1种基于Otsu算法的植物病害叶片图像分割方法

植物叶片图像分割是植物分类和植物病害检测中的一个关键步骤,旨在把叶片图像分成各具特性的区域并提取出感兴趣的部分。在分析自然场景下植物叶片图像几种分割方法的优缺点的基础上,基于Otsu算法,提出了1种叶片图像分割方法,并进行分割算法试验。结果表明,该叶片图像分割方法对叶片中目标(叶片或病斑)-背景类的图像具有较好的分割效果。     

基于显著性目标检测的葡萄叶片病害分割

为提高葡萄叶片病害图像中病斑分割性能,提出了一种基于显著性目标检测的病斑分割方法.采用显著性目标检测网络来生成葡萄病害叶片图像的显著性图,通过多种分辨率的网格结构提取图像局部和全局信息,并将它们融合成预测特征;再对病害叶片的显著性图用自适应阈值法分割出叶片上的病害区域,并用形态学方法进行后处理.结果 表明,在测试集A上...     

基于改进的几何活动轮廓模型的叶片自动分割

叶片的形态测量在苗木生长自动监测中具有重要意义,在形态测量前首先要将完整的叶片从背景中提取出来.针对彩色苗木叶片图像的特点研究了利用几何活动轮廓模型进行完整叶片的自动分割的方法.首先利用图像的全局信息和C-V模型进行初始分割,当曲线到达目标边界附近时,利用改进的基于图像局部信息的能量模型进行边界的精确定位.该方法将C-...     

基于Matlab7.0的大豆苗期土壤背景与杂草分割算法

解决大豆苗期图像中的土壤背景分割是大豆田间杂草识别的前提和基础.为了解决大豆苗期田间杂草识别中受光照影响及环境适应性差等问题,通过对400幅不同环境下苗期大豆图像的植被颜色和背景颜色分量的统计分析,得出用3基色红(R)绿(G)蓝(B)合成的同一像素点,绿色植被图像的颜色分量G值都大于R和B值,而背景则恰恰相反.研究表明,采用G-R和G-B双阈值颜色特征分割进行土壤背景分离取得了很好的效果,此方法较2G-R-B颜色特征分割法对绿色植物和土壤背景的分离更为有效,可广泛应用于处于各种农作物田间杂草识别及其它绿色植被分割中受光照变化影响较大的领域.     

一种有效的葡萄叶片总RNA提取方法

RNA的提取技术是现代分子生物技术的基础,植物RNA的提取比较困难.实验以新鲜的葡萄叶片为材料,采用SDS、CTAB相结合的方法,进行酚/氯仿的提取,消除了DNA及植物中较多的多糖、多酚等污染,提取到较纯净的总RNA,此方法适合于葡萄叶片总RNA的提取,试剂简单经济,实验结果稳定,重现性强.     

基于改进的LinkNet的苹果叶片图像分割算法

使用传统方式对苹果叶片进行图像分割进而测量叶片几何参数,虽精度尚可,但效率较低。针对该问题,提出一种基于深度学习语义分割模型和迁移学习的苹果叶片图像分割算法,完成对叶片的快速、准确分割。所提方法以LinkNet为基本网络结构,进行了4个方面的改进：采用ResNet18作为编码器主干网络,融合迁移学习的思想加速模型拟合;减小编码解码块的数量,降低网络复杂度;改进通道约减方案,减少上采样中的参数量;使用子像素卷积进行上采样,降低计算量。结合焦点损失函数,将改进的LinkNet网络应用于标准苹果叶片数据集上。试验结果表明,所提算法的分割精度为97.27%,与原LinkNet相比精度相当;推理时间仅为7.82 ms,相较于原网络缩短39.89%;模型参数量和浮点数计算量大幅减少;且改进网络的推理速度远快于FCN、U-Net、DeepLabV3+等网络。所提算法在快速分割叶片主体的同时,还能较好地保持叶片边缘锯齿等细节特征,能够真正实现高效、精准地分割苹果叶片,为快速测量叶片面积和其他几何参数提供了新的思路。     

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。     

基于局部阈值的植物叶片图像分割算法研究

提供了采用数字图像处理方法快速分割含边框植物叶片的方法,分别采用局部阈值分割和最佳阈值分割获取二值图像,得到局部阈值分割效果较好的结论,最终得到了比较清晰的边框图像和叶片二值图像,为后续图像处理打下良好基础。     

色差直方图特征改进 Otsu 的橡胶 缺素叶片图像分割研究

针对橡胶叶片颜色随缺素程度不断变化的特点,提出色差直方图特征改进最大类间方差法(Otsu)的橡胶缺素叶片图像分割方法。首先利用图像RGB三分量计算色差图像,保留更多的图像颜色空间信息;然后计算图像的色差直方图,并改进Otsu阈值分割算法;最后利用改进算法对缺素叶片图像进行分割。结果表明,改进算法在缺素叶片图像分割上优于传统Otsu算法。     

