TWI755250B - 植物生長曲線確定方法、裝置、電子設備及存儲媒體 - Google Patents
植物生長曲線確定方法、裝置、電子設備及存儲媒體 Download PDFInfo
- Publication number
- TWI755250B TWI755250B TW110101168A TW110101168A TWI755250B TW I755250 B TWI755250 B TW I755250B TW 110101168 A TW110101168 A TW 110101168A TW 110101168 A TW110101168 A TW 110101168A TW I755250 B TWI755250 B TW I755250B
- Authority
- TW
- Taiwan
- Prior art keywords
- depth
- target
- growth curve
- plant
- depth value
- Prior art date
Links
Images
Landscapes
- Image Analysis (AREA)
Abstract
本申請提供一種植物生長曲線確定方法、裝置、電子設備及存儲媒體,所述方法包括:獲取不同時間點的待檢測植物的彩色圖像及深度圖像;將所述彩色圖像與所述深度圖像進行對齊處理,得到對齊圖像;利用預設檢測模型檢測所述彩色圖像,得到目標邊界框;根據所述對齊圖像確定所述目標邊界框中所有圖元點的深度值;對所述深度值進行去噪處理,得到目標深度值;確定所述目標邊界框在所述彩色圖像中的面積比;根據所述目標深度值,所述面積比以及相應的時間點確定植物生長曲線。本申請能夠提高對植物生長曲線確定的準確度。
Description
本申請涉及圖像分析技術領域,尤其涉及一種植物生長曲線確定方法、裝置、電子設備及媒體。
目前,需要依賴於人工對每株植物進行監測和日常測量,進而根據監測和測量的資料來確定植物的生長曲線。然而,採用人工監測和測量的方式耗時、勞動密集且成本高,此外,還容易導致對植物生長曲線的測量不準確。因此,如何準確地確定植物生長曲線成了亟需解決的問題。
鑒於以上內容,有必要提供一種植物生長曲線確定方法、裝置、電子設備及媒體,能夠更效率並且更準確地確定植物生長曲線。
本申請的第一方面提供一種植物生長曲線確定方法,應用於電子設備中,所述電子設備與攝像裝置相連接,所述植物生長曲線確定方法包括:獲取不同時間點的待檢測植物的彩色圖像及深度圖像;將所述彩色圖像與所述深度圖像進行對齊處理,得到對齊圖像;利用預先訓練完成的目標檢測模型檢測所述彩色圖像,得到目標邊界框,其中,所述目標邊界框框選所述待檢測植物;計算所述目標邊界框在所述彩色圖像中的面積比;根據所述對齊圖像確定所述
目標邊界框中所有圖元點的深度值;對所述深度值進行去噪處理,得到目標深度值;根據所述目標深度值和相應的時間點生成所述植物的第一生長曲線,以及根據所述面積比和相應的時間點生成所述植物的第二生長曲線。
在一種可能的實現方式中,生成所述第一生長曲線的方法包括:建立第一直角座標系;根據所述目標深度值和相應的時間點在所述第一直角座標系中確定多個第一目標座標點;連接所述多個第一目標座標點得到所述第一生長曲線。
在一種可能的實現方式中,生成所述第二生長曲線的方法包括:建立第二直角座標系;根據所述面積比和相應的時間點在所述第二直角座標系中確定多個第二目標座標點;連接所述多個第二目標座標點得到所述第二生長曲線。
在一種可能的實現方式中,所述將所述彩色圖像與所述深度圖像進行對齊處理,得到對齊圖像包括:獲取所述深度圖像上的深度圖元點;將所述深度圖元點與第一矩陣相乘,得到所述深度圖元點在深度攝像頭座標系中的深度座標;將所述深度圖元點的深度座標與第二矩陣相乘,得到所述深度圖元點在世界座標系中的世界座標;將所述深度圖元點的世界座標與第三矩陣相乘,得到所述深度圖元點在彩色攝像頭座標系中的彩色座標;將所述深度圖元點的彩色座標系中的彩色座標與第四矩陣相乘,得到所述深度圖元點在彩色圖像中的圖元點;根據所述圖元點得到所述對齊圖像。
在一種可能的實現方式中,所述第一矩陣為深度攝像頭的內參矩陣的逆矩陣,所述第二矩陣為深度攝像頭座標系轉換到世界座標系的外參矩陣,所述第三矩陣為世界座標系轉換到彩色攝像頭座標系的外參矩陣,所述第四矩陣為彩色攝像頭的內參矩陣。
在一種可能的實現方式中,所述確定所述目標邊界框在所述彩色圖像中的面積比包括:計算所述彩色圖像的面積;計算所述目標邊界框的面積;根據所述目標邊界框的面積以及所述彩色圖像的面積確定所述面積比。
在一種可能的實現方式中,所述對所述深度值進行去噪處理,得到目標深度值包括:比對所述目標邊界框中的圖元點的深度值與預設深度值;若所述圖元點的深度值不等於所述預設深度值,設定所述圖元點的深度值為所述目標深度值;若所述圖元點的深度值等於所述預設深度值,將所述圖元點的深度值上設定為雜訊點,並且刪除所述雜訊點。
