CN109741357A - 一种基于图像处理的油菜花序计数方法和装置 - Google Patents
一种基于图像处理的油菜花序计数方法和装置 Download PDFInfo
- Publication number
- CN109741357A CN109741357A CN201811556885.8A CN201811556885A CN109741357A CN 109741357 A CN109741357 A CN 109741357A CN 201811556885 A CN201811556885 A CN 201811556885A CN 109741357 A CN109741357 A CN 109741357A
- Authority
- CN
- China
- Prior art keywords
- image
- brassica napus
- inflorescence
- counting
- hood
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Image Analysis (AREA)
Abstract
本发明公开了一种基于图像处理的油菜花序计数方法和装置,属于农作物生产过程的信息采集领域。包括固定在手机背面的遮光罩、设在遮光罩内部的光源和连接手机的处理器;处理器用于处理手机采集到的油菜花序图像,计算花序的数量;遮光罩的顶部设有用于与手机相固定的夹持机构。光源为LED灯,作为成像***的光源。吸光布可防止环境光照对成像产生干扰。在遮光罩与吸光布形成的拍摄环境中,稳定的光源从正上方照射被检测的对象,无需对拍摄图像再做复杂的背景消除工作。在光线较弱的环境下获取油菜花序的图像后,利用花序尖端部分的反射强度高于图像的其他部分,选取一定的亮度阈值进行分割计数。克服了人工计数存在的效率低下且误差较大的缺点。
Description
技术领域
本发明涉及农作物生产过程的信息采集领域,具体地说,涉及一种基于图像处理的油菜花序计数方法和装置。
背景技术
新中国成立以来,油菜作为最主要的油料和经济作物发展稳中有升,新品种推广实现了三次革命。建国初期通过品种评选推广的一些油菜优良品种如七星剑、江西婺源篁岭和江西婺源江岭油菜花,江岭油菜、兴化油菜、浠水白等,对中国油菜生产的恢复与发展起到了极大的促进作用。
20世纪50年代中期以后,中国开始推广从国外引进的甘蓝型油菜—胜利油菜,并以***选育为主,选育出一批适合于中国多熟制栽培的甘蓝型油菜品种,实现了中国油菜品种由白菜型向甘蓝型转变的第一次革命。
20世纪70年代以后,中国在油菜杂种优势利用方面做了大量的研究工作,在国际上首先发现具有实用价值的玻里马(Polima)油菜细胞质雄性不育系,并首先实现了三系配套。通过对细胞质雄性不育、细胞核雄性不育、自交不亲和、化学杀雄、天然杂交、孤雄生殖及辐射育种方法的研究,选育出了一批在生产上发挥重要作用的油菜新品种,如甘油5号、湘油5号等。统计表明,中国油菜的种植面积、单产水平和年均总产50年代分别为2903.5万亩、30.9公斤/亩和88.7万吨。
但由于我国的食用植物油自给率低于安全线以下,仅为32.2%。因此提高油菜产量并对油菜产量进行评估有着重要意义。油菜产量受多个单一性状构成的复合性状影响,每个单一性状不仅对产量产生直接的效果,还会通过其他性状对其产生间接作用。如每株油菜花序数目对每株角果数有一定的影响。在每株角果数较难计数的情况下,对每株油菜花序的计数可完成对每株角果数的预测。因此对油菜花序的计数有着重要意义。目前对油菜花序的计数都是由人工完成,费时费力,且由于重复劳动造成的视觉疲劳会产生较大误差,导致效率低下且准确率低。
随着计算机与图像处理技术的发展,其在农业中也得到了广泛的应用。因此将图像处理技术应用于油菜花序计数中,可以解放劳动力,提高效率与准确率。但由于油菜花序的生长形态存在较为严重的粘连问题,会影响计数的准确性。现有的解决粘连问题的算法有分水岭分割算法,凹点匹配算法等,但效果不佳。
发明内容
本发明的目的之一为提供一种基于图像处理的油菜花序计数方法,该方法克服现有油菜花序人工计数存在的费时费力以及误差大等问题。可以在解放劳动力,提高效率与准确率的同时,实现较佳的计数效果。
