面向玉米果穗考种测量的图像标定方法

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。

基于机器视觉的大田环境小麦麦穗计数方法

基于机器视觉技术研究了一种低成本、针对局部小范围的小麦麦穗计数方法。通过部署的田间摄像头采集大田环境下小麦麦穗低分辨率群体图像,实现了复杂大田环境下小麦麦穗图像的降噪增强处理;提取麦穗的颜色、纹理特征,采用SVM学习的方法,精确提取小麦麦穗轮廓,同时构建麦穗特征数据库,对麦穗的二值图像细化得到麦穗骨架;最后通过计算麦穗骨架的数量以及麦穗骨架有效交点的数量,即可得到图像中麦穗的数量。经过2014年5月和2015年5月在方城县赵河镇示范区的试验测试,以小麦麦穗图像640像素×480像素(约250穗)为例,小麦麦穗计数平均耗时1.7 s,准确率达到93.1%,满足大田环境下小麦麦穗计数要求,可以为小麦估产提供可靠的参考数据。