基于分级阈值和多级筛分的玉米果穗穗粒分割方法
- 格式：pdf
- 大小：1.11 MB
- 文档页数：7
下载文档原格式
合集下载
基于可变形点云数据的玉米茎叶分割
1.创建包含428个标注的玉米植株点云数据库，为深度学习模型的有效应用提供足够 的数据扩充。
2.开发一种基于物理的点云变形方法，利用高度可控变形提高训练集形态多样性， 同时保留器官的局部几何特征。
3.在406个真实数据点上测试这些模型，其中PointNet++模型在语义分割中获得 91.93%的mIoU，而HAIS模型在实例分割中结果达93.74%的mAP。
Pointnet++语义分割模型
HAIS 实例分割模型
实例分割结果后续处理
HAIS模型倾向于欠分割，常常将相邻的叶片合并为一个实例。通过识别标 记值为0的区域或超过一定阈值的点云数量来识别欠分割区域。对于欠分割的 点云，DFSP能够快速定位和分割玉米植物中的器官，应用DFSP进行进一步分 割。
玉米植株形态的模拟:(A)倒伏姿态，(B)特别改变一片叶子的倾角，(C)将一片叶子变成破 碎的一片。注:在每株植物中，属于同一器官实例的点用相同的颜色表示，不同的器官用不同的 颜色表示。
03 结果与讨论
结果与讨论
本文构建包含428个标记的玉米植株点云数据库，所开发的基于物理变形 点云增强方法在保留器官的局部几何特征的同时能够有效提升训练数据的形 态多样性，通过深度学习模型PointNet++和HAIS训练拟合，结果显示， PointNet++模型在语义分割任务中实现了91.93%的mIoU，而HAIS模型 在实例分割任务中达到了93.74%的mAP。
本文所提出的方法具有普适性，研究聚焦于玉米茎叶分割，同时可扩展 至其他植物物种形态转换。本文提出的基于可变形点云数据的玉米茎叶分割 框架，为使用最少标记数据高效训练器官分割模型提供了一种新方法，有助 于加速玉米以及其他作物的品种改良和生长监测研究。
2.开发一种基于物理的点云变形方法，利用高度可控变形提高训练集形态多样性， 同时保留器官的局部几何特征。
3.在406个真实数据点上测试这些模型，其中PointNet++模型在语义分割中获得 91.93%的mIoU，而HAIS模型在实例分割中结果达93.74%的mAP。
Pointnet++语义分割模型
HAIS 实例分割模型
实例分割结果后续处理
HAIS模型倾向于欠分割，常常将相邻的叶片合并为一个实例。通过识别标 记值为0的区域或超过一定阈值的点云数量来识别欠分割区域。对于欠分割的 点云，DFSP能够快速定位和分割玉米植物中的器官，应用DFSP进行进一步分 割。
玉米植株形态的模拟:(A)倒伏姿态，(B)特别改变一片叶子的倾角，(C)将一片叶子变成破 碎的一片。注:在每株植物中，属于同一器官实例的点用相同的颜色表示，不同的器官用不同的 颜色表示。
03 结果与讨论
结果与讨论
本文构建包含428个标记的玉米植株点云数据库，所开发的基于物理变形 点云增强方法在保留器官的局部几何特征的同时能够有效提升训练数据的形 态多样性，通过深度学习模型PointNet++和HAIS训练拟合，结果显示， PointNet++模型在语义分割任务中实现了91.93%的mIoU，而HAIS模型 在实例分割任务中达到了93.74%的mAP。
本文所提出的方法具有普适性，研究聚焦于玉米茎叶分割，同时可扩展 至其他植物物种形态转换。本文提出的基于可变形点云数据的玉米茎叶分割 框架，为使用最少标记数据高效训练器官分割模型提供了一种新方法，有助 于加速玉米以及其他作物的品种改良和生长监测研究。
基于机器视觉的玉米异常果穗筛分方法
基于机器视觉的玉米异常果穗筛分方法张帆;李绍明;刘哲;朱德海;王越;马钦【期刊名称】《农业机械学报》【年(卷),期】2015(0)S1【摘要】针对玉米品种制种过程中病害果穗的表型识别问题,以玉米果穗整体为研究对象,基于二维快速成像技术实现了霉变、虫蛀和机械损伤3种异常果穗的快速分选。
构建了单目视觉便携式图像采集装置,采集了任意摆放的粘连果穗目标图像,分别在RGB模型和HIS模型中提取了玉米果穗的6个颜色特征和5个纹理特征,并实现特征参数的归一化。
构建了病害果穗分类模型,并采用已知样本特征向量对支持向量机和BP神经网络方法进行训练和对比分析,最后采用支持向量机方法实现了3种异常果穗的快速分选。
实验结果表明,该方法对霉变异常果穗筛分的正确率可达96.0%,虫蛀果穗筛分的正确率可达93.3%,机械损伤果穗筛分的正确率可达90.0%。