为了实现上述目的,本发明提供的基于图像处理的油菜花序计数方法包括以下步骤:
1)获取目标油菜花序的原始图像;
2)颜色空间转换,将原始图像由RGB颜色空间转换至HSV颜色空间;
3)图像增强,在HSV颜色空间下完成图像增强处理,得到V分量灰度图;
4)阈值分割,选取85~95的亮度阈值对V分量灰度图进行分割,并转化为二值化图像;
5)形态学处理,对二值化图像进行形态学操作,去除噪点以及填充孔洞;
6)去除二值化图像中面积小于15~25的面积阈值的杂块;
7)标记二值化图像中的连通区域;
8)统计连通区域的个数,即为油菜花序的个数。
上述技术方案中,通过摄像头拍摄得到油菜花序的原始图像,在光线较弱的环境下获取油菜花序的图像后,利用花序尖端部分的反射强度高于图像的其他部分,选取一定的亮度阈值进行分割计数,采用数字图像处理技术进行处理,具有成本较低、工作效率较高且准确率较高的优点,克服了人工计数存在的效率低下且误差较大的缺点。
具体的方案为步骤2)中原始图像为JPEG格式,其由RGB颜色空间转换至HSV颜色空间的转换公式为:
V=max{R,G,B}
其中R、G、B分别表示红绿蓝三色,H分量表示色调,S分量表示饱和度,V分量表示亮度。
另一个具体的方案为步骤3)中图像增强处理采用基于Retinex理论的MSR(Multi-scale Retinex)算法,将图像信息S(x,y)分为亮度信息L(x,y)和反射光信息R(x,y)两个部分,S(x,y)=L(x,y)·R(x,y),R(x,y)=logS(x,y)-log[F(x,y)*S(x,y)],其中,“*”为卷积符号,F(x,y)是中心环绕函数,表示为
“λ”是一个尺度,使得∫∫F(x,y)dxdy=1。x,y表示像素坐标。c表示高斯环绕尺度,图像纹理比较丰富的c取较大的值,即c表示像素邻域相关区域的大小。e表示自然对数。
所述MSR算法的公式为:
其中N表示尺度数,wn表示权重,i表示通道序号,Rn,i(x,y)表示原反射图像信息。
wn表示权重。
Retinex理论的基础理论是物体的颜色是由物体对长波(红色)、中波(绿色)、短波(蓝色)光线的反射能力来决定的,而不是由反射光强度的绝对值来决定的,物体的色彩不受光照非均匀性的影响,具有一致性,即Retinex是以色感一致性(颜色恒常性)为基础的。MSR算法的优点是可以同时保持图像高保真度与对图像的动态范围进行压缩的同时,可以实现色彩增强。本发明采用在HSV颜色空间中使用MSR算法,以达到图像增强的目的。
另一个具体的方案为步骤4)中二值化图像的转换公式为:
其中,1表示花序部分像素值,0表示其他部分像素值,T表示亮度阈值,V(x,y)表示V分量灰度图。
进一步具体的方案为步骤4)中的亮度阈值范围为0.8~0.9。
从完成增强算法之后的图像中提取出图像的V(亮度)分量灰度图,通过绘制其灰度热力图可以发现,选择0.8~0.9之间的亮度阈值可以较好地将花序部分分割出来且不会产生粘连问题。因此选取适当的亮度阈值之后可将图像转化为二值图像。
另一个具体的方案为步骤5)包括:
5-1)通过开运算消除细小的噪声,首先对二值化图像进行腐蚀,然后再使用相同的结构元素进行膨胀操作,令A表示二值化图像,B表示结构元素,开运算的公式为:
5-2)通过闭运算填充物体内的细小孔洞,先对开运算后的二值化图像进行膨胀,然后再使用相同的结构元素进行腐蚀操作,闭运算的公式为:
以上,表示腐蚀操作,二值图像A用结构元素B进行腐蚀的结果是所有A平移x之后仍在A中的x的集合。用公式表示为:
表示膨胀运算,可看做是腐蚀的对偶运算。用结构元素B膨胀二值图像A得到的集合是B的映射的位移与A至少有一个非零元素相交时B的原点x位置的集合,用公式表示为:
进一步具体的方案为开运算和闭运算所采用的结构元素为半径为2个像素大小的圆盘形状。
再一个具体的方案为步骤6)中面积阈值为5。步骤6)删除图像中面积过小且确认不是花序部分的杂点,面积阈值设为5,采用8邻域,使用MATLAB自带的bwareaopen函数进行处理。
步骤7)和8)使用MATLAB自带的bwlabel函数完成对二值图像连通区域的标记与统计,便可得到油菜花序的数目。
