基于数字图像视觉分析的叶面积活体测定系统研究

通过计算数字图像中每个像素点代表的真实面积和叶片图像所占的像素数量,可以计算出图像中叶片的面积.基于此原理,该文提供了利用数码相机快速获得植物叶片图像并准确测定叶面积的方法.该方法适用于对多种植物的平面状叶面积进行活体测量,同时能够对异性叶片离体测量,尤其适合大量叶面积的测量工作,且具有速度快、数据准确、精度高的特点.     

植物多叶片图像目标识别和叶面积测量方法

分析了图像处理方法测量叶面积中采用CCD照相机和扫描仪2种采集设备各自的优、缺点.针对目前各种叶面积测量方法均为逐片测量的局限性,以MATLAB数学分析软件为平台开发了对多叶片扫描图像中各叶片进行目标识别和面积计算的算法.试验结果表明,该算法在叶片间不重叠的条件下识别准确率达到100%,测量得到的叶面积与采用称重法得到的叶面积间的相对误差为2.43%,决定系数(R2)为0.999 6.试验证明,该算法可以实现对多叶片扫描图像中各叶片的准确识别和叶面积测量.     

基于LM神经网络的小麦叶片病害识别

快速、及时和准确的发现小麦病害对提高小麦产量具有重要作用。以小麦叶片白粉病、条锈病和叶锈病3种病害为研究对象,提出了基于LM神经网络的小麦叶片病害识别模型。首先采用K-means算法分割小麦叶片病斑区域,提取小麦病斑区域的颜色特征和纹理特征,构建数据集。然后建立LM神经网络小麦叶片病害识别模型,输入数据进行识别。基于颜色和纹理特征的小麦叶片病害识别率为95.3%。在小样本情况下,利用LM神经网络算法能够快速、准确的识别小麦病害叶片。     

一种基于图像特征值算法的叶面积测定方法

提出一种基于图像特征值算法的叶面积测定简化方法。应用扫描图像RGB三原色灰度值分离理论,根据植物叶片扫描图像像素点的分布特征,选用蓝色灰度值作为特征值,以扫描图像灰度中间值127作为叶面积图像与背景图像灰度值的判读指标,通过叶片像素点的分布比例计算叶片面积。将已知面积的矩形绿纸片分别随机裁剪成多个碎片,用本文方法测定碎片面积,并分别计算每个叶片的碎片面积之和进行系统精度验证,测定结果与标准面积的相对误差小于0.5%。采集60个水稻叶片分别采用本文方法和复印称重法测定叶片面积,对本文方法进行进一步验证,相关性分析结果表明,二者相关系数r=0.997 1,达极显著水平。本文方法具有较高测定精度,满足叶面积测定要求。     

基于梯度图像的玉米种胚褶皱识别

针对玉米品种自动识别中玉米种胚特征的提取问题,提出一种根据玉米种胚图像梯度图,采用基于密度的K-均值聚类算法识别分析玉米种胚褶皱的方法。根据阈值识别出胚部区域,计算其长轴方向的梯度;利用Sobel算子与膨胀算子,去除梯度图像边缘噪声,利用中值滤波去除孤立点噪声;以像素点的R、G、B梯度为特征,组成特征向量空间;采用基于密度的初始中心点优化算法,启发式的找到初始聚类中心;K-均值聚类分析,得到褶皱区域,标记区域并统计褶皱个数。对300颗玉米籽粒进行胚部褶皱识别分析,结果表明:无论是深褶皱、还是浅褶皱的,该方法均能有效识别,与人工观测值的平均吻合率达82.7%。通过本方法获取的褶皱信息体现了玉米种胚纹理特性,为玉米籽粒品种自动识别中特征参数的选取提供了新的思路和方法。     

基于颜色均值显著点聚类的作物病害叶片图像分割方法

作物病害叶片图像分割是病害类型识别方法的一个重要步骤,其分割效果直接影响后续的识别结果。病害叶片图像的复杂多样性使得很多现有的图像分割方法不能有效应用于作物病害叶片图像分割中。针对复杂的自然病害叶片图像分割难题,提出一种基于颜色均值显著点聚类的作物病害叶片图像分割方法。该方法建立在HIS颜色空间,首先构造基于像素点HIS模型的带权无向图,然后计算病害叶片图像像素点的邻域的颜色均值,再计算该点前后两个邻域的颜色均值差作为该点的颜色跳跃度,当跳跃度大于设置的一个阈值时,该像素点为病斑点。结果表明,该算法具有较高的分割精确度和较好的抗噪声性能。     

