一种基于机器视觉的农作物种子自动计数方法技术

本发明专利技术公开了一种基于机器视觉的农作物种子自动计数方法，用于机器视觉农业生产场景下的种子自动计数，为农作物千粒重称量、农业生产场景下种子计数提供技术手段。包括如下步骤：步骤1.种子图像预处理；步骤2.种子图像分割；步骤3.种子轮廓检测和步骤4种子自动计数；其中：步骤1对输入图像进行灰度转换以及高斯模糊降噪处理；步骤2使用改进的自适应阈值边缘检测算子对图像进行处理得到一个二值图像；步骤3通过边界跟踪算法，提取分割种子轮廓，并对叠加在一起的种子进行处理以识别单个种子与多个种子；步骤4用正态分布函数拟合轮廓尺寸分布，以预定置信区间内轮廓样本的平均尺寸作为标准种子尺寸来计算种子数。作为标准种子尺寸来计算种子数。作为标准种子尺寸来计算种子数。

【技术实现步骤摘要】
一种基于机器视觉的农作物种子自动计数方法


[0001]本专利技术涉及图像处理领域，尤其涉及一种基于机器视觉的农作物种子自动计数方法。

技术介绍

[0002]农作物种子计数及重量计量是衡量种子质量的关键指标,计算农作物种子颗粒的千粒重指标时,对农作物种子颗粒精确计数直接影响着最终计量的准确性。人工计数耗费人力且效率低、准确性差。目前市面上已有多种自动化的农作物种子计数方法，主要以光电管计数技术为主,但同样存在成本高、精度差的问题。
[0003]为此，本专利技术提出了一种基于机器视觉的农作物种子自动计数方法，在统计农作物种子的颗粒数目时,计数精度较高,抗干扰能力强,耗时非常短,在农业生产现代化领域有着较高的实用价值。