本发明的目的之二为提供一种基于图像处理的油菜花序计数装置,该装置可实现上述技术方法,为了实现该目的,本发明提供的油菜花序计数装置包括固定在手机背面的遮光罩、设置在遮光罩内部的光源、连接手机的处理器以及连接在遮光罩底部周围的吸光布,吸光布用于罩住被测对象;处理器用于处理手机采集到的油菜花序图像,计算花序的数量;遮光罩的顶部设有用于与手机相固定的夹持机构,该夹持机构包括贴合在遮光罩的顶面的底板以及设置在底板上的弹簧夹;遮光罩的顶部设有一相机孔,底板上设有与该相机孔对应且可调节手机摄像头位置的滑槽,相机孔的四周设有与滑槽配合的圆环形滑台。
上述光源为LED灯,作为成像***的光源。吸光布可防止环境光照对成像产生干扰。在遮光罩与吸光布形成的拍摄环境中,稳定的光源从正上方照射被检测的对象,无需对拍摄图像再做复杂的背景消除工作。该装置结构简单、操作方便且成本较低,能提供算法实现所需的环境。
具体地,在吸光布的开口设有束口带;在底板上装设连接光源的可充电电池,为LED光源供电。
为了使夹持机构能更加稳定地安装在遮光罩的顶部,可在底板上设置一个于上述滑槽平行的定位滑槽,防止底板转动。上述弹簧夹可包括相对设置的两个U型夹,两U型夹的两端通过拉簧相连,且在两端之间设置滑道,拉簧安装在滑道内。该结构操作简单,拆卸灵活。
与现有技术相比,本发明的有益效果为:
本发明提供的装置结构简单、操作方便且成本较低,能提供算法实现所需的环境。本发明提供的算法具有成本较低、工作效率较高且准确率较高的优点,克服了人工计数存在的效率低下且误差较大的缺点。
附图说明
图1为本发明实施例的油菜花序计数装置的结构示意图;
图2为本发明实施例的油菜花序计数方法的流程图;
图3为本发明实施例获取的油菜花序原始图像;
图4为本发明实施例的油菜花序原始图像通过颜色空间转换并进行图像增强后得到的V分量灰度图;
图5为本发明实施例的V分量灰度图通过阈值分割后的效果图;
图6为本发明实施例的二值化图像进行形态学处理后的效果图;
图7为本发明实施例的油菜花序图像计数结果效果图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,以下结合实施例及其附图对本发明作进一步说明。
实施例
参见图1,本实施例的基于图像处理的油菜花序计数的装置,包括LED光源1-1、底板1-2、遮光罩1-4、吸光布1-5、束口带1-6、U型夹2-1、相机孔2-2、滑槽2-3、拉簧2-4以及充电锂电池2-5。
遮光罩1-4、罩子开口处连接的吸光布1-5以及吸光布1-5末端的束口带1-6,用于包裹住被测对象1-7,形成一个不受环境光照干扰的拍摄环境。遮光罩1-4顶端的LED光源1-1用于照射被检测对象1-7。相机孔2-2周围设有与滑槽2-3配合的圆形滑台,底板1-2用于固定圆形滑台、U型夹2-1、充电锂电池2-5以及遮光罩1-4。
用U型夹2-1将整个装置固定在智能手机1-3上,调整手机位置以及圆形滑台在滑槽2-3内的位置,使手机的摄像头与相机孔2-2对齐。用吸光布1-5罩住被测对象1-7,并收紧束口带1-6,闭合充电锂电池2-5的开关,使LED光源1-1照亮被测对象1-7,然后用手机的拍照功能采集图像,对油菜花序图像进行图像处理,计算花序数量。
参见图2,采用以上装置进行油菜花序计数,包括以下步骤:
1)获取目标油菜花序的原始图像;
2)颜色空间转换,将原始图像由RGB颜色空间转换至HSV颜色空间;原始图像为JPEG格式,其由RGB颜色空间转换至HSV颜色空间的转换公式为:
V=max{R,G,B}
其中R、G、B分别表示红绿蓝三色,H分量表示色调,S分量表示饱和度,V分量表示亮度。
3)图像增强,在HSV颜色空间下完成图像增强处理;
该步骤中图像增强处理采用基于Retinex理论的MSR(Multi-scale Retinex)算法,将图像信息S(x,y)分为亮度信息L(x,y)和反射光信息R(x,y)两个部分,S(x,y)=L(x,y)·R(x,y),R(x,y)=logS(x,y)-log[F(x,y)*S(x,y)],其中,“*”为卷积符号,F(x,y)是中心环绕函数,表示为
“λ”是一个尺度,使得∫∫F(x,y)dxdy=1。x,y表示像素坐标。c表示高斯环绕尺度,图像纹理比较丰富的c取较大的值,即c表示像素邻域相关区域的大小。e表示自然对数。
MSR算法的公式为:
其中N表示尺度数,wn表示权重,i表示通道序号,Rn,i(x,y)表示原反射图像信息。
