CN113822358A - 一种基于图像识别的优良花魔芋的选种方法 - Google Patents

一种基于图像识别的优良花魔芋的选种方法 Download PDF

Info

Publication number
CN113822358A
CN113822358A CN202111114754.6A CN202111114754A CN113822358A CN 113822358 A CN113822358 A CN 113822358A CN 202111114754 A CN202111114754 A CN 202111114754A CN 113822358 A CN113822358 A CN 113822358A
Authority
CN
China
Prior art keywords
image
seed selection
similarity
module
amorphophallus konjac
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.)
Withdrawn
Application number
CN202111114754.6A
Other languages
English (en)
Inventor
赵国成
孙晓鹏
邓云辉
钟果林
张飞燕
李铁园
唐邦寿
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hunan Bojia Magic Agricultural Technology Co ltd
Original Assignee
Hunan Bojia Magic Agricultural Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Hunan Bojia Magic Agricultural Technology Co ltd filed Critical Hunan Bojia Magic Agricultural Technology Co ltd
Priority to CN202111114754.6A priority Critical patent/CN113822358A/zh
Publication of CN113822358A publication Critical patent/CN113822358A/zh
Withdrawn legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/22Matching criteria, e.g. proximity measures
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10Complex mathematical operations
    • G06F17/18Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Evolutionary Biology (AREA)
  • Mathematical Physics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Operations Research (AREA)
  • Probability & Statistics with Applications (AREA)
  • Artificial Intelligence (AREA)
  • Algebra (AREA)
  • Evolutionary Computation (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种基于图像识别的优良花魔芋的选种方法,它包括如下步骤:步骤1:根据选种目标确定基准图片;步骤2:在花魔芋生长过程中,利用数据记录模块中的取样模块对植株进行拍照取样;步骤3:将步骤2中获得的图片与基准图片在图像识别模块中进行图像的相似度计算,当两张图片相似度符合要求时即判定符合预期选种目标,然后通过消息推送模块将信息发送给育种员。本发明提供一种基于图像识别的优良花魔芋的选种方法,利用取样模块,实时监控花魔芋植株的生长,代替了传统芽变选种过程中大量的、繁重的人工记录劳动;降低育种员的劳动量。

