转化立项项目 您的位置:首页>转化项目 > 转化立项项目 >

作物叶片三维视频图像采集分析装备

发布时间:2018-10-30 20:32:36


立项依据
现代农业管理希望快速获取作物长势与病虫害等信息; 以便做出变量施肥、喷药等管理决策,实现精准生产。
叶片图像对作物状态的鉴别具有极其重要的意义。通过叶片图像可以观测作物的长势情况;叶片图像能够获取作物的叶面积、生物量、植物营养胁迫、病虫害、株高及生长率等。
研制作物叶片三维视频图像的采集与自动分析设备,具有重要的理论价值和实际应用价值。
科技成果转化的内容
1、电动推车采集的作物视频图像的去背景
(1)以电动推车田间行走并使用Kinect2.0 大范围采集高清作物彩色图像与三维视频图像。
(2)剔除采集的视频图像中的土壤、杂草等背景,仅保留作物的三维视频图像。
2、作物视频图像的叶片自动识别
叶片数量繁多、叶片间易重叠、叶片分布凌乱、叶片间界线不明显以及枝干影响等原因,将图像中的各个叶片识别出来是件非常艰巨的任务。项目通过作物叶片骨架自动识别方法自动识别各个叶片。
3、作物视频图像叶片自动分割方法
在三维作物视频图像中各叶片骨架识别的基础上,依据叶片骨架的位置、叶片骨架的方向、叶片边界模型和叶片三维信息实现各叶片的自动分割。
4、作物叶片三维视频图像采集分析装备
(1)以Kinect 2.0、HP ProDesk、速度可控电动推车、高度可调采集架集成作物叶片三维视频图像采集分析装备。
(2)能够满足田间采集三维视频图像,并能够在设备内完成视频图像去背景、作物叶片识别、三维叶片分割等计算。
(3)用户能够从设备获得三维作物图像、叶片分割结果以及株数、株高等信息,为作物长势与病虫害分析提供依据。
科技成果转化的实施方案
1、电动推车采集的作物视频图像的去背景
(1)土壤等非绿色背景采用颜色分割方法;
(2)杂草等背景采用叶片光滑度、三维尺度信息(叶片宽度、长度等)去除方法。
2、作物视频图像的叶片自动识别
申请人提出了基于叶片骨架亮度的近线性特征的叶片自动识别方法,已能够从复杂的作物图像中自动识别出叶片。本项目将结合三维信息,提高精度。
3、作物视频图像叶片自动分割方法
我们已建立了叶片主动形状模型,并用实验证实基于叶片骨架,ASM可以自动分割各个叶片。本项目将结合Kinect三维信息提高精度与鲁棒性。
4、作物叶片三维视频图像采集分析装备
(1)现有的电动割草推车已实现速度可控,将进一步改进电动推车,使其左右轮子宽度可调,满足不同作物间距不同的田间行走要求;
(2)搭建可升降杆件(杆件携带Kinect),满足不同高度作物采集视频图像要求;
(3)搭建放置HP ProDesk和显示器平台,安装视频图像采集分析软件系统,在设备内实现视频图像的采集与分析,用户可从设备输出结果。
创新点
1、目前基于图像的长势与病虫害分析的叶片主要采集单叶片,本项目将用移动推车大范围采集叶片;
2、目前人们研究的叶片大多是静态叶片图像,还难以实现大范围作物叶片的自动分割。本项目将实现大范围作物图像的自动叶片分割,为长势与病虫害分析提供基础;
3、目前的人们对作物图像分析大多是针对二维图像,难以获得三维尺度信息。本项目通过kinect不仅采集高清彩色图像,也将采集生成彩色三维点云图像,可直接获得精准的株数、株高、叶面积等三维尺度信息。