Retinex理论的基础理论是物体的颜色是由物体对长波(红色)、中波(绿色)、短波(蓝色)光线的反射能力来决定的,而不是由反射光强度的绝对值来决定的,物体的色彩不受光照非均匀性的影响,具有一致性,即Retinex是以色感一致性(颜色恒常性)为基础的。MSR算法的优点是可以同时保持图像高保真度与对图像的动态范围进行压缩的同时,可以实现色彩增强。本发明采用在HSV颜色空间中使用MSR算法,以达到图像增强的目的。
4)阈值分割,选取一定的亮度阈值对V分量灰度图进行分割,并转化为二值化图像;
二值化图像的转换公式为:
其中,1表示花序部分像素值,0表示其他部分像素值,T表示亮度阈值,亮度阈值范围为0.8~0.9,V(x,y)表示V分量灰度图。
5)形态学处理,对二值化图像进行形态学操作,去除噪点以及填充孔洞;
5-1)通过开运算消除细小的噪声,首先对二值化图像进行腐蚀,然后再使用相同的结构元素进行膨胀操作,令A表示二值化图像,B表示结构元素,开运算的公式为:
5-2)通过闭运算填充物体内的细小孔洞,先对开运算后的二值化图像进行膨胀,然后再使用相同的结构元素进行腐蚀操作,闭运算的公式为:
以上,表示腐蚀操作,二值图像A用结构元素B进行腐蚀的结果是所有A平移x之后仍在A中的x的集合。用公式表示为:
表示膨胀运算,可看做是腐蚀的对偶运算。用结构元素B膨胀二值图像A得到的集合是B的映射的位移与A至少有一个非零元素相交时B的原点x位置的集合,用公式表示为:
以上开运算和闭运算所采用的结构元素为半径为2个像素大小的圆盘形状。
6)去除面积小于一定面积阈值的杂块;该面积阈值为5,采用8邻域,使用MATLAB自带的bwareaopen函数进行处理。
7)标记连通区域;
8)统计连通区域的个数,即为油菜花序的个数。
使用MATLAB自带的bwlabel函数完成对二值图像连通区域的标记与统计,便可得到油菜花序的数目。
Claims (10)
1.一种基于图像处理的油菜花序计数方法,其特征在于,包括以下步骤:
1)获取目标油菜花序的原始图像;
2)将所述原始图像由RGB颜色空间转换至HSV颜色空间;
3)在HSV颜色空间下完成图像增强处理,得到V分量灰度图;
4)选取85~95的亮度阈值对V分量灰度图进行分割,并转化为二值化图像;
5)对所述二值化图像进行形态学操作,去除噪点以及填充孔洞;
6)去除二值化图像中面积小于15~25的面积阈值的杂块;
7)标记二值化图像中的连通区域;
8)统计连通区域的个数,即为油菜花序的个数。
2.根据权利要求1所述的油菜花序计数方法,其特征在于,步骤2)中所述的原始图像为JPEG格式,其由RGB颜色空间转换至HSV颜色空间的转换公式为:
V=max{R,G,B}
其中R、G、B分别表示红绿蓝三色,H分量表示色调,S分量表示饱和度,V分量表示亮度。
3.根据权利要求1所述的油菜花序计数方法,其特征在于:
步骤3)中所述的图像增强处理采用基于Retinex理论的MSR算法,将图像信息S(x,y)分为亮度信息L(x,y)和反射光信息R(x,y)两个部分,S(x,y)=L(x,y)·R(x,y),R(x,y)=logS(x,y)-log[F(x,y)*S(x,y)],其中,“*”为卷积符号,F(x,y)是中心环绕函数,表示为
“λ”使得∫∫F(x,y)dxdy=1,λ为参数,c为常数,e为自然对数,x、y为像素坐标值;
所述MSR算法的公式为:
其中N表示尺度数,wn表示权重,i表示通道序号,
wn表示权重。
4.根据权利要求1所述的油菜花序计数方法,其特征在于,步骤4)中所述的二值化图像的转换公式为:
其中,1表示花序部分像素值,0表示其他部分像素值,T表示亮度阈值,V(x,y)表示V分量灰度图。
5.根据权利要求4所述的油菜花序计数方法,其特征在于:
步骤4)中所述的亮度阈值范围为0.8~0.9。
6.根据权利要求1所述的油菜花序计数方法,其特征在于,步骤5)包括:
5-1)通过开运算消除细小的噪声,首先对二值化图像进行腐蚀,然后再使用相同的结构元素进行膨胀操作,令A表示二值化图像,B表示结构元素,G为开运算后的二值化图像,开运算的公式为:
5-2)通过闭运算填充物体内的细小孔洞,先对开运算后的二值化图像进行膨胀,然后再使用相同的结构元素进行腐蚀操作,闭运算的公式为:
以上,表示腐蚀操作,表示膨胀运算。
7.根据权利要求6所述的油菜花序计数方法,其特征在于:
所述的开运算和闭运算所采用的结构元素为半径为2个像素大小的圆盘形状。
8.根据权利要求1所述的油菜花序计数方法,其特征在于:
步骤6)中所述的面积阈值为5。
9.一种用于实现权利要求1至8任一权利要求所述的油菜花序计数方法的装置,其特征在于:
包括固定在手机背面的遮光罩、设置在所述遮光罩内部的光源、连接手机的处理器以及连接在所述遮光罩底部周围的吸光布,所述吸光布用于罩住被测对象;
所述处理器用于处理手机采集到的油菜花序图像,计算花序的数量;
所述遮光罩的顶部设有用于与手机相固定的夹持机构,该夹持机构包括贴合在所述遮光罩的顶面的底板以及设置在所述底板上的弹簧夹;
所述遮光罩的顶部设有一相机孔,所述底板上设有与该相机孔对应且可调节手机摄像头位置的滑槽,相机孔的四周设有与所述滑槽配合的圆环形滑台。
10.根据权利要求9所述的装置,其特征在于:
所述的吸光布的开口设有束口带;
所述的底板上装有连接光源的可充电电池。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811556885.8A CN109741357A (zh) | 2018-12-19 | 2018-12-19 | 一种基于图像处理的油菜花序计数方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811556885.8A CN109741357A (zh) | 2018-12-19 | 2018-12-19 | 一种基于图像处理的油菜花序计数方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109741357A true CN109741357A (zh) | 2019-05-10 |
Family
ID=66360735
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811556885.8A Pending CN109741357A (zh) | 2018-12-19 | 2018-12-19 | 一种基于图像处理的油菜花序计数方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109741357A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112085021A (zh) * | 2020-09-08 | 2020-12-15 | 中国民航大学 | 一种机场用航空器注册号的识别方法 |
CN112857751A (zh) * | 2021-01-14 | 2021-05-28 | 北方夜视技术股份有限公司 | 一种数字化像增强器暗计数测试装置、方法及存储介质 |
CN113689404A (zh) * | 2021-08-24 | 2021-11-23 | 湖北三江航天红林探控有限公司 | 一种基于图像处理的零件计数***和方法 |
CN113888397A (zh) * | 2021-10-08 | 2022-01-04 | 云南省烟草公司昆明市公司 | 基于无人机遥感和图像处理技术的烟草清塘点株方法 |
CN117574946A (zh) * | 2023-11-16 | 2024-02-20 | 苏州健雄职业技术学院 | 一种可调节计数检测装置及其计数方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0862155A (ja) * | 1995-07-21 | 1996-03-08 | Omron Corp | 物体観測装置 |
WO2008129643A1 (ja) * | 2007-04-13 | 2008-10-30 | Pioneer Corporation | ショットサイズ識別装置及び方法、電子機器、並びにコンピュータプログラム |
CN102930547A (zh) * | 2012-11-13 | 2013-02-13 | 中国农业大学 | 风力传送条件下棉花异性纤维图像在线分割方法及*** |
CN105095957A (zh) * | 2014-05-12 | 2015-11-25 | 浙江理工大学 | 一种基于图像分割的蚕茧计数方法 |
