基于特征选择与骨架提取的种子萌发的芽长、根长检测

芽长是种子活力的一个重要判定标准.传统的芽长检测方法采用人工测量方式,存在费时费力、且受人为主观因素影响较大等问题.利用数字图像处理技术的芽长自动检测算法可以提高芽长测量的效率,并且能够统一测量标准从而避免主观误差.本研究基于特征选择与骨架提取算法原理设计了种子芽长、根长检测复合算法及软件,首先利用颜色特征提取叶片信息,并在整株芽长二值图像中去除叶片区域信息,其次通过圆盘结构元素与线性结构元素腐蚀图像分割出种子图像,获得种子的中心,再对整株芽长二值图像进行图像增强和边缘轮廓处理,最后对芽长图像进行骨架提取与剪枝,依据像素点间的欧氏距离计算芽长与根长.通过对玉米、小麦、水稻的芽长和根长进行测量,结果显示,玉米、小麦与水稻芽长的百分误差分别为2.90％、2.05％、2.40％;根长的百分误差分别为1.90％、2.11％、2.02％.说明基于特征选择与骨架提取检测方法的复合算法能够实现对种子萌发的芽长与根长的高精度、快速检测.

Detection of seed bud length and root length based on feature selection and skeleton extraction