基于全卷积神经网络的植物叶片分割算法

目的植物叶片分割旨在从背景中分割出叶片区域,去除背景对象干扰。这对植物病害识别和物种鉴定具有重大意义。方法本文设计了基于全卷积神经网络的植物叶片分割算法。首先,目标函数用对数逻辑函数代替复杂的Softmax多类预测函数,从而将分割任务转化为适合于植物叶片分割的二分类问题;其次,把批归一化技术引入全卷积神经网络,从而改善网络整体的收敛性。最后,针对当前植物叶片分割研究中缺乏评估指标的状况,设计了新的评估协议——受试者工作特征曲线,该曲线反映了不同阈值情况下植物叶片图像分割的召回率与误报率之间的变化情况。结果本文提出的算法降低了全卷积神经网络的参数复杂度,改善了网络的收敛性。实验结果表明,该方法比Leafsnap提到的基于颜色的分割方法更完整地分割了植物叶片区域;提出的ROC曲线能够充分评估植物叶片的分割性能。结论与传统方法相比,基于深度学习的植物叶片分割方法实现了输入图像的端对端处理,无需图像转换、噪声滤波和形态运算等预处理技术,因此在植物叶片分割上具有可行性。      

自然条件下葡萄叶片图像颜色一致性恢复效果的对比研究

针对不同的光照以及不同天气条件引起叶片图像颜色不一致的问题,采用10种典型的颜色恒常性算法对葡萄叶片图像中颜色的恢复效果进行对比试验,用色差ΔEa*b*和估计光源角度误差2种方法对不同算法的颜色恢复效果进行评价。试验结果表明:各种算法对图像中叶片颜色恢复均有一定的效果,其中2nd-order Grey-Edge和Edge-based Gamut Mapping 2种算法对不同光照和天气条件下以及多个品种的葡萄叶片图像处理后,其色差误差和估计光源角度误差均达到最小;从视觉角度上看,这2种算法处理后的图像也最接近基准图像。试验还表明:这2种颜色恒常性算法对于解决农业领域中许多由于成像条件的差异所引起的图像颜色偏差问题有明显的效果,而且能很好地实现葡萄叶片图像中颜色的恢复。     

外源褪黑素对NaCl胁迫下5BB葡萄叶片生理特性的影响

以砧木葡萄5BB (Vitis berlandieri×V. riparia 5BB)为材料,用离体叶片培养法进行NaCl胁迫。用3种不同浓度的褪黑素(melatonin,MT)溶液(100、200、500 nmol·L^-1)分别与0.25 mol·L^-1 NaCl溶液混合并将叶片叶柄浸入其中进行培养,研究外源MT对NaCl胁迫下葡萄叶片光合作用和相关生理指标的影响。结果表明,NaCl胁迫下外源MT可有效增强超氧化物歧化酶(SOD)活性,及时清除逆境胁迫下叶片积累的氧自由基,减缓膜质过氧化过程,有效提高逆境胁迫下葡萄叶片中光合色素含量和光合能力。随着外源MT浓度的增加,对葡萄叶片的保护效果逐渐减小。外源MT能提高砧木葡萄5BB对NaCl胁迫的抵抗力,且浓度为100 nmol·L^-1时效果较好。     

欧亚葡萄品种“V-32”、“V-59”、“V-64”在南宁的种植表现

以巨峰葡萄、广西毛葡萄为对照,研究了“V-32”、“V-59”、“V-64”3个欧亚葡萄品种的生物学特性。结果表明：3个欧亚葡萄品种的物候期与巨峰葡萄基本相近,单株产量均高于巨峰葡萄、广西毛葡萄,可溶性固形物含量均低于巨峰葡萄但高于广西毛葡萄;欧亚葡萄品种“V-32”、“V-64”的黑痘病抗性均高于巨峰葡萄,略低于广西毛葡萄。综合分析认为,欧亚葡萄品种“V-32”、“V-64”具有抗病、高产稳产、果汁色泽好等特征,有望开发成为广西酿酒葡萄品种。     

基于化学型时间温度指示器的鲜食葡萄品质监测

为探明化学型时间温度指示器(TTI)应用于鲜食葡萄采后品质变化的监测效果,对不同温度贮藏条件下鲜食葡萄理化指标,以及不同激活时间(2和4s)的TTI总色差变化进行研究。结果表明:1)鲜食葡萄的硬度变化符合一级反应动力学方程,反应活化能为63.54 kJ/mol;2)激活时间为2和4s时TTI的反应活化能分别为73.96和69.14 kJ/mol;3)激活时间为4s时,TTI与葡萄的反应活化能差值<20 kJ/mol,且TTI预测的鲜食葡萄品质变化值与实测值误差(＜15%)较小。TTI对鲜食葡萄的品质变化的监测效果良好,该类型时间温度指示器能够有效监测葡萄品质变化。     