Description

一种基于图像识别的优良花魔芋的选种方法
技术领域
本发明涉及花魔芋种植领域,具体为一种基于图像识别的优良花魔芋的选种方法。
背景技术
植物的芽变选种,是一种古老的选种方法,属于植物无性系选种的范畴,即对植物自然发生的优良芽变,进行人工选择、定向培育,使植物的品种不断丰富和提高。与其他选种方式(如:杂交育种、诱变育种、细胞工程育种等)相比,具有易操作、低成本的优点,适合在全国范围内大规模推广。
花魔芋分布于我国陕西、甘肃、宁夏至江南各省,块茎经加工后,即可供疏食、也可入药,具有解毒消肿,灸后健胃,消饱胀的功效。利用芽变选种技术,可培育出外形美观、环境适应性强的花魔芋品种,提高花魔芋种植者的经济效益。
现有的芽变选种多采用人工记录植物生长信息,然后进行人工选种。上述工作需要耗费企业和作业人员大量的时间和精力,且易出现失误。
发明内容
本发明要解决的技术问题是提供一种基于图像识别的优良花魔芋的选种方法,利用取样模块,实时监控花魔芋植株的生长,代替了传统芽变选种过程中大量的、繁重的人工记录劳动;通过图像识别算法,自动化地判断种子是否发生了芽变,代替了传统芽变选种过程中的人为分析、判断的过程;在识别到有芽变产生后,及时通知育种员,使得育种员即使不在种植地,也能随时掌握植株的培育情况,降低育种员的劳动量。
为了实现上述技术效果,本发明提供了一种基于图像识别的优良花魔芋的选种方法,它包括如下步骤:
步骤1:根据选种目标确定基准图片;
步骤2:在花魔芋生长过程中,利用数据记录模块中的取样模块对植株进行拍照取样;
步骤3:将步骤2中获得的图片与基准图片在图像识别模块中进行图像的相似度计算,当两张图片相似度符合要求时即判定符合预期选种目标,然后通过消息推送模块将信息发送给育种员。
进一步的,图像的相似度计算基于图片灰度直方图。
进一步的,其计算过程如下:
1)将步骤1和步骤2获得的图片调整为同样大小;
2)获得两张图片的灰度直方图;
3)按灰度级将图片划分为多个区;
4)将每个区进行求和运算,得到该图片的向量:
5)对两张图片的向量进行余弦值的计算从而判断图片的相似形。
进一步的,步骤2中获得的图片以及步骤3中的照片比对情况均存储到信息存储模块中。
本发明的有益效果:通过取样模块实时对植株的生长进行监控取样,以代替传统选种过程中需要耗费大量的人力、财力进行记录;然后通过将取样照片与基准照片进行相似度计算,从而快速自动化的判断是否发生芽变,相较于传统的人为分析、计算等过程,本申请的方案能大大提高选种的效率;计算结果通过消息推送模块通知育种人员,使得育种人员即是不在种植场所,也能随时掌握植株的育种情况。
附图说明
图1为本发明流程图。
图2为实施例2中的计算流程图。
具体实施方式
为了使本领域技术人员更好地理解本申请的技术方案,下面结合附图对本申请进行详细描述,本部分的描述仅是示范性和解释性,不应对本申请的保护范围有任何的限制作用。
实施例1,如图1所示,本发明提供了一种基于图像识别的优良花魔芋的选种方法,它包括如下步骤:
步骤1:根据选种目标确定基准图片,比如要求植株外形美观或抗虫害能力强等,明确选种目标后,找到符合目标的花魔芋植株生长情况照片;本实施例以叶柄举例,若选种目标是要求花魔芋的叶柄大于一米(外形美观),那么先找到叶柄大于1米的花魔芋图片作为后续图像识别的基准图片;
步骤2:在花魔芋生长过程中,利用数据记录模块中的取样模块对植株定期进行拍照取样,取样模块可采用常用的摄像机、照相机等;
步骤3:将步骤2中获得的图片与基准图片在图像识别模块中进行图像的相似度计算,当两张图片相似度符合要求时即判定符合预期选种目标,然后通过消息推送模块将信息发送给育种员,消息推送模块可根据实际情况采用4G、5G、蓝牙等通信设备。
实施例2,如图1-2所示,本实施例的其它步骤与实施例1相同,但实施例中图像的相似度计算基于图片灰度直方图,其计算过程如下:
1)将步骤1和步骤2获得的图片调整为同样大小;
2)获得两张图片的灰度直方图;
3)将图像每四个灰度级划分为一个区,这样就形成了六十四个区,实际生产过程中,可根据需要进行划区,本实施例以六十四个区进行举例说明;
4)将每个区进行求和运算,得到该图片的向量:
5)对两张图片的向量进行余弦值的计算从而判断图片的相似形,本实施例中若余弦相似度大于0.8,即判定为相似,并将信息发送给育种员。
本实施例中相似度计算的原理为:取得灰度直方图函数,假设任一图像中变量r为灰度级,对其做归一化处理后,r∈[0,1]且为随机变量,用P(r)表示概率分布函数,代表原始图像的灰度分布,直方图与P(r)相对应;用p(r)表示概率密度函数,两者的关系如下:
Figure BDA0003275150530000041
Figure BDA0003275150530000042
其中,式(1)为概率分布函数,式(2)为概率密度函数。
再将总像素数目以函数积分形式来表示,公式如下:
Figure BDA0003275150530000043
Figure BDA0003275150530000044
其中,H(r)为不同灰度像素数目的函数;A(r)为灰度级从0~r的像素数目的总和;A0(r)为图像的总像素数目。
根据总像素数目,计算概率密度函数:
Figure BDA0003275150530000045
概率分布函数:
Figure BDA0003275150530000051
最后,根据图像的灰度直方图,将图像转换为向量形式,通过两向量之间的余弦值计算图像的相似度:
Figure BDA0003275150530000052
式中Ai和Bi分别表示向量A和B的分量。
实施例3,如图1所示,本实施例的其它步骤与实施例1相同,但实施例中步骤2中获得的图片以及步骤3中的照片比对情况均存储到信息存储模块中,实现持久化存储,方便后续育种员的人为查验和分析。
以上对本发明所提供的一种基于图像识别的优良花魔芋的选种方法进行了详细的介绍,本文中对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法以其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书的内容不应理解为对本发明的限制。

Claims (4)

