共查询到10条相似文献，搜索用时 15 毫秒
1.
水稻叶片几何参数无损测量方法研究 总被引：1，自引：0，他引：1
【目的】提出实现自然生长状态下的水稻叶片几何形态参数视觉无损测量,为实时监控水稻的生长状况提供准确的数据,也为农学研究者提供新的技术手段。【方法】类似曲线长度细线测量方法,在叶脉上通过手势交互绘制确定一组控制点,插值生成过控制点的3次B样条曲线,调整控制点使得B样条曲线逼近叶脉方式实现水稻叶片长度测量。在叶片最大叶宽处绘制1次B样条曲线实现水稻叶片最大叶宽测量。采用基于4个方向模板运算的距离变换算法对茎叶夹角图像进行骨架信息提取,并利用Hough变换对提取的骨架信息进行直线检测实现茎叶夹角计算。应用BP神经网络、支持向量机回归和随机森林回归算法对样本数据进行训练,以水稻叶片长度、叶片最大宽度作为输入变量对水稻叶面积进行估测。【结果】B样条曲线逼近方式计算的水稻叶长的平均绝对误差和平均相对误差分别为0.523 3 cm和2.33%,叶宽的平均绝对误差和平均相对误差分别为0.055 2 cm和6.66%。Hough变换计算的茎叶夹角平均绝对误差和平均相对误差分别为1.27°和2.46%;通过对金优458和中早35两个不同品种结果对比,相较于其他模型,发现BP神经网络模型对叶面积估测结果的均方根误差、平均绝对误差和平均相对误差分均为最低,其中JY458品种的均方根误差、平均绝对误差及平均相对误差分别为1.189 2 cm2、1.061 cm2和4.95%,ZZ35品种的均方根误差、平均绝对误差及平均相对误差分别为1.143 1 cm2、0.959 5 cm2和4.85%。【结论】从图像采集到测量操作过程都不与被测叶片器官进行接触,真正意义上实现了对水稻叶片几何形态参数的无损测量,且操作便捷,测量精度高,误差小,完全能够满足农学研究的需求,为其他植物器官的几何形态参数无损测量提供了一种新的普适方法。 相似文献
2.
基于B样条曲线的水稻叶片几何参数测量系统 总被引：1，自引：0，他引：1
基于B样条曲线的水稻叶片几何参数测量系统能无损、精确获取水稻叶片几何参数,可为农学研究提供精准数据。该研究分析了B样条曲线拟合基本原理,采用1次B样条曲线获取水稻最大叶宽,基于3次B样条曲线交互绘制手势轨迹曲线逼近叶脉获取水稻叶长,控制点数量和位置可人工干预,实现轨迹曲线实时调整。运用变异系数和均方根误差评价测量结果,结果显示,叶长变异系数为2.4%,叶宽变异系数为5.4%,均小于15%,测量结果精度较高;建立系统预测值和实测值线性回归拟合模型,水稻叶长均方根误差为1.534 0 cm,叶宽均方根误差为0.101 9 cm,系统预测能力较好。利用B样条曲线测量叶片几何参数,前期图像获取简便,能够真正实现便捷、无损、准确获取水稻叶长、叶宽,为水稻叶片几何参数的测定提供了一种新的测量方法,可满足农业科学研究基本需要。 相似文献
3.
[目的]提供基于Android的水稻叶片特征参数测量系统,为农学研究提供精准数据.[方法]系统设计主要分为图像获取、图像预处理和特征参数计算3部分:采用智能手机相机获取水稻叶片图像;通过灰度化、二值化和轮廓提取等操作对图像进行预处理;根据算法计算得到水稻叶片特征参数.[结果]精确度测试中,建立系统获取颜色分量(R、G、B)均值与各分量实际值的线性拟合模型,其决定系数分别为0.9803、0.9774和0.9805,均方根误差分别为1.086、1.413和0.8383;叶片几何参数中,系统获取水稻叶片长、宽、面积及周长与水稻叶片实际值的均方根误差分别为0.6469 cm、0.05022 cm、0.5329 cm2和2.412 cm.耗时测试中,采用多部不同配置手机对同一叶片进行测试,图像预处理及参数计算总时间均在2 s以内.可见,基于Android的水稻叶片特征参数测量系统能快速、准确、便捷地获取水稻叶片长、宽、面积、周长及颜色等特征数据,在一定程度上实现户外实地测量,满足农学研究的需要.[建议]对系统进行进一步优化,降低对外部辅助物的依赖,真正实现操作简便;增加氮素营养水平诊断算法实现氮素营养水平分类,以快速精准判断水稻生长营养状况,实现精确施氮. 相似文献
4.
基于图像处理的植物叶片参数的测量 总被引：4，自引：0，他引：4
陈爱军 《东北林业大学学报》2009,37(4)
针对传统植物叶片参数手工测量方法精度低、速度慢的缺点,提出了一种基于扫描仪和参考物利用图像处理技术来测量植物叶片参数的方法.首先利用扫描仪获得含有植物叶片和参考物的数字图像,然后通过图像处理技术分别获得参考物和被测叶片的二值图像,最后利用实物参考物周长和参考物在图像中周长之间的比例关系来求取被测植物叶片参数.对真实图像进行了实验,结果表明此方法具有较高的效率和实用性. 相似文献
5.