基于等间距平行线区域填充算法

多边形区域填充的递归种子填充算法存在一个点多次进入堆栈和扫描线种子填充算法重复判断大量像素点的缺陷,为此提出一种基于等间距平行线区域填充新算法,首先采用Douglas-Peuker算法对复杂多边形化简,其次采用等间距平行线绘制多边形区域,最后计算每条平行线经过内点的个数及相应的行列值,完成区域填充。实验数据验证,该算法填充效率良好,无需对内点重复判断,特别适合于多边形嵌套的区域填充。     

CAD图形处理技术在植物叶面积测量中的应用

采用数码像机在田间获取植物叶片加参照直尺的数字图像,然后利用AutoCAD 2000的area命令,可以快速测量所定义区域的面积和周长。同时将该方法与目前生产上常用的CID仪器法、交叉网格法、复印称重法进行比较分析。结果表明:CAD图形处理方法和上述传统的叶面积测定方法的测定结果呈极显著的线性相关关系,适用于叶面积的测量工作,该方法的最大优点就是可以在不摘除植物叶片的前提下,快速、准确的进行叶面积测量工作。为植物叶面积测量提供了新的思路。     

河北省农业害虫图像识别系统建设

基于农业技术与信息化技术的不断发展与融合,针对当前河北省农作物害虫识别准确率和效率低等问题,提出了一种基于Asp.NET Core MVC架构的残差神经网络害虫图像识别系统。该系统首先通过移动采集终端和网络图片爬虫收集目标分类图片信息,再使用数据增强技术扩充样本库,得到神经网络训练模型的数据集;然后通过搭建机器学习框架,分别引入ResNet-50、ResNet-101、ResNet-152残差网络模型,对数据集执行训练并验证其准确度;最后将准确度最高的训练结果模型运用至农作物害虫分类服务系统。经验证,该识别模型具有良好的适用性和鲁棒性,可为河北省主要农作物虫害提供识别及诊断功能。     

温室智能装备系列之九十四 温室植物长势监测系统的设计

植物长势的监测是作物健康的第一手数据,准确获得长势数据对于生产精准管理非常关键。本文将手机作为信息采集终端,并基于服务器进行的云计算和信息共享,对单个叶片和区域作物长势进行图像监测,结果表明叶面积指数图像和统计数据的精度达到0.1cm~2。通过信息化手段搭建系统,通过实时获取作物的图像等信息,进行自动分析和决策,获得无损、快速、准确的长势信息对于温室生产具有重要意义。     

基于物联网平台的小麦病虫害诊断系统设计初探

小麦是中国主要粮食作物,栽培品种多、种植面积大、分布区域广、生长周期长,容易遭受病虫害威胁,快速监测和准确识别病虫害成为一项重要的课题。基于前期构建的小麦物联网监控系统平台,研发了集成图像获取、图像识别诊断于一体的应用系统。初步研究了小麦比较常见的三种病虫害的识别与诊断方法,并利用图像分割、特征提取及数字图像分类识别技术,将物联网系统获取的感白粉病、锈病、蚜虫的不健康叶片与健康小麦叶片的图片分别进行对比实验研究。实验结果显示,识别率都较为理想,其中白粉病的识别率为82.5%,锈病、蚜虫和健康叶片的识别率都在95%以上。将病虫害图像识别技术与物联网技术结合,方便病虫害图像的远程传输、多点获取等优点,大幅度提升对病虫害远程识别和诊断能力,具有广阔的发展前景。     

基于显著区域和PHOG的黄瓜病害识别方法研究

快速准确地识别黄瓜病害类型是黄瓜病害防治的前提,针对现有基于病害叶片图像的黄瓜病害识别方法中的病斑分割和特征提取难题,提出一种基于显著区域和方向梯度直方图的黄瓜病害叶片图像分割与识别方法。首先,利用叶片图像的亮度和颜色低阶特征,结合多尺度分析确定原始采用病害叶片图像的显著图;其次,利用K-均值算法分割显著图,得到病斑图像;再提取病斑图像的方向梯度直方图特征;最后利用支持向量机(support vector machine,简称SVM)进行病害识别。在4种常见黄瓜病害叶片图像数据库上进行测试,平均正确识别率大于90%。结果表明,该方法能够准确分割和识别复杂背景下的黄瓜病害叶片图像,为田间开放环境下实现黄瓜病害的快速自动识别提供了依据。     

植物叶片智能分析系统的设计

为避免农作物病害智能诊断过程中人为主观因素的影响,客观准确的表达叶片信息,利用数字图像处理技术和农业植保专家知识相结合,设计了适合于大田作物的植物叶片图像处理与分析系统。该系统主要包括植物叶片几何失真校正模块,几何特征计算模块、颜色识别模块以及病害区域识别模块;以校正后非线性失真现象的叶片图像为基础,实现了叶片几何特征值和颜色值的计算,并提取其病斑区域图像。试验结果表明,该方法满足病害智能诊断要求,具有良好的适应性和实用性。     

