一种基于AI图像识别的植物叶面积测量方法技术

本发明专利技术公开了一种基于AI图像识别的植物叶面积测量方法，包括：S1.采集白色底板上的叶片图像；S2.利用图像识别软件识别叶片的边缘轮廓并计算核心数据，所述核心数据包括叶片最大宽度、叶片最大长度和叶片整体面积；S2的具体内容为：S21.将叶片图像由RGB模式转化为灰度图；S22.将灰度图进行高斯模糊；S23.将高斯模糊后的灰度图进行阈值二值化处理获得分割图像和图像处理数据；S24.确定叶片分割图像边界的围绕关系并提取轮廓并计算输出叶片最大宽度、叶片最大长度和叶片整体面积；本发明专利技术可智能识别大叶植物的叶子边缘轮廓，实现测量计算叶子最大宽度、叶子最大长度以及叶子整体面积，应用范围广，高效完成农业领域叶子面积测量有关的科研数据的采集和分析处理。量有关的科研数据的采集和分析处理。量有关的科研数据的采集和分析处理。

【技术实现步骤摘要】
一种基于AI图像识别的植物叶面积测量方法


[0001]本专利技术涉及植物叶面积测量
，更具体的说是涉及一种基于AI图像识别的植物叶面积测量方法。

技术介绍

[0002]植物叶片是光合作用和蒸腾作用的重要器官，也是合理密植与病虫害检测的主要参数指标。精确测量植物叶面积对研究植物生长发育、植物与环境互作效应、以及病虫害预判等具有重要意义，该指标被广泛应用于作物育种与栽培各个环节。
[0003]传统的叶面积测量手段包括方格坐标纸法、剪纸法和称重法等，操作费工、误差大。近年来，图像处理法逐渐取代了传统测量手段，大幅提高了植物叶面积测量的精度和效率。借助扫描仪获取叶片图像，背景纯白，图像质量高，通过计算像素也能获得高精度的叶面积测量结果，但此类设备体积较大，户外应用不便，仅限于室内使用，而且叶片面积大于扫描区域，便无法准确获取叶面积数据；手持叶面积仪轻便可以移动，对于测量革质、宽度小于测量臂尺寸的叶片行之有效，对于叶片多褶皱、柔软、宽度大于测量臂长度(21.3cm)的叶片，如南瓜叶片等，就无法测量。
[0004]因此，如何提供一种借助手机摄像头或者数码相机采集叶片图像，通过便捷的AI图像识别进行智能分析来测量叶面积的方法是本领域技术人员亟需解决的问题。

