基于计算机视觉的豆荚表型分析方法、系统及装置制造方法及图纸

本发明专利技术公开一种基于计算机视觉的豆荚表型分析方法、系统及装置，方法包括对原始豆荚图像进行图像增强处理，得到增强后豆荚图像；对增强后豆荚图像进行预处理，得到豆荚二值图；基于豆荚二值图检测豆荚周长、面积；基于豆荚二值图提取豆荚骨架信息，对豆荚二值图进行转正；基于转正后二值图提取转正后豆荚骨架信息，通过单源路径搜索算法及切垂线豆荚表型分析方法检测豆荚长度及豆荚宽度；基于转正后二值图及转正后豆荚骨架信息，得到豆荚种子数量。本发明专利技术克服了传统测量方法测量过程中主观性强、效率低、同一参数需要分段测量的不足，能够快速、准确的获取豆荚表型参数，满足研究人员对豆荚表型参数测量的需求，为豆荚表型研究提供数据参考。提供数据参考。提供数据参考。

【技术实现步骤摘要】
基于计算机视觉的豆荚表型分析方法、系统及装置


[0001]本专利技术涉及计算机视觉
，尤其涉及一种基于计算机视觉的豆荚表型分析方法、系统及装置。

技术介绍

[0002]在现有技术中，对于豆荚表型信息诸如周长、面积、长、宽及种子自动计数等表型特征主要通过人工手动测量。基于CMOS相机和卤钨灯光源的图像采集平台的透射、漫反射图像采集方式，通过对比分析不同光源透射角度、不同载物介质材料、不同光源透射距离和不同采集环境对豆荚图像的影响,对豆荚样本漫反射图像和透射图像采集与统计分析，提供豆荚病害判定标准与方法。通过机器视觉技术提取大豆植株表型特征数据,采用高角度照明系统搭载中高端CMOS相机获取高质量的整株大豆图像，采用深度卷积神经网络、分水岭图像分割、蚁群算法、骨架细化、Hough检测、SURF匹配等方法能够获得大豆植株表型特征的株高、分枝数、主茎、单株荚数、荚宽、荚长、豆荚类型等表型信息。此外通过深度学习方法也能实现豆荚数量检测，但不具备种子粒数以及豆荚表型测量功能。
[0003]另外，在现有豆荚表型分型装置中，提供了一种大豆籽粒和豆荚图像分析方案，通过多相机结合、暗箱、挡板等多硬件结合的方式，对特定摆放的豆荚进行表型分析，包括豆荚颜色、粒数、豆荚长宽等，但硬件、操作过于复杂与繁琐，表型分析项也有待完善。
[0004]综上，在现有技术中，豆荚表型分析方法存在豆荚表型分析方法复杂以及豆荚表型分析不完善的问题。

