dividing the color areas of the plant fruit and comparing with the standard color card, find the same color card, restore the color value of each area color card to each area where the plant fruit is divided, and restore the real color of the tested plant fruit. A method of plant fruit phenotype measurement based on computer vision solves the shortcomings of manual measurement and instrument measurement in the previous plant fruit phenotype measurement. It can measure the length, diameter and color of plant fruit quickly and efficiently with high accuracy. It provides accurate data for yield measurement and analysis.
【技术实现步骤摘要】
一种基于计算机视觉的植物果实表型测定方法
本专利技术涉及一种基于计算机视觉的植物果实表型测定方法,属于图像识别
技术介绍
随着人们生活品质不断的提高,对植物果实(如:玉米穗、小麦穗、苹果、香蕉等)的质量和产量要求越来越高,在植物生产过程中果实测产是一个重要的环节,植物果实表型中果实的长度、直径、颜色是测产中重要的指标。现阶段,植物果实测产过程中通过人工完成植物果实表型测定,工作强度大、工作效率低、测量误差率高;通过仪器进行植物果实表型测定,准确性较人工有明显提升,但是测定时间长,另外因为受光线、照射角度等外界因素影响,测定的果实颜色也有一定的误差。目前,缺少一个方法能够改变这一现状。
技术实现思路
本专利技术为了解决上述问题,提供了一种基于计算机视觉的植物果实表型测定方法,包括如下步骤:步骤1,植物果实拍照:将植物果实固定在测产辅助板上进行拍照,得到植物果实图像;其中所述测产辅助板包含测量区域和标准色卡区域,且所述植物果实固定在所述测量区域;步骤2,二值化处理:将步骤1的植物果实图像的像素点的灰度值设置为0或255,使得整个植物果实图像呈现黑白效果;步骤3,边缘检测:将步骤2二值化处理后的植物果实图像进行边缘检测;步骤4,外轮廓确认:在步骤3的边缘检测后,提取二维平面中植物果实的外轮廓,在最终图像中只呈现出测量板横竖线、刻度和植物果实平面外轮廓;步骤5,长度和直径测定:将步骤4生成的植物果实特征图像通过PYTHONOPENCV算法获取包含特征图像的 ...
【技术保护点】
1.一种基于计算机视觉的植物果实表型测定方法,其特征在于,包括如下步骤:/n步骤1,植物果实拍照:将植物果实固定在测产辅助板上进行拍照,得到植物果实图像;其中所述测产辅助板包含测量区域和标准色卡区域,且所述植物果实固定在所述测量区域;/n步骤2,二值化处理:将步骤1的植物果实图像的像素点的灰度值设置为0或255,使得整个植物果实图像呈现黑白效果;/n步骤3,边缘检测:将步骤2二值化处理后的植物果实图像进行边缘检测;/n步骤4,外轮廓确认:在步骤3的边缘检测后,提取二维平面中植物果实的外轮廓,在最终图像中只呈现出测量板横竖线、刻度和植物果实平面外轮廓;/n步骤5,长度和直径测定:将步骤4生成的植物果实特征图像通过PYTHON OPENCV算法获取包含特征图像的最小外接矩阵,使用MINAREARECT算法获取植物果实长度与直径;/n步骤6,颜色区域划分:将步骤1生成的植物果实特征图像划分成多个颜色区域;/n步骤7,颜色测定:将步骤3划分的各区域颜色与标准色卡比对,找到一致的色卡,将各区域色卡取得的色值还原到植物果实被分割的各个区域,呈现出被测植物果实真实的颜色。/n
【技术特征摘要】
1.一种基于计算机视觉的植物果实表型测定方法,其特征在于,包括如下步骤:
步骤1,植物果实拍照:将植物果实固定在测产辅助板上进行拍照,得到植物果实图像;其中所述测产辅助板包含测量区域和标准色卡区域,且所述植物果实固定在所述测量区域;
步骤2,二值化处理:将步骤1的植物果实图像的像素点的灰度值设置为0或255,使得整个植物果实图像呈现黑白效果;
步骤3,边缘检测:将步骤2二值化处理后的植物果实图像进行边缘检测;
步骤4,外轮廓确认:在步骤3的边缘检测后,提取二维平面中植物果实的外轮廓,在最终图像中只呈现出测量板横竖线、刻度和植物果实平面外轮廓;
步骤5,长度和直径测定:将步骤4生成的植物果实特征图像通过PYTHONOPENCV算法获取包含特征图像的最小外接矩阵,使用MINAREARECT算法获取植物果实长度与直径;
步骤6,颜色区域划分:将步骤1生成的植物果...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。