本申請的第二方面提供一種植物生長曲線確定裝置,運行於電子設備中,所述植物生長曲線確定裝置包括:獲取模組,獲取不同時間點的待檢測植物的彩色圖像及深度圖像;處理模組,將所述彩色圖像與所述深度圖像進行對齊處理,得到對齊圖像;檢測模組,利用預先訓練完成的目標檢測模型檢測所述彩色圖像,得到目標邊界框,其中,所述目標邊界框框選所述待檢測植物;確定模組,計算所述目標邊界框在所述彩色圖像中的面積比;所述處理模組,還對所述深度值進行去噪處理,得到目標深度值;所述確定模組,還根據所述對齊圖像確定所述目標邊界框中所有圖元點的深度值;所述確定模組,還根據所述目標深度值和相應的時間點生成所述植物的第一生長曲線,以及根據所述面積比和相應的時間點生成所述植物的第二生長曲線。
本申請的第三方面提供一種電子設備,所述電子設備包括:記憶體,存儲至少一個指令;及處理器,執行所述記憶體中存儲的指令以實現所述植物生長曲線確定方法。
本申請的第四方面提供一種電腦可讀存儲媒體,所述電腦可讀存儲媒體中存儲有至少一個指令,所述至少一個指令被電子設備中的處理器執行以
實現所述植物生長曲線確定方法。
本申請提供的植物生長曲線確定方法、裝置、電子設備及存儲媒體,可以準確地確定植物的生長曲線,對植物進行有效監管,並且可以減少種植成本,提高作物產量和品質,有利於確定植物的最佳種植方式。
S10~S16:步驟
2:植物生長曲線確定裝置
201:獲取模組
202:處理模組
203:檢測模組
204:確定模組
3:電子設備
31:記憶體
32:處理器
圖1是本申請植物生長曲線確定方法的較佳實施例的流程圖。
圖2是本申請植物生長曲線確定裝置的較佳實施例的功能模組圖。
圖3是本申請實現植物生長曲線確定方法的較佳實施例的電子設備的結構示意圖。
為了使本申請的目的、技術方案和優點更加清楚,下面結合附圖和具體實施例對本申請進行詳細描述。
如圖1所示,是本申請植物生長曲線確定方法的較佳實施例的流程圖。根據不同的需求,該流程圖中步驟的順序可以改變,某些步驟可以省略。
所述植物生長曲線確定方法應用於一個或者多個電子設備3中,所述電子設備3是一種能夠按照事先設定或存儲的指令,自動進行數值計算和/或資訊處理的設備,其硬體包括但不限於微處理器、專用積體電路(Application Specific Integrated Circuit,ASIC)、可程式設計閘陣列(Field-Programmable Gate Array,FPGA)、數位訊號處理器(Digital Signal Processor,DSP)、嵌入式設備等。
所述電子設備3可以是任何一種可與用戶進行人機交互的電子產品,例如,個人電腦、平板電腦、智慧手機、個人數位助理(Personal Digital Assistant,PDA)、遊戲機、互動式網路電視(Internet Protocol Television,IPTV)、智
慧式穿戴式設備等。
所述電子設備3還可以包括網路設備和/或用戶設備。其中,所述網路設備包括,但不限於單個網路服務器、多個網路服務器組成的伺服器組或基於雲計算(Cloud Computing)的由大量主機或網路服務器構成的雲。
所述電子設備3所處的網路包括但不限於互聯網路、廣域網路、都會區網路、區域網路、虛擬私人網路絡(Virtual Private Network,VPN)等。
在本申請的至少一個實施例中,本申請應用於電子設備中,所述電子設備與攝像裝置通信連接。
步驟S10、獲取不同時間點的待檢測植物的彩色圖像及深度圖像。
在本實施方式中,所述彩色圖像是指RGB三通道彩色圖像,所述深度圖像是指將從所述攝像裝置到拍攝場景中各點的距離作為圖元值的圖像。
在本實施方式中,所述攝像裝置包括兩個攝像頭,分別為彩色攝像頭及深度攝像頭。所述攝像裝置可以安裝在便於拍攝所述檢測植物的正上方。利用所述彩色攝像頭拍攝所述待檢測植物可以得到所述彩色圖像,利用所述深度攝像頭拍攝所述待檢測植物可以得到所述深度圖像。所述攝像裝置將拍攝的所述彩色圖像和所述深度圖像發送至所述電子設備。
在本實施方式中,所述攝像裝置在不同時間點獲取所述待檢測植物的彩色圖像及深度圖像。具體地,設定所述攝像裝置拍攝所述待檢測植物的多個時間點,其中,所述多個時間點間隔相同。示例性的,設定所述攝像裝置初始拍攝時間為1月1日12:00,設定所述攝像裝置拍攝時間間隔為24小時。所述攝像裝置初始拍攝時間與拍攝時間間隔可以根據用戶的需求進行設定,本申請對此不作限制。
透過上述實施方式,能夠快速獲取到包含所述待檢測植物的彩色圖
像及深度圖像。
作為一種可選的實施方式,所述步驟S10之前,所述植物生長曲線確定方法還包括:訓練目標檢測模型,例如,所述目標檢測模型可以為Single Shot MultiBox Detector目標檢測模型。
