基于机器视觉绿色植物(树木、作物)叶片颜色形态识别系统

本文为软件功能展示,如需使用或基于此开展二次开发,可联系博主共享。

注:由于图片大小限制,本文图片在上传时图片中部分文字显示不清楚,已做局部放大处理。

目录

一、系统简介... 3

二、系统主要功能... 3

2.1系统可实现的叶片识别... 3

2.2、系统可解析叶片信息... 3

三、系统使用... 3

3.1系统使用前准备工作... 3

3.2系统使用说明... 4

四、运行环境... 8

五、软件准确度检验... 8

5.1.试验材料... 8

5.2.试验仪器... 8

5.3.数据分析处理方法... 8

5.4.结果与分析... 8

 一、系统简介

      软件基于计算机视觉解析技术,实现黄瓜离体叶片和原位叶片两种形式的快速测量并电子化,能够便捷、准确测定叶片信息,最终在测量精确度与现有科研手段同等的基础上,降低农业试验的复杂性与成本,并进一步提升工作效率。

二、系统主要功能

2.1系统可实现的叶片识别

1、通过打开已有照片进行叶片分析

2、通过外接可照相设备实时进行叶片分析 

2.2、系统可解析叶片信息

1、叶面积:可实现自动解析与手动调整两类;2、叶片周长:可实现自动解析与手动调整两类;3、叶片长宽:可实现自动解析与手动调整两类;4.绿色叶片面积和枯叶面积自动解析

三、系统使用

3.1系统使用前准备工作

1、如何进行叶片拍照及拍照规范

(1)需参考板一块进行畸变校准,参照挡板的设置,根据叶片大小,需要不小于叶片的方形参考版一块。(如图)

(2)叶面积的采集,需注意3点

    1)叶片需置于坐标纸参照挡板范围内并压平;

    2)需尽量保证数码摄像头与参照挡板平行(小于45°,本软件可自动校准),以保证叶面积不变形或少变形,减少测量误差。

2、相片导入计算机 通过数据线将所得相片导入计算机。

3.2系统使用说明

1、打开系统主界面如图1所示,主要包括作物叶片识别的两种形式,关于我们和帮助。

基于机器视觉绿色植物(树木、作物)叶片颜色形态识别系统_第1张图片

 

图1  系统主界面

2、点击上图“打开图片处理方式”出现如图2所示界面 左侧为操作功能区,分五步,用户可根据实际情况及需求进行选择。

基于机器视觉绿色植物(树木、作物)叶片颜色形态识别系统_第2张图片

图2  “打开图片处理方式”

基于机器视觉绿色植物(树木、作物)叶片颜色形态识别系统_第3张图片

图像放大显示,按钮信息

3、叶片信息提取操作

(1)如图所示,进行第一步操作,选择所分析叶片是单个叶片还是多个叶片。(单叶片计算本说明将不做介绍)

(2)如图所示,第二步操作,选择“打开叶片图片”按钮,找到需要分析的叶片图片,如下图所示  。

基于机器视觉绿色植物(树木、作物)叶片颜色形态识别系统_第4张图片

图3 第二步-打开需要分析叶片

(3) 打开图片:如图所示,进行第三步操作,叶片畸变校准,进行参考面积畸变校准(可选择不校准、选取参考面积、四边形校准、圆形校准,以及手动选择四个位置进行校准),本说明校准面积设置为 169cm2(用户可根据实际参考面积设置),畸变校准完成后效果图如图4所示。

基于机器视觉绿色植物(树木、作物)叶片颜色形态识别系统_第5张图片

图4 截取后效果图

(4)叶面积提取:如图所示,进行第四步操作,选择“叶面积预处理”按钮,在右侧“作物叶面积结果展示区”出现叶片结果(图5所示),获得绿色叶片部分。

基于机器视觉绿色植物(树木、作物)叶片颜色形态识别系统_第6张图片

图5 第四步-叶面积预处理

(5)叶片周长-长宽-绿叶-枯叶计算如图2所示,第四步操作,选择“面积-周长-长宽计算”按钮,在右侧“面积-周长-长宽结果展示区”出现叶片结果(图6所示)。

 

基于机器视觉绿色植物(树木、作物)叶片颜色形态识别系统_第7张图片

图6 第四步-叶面积周长长宽计算

基于机器视觉绿色植物(树木、作物)叶片颜色形态识别系统_第8张图片

测量结果放大显示

(7)结果保存:如图2所示,进行第五步操作,可看到目前打开的图片的名称,对应编号默认“1-1”,用户可根据试验需求自己填写,之后点击“保存”按钮即可完成所所解析叶片保存(图7所示) ,保存结果为txt文本和被处理图片(图8所示),保存路径为软件安装路径。

基于机器视觉绿色植物(树木、作物)叶片颜色形态识别系统_第9张图片

 

图7 第五步-叶片解析结果保存设置

基于机器视觉绿色植物(树木、作物)叶片颜色形态识别系统_第10张图片

 

图8  第五步-叶片解析保存结果

四、运行环境

         Windows 7及以上;NET Framework 3.5及以上。

、软件准确度检验

    本软件图像识别方法已通过与坐标纸法、复印比重法对比,进行了稳定性的分析。结果表明:本软件图像识别方法与坐标纸法测定的结果无显著差异(配对检验P(p>|t|)=0.872>0.05),复印比重法测定的结果较坐标纸法显著偏高。本软件图像识别方法较坐标纸法更为便捷、准确,可作为一种新的叶面积测定法推广使用。

5.1.试验材料

黄瓜花果期叶片,共选取30片。

5.2.试验仪器

    称重天平型号为TXB6200L,生产厂家SHIMADZU,精度为万分之一;拍照相机型号为佳能G12;打印机为HP 2600jet,打印硒鼓为原装硒鼓;打印纸张为得力莱茵河多功能复印纸(No.7401)。

5.3.数据分析处理方法

    以Excel 2007完成数据整理,以SPSS 19.0完成统计分析。

5.4.结果与分析

1、 本软件图像识别方法与坐标纸法测定结果比较

    本软件图像识别方法与标准的坐标纸法对30片叶片的测定均值分别为36.18 cm2、36.23 cm2(见表1),两者测定结果的相关系数较高,达到0.972,线性相关系数可通过显著性检验(见图9)。

表1  3种方法测定同一样本的基本统计

统计指标

坐标纸法

本软件图像识别方法

复印比重法

均值/cm2

36.18

36.23

38.20

标准差

5.88

6.02

6.39

标准误

1.09

1.12

1.19

变异系数/%

16.25

16.62

16.73

 

基于机器视觉绿色植物(树木、作物)叶片颜色形态识别系统_第11张图片

基于机器视觉绿色植物(树木、作物)叶片颜色形态识别系统_第12张图片

图9  数字照片解析法及坐标纸法测定叶片面积

本软件图像识别方法与坐标纸法测定结果进行配对检验,结果表明:本软件图像识别方法与坐标纸法测定结果无显著差异,P(p>|t|)=0.872>0.05(见表2),因此本软件图像识别方法可作为叶片测定一种新方法。

表2  本软件图像识别方法、复印比重法分别与坐标纸法测定结果进行配对检验

与坐标纸法比较的方法

t统计

Df

P>|t|

本软件图像识别方法

-0.162

29

0.872

复印比重法

-8.075

29

0.000

 

 

你可能感兴趣的:(作物叶面积形态,作物,模型,叶面积指数,绿叶,长宽)