一种改进的线性支持向量机的特征筛选算法

针对SVM法线特征筛选算法仅考虑法线对特征筛选的贡献,而忽略了特征分布对特征筛选的贡献的不足,在对SVM法线算法进行分析的基础上,基于特征在正、负例中出现概率的不同提出了加权SVM法线算法,该算法考虑到了法线和特征的分布。通过试验可以看出,在使用较小的特征空间时,与SVM法线算法和信息增益算法相比,加权SVM法线算法具有更好的特征筛选性能。     

雨滴撞击植物叶片的运动过程监测装置的研制北大核心CSCD

植物对降雨动能的耗散削减是其重要的水土保持机制,然而缺乏相应的观测测量装置,使得对叶片动能的耗散过程认识并不清楚。为了研究植物叶片在雨滴撞击后的运动过程以及叶片运动能量的变化,以聚偏氟乙烯(PVDF)压电薄膜传感器为基础,研制有效检测雨滴撞击之后叶片的运动以及能量耗散测定的装置,对女贞叶片在雨滴击打下的振动进行测量并验证该装置可行性。在对雨滴撞击叶片过程仔细分析研究的基础上,进行监测装置的模块化自主设计,整个监测装置由雨滴发生、叶片运动的监测捕捉和信号的收集处理三个模块组成,其中雨滴发生模块可根据实际情况进行取舍(也可直接测定天然降雨)。薄膜传感系统输出的电压信号包含了雨滴撞击,小水滴飞溅以及薄水层扩散等方面信息。系统输出的电压是背景的几倍到几十倍,电压上峰值和雨滴动能存在明显的线性关系(R^(2)=0.959),信号频域分析发现该系统也能有效捕获连续雨滴撞击树叶的振动信号特征。对于不同动能的雨滴,重复之间的变异系数为<10%的弱变异和10%~100%的中等变异,说明整个装置具有良好的系统稳定性。女贞叶片耗散的能量与雨滴输入能量之间具有明显函数关系,叶片所耗散的动能仅占初始雨滴动能的3%~5%,这可能与没有监测以叶柄扭动、振动的过程有关。该装置可监测雨滴撞击叶片所引起的运动情况和叶片对雨滴动能的耗散特征,有利于深入认识植物对降雨动能耗散的机制。     

An adaptive image segmentation algorithm for X-ray quarantine inspection of selected fruits

Although X-ray scanners are commonly used in airports or customs for security inspection, practical application of X-ray imaging in quarantine inspection to prevent propagation of alien insect pests in imported fruits is still unavailable. The first step to identify insect infestation in fruit by X-ray imaging technique is image acquisition. This is followed by the image segmentation procedure, which can locate sites of infestation. Since the grey level of X-ray images depends on the density and thickness of the test samples, the relative contrast of infestation site to the intact region inside a typical fruit varies with its position. To accurately determine whether a fruit has signs of insect infestation, we have developed an adaptive image segmentation algorithm based on the local pixels intensities and unsupervised thresholding algorithm. This paper presents the detailed image processing procedure including the grid formation, local thresholding, threshold value interpolation, background removal, and morphological filtering for the determination of infestation sites of a fruit in X-ray image. The real-time image processing procedure was tested with X-ray images of several types of fruit such as citrus, peach, guava, etc. Additional tests and analyses were also performed using the developed algorithm on the X-ray images obtained with different image acquisition parameters.     

基于机器视觉的叶菜类蔬菜菜垄识别算法

针对目前叶菜类蔬菜田间作业自动化程度低,缺乏适用自主导航技术等问题,提出一种基于机器视觉的叶菜类蔬菜菜垄识别算法。利用改进超绿算法(Gray=2Cg-Cr-Cb)对菜地图像进行灰度化,通过二值形态学变换和连通区域提取获得菜垄区域和边界,基于Huber损失函数进行边界曲线拟合,最终提取导航基准线。图像处理结果表明:1)本研究提出的识别算法在不同光照环境下具有较好的鲁棒性,自然综合光照条件下导航基准线提取成功率为97.5%;2)基于Huber损失函数获取到的导航基准线,平均均方根误差为0.668像素,比最小二乘法高72.5%,平均角度偏差为0.273°,比最小二乘法高72.6%,且处理速度与最小二乘法相似。试验证明本研究算法可实现在自然光照条件下对叶菜类蔬菜图像的菜垄识别和导航基准线提取。