具體的,訓練所述目標檢測模型的過程包括:獲取樣本植物彩色圖像;使用殘差卷積網路對所述樣本植物彩色圖像進行特徵提取,獲得特徵資訊;根據所述特徵資訊,使用特徵金字塔網路生成第一特徵圖;根據所述第一特徵圖,使用區域候選網路生成候選區域;根據預設交併比閾值,對所述候選區域進行篩選,保留交併比大於所述預設交併比閾值的候選區域,獲得目的地區域,其中所述交併比為錨框與真實邊界框的相交面積與相並面積之比;將所述第一特徵圖以及所述目的地區域輸入至感興趣區域池化層,獲得與所述目的地區域對應的第二特徵圖;根據所述第二特徵圖,對所述目的地區域的邊界框以及類別進行回歸,獲得訓練好的目標檢測模型。
步驟S11、將所述彩色圖像與所述深度圖像進行對齊處理,得到對齊圖像。
在本實施方式中,所述對齊圖像是指將所述深度圖像中的所有深度圖元點映射到所述彩色圖像中而生成的圖像。
在本實施方式中,所述電子設備將所述彩色圖像與所述深度圖像進行對齊處理,得到對齊圖像包括:獲取所述深度圖像上的深度圖元點;將所述深度圖元點與第一矩陣相乘,得到所述深度圖元點在深度攝像頭座標系中的深度座標;將所述深度圖元點的深度座標與第二矩陣相乘,得到所述深度圖元點在世界座標系中的世界座標;將所述深度圖元點的世界座標與第三矩陣相乘,得到所述深度圖元點在彩色攝像頭座標系中的彩色座標;將所述深度圖元點的
彩色座標系中的彩色座標與第四矩陣相乘,得到所述深度圖元點在彩色圖像中的圖元點;根據所述圖元點得到所述對齊圖像。
其中,所述第一矩陣為深度攝像頭的內參矩陣的逆矩陣,所述第二矩陣為深度攝像頭座標系轉換到世界座標系的外參矩陣,所述第三矩陣為世界座標系轉換到彩色攝像頭座標系的外參矩陣,所述第四矩陣為彩色攝像頭的內參矩陣。所述深度攝像頭座標系,所述彩色攝像頭座標系以及所述世界座標系可以從開源系統上獲取,也可以用戶根據應用場景任意設置,本申請對此不作限制。
透過上述實施方式,能夠生成包含深度值的對齊圖像,以便後續能夠準確地確定所述待檢測植物的生長曲線。
步驟S12、利用預先訓練完成的目標檢測模型檢測所述彩色圖像,得到目標邊界框,其中,所述目標邊界框框選所述待檢測植物。
透過預先訓練完成的目標檢測模型獲得的目標邊界框準確度比較高,同時能夠快速檢測出所述目標邊界框,提高檢測效率。
步驟S13、計算所述目標邊界框在所述彩色圖像中的面積比。
可以理解的是,隨著植物的生長,所拍攝到的植物面積會增大,在圖像中所述目標候選框佔用的面積也會變大。本申請中,透過所述目標邊界框在所述彩色圖像中的面積比來體現植物的生長趨勢。
在本實施方式中,所述電子設備確定所述目標邊界框在所述彩色圖像中的面積比包括:計算所述彩色圖像的面積;計算所述目標邊界框的面積;根據所述邊界框的面積以及所述彩色圖像的面積確定所述面積比。
步驟S14、根據所述對齊圖像確定所述目標邊界框中所有圖元點的深度值。
在本實施方式中,所述深度值是指圖元點對應到所述待檢測植物上的特徵點距離攝像裝置的高度。
所述電子設備確定每個圖元點在所述對齊圖像上的目標位置,在所述對齊圖像中獲取所述目標位置上的深度值,並將所述深度值作為每個圖元點的深度值。
透過所述對齊圖像能夠準確快速地確定所述所有圖元點的深度值。
步驟S15、對所述深度值進行去噪處理,得到目標深度值。
由於圖像常受到成像設備與外部環境雜訊干擾等影響,因此需要對所述深度值進行去噪處理。
在本實施方式中,所述電子設備對所述深度值進行去噪處理,得到目標深度值包括:比對所述目標邊界框中的圖元點的深度值與預設深度值,其中所述預設深度值的大小可以根據用戶的實際需求進行設定或修改,例如,可以設置所述預設深度值為零;若所述圖元點的深度值不等於所述預設深度值,將所述圖元點的深度值設定為所述目標深度值;若所述圖元點的深度值等於所述預設深度值,設定所述圖元點的深度值為雜訊點,並且刪除所述雜訊點。
透過對所述深度值進行去噪處理,得到目標深度值,能夠確保所述目標深度值中沒有包含干擾資訊,進而能夠準確地確定所述待檢測植物的生長曲線。
步驟S16、根據所述目標深度值和相應的時間點生成所述植物的第一生長曲線,以及根據所述面積比和相應的時間點生成所述植物的第二生長曲線。
在本實施方式中,所述電子設備根據所述目標深度值和所述時間點生成所述植物的第一生長曲線包括:建立第一直角座標系,其中,所述第一直
角座標系以O為原點,以時間為X軸,深度值為Y軸;根據所述目標深度值和相應的時間點在所述第一直角座標系中確定多個第一目標座標點,其中,所述第一目標座標點的縱座標為所述目標深度值,所述第一目標座標點的橫座標為所述時間點;連接所述多個第一目標座標點得到所述第一生長曲線。
在本實施方式中,所述電子設備根據所述面積比和所述時間點生成所述植物的第二生長曲線包括:建立第二直角座標系,其中,所述第二直角座標系以O為原點,以時間為X軸,面積比為Y軸;根據所述面積比和相應的時間點在所述第二直角座標系中確定多個第二目標座標點,其中,所述第二目標座標點的縱座標為所述面積比,所述第二目標座標點的橫座標為所述時間點;連接所述多個第二目標座標點得到所述第二生長曲線。
