基于图像处理技术和人工神经网络的甜椒叶面积估计


发布时间:

2021-10-11

来源:

本站

作者:

PhenoTrait

  植物叶片物理特性的测量和估计一直被认为是监测和优化植物生长的重要要求。本研究旨在利用图像处理和人工神经网络对甜椒生长第一个月的叶片性质进行非侵入性和非破坏性的估计。

 

  研发了一个包括导轨、相机支架和底盘的采集系统,使用一台1800万像素佳能相机(EOS Kiss X5, Taiwan)拍摄分辨率为3456*2304像素的图像。相机支架被移动到每个植物的正上方的一个点进行拍照。图2为同一植物的左右原始图像。利用立体成像技术,测量叶片与相机的距离,并将其应用于像素计算。

 

  图1 成像系统示意图

 

  图2 用于深度检测的立体成像的原始图像。

 

  从RGB图像中提取了甜椒植株叶片的物理性质。预处理和分割步骤的结果如图3,实现叶片分割和背景去除。随后,利用了梯度幅值和分水岭对叶片着色,如图4。该算法检测和分离叶片的成功率为84.32%。

 

  图3 去除背景,填充孔洞后提取的叶片图像

 

  图4 检测后的假着色

 

  叶面积作为最重要的生长指标,是叶长、叶宽、周长等其他物理参数的函数,如表1。人工神经网络(Artificial neural network, ANN)是基于叶片形状数据库(即311个种椒植物叶片)进行训练的,可以成功地估计叶面积值。最佳的多层感知器(Multilayer Perceptron, MLP)网络是包含6个输入和隐藏层的3个神经元的两层网络,使用tanh激活函数,如表2,验证性能为0.912,估算的叶面积值与实际值的关系如图5。

 

  表1 叶片物理性质

 

  表2 被测神经网络性能结果

 

  图5 估算的叶面积值与实际值的关系

 

  总之,本文算法在叶片性质估计和生长监测方面取得了成功。

 

  来源:Vahid Mohammadi, Saeed Minaee, Saeed Minaee, Ali Reza Mahdavian et al. Estimation of Leaf Area in Bell Pepper Plant using Image Processing techniques and Artificial Neural Networks. 2021 IEEE International Conference on Signal and Image Processing Applications (ICSIPA).

 

  编辑:王春颖

推荐新闻

石时之约|韩志国:透过表型数据,看见植物的喜怒哀乐!

本期石时之约,我们将对话慧诺瑞德(北京)科技有限公司总经理、国际植物表型学会(IPPN)执委会委员/工业分会副主席韩志国,一起从表型数据的科学角度,去读懂农作物的喜怒哀乐和前世今生。

慧科研、慧育种、慧种田——慧聚改变的力量

让我们“慧聚”在一起,为“慧科研、慧育种、慧种田”赋能。

高通量植物表型平台建设注意事项

育种,是在给定的环境条件下,选择各种表型指标(产量、品质、抗性)最优的基因型材料的过程(AI育种,从这里起步)。育种工作中大约70%的工作量来自表型观察测量和筛选,是最耗人力物力的过程。

作物生理表型测量基础原理

生理表型测量的核心在于“早、快”,要在肉眼可见之前就能测量并预判出变化趋势,才是这个技术的核心价值。叶绿素荧光成像,恰好满足了这个要求。