技术实现思路

[0004]为实现本专利技术之目的，采用以下技术方案予以实现：
[0005]一种基于机器视觉的农作物种子自动计数方法，包括如下步骤：步骤1.图像预处理；步骤2.图像分割；步骤3.种子轮廓检测与种子叠加处理，和步骤4.种子自动计数；其中：步骤1对输入图像进行灰度转换以及高斯模糊降噪处理；步骤2使用改进的自适应阈值边缘检测算子对图像进行处理得到一个二值图像；步骤3通过边界跟踪算法，提取分割轮廓，并识别出多个种子颗粒叠加的部分；步骤4用正态分布函数拟合轮廓尺寸分布，以预定置信区间内轮廓样本的平均尺寸作为标准种子尺寸来计算种子数。
[0006]所述的基于机器视觉的种子计数方法，其中：步骤1图像预处理包括：
[0007](1)将输入的BGR通道图像转化为灰度图像；
[0008](2)使用二维高斯滤波消除图像高斯噪声，将灰度图像的所有5
×
5像素矩阵与5
×
5的高斯核进行卷积，得到噪声消除后的灰度图像，其中，二维高斯核表示为：
[0009][0010]其中σ是分布的标准差，x和y是位置索引。
[0011]所述的基于机器视觉的种子计数方法，其中：σ＝1.4，高斯滤波器的内核如公式所示。
[0012][0013]所述的基于机器视觉的种子计数方法，其中：步骤2使用自适应阈值的多级边缘检
测算法检测图像边缘信息包括：
[0014](1)输入步骤1预处理后的灰度图像，通过拉普拉斯算子计算出该图像中每个像素点的梯度大小和梯度方向，拉普拉斯算子的公式如下：
[0015][0016]梯度值计算公式为：
[0017][0018]梯度方向为：
[0019][0020]3×
3的拉普拉斯模板窗口表示为：
[0021][0022][0023](2)进行非极大值抑制，将当前像素的边缘强度与像素在正梯度和负梯度方向上的边缘强度进行比较，如果当前像素的边缘强度最大；保留边缘强度的值，如果不是，则抑制该值：
[0024]p
grad
＝max{a
grad
,b
grad
,p
grad
}
[0025]其中a和b是边上某一像素p正负梯度方向上相邻的两个像素点；
[0026](3)自适应双阈值检测，首先通过最大梯度值像素的梯度差分值确定高阈值比率，G(i)max为最大梯度值像素，diff(i)为图像像素梯度差分直方图中，梯度值为i处的像素个数差分值，表示直方图中i比i
‑
1梯度幅值处多出的像素数量，高阈值比率的计算公式为：
[0027][0028]通过输入的灰度图像中最大灰度值和高阈值比率得到高阈值：
[0029]TH
h
＝max(img)*TH
h
Ratio
[0030]通过高阈值计算低阈值：
[0031]TH
l
＝TH
h
/3
[0032]得到自适应高低阈值后，将图像中的像素梯度值逐一与阈值进行比较：如果梯度值高于高阈值，则将该像素设为1，如低于低阈值，则设为0；如果梯度值介于高低阈值之间，则寻找相邻像素，如果存在像素梯度值高于高阈值，则设为1，否则设为0。由此得到一个由
0、1组成的二值图像，1即为轮廓。
[0033]所述的基于机器视觉的种子计数方法，其中：轮廓检测单元，使用边界跟踪算法，包括：
[0034](1)输入由图像分割单元处理后得到的一个二值图像，从左到右，从上到下依次扫描网格中的像素，找到第一个之前未被扫描过的黑色像素；
[0035](2)以该黑色像素为起始点，围绕顺时针方向扫描周边相邻像素，如果扫描出新的黑色像素，则将该像素设置为新的起始点，继续扫描周边相邻像素；如果周边没有黑像素，则放弃当前的起始点，回到步骤1；
[0036](3)当新的起始点和一开始的起始点重合，说明轮廓已经连通，将轮廓数加1，计算轮廓中的像素数量得到该轮廓尺寸，再重复步骤1
‑
3，如此直到输入图像中所有黑色像素都遍历完成。
[0037]所述的基于机器视觉的种子计数方法，其中：步骤4包括：
[0038](1)计算种子标准尺寸：对轮廓尺寸数据进行正态分布拟合，一维正态分布的概率密度函数为：
[0039][0040]其中，μ为一个位置参数、σ为尺度参数、x为样本值，即轮廓尺寸；
[0041](2)将95％置信区间内的轮廓样本的平均尺寸作为种子标准尺寸：
[0042][0043]其中，avg
size
为种子标准尺寸，spl
size
为样本种子尺寸，95％interval为二维正态分布95％的置信区间；
[0044](3)将所有轮廓尺寸与种子标准尺寸相除，得到轮廓内所包含的种子数量：
[0045]附图说明
[0046]附图1是本专利技术种子计数系统功能示意图；
[0047]附图2是本专利技术图像预处理单元工作的流程图；
[0048]附图3是本专利技术图像分割单元工作的流程图；
[0049]附图4是本专利技术图像轮廓检测单元工作的流程图；
[0050]附图5是本专利技术计数单元工作的流程图。
具体实施方式
[0051]下面结合附图1
‑
5，对本专利技术的具体实施方式进行详细说明：
[0052]根据图1所示，本专利技术为基于机器视觉的农作物种子自动计数方法，输入为一张纯色背景下的农作物种子彩色图像，输出为图像中包含的种子数量。用于实现该方法的系统包括图像预处理单元，图像分割单元、轮廓检测单元和计数单元。
[0053]其中：图像预处理单元，用于对输入的原始图像进行灰度转换，之后使用高斯模糊去除噪声；图像分割单元，使用自适应阈值的边缘检测算子对图像进行处理得到一个二值
图像，0值为背景，1值为检测出的边缘；轮廓检测单元，通过边界跟踪算法，逐个扫描像素点，提取分割轮廓，计算轮廓数量和轮廓尺寸；计数单元用于根据轮廓数量和轮廓尺寸，计算得到种子数量。
[0054]图2是图像预处理单元工作流程图。此单元的功本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于机器视觉的农作物种子自动计数方法，包括如下步骤：步骤1.图像预处理；步骤2.图像分割；步骤3.种子轮廓检测，和步骤4.种子自动计数；其特征在于：步骤1对输入图像进行灰度转换以及高斯模糊降噪处理；步骤2使用改进的自适应阈值边缘检测算子对图像进行处理得到一个二值图像；步骤3通过边界跟踪算法，提取分割轮廓，并识别出多个种子颗粒叠加的部分；步骤4用正态分布函数拟合轮廓尺寸分布，以预定置信区间内轮廓样本的平均尺...

【专利技术属性】
技术研发人员：杜志钢，
申请(专利权)人：杜志钢，
类型：发明
国别省市：