CN106530250A (zh) * | 2016-11-07 | 2017-03-22 | 湖南源信光电科技有限公司 | 一种基于改进的Retinex低照度彩色图像增强方法 |
CN107454266A (zh) * | 2017-08-28 | 2017-12-08 | 江苏农林职业技术学院 | 基于智能手机的作物营养诊断装置与诊断方法 |
CN107680129A (zh) * | 2017-09-11 | 2018-02-09 | 浙江大学 | 一种基于智能手机的便携式菌落自动计数装置及方法 |
CN107749059A (zh) * | 2017-11-08 | 2018-03-02 | 贵州航天计量测试技术研究所 | 一种基于连通域识别的电子元器件自动计数方法 |
CN108830800A (zh) * | 2018-05-09 | 2018-11-16 | 南京邮电大学 | 一种暗光场景下图像的亮度提升增强方法 |
-
2018
- 2018-12-19 CN CN201811556885.8A patent/CN109741357A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0862155A (ja) * | 1995-07-21 | 1996-03-08 | Omron Corp | 物体観測装置 |
WO2008129643A1 (ja) * | 2007-04-13 | 2008-10-30 | Pioneer Corporation | ショットサイズ識別装置及び方法、電子機器、並びにコンピュータプログラム |
CN102930547A (zh) * | 2012-11-13 | 2013-02-13 | 中国农业大学 | 风力传送条件下棉花异性纤维图像在线分割方法及*** |
CN105095957A (zh) * | 2014-05-12 | 2015-11-25 | 浙江理工大学 | 一种基于图像分割的蚕茧计数方法 |
CN106530250A (zh) * | 2016-11-07 | 2017-03-22 | 湖南源信光电科技有限公司 | 一种基于改进的Retinex低照度彩色图像增强方法 |
CN107454266A (zh) * | 2017-08-28 | 2017-12-08 | 江苏农林职业技术学院 | 基于智能手机的作物营养诊断装置与诊断方法 |
CN107680129A (zh) * | 2017-09-11 | 2018-02-09 | 浙江大学 | 一种基于智能手机的便携式菌落自动计数装置及方法 |
CN107749059A (zh) * | 2017-11-08 | 2018-03-02 | 贵州航天计量测试技术研究所 | 一种基于连通域识别的电子元器件自动计数方法 |
CN108830800A (zh) * | 2018-05-09 | 2018-11-16 | 南京邮电大学 | 一种暗光场景下图像的亮度提升增强方法 |
Non-Patent Citations (4)
Title |
---|
H. JING等: ""Research on the Rice Counting Method Based on Connected Component Labeling"", 《2014 SIXTH INTERNATIONAL CONFERENCE ON MEASURING TECHNOLOGY AND MECHATRONICS AUTOMATION》 * |
刘宇博等: ""彩色舌体图像分割新算法"", 《沈阳师范大学学报(自然科学版)》 * |
张金朋: ""道路交通标志检测与识别***研究"", 《中国优秀硕士学位论文全文数据库·信息科技辑》 * |
杨吉宏等: ""基于二次分割的彩色图像目标自动计数算法"", 《计算机工程与设计》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112085021A (zh) * | 2020-09-08 | 2020-12-15 | 中国民航大学 | 一种机场用航空器注册号的识别方法 |