在圖1所描述的方法流程中,可以透過獲取不同時間點的待檢測植物的彩色圖像及深度圖像,將所述彩色圖像與所述深度圖像進行對齊處理,得到對齊圖像,利用預先訓練完成的檢測模型檢測所述彩色圖像,得到目標邊界框,計算所述目標邊界框在所述彩色圖像中的面積比,根據所述對齊圖像確定所述目標邊界框中所有圖元點的深度值,並對所述深度值進行去噪處理,得到目標深度值,根據所述目標深度值和相應的時間點生成所述植物的第一生長曲線,以及根據所述面積比和相應的時間點生成所述植物的第二生長曲線,可以準確的確定植物的生長曲線,對植物進行監管,並且可以減少種植成本,提高作物產量和品質。
如圖2所示,是本申請植物生長曲線確定裝置2的較佳實施例的功能模組圖。所述植物生長曲線確定裝置2包括獲取模組201、處理模組202、檢測模組203、確定模組204。本申請所稱的模組是指一種能夠被至少一個處理器所執行並且能夠完成固定功能的一系列電腦程式段,其存儲在記憶體中。
在本實施例中,關於各模組/單元的功能將在後續的實施例中詳述。
在本實施方式中,本申請運行於電子設備中,所述電子設備與攝像裝置相連接。
所述獲取模組201控制所述攝像裝置對所述待檢測植物進行拍攝的時間點,得到所述待檢測植物的彩色圖像及深度圖像。
在本實施方式中,所述彩色圖像是指RGB三通道彩色圖像,所述深度圖像是指將從所述攝像裝置到場景中各點的距離作為圖元值的圖像。
在本實施方式中,所述獲取模組201控制所述攝像裝置對所述待檢測植物進行拍攝的時間點,得到所述待檢測植物的彩色圖像及深度圖像包括:在本實施方式中,所述攝像裝置包括雙攝像頭,分別為彩色攝像頭及深度攝像頭。所述攝像裝置可以安裝在便於拍攝所述檢測植物的正上方。利用所述彩色攝像頭拍攝所述待檢測植物可以得到所述彩色圖像,利用所述深度攝像頭拍攝所述待檢測植物可以得到所述深度圖像。所述攝像裝置將拍攝的所述彩色圖像和所述深度圖像發送至所述電子設備。
設定所述攝像裝置拍攝所述待檢測植物的多個時間點,其中,所述多個時間點間隔相同。示例性的,設定所述攝像裝置初始拍攝時間為1月1日12:00,設定所述攝像裝置拍攝時間間隔為24小時。所述攝像裝置初始拍攝時間與拍攝時間間隔可以根據用戶的需求進行設定,本申請對此不作限制。
透過上述實施方式,能夠快速獲取到包含所述待檢測植物的彩色圖像及深度圖像。
所述處理模組202將所述彩色圖像與所述深度圖像進行對齊處理,得到對齊圖像。
在本實施方式中,所述處理模組202將所述獲取模組獲取的彩色圖
像與所述深度圖像進行對齊處理,得到對齊圖像包括:獲取所述深度圖像上的深度圖元點;將所述深度圖元點與第一矩陣相乘,得到所述深度圖元點在深度攝像頭座標系中的深度座標;將所述深度圖元點的深度座標與第二矩陣相乘,得到所述深度圖元點在世界座標系中的世界座標;將所述深度圖元點的世界座標與第三矩陣相乘,得到所述深度圖元點在彩色攝像頭座標系中的彩色座標;將所述深度圖元點的彩色座標系中的彩色座標與第四矩陣相乘,得到所述深度圖元點在彩色圖像中的圖元點;根據所述圖元點得到所述對齊圖像。
其中,所述第一矩陣為深度攝像頭的內參矩陣的逆矩陣,所述第二矩陣為深度攝像頭座標系轉換到世界座標系的外參矩陣,所述第三矩陣為世界座標系轉換到彩色攝像頭座標系的外參矩陣,所述第四矩陣為彩色攝像頭的內參矩陣。所述深度攝像頭座標系,所述彩色攝像頭座標系以及所述世界座標系可以從開源系統上獲取,也可以用戶根據應用場景任意設置,本申請對此不作限制。
透過上述實施方式,能夠生成包含深度值的對齊圖像,以便後續確定所述待檢測植物的生長曲線。
所述檢測模組203利用預先訓練完成的目標檢測模型檢測所述獲取模組獲取的彩色圖像,得到目標邊界框,其中,所述目標邊界框框選所述待檢測植物。
透過預先訓練完成的目標檢測模型能夠快速檢測出所述目標邊界框,提高檢測效率。
所述確定模組204計算所述目標邊界框在所述彩色圖像中的面積比。
在本實施方式中,所述確定模組204計算所述檢測模組得到的目標
邊界框在所述獲取模組獲取的彩色圖像中的面積比包括:計算所述彩色圖像的面積;計算所述目標邊界框的面積;根據所述邊界框的面積以及所述彩色圖像的面積確定所述面積比。
所述確定模組204根據所述處理模組獲取的對齊圖像確定所述獲取模組獲取的目標邊界框中所有圖元點的深度值。
在本實施方式中,所述深度值是指圖元點對應到所述待檢測植物上的特徵點距離攝像裝置的高度。
在本實施方式中,所述確定模組204根據所述對齊圖像確定所述目標邊界框中所有圖元點的深度值包括:所述電子設備確定每個圖元點在所述對齊圖像上的目標位置,進一步地,所述電子設備從所述對齊圖像上獲取所述目標位置上的深度值,作為每個圖元點的深度值。
透過所述對齊圖像能夠準確快速確定所述所有圖元點的深度值。
所述處理模組202對所述確定模組得到的深度值進行去噪處理,得到目標深度值。