技术实现思路

[0005]本专利技术针对现有技术中的缺点，提供了一种基于计算机视觉的豆荚表型分析方法、系统及装置。
[0006]为了解决上述技术问题，本专利技术通过下述技术方案得以解决：
[0007]一种基于计算机视觉的豆荚表型分析方法，包括以下步骤：
[0008]基于原始豆荚图像，对所述原始豆荚图像进行图像增强处理，得到增强后豆荚图像；
[0009]对所述增强后豆荚图像进行预处理，得到豆荚二值图，其中，所述豆荚二值图仅包括豆荚区域信息；
[0010]基于所述豆荚二值图，提取豆荚轮廓信息，并基于所述豆荚轮廓信息得到豆荚周长及豆荚面积；
[0011]基于所述豆荚二值图提取豆荚骨架信息，根据所述豆荚骨架信息及所述豆荚轮廓信息，对所述豆荚二值图进行转正处理，得到转正后豆荚二值图；
[0012]基于所述转正后豆荚二值图提取转正后豆荚骨架信息，根据所述转正后豆荚骨架信息进行单源路径搜索算法及切垂线豆荚表型分析方法，得到豆荚长度及豆荚宽度；
[0013]基于所述转正后豆荚骨架信息得到转正后骨架主干信息，根据所述转正后豆荚二
值图及所述转正后骨架主干信息，通过凹点检测算法和凹点配准算法进行估计，得到豆荚种子数量。
[0014]作为一种可实施方式，所述基于原始豆荚图像，对所述原始豆荚图像进行图像增强处理，得到增强后豆荚图像，包括：
[0015]当光照来源不唯一且光照强度不恒定时，将所述原始豆荚图像分解成反射图像信息与图像亮度信息，对所述原始豆荚图像进行图像增强处理，使得动态范围压缩、边缘增强和颜色恒常三个方面达到平衡，得到增强后豆荚图像；
[0016]当光照来源唯一且光照强度恒定时，对所述原始豆荚图像的背景区域进行图像颜色通道采样，得到R、G、B分布信息，并将所述R、G、B分布信息用于所述原始豆荚图像的颜色通道同分布校正，得到增强后豆荚图像。
[0017]作为一种可实施方式，所述基于所述豆荚二值图提取豆荚骨架信息，所述基于所述豆荚二值图提取豆荚骨架信息，根据所述豆荚骨架信息及所述豆荚轮廓信息，对所述豆荚二值图进行转正处理，得到转正后豆荚二值图，包括以下步骤：
[0018]根据所述豆荚轮廓信息得到最小外接矩形，确定所述最小外接矩形最长边对应的最长边斜率，基于所述最长边斜率反解出第一角度；
[0019]基于所述豆荚二值图，采用骨架提取算法得到豆荚骨架信息；
[0020]根据所述豆荚骨架信息进行直线拟合，得到直线对应的直线斜率，基于所述直线斜率反解出第二角度；
[0021]基于预设旋转规则，得到转正后豆荚二值图，其中，所述预设旋转规则通过所述第一角度及所述第二角度设定。
[0022]作为一种可实施方式，所述基于所述转正后豆荚二值图提取转正后豆荚骨架信息，根据所述转正后豆荚骨架信息进行单源路径搜索算法及切垂线豆荚表型分析方法，得到豆荚长度及豆荚宽度，包括以下步骤：
[0023]基于所述转正后豆荚二值图，采用骨架提取算法，得到转正后豆荚骨架信息；
[0024]根据所述转正后豆荚骨架信息构建骨架拓扑图，得到骨架拓扑结构，并基于所述骨架拓扑图获得端点集合(e1,e2,
…
,em)；
[0025]根据所述骨架拓扑结构及所述端点集合(e1,e2,
…
,em)遍历任意两端点，根据单源路径搜索算法得到端点路径，所述端点路径即为豆荚骨架主干路径，所述端点路径的长度即为豆荚长度；
[0026]基于所述豆荚骨架主干路径，遍历所述豆荚骨架主干路径上的每一点，计算各点切垂线；
[0027]计算所述转正后豆荚二值图及所述各点切垂线的交集，所述交集即为豆荚不同位置的宽度线段，进而获得豆荚宽度线段集合；
[0028]筛选所述豆荚宽度线段集合中的最大值，所述最大值为豆荚宽度。
[0029]作为一种可实施方式，基于所述转正后豆荚骨架信息得到转正后骨架主干信息，根据所述转正后豆荚二值图及所述转正后骨架主干信息，通过凹点检测算法和凹点配准算法进行估计，得到豆荚种子数量，包括以下步骤：
[0030]基于所述转正后豆荚二值图，计算初始凹点集合；
[0031]根据所述转正后豆荚二值图及所述初始凹点集合，按照预设筛选规则对所述初始
凹点集合中的凹点进行过滤，得到有效凹点集合；
[0032]根据所述有效凹点集合及所述豆荚骨架主干路径，计算配准后凹点对，得到凹点对数，其中，所述配准后凹点对即为豆荚山脊处的对应凹点；
[0033]根据豆荚特征及所述凹点对数，得到豆荚种子数量，所述豆荚种子数量的计算公式为：