基于环境信息和颜色特征的作物叶片病害等级识别算法

为了根据作物不同病害程度等级采取不同防治方法,实现作物高产和减少环境污染,提出了一种复杂背景下的作物叶片病害等级分类算法。首先,利用阈值分割法对黄瓜病害叶片图像进行病斑分割;其次,计算病斑区域中像素个数与病叶区域中像素个数的比值;最后用作物病害等级分级标准进行比较来确定病害等级类别。利用该方法在2种作物5种常见病害叶片图像数据库上进行了病害等级分类试验,识别精度高达92.7%。结果表明,该方法对作物病害叶片等级分类是有效可行的。     

基于改进归一化割的立木边缘识别技术研究

立木胸径是评价林木生长状况的重要依据,采用机器视觉的检测方法,实现立木胸径的自动测量。为了快速准确地识别立木边缘,根据立木图像的特点,提出特定方向的归一化分割方法。预处理采用具有保边去噪功能的双边滤波器对立木图像进行滤波,用局部均值法进行一定的像素减少处理。本研究重点是在传统权值矩阵的基础上构造像素点满足特定斜率要求的权值矩阵,两点斜率在45°~135°2个像素点间的权值为1,在此范围之外的权值为0,构造无向带权图后进行归一化分割。最后利用此算法对30株立木图片在MATLAB 2015环境下进行仿真试验,结果显示立木边缘的平均误提取率为1.21%,小于森林资源清查1.5%的误差要求。     

基于Android平台的植物叶片病害区域提取系统设计与实现

为了促进智能化农业的发展,提出1种基于Android的植物叶片病害区域提取系统。针对传统边缘检测分割时容易丢失边缘细节的缺陷,添加对2个斜方向梯度信息的提取,从而得到更完整的病害区域边缘。在此基础上构建了基于移动终端的植物叶片病害区域提取系统。测试效果显示,该系统具有便携、实用、界面友好等特点,能有效地提取出病害区域,为后续的识别提供有效、可靠的病害数据。     

机器视觉在植物叶片叶面积测算中的应用

利用机器视觉系统代替人工对叶片叶面积进行测算。运用Halcon图形开发工具,以VB 2008为基础开发平台,采用通过阈值分割与区域特征提取的方法来计算叶面积,并将结果显示到屏幕并保存到文件中。将具体图像采集设备与机器视觉系统连接,完成叶片图像采集、图像处理和结果显示的一体自动化。与手工测算的费时费力和使用专业设备的高昂费用相比,此系统能在保证测算结果精确度的基础上,对多种植株叶片进行快速准确、简单易行、经济实用的测算。     

基于计算机图像处理技术的叶面特征参数无损测量研究进展

相比传统方法计算叶片特征参数,无损图像处理技术无需采摘叶片,在保持植株完整株型的前提下为下一次数据测量提供了保障并应用先进的计算技术准确计算植株的各种特征值,无损图像处理技术逐渐成为国内外学者研究植物生长形态的重要手段。介绍基于数码技术的叶面积计算方法和基于图像处理的叶片轮廓建模方法,概述数码技术应用于叶面积计算的国内外研究进展,总结归纳叶片轮廓提取方法和拟合方法的优缺点,并指出应用图像处理技术计算叶面积仍需进一步解决的问题。     

植物叶片面积精确测量系统的设计与开发

设计了植物叶面积精确测量系统,首先设置参照图像,采集带有参照图像的叶片图像,然后统计像素点数,最后进行比例尺换算测定叶面积。通过预处理、校正图像,提高测量精确度,克服了传统测量系统步骤繁琐和设备复杂的缺点,能够快速、无损地测量植物叶片面积。为验证系统精确度,采集45张叶片分别与打孔法、称质量法测定叶面积比较。结果表明,在保证精度的同时能够实现快速、无损的测量叶片面积,并通过碎片验证法验证本系统精度在98%以上。     

大豆植株分杈数自动提取算法研究

根据大豆植株分杈个数可以预估大豆的产量。为了满足现代农业预测农产品产量的需要,本文提出一种大豆植株分杈数自动提取算法,即首先将采集到的大豆植株图片进行灰度变换、滤波、阈值分割得到二值图像,再进行形态学中的闭运算操作得到大豆植株的轮廓,然后基于Zhang并行快速细化算法提取骨架,最后借助改进的角点检测算法对大豆植株的所有分杈点进行标记并自动统计分杈数,仿真结果与大豆植株实际分杈点一致。