一种番茄果实智能表型分析仪制造技术

本发明专利技术提供一种基于深度学习、图像处理技术的自动化、智能化、高精度的番茄果实智能表型分析仪，包括数据采集模块、控制模块和数据处理模块，数据采集模块包括相机和三轴同步带精密滑台模组，相机安装在三轴同步带精密滑台模组的滑块上，数据处理模块包括果实精确识别系统、果实不同结构分割系统和图像畸变矫正系统。本发明专利技术提供一种基于深度学习、图像处理技术的自动化、智能化、高精度的番茄果实智能表型分析仪，其利用基于PaddlePaddle深度学习平台开发的果实精确识别系统，针对形态各异的番茄果实的果蒂、果梗、果脐等进行精准识别，采用基于DeepLabv3算法的果实不同结构分割系统，对番茄不同的果实结构进行精准分割。对番茄不同的果实结构进行精准分割。对番茄不同的果实结构进行精准分割。

【技术实现步骤摘要】
一种番茄果实智能表型分析仪


[0001]本专利技术涉及农业育种的
，尤其涉及一种番茄果实智能表型分析仪。

技术介绍

[0002]当前，智慧农业是我国现代化农业发展的重要体现，得益于基因组学、表型组学和人工智能的蓬勃发展，以及国家对智慧农业的核心战略诉求，智能育种作为其中的重要分支，成为近年来的一个热词。育种是在给定的环境条件下，选择各种表型指标最优的基因型材料的过程。智能育种就是利用人工智能技术帮助育种者加速育种材料筛选的进程。
[0003]在传统的育种工作中，主要靠人工来完成果实的外接圆直径、面积、果蒂大小、色泽和内部腔室组成部分等的测量工作。此种方法劳动力大、人工成本高、效率低，不适合大批量检测。当前我国已经进入智能化育种时代，市场上有了很多针对主流粮食作物的智能表型分析设备，针对番茄果实的智能表型分析设备几乎没有。番茄育种质量检测除了营养成分等的检测外，果实表型也是衡量育种品质的重要参数。表型数据的准确性依赖于对番茄果实不同结构的分割，但不同品种番茄的颜色差异很大，果实不同结构间颜色相近，传统图像处理方法难以分割出不同结构。