在本實施方式中,所述處理模組202對所述深度值進行去噪處理,得到目標深度值包括:比對所述目標邊界框中的圖元點的深度值與預設深度值,其中所述預設深度值的大小可以根據用戶的實際需求進行設定或修改,例如,可以設置為零值;若所述圖元點的深度值不等於所述預設深度值,將所述圖元點的深度值設定為所述目標深度值;若所述圖元點的深度值等於所述預設深度值,設定所述圖元點的深度值為雜訊點,並且刪除所述雜訊點。
透過對所述深度值進行去噪處理,得到目標深度值,能夠確保所述目標深度值中沒有包含干擾資訊,進而能夠準確地確定所述待檢測植物的生長曲線。
所述確定模組204根據所述確定模組獲取的目標深度值和相應的時間點生成所述植物的第一生長曲線,以及根據所述面積比和相應的時間點生成所述植物的第二生長曲線。
在本實施方式中,所述確定模組204根據所述目標深度值和所述時間點生成所述植物的第一生長曲線包括:建立第一直角座標系,其中,所述第一直角座標系以O為原點,以時間為X軸,深度值為Y軸;根據所述目標深度值和相應的時間點在所述第一直角座標系中確定多個第一目標座標點,其中,所述第一目標座標點的縱座標為所述目標深度值,所述第一目標座標點的橫座標為所述時間點;連接所述多個第一目標座標點得到所述第一生長曲線。
在本實施方式中,所述確定模組204根據所述面積比和所述時間點生成所述植物的第二生長曲線包括:建立第二直角座標系,其中,所述第二直角座標系以O為原點,以時間為X軸,面積比為Y軸;根據所述面積比和相應的時間點在所述第二直角座標系中確定多個第二目標座標點,其中,所述第二目標座標點的縱座標為所述面積比,所述第二目標座標點的橫座標為所述時間點;連接所述多個第二目標座標點得到所述第二生長曲線。
作為一種可選的實施方式,所述獲取模組201,還獲取樣本植物彩色圖像。所述植物生長曲線確定裝置2還可以包括:提取模組,使用殘差卷積網路對所述樣本植物彩色圖像進行特徵提取,獲得特徵資訊;生成模組,根據所述特徵資訊,使用特徵金字塔網路生成第一特徵圖;所述生成模組,還根據所述第一特徵圖,使用區域候選網路生成候選區域;篩選模組,根據預設交併比閾值,對所述候選區域進行篩選,獲得目的地區域;輸入模組,將所述第一特徵圖以及所述目的地區域輸入至感興趣區域池化層,獲得與所述目的地區域對應的第二特徵圖;回歸模組,根據所述第二特徵圖,對所述目的地區域的邊界
框以及類別進行回歸,獲得訓練好的目標檢測模型。
在圖2所描述的植物生長曲線確定裝置2中,可以透過獲取不同時間點的待檢測植物的彩色圖像及深度圖像,將所述彩色圖像與所述深度圖像進行對齊處理,得到對齊圖像,利用預先訓練完成的檢測模型檢測所述彩色圖像,得到目標邊界框,計算所述目標邊界框在所述彩色圖像中的面積比,根據所述對齊圖像確定所述目標邊界框中所有圖元點的深度值,並對所述深度值進行去噪處理,得到目標深度值,根據所述目標深度值和相應的時間點生成所述植物的第一生長曲線,以及根據所述面積比和相應的時間點生成所述植物的第二生長曲線,可以準確的確定植物的生長曲線,對植物進行監管,並且可以減少種植成本,提高作物產量和品質。
如圖3所示,是本申請實現植物生長曲線確定方法的較佳實施例的電子設備的結構示意圖。
在本申請的一個實施例中,所述電子設備3包括,但不限於,記憶體31、處理器32,以及存儲在所述記憶體31中並可在所述處理器32上運行的電腦程式,例如植物生長曲線確定程式。
本領域技術人員可以理解,所述示意圖僅僅是電子設備3的示例,並不構成對電子設備3的限定,可以包括比圖示更多或更少的部件,或者組合某些部件,或者不同的部件,例如所述電子設備3還可以包括輸入輸出設備、網路接入設備、匯流排等。
所述處理器32可以是中央處理單元(Central Processing Unit,CPU),還可以是其他通用處理器、數位訊號處理器(Digital Signal Processor,DSP)、專用積體電路(Application Specific Integrated Circuit,ASIC)、現場可程式設計閘陣列(Field-Programmable Gate Array,FPGA)或者其他可程式設計邏輯器件、
分立門或者電晶體邏輯器件、分立硬體元件等。通用處理器可以是微處理器或者該處理器也可以是任何常規的處理器等,所述處理器32是所述電子設備3的運算核心和控制中心,利用各種介面和線路連接整個電子設備3的各個部分,及執行所述電子設備3的作業系統以及安裝的各類應用程式、程式碼等。
所述處理器32執行所述電子設備3的作業系統以及安裝的各類應用程式。所述處理器32執行所述應用程式以實現上述各個植物生長曲線確定方法實施例中的步驟,例如圖1所示的步驟。
示例性的,所述電腦程式可以被分割成一個或多個模組/單元,所述一個或者多個模組/單元被存儲在所述記憶體31中,並由所述處理器32執行,以完成本申請。所述一個或多個模組/單元可以是能夠完成特定功能的一系列電腦程式指令段,該指令段用於描述所述電腦程式在所述電子設備3中的執行過程。例如,所述電腦程式可以被分割成獲取模組201、處理模組202、檢測模組203、確定模組204。