【总页数】5页(P45-49)【关键词】玉米异常果穗;机器视觉;筛分;图像处理【作者】张帆;李绍明;刘哲;朱德海;王越;马钦【作者单位】中国农业大学信息与电气工程学院;中国农业大学农业部农业信息获取技术重点实验室【正文语种】中文【中图分类】TP391.41【相关文献】1.基于机器视觉的玉米果穗产量组分性状测量方法 [J], 周金辉;马钦;朱德海;郭浩;王越;张晓东;李绍明;刘哲2.基于分级阈值和多级筛分的玉米果穗穗粒分割方法 [J], 杜建军;郭新宇;王传宇;肖伯祥;吴升3.基于机器视觉的玉米果穗参数的图像测量方法 [J], 刘长青;陈兵旗4.预防玉米果穗异常的方法 [J], 王彬; 胡安胜5.基于机器视觉的玉米果穗性状参数测量方法研究 [J], 吴刚;吴云帆;陈度;李宝胜;郑永军因版权原因，仅展示原文概要，查看原文内容请购买。
基于稀疏表示算法的高通量玉米果穗粒型识别系统
1
1.1
硬件系统设计及试验材料
中 农业大学基本科研业 费 项 公益性行业 农业 科研 项 研究方向 像处理
作物育种材料农艺性状信息高通量获取 辅 筛 技术 作者简介 马 钦 博士 副教 中 农业大学信息 电气工程学院 100083
Email: sockline@
系统硬件 成 玉米果穗几何形态是 维旋转体 单幅 像 能记 录全部果穗的籽粒信息 本文设 使用 落抓拍法获得 果穗全方 像 本系统 像采 装置 暗箱 光源 工业相机 硬 具体型 参数如 暗箱 800 mm× 800 mm×350 mm 3 个同 水 面互 120°角的工业相 机 DH-SV2001GC 网络接口 辨率 1 6281 236 像素 1 采 装置示意 本文采 果穗 像方式是 对竖直 落玉米果穗 像 行 3 个角度抓拍 果穗 度较快 需要借 高 工业相机 曝光时间短 需要
第 33 卷 2017
增刊 1 2
农 业 工 程 学 报 Transactions of the Chinese Society of Agricultural Engineering
Vol.33 Supp.1 Feb. 2017
219
基于稀疏表示算法的高通量玉米果穗粒型识别系统
马 钦 1,2※，王 越 1，郭 浩 1,2，朱德海 1,2，刘 哲 1，张晓东 1，李绍明 1
1. 中 农业大学信息 电气工程学院 京 100083 2. 农业部农业信息获取技术重点实验室 京 100083
摘 要：玉米籽粒粒型是评估玉米产量和品质的重要表型参数之 了提高籽粒粒型的识别率 同时满足高通量以及 无损测量的要求 该文以果穗整体 研究对象 基于稀疏表示的方法构建了高通量玉米果穗籽粒粒型识别系统 果穗未 脱粒 以 落抓拍法硬 采 采 3 种 同粒型 硬粒型 马齿型 半马齿型 的玉米穗 像 首先使用帧差法 获取果穗轮廓 再通过 G 通道 离 OTSU 算法 最大类间方差法 得到籽粒轮廓信息 提取籽粒部 颜 形状 纹 理特征作 类依据 每种粒型取 200 粒作 训 样本构 稀疏表示算法的判别 典 对每 个测试样本 算稀疏表示 系数 根据最小重构误差判定籽粒粒型类别 结果表明 该方法 需要传统的果穗脱粒再 行籽粒类型统 识别 确 率达到 94.8% 测量 度达到 28 穗/min 大大提高了玉米粒型统 的效率 关键词：识别；机器视觉；图像处理；稀疏表示；玉米果穗粒型；高通量 doi 10.11975/j.issn.1002-6819.2017.z1.033 中图分类号：TP391 文献标志码：A 文章编号：1002-6819(2017)-Supp.1-0219-06 马 钦 王 越 郭 浩 朱德海 刘 哲 张晓东 李绍明. 基于稀疏表示算法的高通量玉米果穗粒型识别系统[J]. 农 业工程学报 2017 33(增刊 1)：219 224. doi 10.11975/j.issn.1002-6819.2017.z1.033 Ma Qin, Wang Yue, Guo Hao, Zhu Dehai, Liu Zhe, Zhang Xiaodong, Li Shaoming. High-throughput maize grain type identification system based on sparse representation algorithm[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2017, 33(Supp.1): 219 224. (in Chinese with English abstract) doi 10.11975/j.issn.1002-6819.2017.z1.033
面向玉米果穗考种测量的图像标定方法
面向玉米果穗考种测量的图像标定方法段熊春;周金辉;王思嘉【期刊名称】《农机化研究》【年(卷),期】2014(000)001【摘要】研究了一种适合户外环境下测量玉米果穗考种特征的图像标定方法。
该标定方法基于二项分布，消除了采集图像数据中的误差数据（噪声、断线），并用最小二乘法拟合标定系统参数。
测试结果表明，该系统可以在光照环境较差条件下获得较高的标定精度，适合选作玉米果穗考种测量系统的标定。