技术实现思路

[0004]针对现有番茄果实的智能表型分析设备缺乏的问题，本专利技术提供了一种基于深度学习、图像处理技术的自动化、智能化、高精度的番茄果实智能表型分析仪。
[0005]本专利技术解决其技术问题所采用的方案是：一种番茄果实智能表型分析仪，包括数据采集模块、控制模块和数据处理模块，数据采集模块包括相机和三轴同步带精密滑台模组，相机安装在三轴同步带精密滑台模组的滑块上。
[0006]控制器模块包括运动控制系统，运动控制系统连接并控制三轴同步带精密滑台模组，三轴同步带精密滑台模组带动相机对番茄进行拍照，相机将图像数据上传到数据处理模块进行分析处理。
[0007]数据处理模块包括果实精确识别系统、果实不同结构分割系统和图像畸变矫正系统。
[0008]相机上传的图像首先进入图像畸变矫正系统进行图像矫正，矫正后的图像数据分别输送到果实精确识别系统和果实不同结构分割系统中进行番茄特征识别，由番茄果实精确识别系统和果实不同结构分割系统输出特征数据获取番茄的表型特征。
[0009]所述果实精确识别系统基于PaddlePaddle深度学习平台，对番茄果实果蒂、果梗、果实、果壁、果脐精确识别。
[0010]果实不同结构分割系统基于DeepLabv3算法构建果实不同结构分割算法，DeepLabv3算法对ASPP模块进行了修改，增加了全局平均池化捕捉全局信息，对番茄不同的果实结构进行精准分割。
[0011]三轴同步带精密滑台模组包括一组平行的滑轨，该组滑轨的内端通过同步连杆传
动连接，在平行滑轨上安装横向轨道，横向轨道上安装滑块，相机安装在滑块上，并且所述三轴同步带精密滑台模组采用伺服电机驱动。
[0012]本专利技术的有益效果：本专利技术提供一种基于深度学习、图像处理技术的自动化、智能化、高精度的番茄果实智能表型分析仪，其利用基于PaddlePaddle深度学习平台开发的果实精确识别系统，针对形态各异的番茄果实的果蒂、果梗、果脐等进行精准识别，采用基于DeepLabv3算法的果实不同结构分割系统，对番茄不同的果实结构进行精准分割。
[0013]通过智能检测仪的图像畸变矫正程序，对相机镜头与待测果实之间存在的斜向投影误差进行图像矫正，以提高图像采集的精度和分辨率，方便后期的图像处理工作。
[0014]利用三轴同步带精密滑台模组结合运动控制系统，使相机可以高效率、高精度地在某一指定位置采集待采集物体的图像信息。
[0015]本专利技术针对番茄果实的形态结构表型性状检测问题，运用前沿的深度学习、图像处理技术开发一种自动化、智能化、高精度的番茄果实智能表型分析仪，可以更高效地完成作业。
附图说明
[0016]图1是本专利技术立体结构示意图。
[0017]图2是本专利技术的框视图。
[0018]图3是本专利技术三轴同步带精密滑台模组的结构示意图。
[0019]图4是图像分割套件图像分割流程图。
[0020]图5是DeepLab v3算法图像分割流程图。
[0021]图中标号：壳体1，数据采集区11，控制区12，三轴同步带精密滑台模组10，滑轨101，横向轨道102，相机103，滑块104，同步连杆105。
实施方式
[0022]下面结合附图和实施例对本专利技术进一步说明。
[0023]实施例1：为了填补番茄果实的智能表型分析设备的缺乏，本专利技术提供一种基于深度学习、图像处理技术的自动化、智能化、高精度的番茄果实智能表型分析仪。
[0024]本专利技术所述的番茄果实智能表型分析仪，包括数据采集模块、控制模块和数据处理模块，数据采集模块包括相机和三轴同步带精密滑台模组，相机安装在三轴同步带精密滑台模组的滑块上。
[0025]控制器模块包括运动控制系统，运动控制系统连接并控制三轴同步带精密滑台模组，三轴同步带精密滑台模组带动相机对番茄进行拍照，相机将图像数据上传到数据处理模块进行分析处理。
[0026]基于现有技术条件提供一套运动控制系统，使相机可以高效率、高精度地在某一指定位置采集待采集物体的图像信息。采用高转速、高精度的伺服电机为三轴同步带精密滑台模组提供动力，搭配高效率的运动控制系统，可以使相机高效率、高精度地采集到待采集对象的图像信息，总体上，运动位置误差在
±
0.05mm范围内。
[0027]数据处理模块包括果实精确识别系统、果实不同结构分割系统和图像畸变矫正系统。
[0028]相机上传的图像首先进入图像畸变矫正系统进行图像矫正，矫正后的图像数据分别输送到果实精确识别系统和果实不同结构分割系统中进行番茄特征识别，由番茄果实精确识别系统和果实不同结构分割系统输出特征数据获取番茄的表型特征。
[0029]由于各采集对象摆放位置不同，相机镜头在采集时并非垂直于每个采集对象，由此相机镜头与番茄果实主体之间会存在斜向投影误差，该误差的存在会导致测量结果不精确。此外，不同采集对象表皮色泽也不尽相同，有时会出现反光等现象，字词基础上本专利技术提供一种适合于智能检测仪的图像畸变矫正程序，当相机采集出现偏差时，可以自动对其进行矫正处理。
[0030]所述果实精确识别系统基于PaddlePaddle深度学习平台，对番茄果实果蒂、果梗、果实、果壁、果脐精确识别。
[0031]深度学习具有准确率高、适应性强等优点。PaddlePaddle深度学习平台具有设计简洁、稳定、速度快等优点。针对番茄果实的果蒂、果梗、果脐等的识别问题，采用当前国内最先进的深度学习技术，开发了基于深度学习的番茄果实果蒂、果梗、果实、果壁、果脐精确识别算法，对番茄果实进行精确识别。
[0032]果实不同结构分割系统基于DeepLabv3算法构建果实不同结构分割算法，果实有着不同的结构，在对其进行结构分割时，存在诸多问题。DeepLabv3算法中的AS本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种番茄果实智能表型分析仪，其特征在于，包括数据采集模块、控制模块和数据处理模块，数据采集模块包括相机和三轴同步带精密滑台模组，相机安装在三轴同步带精密滑台模组的滑块上；控制器模块包括运动控制系统，运动控制系统连接并控制三轴同步带精密滑台模组，三轴同步带精密滑台模组带动相机对番茄进行拍照，相机将图像数据上传到数据处理模块进行分析处理；数据处理模块包括果实精确识别系统、果实不同结构分割系统和图像畸变矫正系统；相机上传的图像首先进入图像畸变矫正系统进行图像矫正，矫正后的图像数据分别输送到果实精确识别系统和果实不同结构分割系统中进行番茄特征识别，由番茄果实精确识别系统和果实不同结构分割系统输出特征数据获取番茄的表型特征。2.根据权利要求1所述的番茄果实智能表型分析仪，其特征在于，所述果实精确识别系统基于Paddl...

【专利技术属性】
技术研发人员：王秀山，梅超，王有位，徐欢，李帅霖，
申请(专利权)人：河南农业大学，
类型：发明
国别省市：