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-... 相似文献
6.
【目的】为了快速准确测量叶片面积,探讨一种基于黑白扫描图像的测量方法。【方法】使用平板扫描仪制作叶片黑白二值图像,利用图像处理软件读取图像并统计图像和叶片的总像素,依据扫描成像大小与扫描稿台尺寸等比关系,以及已知的扫描稿台尺寸,计算获取叶片面积;分别使用两个不同品牌型号扫描仪对20张叶片进行测量,以方格纸法测量结果为真值依据进行误差分析,同时采用叶面积仪进行比对验证。【结果】两个扫描仪均方根误差分别为0.90 cm2、0.95 cm2,平均相对误差分别为1.06%、1.64%;叶面积仪测量均方根误差为0.62 cm2,平均相对误差为0.92%。【结论】扫描仪法与方格纸法和叶面积仪测量结果间均不存在显著差异,基于黑白扫描图像的叶片面积测量方法具有方便快捷、成本低、精度高的应用潜力。 相似文献
7.
基于面向对象特征提取的植物叶片面积测量方法 总被引：1，自引：0，他引：1
【目的】提出一种基于面向对象图像特征提取的植物叶面积测量方法,为快速、高精度地测量野外采集植物的叶片面积提供支持。【方法】以扫描图像为基础,借鉴遥感影像的面向对象图像特征提取的思想,获得扫描对象的矢量轮廓,以此计算其面积,并采用AutoCAD绘制的7种多边形进行重复试验,以验证该方法的精确性;然后进一步对青蒿(Artemisia carvifolia)、臭蒿(Artemisia hedinii)、苜蓿(Medicago sativa)3种植物叶片进行重复试验,并与矢量化方法、监督分类方法进行对比,分析该方法在实际叶片测量中的稳定性和计算效率。【结果】利用基于面向对象图像特征提取的植物叶面积测量方法,在进行标准几何图形的面积测量时,该方法的相对误差皆小于1.86%;与矢量化方法、监督分类方法相比,该方法在测量真实植物叶片面积时具有更高的稳定性,而且耗时都小于20s,用时最短;该方法采用IDL模块设计,可实现叶片面积的自动批量处理。【结论】基于面向对象特征提取的植物叶片面积测量方法,是叶片面积高精度及批量自动化测量的一种新途径。 相似文献
8.
针对传统方法对苹果叶片进行图像分割和测量几何形状参数精确度较低的问题,结合基于深度学习和引导滤波技术提出一种新的苹果叶片图像自动分割算法。首先采用深度学习方法,使用BiseNet卷积神经网络对苹果叶片图像进行自动分割,得到苹果叶片主体轮廓;然后使用彩色苹果叶片图像作为引导图像对主体轮廓进行引导滤波处理,以增强边缘锯齿等细节特征信息;最后将主体轮廓与细节特征信息进行联合分割,得到完整、准确的苹果叶片信息。对包含174种8 184张苹果叶片图像数据集进行试验,结果表明苹果叶片分割的精确率达到98.99%,交并比98.82%。利用本研究算法能够真正实现准确、快速测量苹果叶片的面积、周长等参数值,为苹果叶片几何参数的测定提供了一种新的测量方法。 相似文献
9.
《中国农业大学学报》2020,(9)
针对传统方法对苹果叶片进行图像分割和测量几何形状参数精确度较低的问题,结合基于深度学习和引导滤波技术提出一种新的苹果叶片图像自动分割算法。首先采用深度学习方法,使用BiseNet卷积神经网络对苹果叶片图像进行自动分割,得到苹果叶片主体轮廓;然后使用彩色苹果叶片图像作为引导图像对主体轮廓进行引导滤波处理,以增强边缘锯齿等细节特征信息;最后将主体轮廓与细节特征信息进行联合分割,得到完整、准确的苹果叶片信息。对包含174种8 184张苹果叶片图像数据集进行试验,结果表明苹果叶片分割的精确率达到98.99%,交并比98.82%。利用本研究算法能够真正实现准确、快速测量苹果叶片的面积、周长等参数值,为苹果叶片几何参数的测定提供了一种新的测量方法。 相似文献
10.
为提高叶片面积测量精度,选择的参照物面积应与被测叶片面积相近。研究设计多个由圆形标志点作为顶点的参照矩形,其中构成矩形顶点的4个标志点中3个为非编码标志点,1个为编码标志点,通过对编码标志点进行解码,自动获取非编码标志点位置和参照矩形面积,利用标志点的已知参数对图像进行几何校正。测量步骤分别为参照矩形选择、图像采集、图像预处理、标志点提取、几何校正、叶面积计算。对5种已知面积的规则图形和不规则图形进行5次测量试验,规则图形的最大平均误差为0.193%,不规则图形的最大平均误差为0.53%。结果表明,对于较大或者较小面积的叶片,本方法都具有较高的测量精度;并且具有较好的通用性,适用于室内、室外无损测量,为叶面积的测量提供了切实可行的新途径。 相似文献