%The paper proposes a new image calibration method which based on two distribution and the least squares .The calibration method using binomial distribution theory , eliminate the original data for the Error data ( Noise , break ) , and the least squares fitting calibration system parameters .The calibration system test shows that the computing accuracy can satisfy the need of corn measurement system under the poor light environment outdoor .It’ s suitable for the calibration of corn measurement system .【总页数】4页(P76-79)【作者】段熊春;周金辉;王思嘉【作者单位】中国农业大学信息与电气工程学院，北京 100083;中国农业大学信息与电气工程学院，北京 100083;中国农业大学信息与电气工程学院，北京100083【正文语种】中文【中图分类】TP391.41【相关文献】1.基于全景图像的玉米果穗流水线考种方法及系统 [J], 杜建军;郭新宇;王传宇;肖伯祥2.基于多相机成像的玉米果穗考种参数高通量自动提取方法 [J], 宋鹏;张晗;罗斌;侯佩臣;王成3.基于机器视觉的玉米果穗参数的图像测量方法 [J], 刘长青;陈兵旗4.采用全景技术的机器视觉测量玉米果穗考种指标 [J], 王传宇;郭新宇;吴升;肖伯祥;杜建军5.基于单幅图像的玉米果穗数量性状测量方法 [J], 高启;李毅念;金典;龚成杰;范亮亮;李刘阳洋因版权原因，仅展示原文概要，查看原文内容请购买。
基于TRIZ的玉米果穗分配器优化设计和仿真试验
基于TRIZ的玉米果穗分配器优化设计和仿真试验
田钰瑄;刘本东;李峰军;高鸣;李雷雷;高国华
【期刊名称】《农机化研究》
【年(卷),期】2022(44)8
【摘要】玉米果穗分配器是玉米收获机中剥皮机的重要组成部分,直接决定了玉米果穗的分配效果和剥皮胶辊的使用寿命。
为此,针对玉米收获机剥皮阶段中分配器分配不均、剥皮胶辊磨损严重等问题,基于TRIZ理论对现有玉米果穗分配器进行优化设计,并对玉米果穗受力分析,确定了影响玉米果穗下落的几个主要参数。
运用EDEM仿真软件进行了100组仿真实验,运用DPSv7.05对实验数据进行数据拟合,得出影响参数与分配均匀度之间的解析关系,确定最优工作参数,即导板间夹角
θ=37°,螺纹滚轴转速n=115r/min,螺纹间距L=64mm。
实验结果表明:玉米果穗分配基本均匀且效果稳定,验证了优化设计的可行性。
研究结果可为解决物体分配不均问题提供参考。
【总页数】8页(P169-176)
【作者】田钰瑄;刘本东;李峰军;高鸣;李雷雷;高国华
【作者单位】北京工业大学机械工程及应用电子技术学院;中国一拖集团有限公司【正文语种】中文
【中图分类】S229.1
【相关文献】
1.玉米果穗剥皮的运动仿真与高速摄像试验
2.基于TRIZ理论的玉米果穗分配装置创新设计
3.鲜食玉米果穗收获负压除杂装置参数优化与试验
4.玉米果穗收获机虚拟收获设计与仿真试验
5.玉米果穗-籽粒联动干燥装备设计与试验
因版权原因，仅展示原文概要，查看原文内容请购买。
基于机器视觉的玉米果穗产量组分性状测量方法
及行粒数的零误差率在 ９ ３ ％以上 ， 测 量速 度可达 ３ ０穗／ ａｉ ｒ ｎ以上 ，能够满足高通量考种 的需求 ，特别是保 留了原始果穗考
种材 料实现无损测量 ，对于实现高通量考种及精细化育种有重要 的参考价值。
关键 词 ： 机 器 视 觉 ； 图像 处 理 ； 无 损 检 测 ； 玉米 ；种 子 ；穗 行 数 ；行 粒 数 ｄ ｏ ｉ ：１ ０ ． ３ ９ ６ ９ ￣ ． ｉ ｓ ｓ ｎ ． １ ０ ０ ２ — ６ ８ １ ９ ． ２ ０ １ ５ ． ０ ３ ． ０ ２ ９ 中图分类号 ：Ｔ Ｐ ３ ９ １ ． ４ １ 文献标志码 ：Ａ
Ｚ ｈ ｏ ｕ Ｊ ｉ ｎ ｈ ｕ ｉ ， Ｍａ Ｑｉ ｎ ， Ｚ ｈ ｕ Ｄ ｅ ｈ ａ ｉ ， ｅ ｔ ａ １ ． Ｍｅ ａ ｓ ｕ ｒ ｅ ｍｅ ｎ ｔ ｍｅ ｈｏ ｔ ｄ ｆ ｏ ｒ ｙ ｉ ｅ ｌ ｄ ｃ ｏ ｍｐ ｏ ｎ ｅ ｎ ｔ ｔ ｒ ａ ｉ ｔ ｓ ｏ ｆ ｍａ ｉ ｚ ｅ ｂ ａ ｓ ｅ ｄ ｏ ｎ ｍａ ｃ ｈ ｉ ｎ ｅ ｖ ｉ ｓ ｉ ｏ ｎ ［ Ｊ ］ ． Ｔ ｒ ａ ｎ ｓ ａ ｃ ｔ ｉ ｏ ｎ ｓ ｏ ｆ ｔ ｈ ｅ Ｃ ｈ ｉ ｎ ｅ ｓ ｅ Ｓ ｏ ｃ ｉ ｅ ｙ ｔ ｏ ｆ Ａｇ ｒ ｉ ｃ ｕ ｌ ｔ ｕ ｒ ａ ｌ Ｅ ｎ ｇ ｉ ｎ ｅ ｅ ｒ ｉ ｎ ｇ（ Ｔ ｒ ａ ｎ ｓ ａ ｃ ｔ ｉ ｏ ｎ ｓ ｏ ｆ ｈｅ ｔ Ｃ Ｓ Ａ Ｅ ） ， ２ ０ １ ５ ， ３ １ （ ３ ） ： ２ ２ １ －２ ２ ７ ． （ ｉ ｎ Ｃ ｈ ｉ ｎ ｅ ｓ ｅ ｗｉ ｈ ｔ Ｅ ｎ ｇ ｌ ｉ ｓ ｈ ａ ｂ ｓ ｒ ｔ ａ ｃ ｔ ）
