一种用于温室环境下抓拍图片中的植物主茎检测方法技术

本发明专利技术公开了一种用于温室环境下抓拍图片中的植物主茎检测方法，利用植物主茎在图像中所属检测线段集具有位置和方向上的强相关性特点实现植物主茎检测，步骤如下：(1)通过基于深度学习的目标检测方法Yolo检测出观测植物目标；(2)通过LSD方法检测线段；(3)根据线段中心点位置和方向信息对线段聚类；(4)计算每类线段类内的混乱度并据此确定目标植物主茎所属线段类。本发明专利技术具有精确度高、鲁棒性强、约束条件较少等优点。特别是对拍摄角度有很好的适应性，且不必要求植物主茎目标在图像中占明显位置和较大的比例，因此非常适合用于温室环境中的植物主茎检测系统中。境中的植物主茎检测系统中。境中的植物主茎检测系统中。

【技术实现步骤摘要】
一种用于温室环境下抓拍图片中的植物主茎检测方法


[0001]本专利技术涉及图像处理、计算机视觉和模式识别，特别是一种用于温室环境下抓拍图片中的植物主茎检测方法。

技术介绍

[0002]在植物表型系统中，视觉感知系统可以用来感知植物主茎和采集相关的数据。随着智能农业的发展，越来越多的图像数据通过各种视觉传感器收集起来。但随着数据和任务的急剧增加，传统的人工测量已经远远无法满足植物表型测量任务的需要。因此，实现可以代替人眼的智能自动测量功能，并将其应用于实际植物表型系统中，成为计算机视觉和植物表型领域共同研究的目标。
[0003]植物主茎像素的位置信息获取作为基于视觉测量植物主茎的一项基本步骤，在决定测量精度中起着重要的作用。植物主茎自动检测可以广泛应用于植物表型中的株高测量、节间距测量等等方面。而在植物表型的应用中，主茎与旁支的外观形态存在一定相似度，叶片等其他植物部位的遮挡也破坏其成像连续性，如何自动地在植物表型系统抓拍的图像中准确检测出植物主茎成为工程实践中亟待解决的问题。
[0004]经对现有技术文献的检索发现，目前几乎所有的植物主茎检测方法都基于霍夫变换来实现对图像中的直线检测，同时也存在基于深度学习的植物主茎检测方法，但计算开销巨大。