1.一种基于图像识别的优良花魔芋的选种方法,其特征在于,它包括如下步骤:
步骤1:根据选种目标确定基准图片;
步骤2:在花魔芋生长过程中,利用数据记录模块中的取样模块对植株进行拍照取样;
步骤3:将步骤2中获得的图片与基准图片在图像识别模块中进行图像的相似度计算,当两张图片相似度符合要求时即判定符合预期选种目标,然后通过消息推送模块将信息发送给育种员。
2.根据权利要求1所述的一种基于图像识别的优良花魔芋的选种方法,其特征在于,图像的相似度计算基于图片灰度直方图。
3.根据权利要求2所述的一种基于图像识别的优良花魔芋的选种方法,其特征在于,其计算过程如下:
1)将步骤1和步骤2获得的图片调整为同样大小;
2)获得两张图片的灰度直方图;
3)按灰度级将图片划分为多个区;
4)将每个区进行求和运算,得到该图片的向量:
5)对两张图片的向量进行余弦值的计算从而判断图片的相似形。
4.根据权利要求1所述的一种基于图像识别的优良花魔芋的选种方法,其特征在于,步骤2中获得的图片以及步骤3中的照片比对情况均存储到信息存储模块中。
CN202111114754.6A 2021-09-23 2021-09-23 一种基于图像识别的优良花魔芋的选种方法 Withdrawn CN113822358A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111114754.6A CN113822358A (zh) 2021-09-23 2021-09-23 一种基于图像识别的优良花魔芋的选种方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111114754.6A CN113822358A (zh) 2021-09-23 2021-09-23 一种基于图像识别的优良花魔芋的选种方法

Publications (1)

Publication Number Publication Date
CN113822358A true CN113822358A (zh) 2021-12-21

Family

ID=78915276

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111114754.6A Withdrawn CN113822358A (zh) 2021-09-23 2021-09-23 一种基于图像识别的优良花魔芋的选种方法

Country Status (1)

Country Link
CN (1) CN113822358A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116703893A (zh) * 2023-08-01 2023-09-05 四川深山农业科技开发有限公司 一种基于机器视觉的魔芋凝胶测控方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116703893A (zh) * 2023-08-01 2023-09-05 四川深山农业科技开发有限公司 一种基于机器视觉的魔芋凝胶测控方法
CN116703893B (zh) * 2023-08-01 2023-09-29 四川深山农业科技开发有限公司 一种基于机器视觉的魔芋凝胶测控方法

Similar Documents

Publication Publication Date Title
CN110059758B (zh) 一种基于语义分割的遥感影像养殖塘检测方法
CN106845497B (zh) 基于多特征融合的玉米前期图像旱情识别方法
CN106156284B (zh) 基于随机多视角哈希的大规模近重复视频检索方法
CN111798470B (zh) 一种应用于智能农业的农作物图像实体分割方法及***
CN111429490A (zh) 一种基于标定球的农林作物三维点云配准方法
CN112131952A (zh) 基于无人机遥感影像的玉米苗期株数信息提取
CN113011221A (zh) 作物分布信息的获取方法、装置及测量***
CN112016596A (zh) 基于卷积神经网络的农田土壤肥力评价方法
CN113191334A (zh) 一种基于改进CenterNet的植物冠层密集叶片计数方法
CN113822358A (zh) 一种基于图像识别的优良花魔芋的选种方法
CN115661544A (zh) 基于N-MobileNetXt的菠菜幼苗水分胁迫等级分类***及方法
CN111291686A (zh) 农作物根果表型参数的提取与根果表型判别方法及***
Zhong et al. Identification and depth localization of clustered pod pepper based on improved Faster R-CNN
CN117173175B (zh) 一种基于超像素的图像相似度检测方法
He et al. A calculation method of phenotypic traits of soybean pods based on image processing technology
CN116883718A (zh) 一种基于改进yolov7的甘蔗缺苗检测定位方法
CN111523503A (zh) 基于改进ssd算法的苹果目标检测方法
CN115861768A (zh) 一种基于改进YOLOv5的金银花目标检测及采摘点定位方法
CN114937030A (zh) 一种用于智慧农业种植生菜的表型参数计算方法
CN113724255A (zh) 一种针对育苗期鲍鱼的计数方法
CN117876879B (zh) 一种基于空域与频域特征融合的猕猴桃花朵识别方法
Yang et al. Multi-Growth Period Tomato Fruit Detection Using Improved Yolov5
CN116227685B (zh) 低成本的智能油茶果产量估计方法
CN117994526A (zh) 一种农作物营养需求确定方法、介质及***
CN116630707B (zh) 一种基于深度学习的番茄穴盘苗分级检测与数据传输方法

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
WW01 Invention patent application withdrawn after publication
WW01 Invention patent application withdrawn after publication

Application publication date: 20211221