第 ３ １卷 第 ３ 期 ２０１ ５仨 农 业 工 程 学 报
Ｔ ｒ ａ ｎ ｓ ａ ｃ ｔ ｉ ｏ ｎ ｓ ｏ ｆ ｔ ｈ ｅ Ｃｈ ｉ ｎ ｅ ｓ ｅ Ｓ ｏ ｃ ｉ ｅ ｔ ｙ ｏ ｆ Ａｇ ｒ ｉ ｃ ｕ ｌ ｔ ｕ ｒ ａ ｌ Ｅ ｎ ｇ ｉ ｎ ｅ ｅ ｒ ｉ ｎ ｇ
基于 MATLAB 的玉米果穗颗粒统计方法
基于 MATLAB 的玉米果穗颗粒统计方法
梁文东;蒋益敏
【期刊名称】《江苏农业科学》
【年(卷),期】2015(000)002
【摘要】颗粒统计与自动识别检测在现代农业中发挥关键作用，玉米果穗品质好坏与颗粒多少呈正相关。
计算机技术特别是图像技术在玉米果穗中的应用多样化趋势明显，采用图像分割技术对玉米果穗进行颗粒统计能实现快速对玉米特征进行识别。
由于玉米果穗颗粒之间往往存在粘连现象，采用传统分水岭分割方法对玉米果穗进行分割就会导致不能对粘连区域实现良好分割。
而改进的分水岭分割算法，引入扩展极大值变换，既能避免过分割现象，又能实现对粘连区域的正确分割，本研究利用MATLAB对玉米果穗图像进行转换、灰度化、滤波降噪、区域增强等一系列处理后，采用改进的分水岭分割算法，准确实现玉米果穗颗粒统计。
【总页数】3页(P406-408)
【作者】梁文东;蒋益敏
【作者单位】广西农业职业技术学院广西南宁 530007;广西农业职业技术学院广西南宁 530007
【正文语种】中文
【中图分类】S126
【相关文献】
1.基于Matlab与Spss的统计方法与统计思维研究 [J], 李晶;付天舒;汝秀梅;王秋菊;马秀华
2.基于MATLAB的玉米果穗图像轮廓提取 [J], 梁文东
3.基于matlab的岩石表面裂纹统计方法 [J], 简文星;余锦风;任佳;熊亚萍
4.基于颗粒聚合体的玉米果穗建模方法 [J], 于亚军;周海玲;付宏;吴玄辰;于建群
5.基于颗粒识别分析系统的碎屑流堆积物颗粒识别和统计方法研究 [J], 陈达;许强;郑光;彭双麒;王卓;何攀
因版权原因，仅展示原文概要，查看原文内容请购买。
![一种小区玉米果穗考种中粘连玉米果穗分割方法及装置[发明专利]](https://uimg.taocdn.com/fc24899df46527d3250ce0b4.webp)
一种小区玉米果穗考种中粘连玉米果穗分割方法及装置[发明专利]
专利名称：一种小区玉米果穗考种中粘连玉米果穗分割方法及装置
专利类型：发明专利
发明人：马钦,张帆,李绍明,刘哲,郭浩,朱德海,张晓东,范梦扬,张亚,张秦川
申请号：CN201610202105.4
申请日：20160331
公开号：CN105894512A
公开日：
20160824
专利内容由知识产权出版社提供
摘要：本发明提供一种小区玉米果穗考种中粘连玉米果穗分割方法及装置，方法为：获取二维图像采集装置采集的小区玉米果穗的二维彩色图片，并处理成包括至少两个二值化子图像(以下称子图像)的二值化图片，获取任一子图像的空白轮廓图，计算空白轮廓图的周长和面积；根据周长和面积，计算子图像的粘连系数；若粘连系数≤预设值或面积≥预设值，生成图像和背景标注线；根据标注线和二值化图片，生成将子图像分割的掩膜，根据掩膜将子图像分割，获取子图像的轮廓图。
装置包括二值化处理单元，轮廓图获取单元，计算单元，标注线生成单元，掩膜生成单元和图像分割单元。
本发明速度快、效率高，可适用各种粘连的玉米果穗的考种，具有通用性。
申请人：中国农业大学
地址：100193 北京市海淀区圆明园西路2号
国籍：CN
代理机构：北京路浩知识产权代理有限公司
代理人：李相雨
更多信息请下载全文后查看。
基于多相机成像的玉米果穗考种参数高通量自动提取方法