技术实现思路

[0005]专利技术目的：本专利技术的目的是提供一种用于温室环境下抓拍图片中的植物主茎检测方法，从而在实际植物表型应用中实时检测植物主茎，为表型系统提供关键的数据信息。
[0006]技术方案：本专利技术所述的一种用于温室环境下抓拍图片中的植物主茎检测方法，包括以下步骤：
[0007](1)检测目标植物；
[0008](2)检测直线作为备选线段；
[0009](3)线段聚类；
[0010](4)评估每个线段类的混乱度。
[0011]所述步骤(1)具体为：
[0012](1.1)把监控摄像机抓拍的监控场景图像读入计算机，并对输入的源图像做一些基本的图像预处理；
[0013](1.2)利用基于深度学习的目标检测算法识别目标植物，即面积最大的检测框。
[0014]所述步骤(2)具体为：
[0015](2.1)把视频监控摄像机抓拍的监控场景图像读入计算机，并对输入的源图像做一些基本的图像预处理；
[0016](2.2)利用LSD检测图片中直线，形成备选的线段集合，表示为L＝{l1,
…
,l
m
}，m为
检测的直线总数；线段l
i
,(1≤i≤k)的中心点记为C
i
，其坐标记为同时此线段的首尾端点坐标记为和斜率记为p
i
，计算公式为：
[0017][0018]所述步骤(3)具体为：
[0019](3.1)在提取的线段中，采用K
‑
means方法聚类；
[0020](3.2)基于线段的中心点坐标和线段斜率进行聚类。
[0021]所述步骤(4)具体为：针对聚类所得的K类线段类，分别计算其混乱度，混乱度计算方式为：用XY轴均方差之和计算此类线段存在区域分布大小，混乱度为区域大小除以区域内存在的此类线段数目。
[0022]一种计算机存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述的一种用于温室环境下抓拍图片中的植物主茎检测方法。
[0023]一种计算机设备，包括储存器、处理器及存储在存储器上并可再处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述的一种用于温室环境下抓拍图片中的植物主茎检测方法。
[0024]有益效果：与现有技术相比，本专利技术具有如下优点：
[0025]1、本专利技术针对智能植物表型系统中利用视频监控系统采集线路信息的需要，利用计算机视觉、图像处理、模式识别的相关技术，根据图像中植物主茎在图像中所属检测线段集具有位置和方向上的强相关性来排除背景中产生的检测线段，具有精确度高、鲁棒性强、约束条件较少等优点；
[0026]2、由于利用了植物主茎检测线段的固有排列方式特征，对拍摄角度具有很好的适应性，且不必要求植物主茎路目标在图像中占明显位置和较大的比例，因此非常适合用于植物表型系统中；
[0027]3、本专利技术使用基于LSD的直线段检测技术、基于K
‑
means的线段聚类技术等图像处理和数据分析技术，实现抓拍图像中直线段自动提取和植物主茎线段选取，最终为智能植物表型系统中提供一种新的数据采集和环境感知方式。
附图说明
[0028]图1为本专利技术的步骤流程图。
具体实施方式
[0029]下面结合附图对本专利技术的技术方案作进一步说明。
[0030]为了更好地理解本专利技术提出的方法，选取一张由温室表型监控摄像机拍摄的开放环境下植物主茎图片作为测试图片，该图片分辨率为4288*2848，图片中有四条植物主茎可见。
[0031]如图1所示，所述基于线段聚类的植物主茎检测方法，具体包括以下步骤：
[0032]S1、对视频序列中的每一帧图像进行预处理；
[0033]在本实施例中，最初需要采用OpenCV(Intel开源计算机视觉库)中的功能函数进
行图片读取，把监控摄像机抓拍的监控场景图像读入计算机。
[0034]所述预处理包括将彩色图像转为灰度图像、去除图像噪声(比如可使用高斯滤波器对图像进行去噪)等。
[0035]S2、检测目标植物；
[0036]在本实施例中，对于经过预处理后的图像，使用基于深度学习的目标检测算法YOLO，利用标注过的该植物样本库训练后的目标检测模型对该图像进行识别并输出多个检测框，选取面积最大的检测框作为目标植物所在区域。
[0037]S3、检测植物主茎线段并记录线段信息；
[0038]S3.1、在本实施例中，使用发表于PAMI2010的LSD(直线段检测)方法，确保在线性时间内得到亚像素级准确度的直线段检测。由于检测框中背景复杂，检测出的线段数目较大。
[0039]S3.2、在本实施例中，计算各个线段长度，取长度前50％的线段形成备选的植物主茎线段集合，表示为L＝{l1,
…
,l
m
}，m为检测的直线总数。线段l
i
,(1≤i≤k)的中心点记为C
i
，其坐标记为同时此线段的首尾端点坐标记为和斜率记为p
i
，计算公式为：
[0040][0041]S4、根据线段信息聚类；
[0042]在提取的线段中，采用K
‑
means方法聚类。聚类依据线段的中心点坐标和线段斜率信息。两类信息的在使用过程中需经过加权处理。在本实施例中，中心点坐标的权重设置为0.005，线段斜率的权重设置为200。
[0043]S5、评估每个线段类的混乱度，混乱度小的类被标记为植物主茎线段类；
[0044]该步骤进一步包括：
[0045]本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于温室环境下抓拍图片中的植物主茎检测方法，其特征在于，包括以下步骤：(1)检测目标植物；(2)检测直线作为备选线段；(3)线段聚类；(4)评估每个线段类的混乱度。2.根据权利要求1所述的一种用于温室环境下抓拍图片中的植物主茎检测方法，其特征在于，所述步骤(1)具体为：(1.1)把监控摄像机抓拍的监控场景图像读入计算机，并对输入的源图像做一些基本的图像预处理；(1.2)利用基于深度学习的目标检测算法识别目标植物，即面积最大的检测框。3.根据权利要求1所述的一种用于温室环境下抓拍图片中的植物主茎检测方法，其特征在于，所述步骤(2)具体为：(2.1)把视频监控摄像机抓拍的监控场景图像读入计算机，并对输入的源图像做一些基本的图像预处理；(2.2)利用LSD检测图片中直线，形成备选的线段集合，表示为L＝{l1,
…
,l
m
}，m为检测的直线总数；线段l
i
,(1≤i≤k)的中心点记为C
i
，其坐标记为同时此线段的首尾端点坐标记为和斜率记为p
i<...

【专利技术属性】
技术研发人员：任妮，陈诚，周玲莉，陶建平，易中懿，张兵园，程雅雯，贡宇，
申请(专利权)人：南京苏农信数据科技有限公司，
类型：发明
国别省市：