所述記憶體31可用於存儲所述電腦程式和/或模組,所述處理器32透過運行或執行存儲在所述記憶體31內的電腦程式和/或模組,以及調用存儲在記憶體31內的資料,實現所述電子設備3的各種功能。所述記憶體31可主要包括存儲程式區和存儲資料區,其中,存儲程式區可存儲作業系統、至少一個功能所需的應用程式(比如聲音播放功能、圖像播放功能等)等;存儲資料區可存儲根據電子設備的使用所創建的資料等。此外,記憶體31可以包括非易失性記憶體,例如硬碟、記憶體、插接式硬碟,智慧存儲卡(Smart Media Card,SMC),安全數位(Secure Digital,SD)卡,快閃記憶體卡(Flash Card)、至少一個磁碟記憶體件、快閃記憶體器件、或其他非易失性固態記憶體件。
所述記憶體31可以是電子設備3的外部記憶體和/或內部記憶體。進
一步地,所述記憶體31可以是具有實物形式的記憶體,如記憶體條、TF卡(Trans-flash Card)等等。
所述電子設備3集成的模組/單元如果以軟體功能單元的形式實現並作為獨立的產品銷售或使用時,可以存儲在一個電腦可讀取存儲媒體中。基於這樣的理解,本申請實現上述實施例方法中的全部或部分流程,也可以透過電腦程式來指令相關的硬體來完成,所述的電腦程式可存儲於一電腦可讀存儲媒體中,該電腦程式在被處理器執行時,可實現上述各個方法實施例的步驟。
其中,所述電腦程式包括電腦程式代碼,所述電腦程式代碼可以為原始程式碼形式、物件代碼形式、可執行檔或某些中間形式等。所述電腦可讀媒體可以包括:能夠攜帶所述電腦程式代碼的任何實體或裝置、記錄媒體、隨身碟、移動硬碟、磁片、光碟、電腦記憶體、唯讀記憶體(Read-Only Memory,ROM)。
結合圖1,所述電子設備3中的所述記憶體31存儲多個指令以實現一種植物生長曲線確定方法,所述處理器32可執行所述多個指令從而實現:獲取不同時間點的待檢測植物的彩色圖像及深度圖像;將所述彩色圖像與所述深度圖像進行對齊處理,得到對齊圖像;利用預先訓練完成的目標檢測模型檢測所述彩色圖像,得到目標邊界框,其中,所述目標邊界框框選所述待檢測植物;計算所述目標邊界框在所述彩色圖像中的面積比;根據所述對齊圖像確定所述目標邊界框中所有圖元點的深度值;對所述深度值進行去噪處理,得到目標深度值;根據所述目標深度值和相應的時間點生成所述植物的第一生長曲線,以及根據所述面積比和相應的時間點生成所述植物的第二生長曲線。
具體地,所述處理器32對上述指令的具體實現方法可參考圖1對應實施例中相關步驟的描述,在此不贅述。
在本申請所提供的幾個實施例中,應該理解到,所揭露的系統,裝置和方法,可以透過其它的方式實現。例如,以上所描述的裝置實施例僅僅是示意性的,例如,所述模組的劃分,僅僅為一種邏輯功能劃分,實際實現時可以有另外的劃分方式。
所述作為分離部件說明的模組可以是或者也可以不是物理上分開的,作為模組顯示的部件可以是或者也可以不是物理單元,即可以位於一個地方,或者也可以分佈圖像到多個網路單元上。可以根據實際的需要選擇其中的部分或者全部模組來實現本實施例方案的目的。
另外,在本申請各個實施例中的各功能模組可以集成在一個處理單元中,也可以是各個單元單獨物理存在,也可以兩個或兩個以上單元集成在一個單元中。上述集成的單元既可以採用硬體的形式實現,也可以採用硬體加軟體功能模組的形式實現。
對於本領域技術人員而言,顯然本申請不限於上述示範性實施例的細節,而且在不背離本申請的精神或基本特徵的情況下,能夠以其他的具體形式實現本申請。因此,無論從哪一點來看,均應將實施例看作是示範性的,而且是非限制性的,本申請的範圍由所附請求項而不是上述說明限定,因此旨在將落在請求項的等同要件的含義和範圍內的所有變化涵括在本申請內。不應將請求項中的任何附關聯圖標記視為限制所涉及的請求項。此外,顯然“包括”一詞不排除其他單元或步驟,單數不排除複數。系統請求項中陳述的多個單元或裝置也可以由一個單元或裝置透過軟體或者硬體來實現。第二等詞語用來表示名稱,而並不表示任何特定的順序。
最後應說明的是,以上實施例僅用以說明本申請的技術方案而非限制,儘管參照較佳實施例對本申請進行了詳細說明,本領域的普通技術人員應
當理解,可以對本申請的技術方案進行修改或等同替換,而不脫離本申請技術方案的精神和範圍。
S10~S16:步驟
Claims (10)
- 一種由植物生長曲線確定裝置實施之植物生長曲線確定方法,其中,所述植物生長曲線確定方法包括:獲取不同時間點的待檢測植物的彩色圖像及深度圖像;將所述彩色圖像與所述深度圖像進行對齊處理,得到對齊圖像;獲取樣本植物彩色圖像,基於所述樣本植物彩色圖像訓練神經網絡模型,獲得目標檢測模型;將所述彩色圖像輸入所述目標檢測模型,利用所述目標檢測模型檢測所述彩色圖像,得到目標邊界框,其中,所述目標邊界框框選所述待檢測植物;計算所述目標邊界框在所述彩色圖像中的面積比;根據所述對齊圖像確定所述目標邊界框中所有圖元點的深度值;比對所述目標邊界框中的圖元點的深度值與預設深度值,基於比對結果對所述深度值進行去噪處理,得到目標深度值;根據所述目標深度值和相應的時間點生成所述植物的第一生長曲線,以及根據所述面積比和相應的時間點生成所述植物的第二生長曲線。