基于多相机成像的玉米果穗考种参数高通量自动提取方法宋鹏;张晗;罗斌;侯佩臣;王成【期刊名称】《农业工程学报》【年(卷),期】2018(034)014【摘要】实现玉米果穗考种性状的准确、快速获取是提高玉米育种效率的关键环节.该文在前期设计的玉米高通量自动化考种装置基础上,提出了一种基于多相机的玉米果穗考种参数提取方法,通过4个等间隔均匀分布的摄像头同时获取果穗4个方向图像,针对每副图像分别经过背景去除、投影模型构建、籽粒跟踪、考种参数提取等处理,最后根据4副图像的处理结果,综合计算穗长、穗粗、平均粒厚、穗行数、行粒数、穗粒数等考种参数.在玉米高通量自动化考种装置的果穗考种模块上进行试验,结果表明,该文所提方法测得的穗长、穗粗、平均粒厚与人工方法测量值之间的决定系数R2分别为0.9973、0.984和0.9415,对穗行数、行粒数的测量精度分别为98.63％、95.35％,为玉米果穗考种参数提取提供了一种新思路,为高通量自动考种装置的实现奠定了基础.【总页数】7页(P181-187)【作者】宋鹏;张晗;罗斌;侯佩臣;王成【作者单位】北京农业信息技术研究中心,北京 100097;北京农业智能装备技术研究中心,北京 100097;北京农业信息技术研究中心,北京 100097;北京农业智能装备技术研究中心,北京 100097;北京农业信息技术研究中心,北京 100097;北京农业智能装备技术研究中心,北京 100097;北京农业信息技术研究中心,北京 100097;北京农业智能装备技术研究中心,北京 100097;北京农业智能装备技术研究中心,北京100097;国家农业智能装备工程技术研究中心,北京 100097【正文语种】中文【中图分类】TP242.6;TP391.4【相关文献】1.基于相机阵列获取元素图像的集成成像抗串扰参数设计 [J], 袁小聪;徐于萍;杨勇;赵星;步敬2.基于OpenCV的紫外成像检测量化参数提取方法 [J], 袁晓辉;孙林涛;李博3.基于改进蚁群算法的成像测井裂缝自动提取方法 [J], 彭诚;邹长春4.基于深度相机的玉米株型参数提取方法研究 [J], 宗泽;郭彩玲;张雪;马丽;刘刚;弋景刚5.空间相机成像配置参数自动测试 [J], 顾营迎;宁飞;董智萍;李载峰因版权原因，仅展示原文概要，查看原文内容请购买。
玉米果穗粘连籽粒图像分割方法
D A X B E C
图2 Fig． 2
模板 T Mask T来自因为本文处理的玉米籽粒的粘连凹点 （ 即谷口 点） 处在竖直方向分布， 所以仅将第一行像素点作 y ） 的（ 1 ， i） 位置处像素 为水源点。将标记图像 I i （ x， i ） = 1 。 按如下规则对 即令 I i （ 1 ， 标记为水源点 o i ， 水流进行生长标记 （ IF 后面的内容代表判断条件， THEN 后内容代表执行的操作， VA 、 为赋值符号， VC 、 VD 、 V E 分别代表模板 T 下方的距离图 I D （ x， VB 、 y） 相应位置处的像素值） 。 （ 1 ） IF V A = V B = V C = 0 THEN aa + 1 ， b b （ 2 ） IF V A ＜ V B ≤V C IF V D ＜ V A THEN aa， b b － 1 IF V D ≥V A THEN aa + 1 ， b b － 1 （ 3 ） IF V A ≥V B ＞ V C IF V E ＜ V A THEN aa， b b + 1
引言
计算机图像处理的第一步往往是对图像进行分 将研究对象从图像背景中分离出来 ， 随后进 割操作，
［1 ］ 行对象的特征提取并进行图像分析 。 在粮食籽 粒、 医学细胞等图像的处理中， 由于对象粘连、 重叠
作地形图， 数字图像中每一个像素的像素值代表其 位置的海拔高度， 并把地形学上的分水岭引入数字 图像中， 以分水岭（ 又叫分水线或山脊线 ） 作为图像 分割线。当雨水落到分水岭的一侧， 便会沿山坡向 下流动， 在山谷最低处汇集， 因此山谷线又称汇水 线， 谷地出口处的最低点称为谷口
Segmentation of connected components of
图2 Fig． 2
模板 T Mask T来自因为本文处理的玉米籽粒的粘连凹点 （ 即谷口 点） 处在竖直方向分布， 所以仅将第一行像素点作 y ） 的（ 1 ， i） 位置处像素 为水源点。将标记图像 I i （ x， i ） = 1 。 按如下规则对 即令 I i （ 1 ， 标记为水源点 o i ， 水流进行生长标记 （ IF 后面的内容代表判断条件， THEN 后内容代表执行的操作， VA 、 为赋值符号， VC 、 VD 、 V E 分别代表模板 T 下方的距离图 I D （ x， VB 、 y） 相应位置处的像素值） 。 （ 1 ） IF V A = V B = V C = 0 THEN aa + 1 ， b b （ 2 ） IF V A ＜ V B ≤V C IF V D ＜ V A THEN aa， b b － 1 IF V D ≥V A THEN aa + 1 ， b b － 1 （ 3 ） IF V A ≥V B ＞ V C IF V E ＜ V A THEN aa， b b + 1
引言
计算机图像处理的第一步往往是对图像进行分 将研究对象从图像背景中分离出来 ， 随后进 割操作，
［1 ］ 行对象的特征提取并进行图像分析 。 在粮食籽 粒、 医学细胞等图像的处理中， 由于对象粘连、 重叠