CN112857751A (zh) * | 2021-01-14 | 2021-05-28 | 北方夜视技术股份有限公司 | 一种数字化像增强器暗计数测试装置、方法及存储介质 |
CN113689404A (zh) * | 2021-08-24 | 2021-11-23 | 湖北三江航天红林探控有限公司 | 一种基于图像处理的零件计数***和方法 |
CN113888397A (zh) * | 2021-10-08 | 2022-01-04 | 云南省烟草公司昆明市公司 | 基于无人机遥感和图像处理技术的烟草清塘点株方法 |
CN117574946A (zh) * | 2023-11-16 | 2024-02-20 | 苏州健雄职业技术学院 | 一种可调节计数检测装置及其计数方法 |
CN117574946B (zh) * | 2023-11-16 | 2024-06-28 | 苏州健雄职业技术学院 | 一种可调节计数检测装置及其计数方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109741357A (zh) | 一种基于图像处理的油菜花序计数方法和装置 | |
CN104482860B (zh) | 鱼类形态参数自动测量装置和方法 | |
CN110472575B (zh) | 一种基于深度学习和计算机视觉的串番茄成熟度检测方法 | |
CN110569786B (zh) | 一种基于无人机数据采集的果树识别和数量监测方法及*** | |
CN103177445B (zh) | 基于分段阈值图像分割及光斑识别的室外番茄识别方法 | |
CN111462058B (zh) | 一种水稻有效穗快速检测方法 | |
CN110223349A (zh) | 一种采摘点定位方法 | |
CN106780504B (zh) | 一种基于距离保持水平集的牛肉图像中背长肌自动分割方法 | |
CN109191520A (zh) | 一种基于色彩标定的植物叶面积测量方法及*** | |
CN109271919A (zh) | 一种基于grb和网格模式的植被覆盖度测定方法 | |
CN108564021A (zh) | 一种基于数码相片提取荒漠植被盖度的方法 | |
CN110455201A (zh) | 基于机器视觉的茎秆作物高度测量方法 | |
CN115311316A (zh) | 基于深度学习的立体栽培模式下小型西瓜识别与定位方法 | |
CN204202563U (zh) | 鱼类形态参数自动测量装置 | |
CN105844264B (zh) | 一种基于受力的油用牡丹果实图像的识别方法 | |
McCarthy et al. | Automated variety trial plot growth and flowering detection for maize and soybean using machine vision | |
CN108090910B (zh) | 一种基于信息熵梯度简化pcnn模型的夜间室外番茄植株图像分割算法 | |
CN112715159A (zh) | 基于机械臂的柑橘自动化采摘方法及装置 | |
CN110751085B (zh) | 一种小鼠行为识别方法 | |
CN103322946A (zh) | 一种获取玉米冠层孔隙度的方法 | |
CN110232345A (zh) | 使用计算机生成杂草识别模型的程序和杂草识别装置 | |
CN110633720A (zh) | 一种玉米病害识别方法 | |
CN111967357A (zh) | 一种基于机器视觉的高粱病害智能识别***及识别方法 | |
CN109544558B (zh) | 一种城市复杂环境***影与水体分离方法 | |
Wang et al. | A mobile application for tree classification and canopy calculation using machine learning |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190510 |
|
RJ01 | Rejection of invention patent application after publication |