技术实现思路

[0005]有鉴于此，本专利技术提供了一种基于AI图像识别的植物叶面积测量方法，适用于室内外各种尺寸、质地和形状的叶片采集，并应用AI算法智能识别叶片边缘轮廓，测量计算叶子最大宽度、叶子最大长度以及叶子整体面积，并一键智能导出核心数据到文档，高效完成农业领域叶子面积测量有关的科研数据的采集和分析处理。
[0006]为了实现上述目的，本专利技术采用如下技术方案：
[0007]一种基于AI图像识别的植物叶面积测量方法，包括以下步骤：
[0008]S1.采集白色底板上的叶片图像；
[0009]S2.利用图像识别软件识别叶片的边缘轮廓并计算核心数据，所述核心数据包括叶片最大宽度、叶片最大长度和叶片整体面积；
[0010]S2的具体内容为：
[0011]S21.将叶片图像由RGB模式转化为灰度图；
[0012]S22.将灰度图进行高斯模糊；
[0013]S23.将高斯模糊后的灰度图进行阈值二值化处理获得分割图像和图像处理数据；
[0014]S24.确定叶片的分割图像的边界的围绕关系并提取轮廓，并根据提取的轮廓和图像处理数据计算输出叶片最大宽度、叶片最大长度和叶片整体面积。
[0015]优选的，在S1前包括测前准备，具体内容包括：将待测叶片置于白色底板上，固定相机镜头垂直向下，调节相机机身高度或者调节相机焦距，使相机镜头内只有白色底板和
待测叶片，固定相机机身高度，测量相机镜头下白色底板的长度和宽度。
[0016]优选的，一种基于AI图像识别的植物叶面积测量方法，还包括：S3.导出核心数据表格。
[0017]优选的，S2前进行图像背景参数设置，分别为白板的长度和宽度。
[0018]优选的，S23的具体内容为：利用OTSU阈值分割算法按图像灰度特性，将灰度图分成背景图像和目标图像两部分，计算最佳分割阈值使目标图像与背景图像的类间方差最大，获取分割图像和图像处理数据。
[0019]优选的，目标图像与背景图像的类间方差具体为：
[0020]g＝w0*(u0
‑
u)*(u0
‑
u)+w1*(u1
‑
u)*(u1
‑
u)
[0021]其中，
[0022]u＝w0*u0+w1*u1
[0023]则：
[0024]g＝w0*w1*(u0
‑
u1)*(u0
‑
u1)
[0025]其中，w0为目标图像像素占比，u0为目标图像的平均灰度，w1为背景图像像素占比，u1为背景图像的平均灰度，u为灰度图像的总平均灰度；
[0026]目标图像与背景图像的类间方差g最大时的分割阈值为图像二值化的阈值，根据图像二值化的阈值获取分割图像和图像处理数据。
[0027]优选的，S24的具体内容包括：扫描叶片的分割图像，确定外边界、孔边界以及外边界与孔边界的层次关系，外边界为像素值为1的连通区域，孔边界为像素值为0的区域。
[0028]优选的，S24的具体内容还包括：根据叶片的分割图像的边界的围绕关系确定图像中灰阶差最大的位置并进行轮廓提取和绘制，并根据提取的轮廓和图像处理数据计算输出叶片最大宽度、叶片最大长度和叶片整体面积。
[0029]经由上述的技术方案可知，与现有技术相比，本专利技术公开提供了一种基于AI图像识别的植物叶面积测量方法，可以智能识别葫芦、南瓜等大叶植物的叶子边缘轮廓，实现测量计算叶子最大宽度、叶子最大长度以及叶子整体面积；相比于叶面积仪，应用范围更广，不仅不受叶面积大小的限制，而且还可以拓展到果实、花等各种植物器官或者任何需要测量且可以平面成像的事物，同时，可以图形化显示叶片、果实或者其他测量物品，并一键智能导出核心数据到EXCEL文档，创新并高效的完成农业领域叶子面积测量有关的科研数据的采集和分析处理。
附图说明
[0030]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
[0031]图1附图为本专利技术提供的一种基于AI图像识别的植物叶面积测量方法示意图；
[0032]图2附图为本专利技术实施例一提供的测量相机镜头下白板的长度和宽度示意图；
[0033]图3附图为本专利技术实施例一提供的采集叶楠叶片图像示意图；
[0034]图4附图为本专利技术实施例一提供的核心数据展示示意图；
[0035]图5附图为本专利技术实施例一提供的核心数据导出示意图；
[0036]图6附图为本专利技术实施例一提供的本专利技术和叶面积仪测量同一组石楠叶片的叶面积数据；
[0037]图7附图为本专利技术实施例一提供的源于本专利技术和叶面积仪的同组石楠叶面积的t测验。
[0038]图8附图为本专利技术实施例一提供的本专利技术和叶面积仪完成同一组石楠叶片叶面积测量的时间比较；
[0039]图9附图为本专利技术实施例二提供的裁剪叶片示意图；
[0040]图10附图为本专利技术实施例二提供的采集南瓜叶片图像示意图；
[0041]图11附图为本专利技术实施例二提供的南瓜叶片核心数据展示示意图；
[0042]图12附图为本专利技术实施例二提供的本专利技术和叶面积仪测量的47份南瓜品种叶片的叶面积数据；
[0043]图13附图为本专利技术实施例二提供的本专利技术和叶面积仪测量47份南瓜品种叶片的叶面积数据的t测验结果；
[0044]图14附图为本专利技术实施例二提供的本专利技术和叶面积仪完本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于AI图像识别的植物叶面积测量方法，其特征在于，包括以下步骤：S1.采集白色底板上的叶片图像；S2.利用图像识别模型识别叶片的边缘轮廓并计算核心数据，所述核心数据包括叶片最大宽度、叶片最大长度和叶片整体面积；S2的具体内容为：S21.将叶片图像由RGB模式转化为灰度图；S22.将灰度图进行高斯模糊；S23.将高斯模糊后的灰度图进行阈值二值化处理获得分割图像和图像处理数据；S24.确定分割图像边界的围绕关系，提取轮廓，并根据提取的轮廓和图像处理数据计算输出叶片最大宽度、叶片最大长度和叶片整体面积。2.根据权利要求1所述的一种基于AI图像识别的植物叶面积测量方法，其特征在于，在S1前包括测前准备，具体内容包括：将待测叶片置于白色底板上，固定相机镜头垂直向下，调节相机机身高度或者调节相机焦距，使相机镜头内只有白色底板和待测叶片，固定相机机身高度，测量相机镜头下白色底板的长度和宽度。3.根据权利要求1所述的一种基于AI图像识别的植物叶面积测量方法，其特征在于，还包括：S3.导出核心数据表格。4.根据权利要求2所述的一种基于AI图像识别的植物叶面积测量方法，其特征在于，S2前进行图像背景参数设置，分别为白板的长度和宽度。5.根据权利要求1所述的一种基于AI图像识别的植物叶面积测量方法，其特征在于，S23的具体内容为：利用OTSU阈值分割算法按图像灰度特性，将灰度图分成背景图像和目标图像两部分，计算最佳分割阈值使目标图像与背景...

【专利技术属性】
技术研发人员：宋慧，
申请(专利权)人：宁波市农业科学研究院，
类型：发明
国别省市：