作地形图， 数字图像中每一个像素的像素值代表其 位置的海拔高度， 并把地形学上的分水岭引入数字 图像中， 以分水岭（ 又叫分水线或山脊线 ） 作为图像 分割线。当雨水落到分水岭的一侧， 便会沿山坡向 下流动， 在山谷最低处汇集， 因此山谷线又称汇水 线， 谷地出口处的最低点称为谷口
Segmentation of connected components of
基于遗传算法和阈值滤噪的玉米根茬行图像分割
玉米行间秸秆等复杂背景下，准确快速地分割出玉米根茬行，平均相对目标面积误差率为 24.68%，处理一幅 1 280 像素
×1 024 像素的彩色图像平均耗时为 0.16 s，具有较好的鲁棒性、实时性和准确性。研究结果验证了基于遗传算法和阈值滤
噪方法实现玉米利用联合收获机留茬收获后根茬行图像分割的可行性，并为玉米根茬行直线检测提供良好的基础。
关键词：图像分割；机器视觉；遗传算法；阈值滤噪；玉米根茬行
doi：10.11975/j.issn.1002-6819.2019.16.022
中图分类号：TP391.4
文献标志码：A
文ห้องสมุดไป่ตู้编号：1002-6819(2019)-16-0198-08
王春雷，卢彩云，陈婉芝，李洪文，何 进，王庆杰. 基于遗传算法和阈值滤噪的玉米根茬行图像分割[J]. 农业工程学 报，2019，35(16)：198－205. doi：10.11975/j.issn.1002-6819.2019.16.022 Wang Chunlei, Lu Caiyun, Chen Wanzhi, Li Hongwen, He Jin, Wang Qingjie. Image segmentation of maize stubble row based on genetic algorithm and threshold filtering noise[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2019, 35(16): 198－205. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2019.16.022
基于逐步改变阈值方法的玉米种子图像分割_张亚秋
使水均匀的从各盆地的底部渗出，当水填满盆地时，在 某两个或多个盆地之间修筑大坝。随着水位的不断上升， 各个盆地完全被水淹没，只剩下没被淹没的各个大坝即 为分水岭边界。
由于玉米种子形状不规则，因此使用分水岭变换导 致的过分割现象严重。本文通过分析分水岭算法产生过 分割的原因，提出了一种基于逐步改变阈值的分水岭变 换算法。
第 27 卷 第 7 期 200 2011 年 7 月
农业工程学报 Transactions of the CSAE
Vol.27 No.7 Jul. 2011
基于逐步改变阈值方法的玉米种子图像分割
张亚秋，吴文福※，王 刚
（吉林大学生物与农业工程学院，长春 130022）
摘 要：针对图像处理中玉米计数的问题，提出了基于逐步改变阈值的分水岭变换方法。首先，对二值图像进行欧氏距
阈值 T 的大小对图像的分割有很大影响。当选取较 小的 T 时，过分割现象被消除，但是图像中粘连严重的
基于固定阈值的分水岭变换算法的关键问题是如何 选取合适的阈值既能使图像中粘连的玉米互相分开，又 能保证单粒玉米不被过度分割。但是实际操作中寻找合 适的阈值 T 是非常困难的。 1.2.2 基于逐步改变阈值的分水岭分割算法
离变换，合并图像中灰度值大于或者等于初始阈值的区域，并通过分水岭算法初步分割图像。为避免单粒玉米被过度分
割，提取图像中单个种子区域存入结果图像。然后，判断去除单粒玉米后的图像是否为空；如果不为空，增大分割阈值
并重复上述操作。最后，统计目标图像中的玉米个数。对 50 幅种子数目 500 粒左右的图像进行处理，分割正确率为 97.7%，
分水岭变换前，需要人工构造梯度图像。对类圆物 体分割时，一般选择用距离变换的方法构造[17]。由于玉 米种子形状不规则，距离变换后内部通常有多个极大值， 从而导致图像的过度分割。
基于多阈值分割技术的玉米角质率定量测定方法研究
基于多阈值分割技术的玉米角质率定量测定方法研究刘双喜;傅生辉;王金星;范连祥;牟华伟;孟凡荣;张春庆【摘要】为解决人工测定玉米角质率工序复杂、精度低的问题,提出一种基于多段阈值分割技术的玉米角质率定量测定方法.通过对玉米籽粒进行纵剖染色处理,将玉米胚部与其他部位进行区分,然后对样本剖面图像进行预处理,并且利用多段阈值分割方法对玉米籽粒进行多次阈值分割,分别得到玉米角质区、粉质区图像,统计各区域像素数,得到各区域面积,计算可求得玉米角质率.试验表明,该方法测试速度优于人工测试,可达到3～ 10 min/100粒,且变异系数在2.0以下,方法稳定性好,面积误差可精确到每像素0.002 mm2,保证了测试的有效性.该方法操作简便且不受人为因素干扰,可为玉米角质率测定及玉米品质定级提供有效手段.