- 如請求項1所述的植物生長曲線確定方法,其中,生成所述第一生長曲線的方法包括:建立第一直角座標系;根據所述目標深度值和相應的時間點在所述第一直角座標系中確定多個第一目標座標點;連接所述多個第一目標座標點得到所述第一生長曲線。
- 如請求項1所述的植物生長曲線確定方法,其中,生成所述第二生長曲線的方法包括:建立第二直角座標系; 根據所述面積比和相應的時間點在所述第二直角座標系中確定多個第二目標座標點;連接所述多個第二目標座標點得到所述第二生長曲線。
- 如請求項1所述的植物生長曲線確定方法,其中,所述將所述彩色圖像與所述深度圖像進行對齊處理,得到對齊圖像包括:獲取所述深度圖像上的深度圖元點;將所述深度圖元點與第一矩陣相乘,得到所述深度圖元點在深度攝像頭座標系中的深度座標;將所述深度圖元點的深度座標與第二矩陣相乘,得到所述深度圖元點在世界座標系中的世界座標;將所述深度圖元點的世界座標與第三矩陣相乘,得到所述深度圖元點在彩色攝像頭座標系中的彩色座標;將所述深度圖元點的彩色座標系中的彩色座標與第四矩陣相乘,得到所述深度圖元點在彩色圖像中的圖元點;根據所述圖元點得到所述對齊圖像。
- 如請求項4所述的植物生長曲線確定方法,其中,所述第一矩陣為深度攝像頭的內參矩陣的逆矩陣,所述第二矩陣為深度攝像頭座標系轉換到世界座標系的外參矩陣,所述第三矩陣為世界座標系轉換到彩色攝像頭座標系的外參矩陣,所述第四矩陣為彩色攝像頭的內參矩陣。
- 如請求項1所述的植物生長曲線確定方法,其中,所述計算所述目標邊界框在所述彩色圖像中的面積比包括:計算所述彩色圖像的面積;計算所述目標邊界框的面積;根據所述目標邊界框的面積以及所述彩色圖像的面積確定所述面積比。
- 如請求項1所述的植物生長曲線確定方法,其中,所述基於比對結果對所述深度值進行去噪處理,得到目標深度值包括:若所述圖元點的深度值不等於所述預設深度值,將所述圖元點的深度值設定為所述目標深度值;或若所述圖元點的深度值等於所述預設深度值,設定所述圖元點的深度值為雜訊點,並且刪除所述雜訊點。
- 一種植物生長曲線確定裝置,運行於電子設備中,其中,所述植物生長曲線確定裝置包括:獲取模組,獲取不同時間點的待檢測植物的彩色圖像及深度圖像;處理模組,將所述獲取模組獲取的彩色圖像與所述深度圖像進行對齊處理,得到對齊圖像;檢測模組,獲取樣本植物彩色圖像,基於所述樣本植物彩色圖像訓練神經網絡模型,獲得目標檢測模型;將所述彩色圖像輸入所述目標檢測模型,利用所述目標檢測模型檢測所述獲取模組獲取的彩色圖像,得到目標邊界框,其中,所述目標邊界框框選所述待檢測植物;確定模組,計算所述檢測模組得到的目標邊界框在所述獲取模組獲取的彩色圖像中的面積比;所述確定模組,還比對所述目標邊界框中的圖元點的深度值與預設深度值,基於比對結果根據所述處理模組獲取的對齊圖像確定所述檢測模組得到的目標邊界框中所有圖元點的深度值;所述處理模組,還對所述確定模組得到的深度值進行去噪處理,得到目標深度值; 所述確定模組,還根據所述確定模組獲取的目標深度值和相應的時間點生成所述植物的第一生長曲線,以及根據所述確定模組獲取的面積比和相應的時間點生成所述植物的第二生長曲線。
- 一種電子設備,其中,所述電子設備包括:記憶體,存儲至少一個指令;及處理器,執行所述記憶體中存儲的指令以實現如請求項1至請求項7中任意一項所述的植物生長曲線確定方法。
- 一種電腦可讀存儲媒體,其中:所述電腦可讀存儲媒體中存儲有至少一個指令,所述至少一個指令被電子設備中的處理器執行以實現如請求項1至請求項7中任意一項所述的植物生長曲線確定方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW110101168A TWI755250B (zh) | 2021-01-12 | 2021-01-12 | 植物生長曲線確定方法、裝置、電子設備及存儲媒體 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW110101168A TWI755250B (zh) | 2021-01-12 | 2021-01-12 | 植物生長曲線確定方法、裝置、電子設備及存儲媒體 |
Publications (2)
Publication Number | Publication Date |
---|---|
TWI755250B true TWI755250B (zh) | 2022-02-11 |
TW202228079A TW202228079A (zh) | 2022-07-16 |
Family
ID=81329509
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW110101168A TWI755250B (zh) | 2021-01-12 | 2021-01-12 | 植物生長曲線確定方法、裝置、電子設備及存儲媒體 |
