基于分时重叠算法的欧洲甜樱桃表型关键特征区域图像分割方法

获取与描述植物表型是植物学与农学研究的一个核心命题,大规模植物表型试验在作物优良品种选育与栽培技术研究中发挥了重要作用。其中,计算机视觉相关技术正日益成为自动化获取植物表型数据的关键方法。基于计算机视觉,提出分时重叠分割算法,并运用该算法从樱桃图像中分割出表型关键特征区域图像。算法从普通监控摄像头特性出发,分时获取同一角度樱桃作物本体的日间彩色图像与夜间红外灯补光灰度图像;将灰度图像进行阈值处理与形态学滤波,提取初始区域轮廓;以此作为前置条件,自适应地寻找日间彩色图像中的关键特征区域边缘路径。同时,采用粒子群算法获取特定图像的最优参数,将参数运用于同一角度的时间序列樱桃图像中。结果表明,算法自动分割关键特征区域平均IoU为0.8497,达到需要人工参与的交互式算法相近水平。该方法实现成本低、分割精度高、适用性强,可自主实现樱桃图像表型关键特征区域的切割与获取,并可大面积运用于农业生产环境中。