【期刊名称】《中国粮油学报》【年(卷),期】2016(031)009【总页数】5页(P141-145)【关键词】玉米角质率;预处理;多段阈值分割;角质;粉质【作者】刘双喜;傅生辉;王金星;范连祥;牟华伟;孟凡荣;张春庆【作者单位】山东农业大学山东省园艺机械与装备重点试验室,泰安271018;山东农业大学机械与电子工程学院,泰安271018;山东农业大学山东省园艺机械与装备重点试验室,泰安271018;山东农业大学机械与电子工程学院,泰安271018;山东农业大学机械与电子工程学院,泰安271018;山东农业大学机械与电子工程学院,泰安271018;山东农业大学农学院,泰安271018【正文语种】中文【中图分类】TP391.4玉米不仅是人们的口粮和“饲料之王”，还是重要工业原料。
作为玉米重要的籽粒品质参数，玉米角质率不仅影响玉米保存、贮藏期限，而且决定了玉米加工品质的高低。
测定玉米角质率可实现对玉米品质的分级，对玉米种子和粮食的加工品质和商品品质具有重要影响。
但是，目前玉米角质率的测定方法还没有统一的标准［1-6］。
基于骨架的玉米植株三维点云果穗分割与表型参数提取
第37卷第6期农业工程学报 V ol.37 No.62021年3月Transactions of the Chinese Society of Agricultural Engineering Mar. 2021 295 基于骨架的玉米植株三维点云果穗分割与表型参数提取朱超，苗腾※，许童羽，李娜，邓寒冰，周云成（1. 沈阳农业大学信息与电气工程学院，沈阳 110866；2. 辽宁省农业信息化工程技术研究中心，沈阳 110866）摘要：当前三维点云处理技术难以在玉米植株点云上对果穗进行识别和表型参数提取。
针对该问题，该研究采用基于骨架的玉米植株器官分割流程对植株三维点云的果穗器官进行分割和表型参数提取。
首先，优化基于骨架的玉米植株茎叶分割方法，在成熟期植株点云上实现植株骨架的提取、器官子骨架的分解以及器官点云的分割；再根据器官高度、子骨架长度、圆柱特征和点云数量4个约束条件从器官点云中识别出果穗点云；最后提取果穗相关的表型参数。
试验结果表明，该研究方法对玉米果穗的识别率为91.3%；果穗点云分割的平均F1分数、精确度、召回率分别为0.73、0.82和0.70；穗位高、穗长、穗粗、株高穗位高比4个表型参数的提取值与人工实测值线性关系显著，决定系数分别为0.97、0.78、0.85和0.96，均方根误差分别为3.23 、4.98、 0.73 cm和0.07。
该研究方法具备提取果穗器官点云和表型参数的能力，可为玉米高通量表型检测、玉米三维重建等研究和应用提供技术支持。
关键词：植物；表型；机器视觉；玉米果穗；点云分割；骨架提取doi：10.11975/j.issn.1002-6819.2021.06.036中图分类号：TP391.4 文献标志码：A 文章编号：1002-6819(2021)-06-0295-07朱超，苗腾，许童羽，等. 基于骨架的玉米植株三维点云果穗分割与表型参数提取[J]. 农业工程学报，2021，37(6)：295-301. doi：10.11975/j.issn.1002-6819.2021.06.036 Zhu Chao, Miao Teng, Xu Tongyu, et al. Ear segmentation and phenotypic trait extraction of maize based on three-dimensional point cloud skeleton[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2021, 37(6): 295-301. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2021.06.036 0 引 言玉米是世界上最重要的粮食作物之一，其产量对保障全球粮食供应至关重要。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
Ｖｂ １ ． ３ ｌ ＮＯ ． １ ５
Ａｕｇ．２０１ ５
基 于分 级 阈值 和 多级 筛 分 的玉 米果 穗 穗 粒 分 割 方法
杜建 军，郭新 宇※ ，王传 宇 ， 肖伯祥 ，吴 升
（ １ ．北京市农林科学 院北京农业信息技术研究 中心 ，北京 １ ０ ０ ０ ９ ７ ；２ ．国家农业信息化工程技术研 究中心 ，北京 １ ０ ０ ０ ９ ７ ３ ．农业部农业信息技术重点实验 室，北京 １ ０ ０ ０ ９ ７ ） 摘 要：为 了有效克服果穗形状畸变和穗粒颜色差异对穗粒分割的影响，该文提出一种准确、鲁棒的玉米果穗穗粒分割