Country Status (1)
Country | Link |
---|---|
TW (1) | TWI755250B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109978904A (zh) * | 2019-03-19 | 2019-07-05 | 南开大学 | 基于图像技术的挺水植物生长信息提取方法 |
CN111862194A (zh) * | 2020-08-04 | 2020-10-30 | 江苏云脑数据科技有限公司 | 基于计算机视觉的深度学习植物生长模型分析方法及*** |
-
2021
- 2021-01-12 TW TW110101168A patent/TWI755250B/zh active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109978904A (zh) * | 2019-03-19 | 2019-07-05 | 南开大学 | 基于图像技术的挺水植物生长信息提取方法 |
CN111862194A (zh) * | 2020-08-04 | 2020-10-30 | 江苏云脑数据科技有限公司 | 基于计算机视觉的深度学习植物生长模型分析方法及*** |
Also Published As
Publication number | Publication date |
---|---|
TW202228079A (zh) | 2022-07-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10205896B2 (en) | Automatic lens flare detection and correction for light-field images | |
US20230214989A1 (en) | Defect detection method, electronic device and readable storage medium | |
CN111383204A (zh) | 视频图像融合方法、融合装置、全景监控***及存储介质 | |
US20230146924A1 (en) | Neural network analysis of lfa test strips | |
CN114820758A (zh) | 植物生长高度测量方法、装置、电子设备及介质 | |
CN111161348B (zh) | 一种基于单目相机的物***姿估计方法、装置及设备 | |
CN114677319A (zh) | 干细胞分布确定方法、装置、电子设备及存储介质 | |
TWI755250B (zh) | 植物生長曲線確定方法、裝置、電子設備及存儲媒體 | |
US11972562B2 (en) | Method for determining plant growth curve and electronic device | |
CN113506343B (zh) | 基于多源数据的色坐标估计方法、***、设备及介质 | |
CN109035306A (zh) | 动目标自动检测方法及装置 | |
TWI795708B (zh) | 植物生長高度確定方法、裝置、電腦裝置及介質 | |
TWI792827B (zh) | 產品外觀缺陷檢測方法、電腦設備及儲存介質 | |
TWI762152B (zh) | 植物高度確定方法、裝置、電腦裝置及介質 | |
TWI771255B (zh) | 瑕疵檢測方法及裝置、電腦設備及儲存介質 | |
TWI759069B (zh) | 植物生長高度測量方法、裝置、電腦裝置及介質 | |
TWI807854B (zh) | 瑕疵偵測方法、電腦設備及儲存介質 | |
TWI748823B (zh) | 細胞數量檢測方法、裝置、電子設備及存儲媒體 | |
TWI831176B (zh) | 影像處理方法、裝置、電腦裝置及儲存介質 | |
TWI810945B (zh) | 瑕疵檢測方法、電腦設備及儲存介質 | |
TWI798098B (zh) | 三維目標檢測方法、電子設備及計算機可讀存儲媒體 | |
CN111325670A (zh) | 一种数据增强方法、装置及电子设备 | |
CN112967398B (zh) | 一种三维数据重建方法、装置及电子设备 | |
TWI831552B (zh) | 圖像識別模型訓練方法、圖像深度識別方法及相關設備 | |
Barakat et al. | Minimal capture sets for multi-exposure enhanced-dynamic-range imaging |