[0034]seedNum＝pairsNum+1
[0035]其中，pairsNum为所述凹点对数。
[0036]作为一种可实施方式，所述对所述增强后豆荚图像进行预处理，得到豆荚二值图，包括以下步骤：
[0037]获取所述增强后豆荚图像的灰度图；
[0038]对所述灰度图进行双边滤波处理并去除噪声干扰，得到滤波图；
[0039]对所述滤波图进行自适应阈值分割得到第一二值图，对所述滤波图进行边缘提取处理，得到边缘图像；
[0040]将所述第一二值图和边缘图像进行融合处理，得到融合图像；
[0041]对所述融合图像进行特征分析去除杂质并进行小孔填充，得到豆荚二值图。
[0042]一种基于计算机视觉豆荚表型分析系统，包括图像增强模块、图像预处理模块、豆荚表型分析本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于计算机视觉的豆荚表型分析方法，其特征在于，包括以下步骤：基于原始豆荚图像，对所述原始豆荚图像进行图像增强处理，得到增强后豆荚图像；对所述增强后豆荚图像进行预处理，得到豆荚二值图，其中，所述豆荚二值图仅包括豆荚区域信息；基于所述豆荚二值图，提取豆荚轮廓信息，并基于所述豆荚轮廓信息得到豆荚周长及豆荚面积；基于所述豆荚二值图提取豆荚骨架信息，根据所述豆荚骨架信息及所述豆荚轮廓信息，对所述豆荚二值图进行转正处理，得到转正后豆荚二值图；基于所述转正后豆荚二值图提取转正后豆荚骨架信息，根据所述转正后豆荚骨架信息进行单源路径搜索算法及切垂线豆荚表型分析方法，得到豆荚长度及豆荚宽度；基于所述转正后豆荚骨架信息得到转正后骨架主干信息，根据所述转正后豆荚二值图及所述转正后骨架主干信息，通过凹点检测算法和凹点配准算法进行估计，得到豆荚种子数量。2.据权利要求1所述的基于计算机视觉的豆荚表型分析方法，其特征在于，所述对基于原始豆荚图像，对所述原始豆荚图像进行图像增强处理，得到增强后豆荚图像，包括：当光照来源不唯一且光照强度不恒定时，将所述原始豆荚图像分解成反射图像信息与图像亮度信息，对所述原始豆荚图像进行图像增强处理，使得动态范围压缩、边缘增强和颜色恒常三个方面达到平衡，得到增强后豆荚图像；当光照来源唯一且光照强度恒定时，对所述原始豆荚图像的背景区域进行图像颜色通道采样，得到R、G、B分布信息，并将所述R、G、B分布信息用于所述原始豆荚图像的颜色通道同分布校正，得到增强后豆荚图像。3.根据权利要求1所述的基于计算机视觉的豆荚表型分析方法，其特征在于，所述基于所述豆荚二值图提取豆荚骨架信息，根据所述豆荚骨架信息及所述豆荚轮廓信息，对所述豆荚二值图进行转正处理，得到转正后豆荚二值图，包括以下步骤：根据所述豆荚轮廓信息得到最小外接矩形，确定所述最小外接矩形最长边对应的最长边斜率，基于所述最长边斜率反解出第一角度；基于所述豆荚二值图，采用骨架提取算法得到豆荚骨架信息；根据所述豆荚骨架信息进行直线拟合，得到直线对应的直线斜率，基于所述直线斜率反解出第二角度；基于预设旋转规则，得到转正后豆荚二值图，其中，所述预设旋转规则通过所述第一角度及所述第二角度设定。4.根据权利要求1所述的基于计算机视觉的豆荚表型分析方法，其特征在于，基于所述转正后豆荚二值图提取转正后豆荚骨架信息，根据所述转正后豆荚骨架信息进行单源路径搜索算法及切垂线豆荚表型分析方法，得到豆荚长度及豆荚宽度，包括以下步骤：基于所述转正后豆荚二值图，采用骨架提取算法，得到转正后豆荚骨架信息；根据所述转正后豆荚骨架信息构建骨架拓扑图，得到骨架拓扑结构，并基于所述骨架拓扑图获得端点集合(e1,e2,
…
,e
m
)；根据所述骨架拓扑结构及所述端点集合(e1,e2,
…
,e
m
)遍历任意两端点，根据单源路径搜索算法得到端点路径，所述端点路径即为豆荚骨架主干路径，所述端点路径的长度即为
豆荚长度；基于所述豆荚骨架主干路径，遍历所述豆荚骨架主干路径上的每一点，计算各点切垂线；计算所述转正后豆荚二值图及所述各点切垂线的交集，所述交集即为豆荚不同位置的宽度线段，进而获得豆荚宽度线段集合；筛选所述豆荚宽度线段集合中的最大值，所述最大值为豆荚宽度。5.根据权利要求1或4所述的基于计算机视觉的豆荚表型分析方法，其特征在...

【专利技术属性】
技术研发人员：陈渝阳，朱旭华，王闯，刘荣利，谢朝明，章永传，袁娜朵，
申请(专利权)人：浙江托普云农科技股份有限公司，
类型：发明
国别省市：