穗穗粒的精准分割，为玉米果穗 自动化考种 提供了基础方法。试验结果表明提出方法在穗粒分割准确性 和鲁 棒性 上具有 显 著优 势 ，平 均 计 算 效 率 达 １ ５ ｓ ／ 果穗 。
关键词：分 级；主成分分析 ；支持 向量机；玉米果穗 ；径 向畸变；分级 阈值
ｄ ｏ ｉ ：１ ０ ． １ １ ９ ７ ５ ￣ ． ｉ ｓ ｓ ｎ ． １ ０ ０ ２ — ６ ８ １ ９ ． ２ ０ １ ５ ． １ ５ ． ０ １ ９ 中图分 类号 ：Ｔ Ｐ ３ ９ １ ． ４ １ ：Ｓ １ ２ ６ 文献标志码：Ａ
１ ４ ０
第３ １ 卷 第 １ ５期 ２ ０ １ ５ 年 ８月
农 业 工 程 学 报
Ｔ ｒ ａ ｎ ｓ ａ ｃ ｉ ｔ ｏ ｎ ｓ ｏ ｆ ｔ ｈ ｅ Ｃ ｈ ｉ ｎ ｅ ｓ ｅ Ｓ ｏ ｃ ｉ ｅ ｔ ｙ ｏ ｆ Ａｇ ｉｃ ｒ ｕ ｌ ｔ ｕ ｒ ａ ｌ Ｅｎ ｇ ｉ ｎ ｅ ｅ ｉ ｒ ｎ ｇ
文章编号：１ ０ ０ ２ — ６ ８ １ ９ （ ２ ０ １ ５ ） 一 １ ５ — ０ １ ４ ０ — ０ ７
杜建军 ， 郭新宇 ， 王传宇 ， 肖伯祥 ， 吴
升．基于分级阈值和多级筛分的玉米果穗穗粒分 割方法 ［ Ｊ ］ ．农业 工程 学报 ， ２ ０ １ ５ ，
３ １ （ １ ５ ） ：１ ４ Ｏ 一１ ４ ６ ． ｄ ｏ ｉ ：１ ０ ． １ １ ９ ７ ５ ￣ ． ｉ ｓ ｓ ｎ ． １ ０ ０ ２ — ６ ８ １ ９ ． ２ ０ １ ５ ． １ ５ ． ０ １ ９ ｈ ｔ ｒ ｐ ： ／ ／ ｗ ｗｗ ． ｔ ｃ ｓ ａ ｅ ． ｏ ｒ ｇ Ｄ ｕ Ｊ ｉ ａ ｎ ｊ ｕ ｎ ， Ｇ ｕ ｏ Ｘｉ ｎ ｙ ｕ ， Ｗａ ｎ ｇ Ｃ ｈ ｕ ａ ｎ ｙ ｕ ， Ｘｉ ａ ｏ Ｂ ｏ ｘ ｉ ａ ｎ ｇ ， Ｗｕ Ｓ ｈ ｅ ｎ ｇ ． Ｓ ｅ ｇ ｍｅ ｎ ｔ ａ ｔ ｉ ｏ ｎ ｍｅ ｔ ｈ ｏ ｄ ｆ ｏ ｒ ｋ ｅ ｎｅ ｒ ｌ ｓ ｏ ｆ ｃ ｏ ｍ ｅ ａ ｒ ｂ ａ ｓ ｅ ｄ ｏ ｎ ｈ ｉ ｅ ｒ ｒｃ ａ ｈ ｉ ｃ ａ ｌ ｔ ｈ ｒ ｅ ｓ ｈ ｏ ｌ ｄ ａ ｎ ｄ ｍｕ ｌ ｉ ｔ — ｌ ｅ ｖ ｅ ｌ ｓ ｃ ｒ ｅ ｅ ｎ ｉ ｎ ｇ ［ Ｊ ］ ． Ｔ ｒ ａ ｎ ｓ ａ ｃ ｔ ｉ ｏ ｎ ｓ ｏ ｆ ｈｅ ｔ Ｃ ｈ ｉ ｎ ｅ ｓ ｅ Ｓ ｏ ｃ ｉ ｅ ｙ ｔ ｏ ｆ Ａｇ ｒ ｉ ｃ ｕ ｌ ｔ ｕ ｒ ａ ｌ Ｅ ｎ ｇ ｉ ｎ ｅ ｅ ｉ ｒ ｎ ｇ（ Ｔ ｒ ａ ｎ ｓ ａ ｃ ｔ ｉ ｏ ｎ ｓ ｏ ｆ ｈｅ ｔ Ｃ Ｓ Ａ Ｅ ） ， ２ ０ １ ５ ， ３ １ （ １ ５ ） ：１ ４ ０ —１ ４ ６ ． （ ｉ ｎ Ｃ ｈ ｉ ｎ ｅ ｓ ｅ ｗｉ ｔ ｈ Ｅ ｎ ｇ ｌ ｉ ｓ ｈ ａ ｂ ｓ ｔ ｒ ａ ｃ ｔ ）
ｈ ｔ ｔ ｐ： ／ ／ ｗｗｗ． ｔ ｃ ｓ ａ ｅ ． ｏ ｒ ｇ
ｄ ｏ ｉ ：１ ０ ． １ １ ９ ７ ５ ￣ ． ｉ ｓ ｓ ｎ ． １ ０ ０ ２ — ６ ８ １ ９ ． ２ ０ １ ５ ． １ ５ ． ０ １ ９
０ 引 言
利用 机器视觉和 图像分析技术进行 玉米果穗考种 已 成 为玉米育种和 品质检 测研 究的重要方法 ４ 】 ，不但能显 著 降低 人力成本 、提 高考种效率 ，而 且可 以生成统 一标 准 的分析 报告 。玉米果 穗 自动化考种一 般包括两步 ：获 取果穗 图像和果穗 图像 分析 。就 图像采 集而言 ，可 以结 合辅助设 备获取单张 、多张甚至连续 的玉米果穗 图像 。 基于 多张 和连续 图像 的果穗考种 ，是利 用果穗不 同侧 面 的信息来 重构和拟合果 穗表 面整体信息 ，样本 数据信 息 完整准确性 高，但面 临数据储 存和处理量大 ，相邻 图像 之间特 征匹配 ，图像拼接及全景图边界识 别等技术难题 ， 另外这类考种 系统往往 需要相 对复杂 的辅助机 械设备或 者多个摄像头来获取果穗不 同侧面 图像［ ５ 曲 】 。基于单张 图 像 的果穗性状计 算简单 、方便 、快捷 ，但利用 单张图像 所 蕴含的局部信 息来计算和推测 果穗整体参数 必然导致 结果准确性下 降， 往往 需结合其他估计模型进行校正［ ７ 培 ］ 。 整 体而言 ，基于 单张图像 的考种算 法是玉米果穗 自动化 考种技 术的核心 ，也 是基于多张 图像 进行果穗考种 的基
方法 。该方法利用果穗三维形状特征校正果穗径 向畸变 以最大程度恢复图像上果穗表面信息 ；采用分级闽值分割策略确
定粒 初次筛分，消除穗粒间粘连 效应 ；结合主成份分析和支 持向量 模 型完成穗粒的二次筛分，生成果穗表面穗 粒分布图。该方法整合了果穗径向畸变一分级阈值 一穗 粒多级筛分，实现 果
收稿 日期 ：２ ０ １ ５ — ０ ４ ． ０ ８
（ ２ ０ １ ２ ＢＡＤ３ ５ Ｂ０１ ）
础 ，因此 通过最大程度挖 掘果穗 图像 隐含信 息来提高考