结合深度学习和引导滤波的苹果叶片图像分割
2020-09-15郑艳梅黄光耀芦碧波王永茂
中国农业大学学报 2020年9期
郑艳梅 黄光耀 芦碧波 王永茂
(河南理工大学 计算机科学与技术学院,河南 焦作 454003)
叶片是植物进行光合作用、蒸腾作用和合成有机物质的主要器官,叶片的生长发育状况直观反映植物生长情况和营养状况。准确快速分割植物叶片并提取其面积、周长等几何参数值,可以预测植物的生长模型,监测病虫害,为合理栽培管理提供重要数据支撑[1-2]。
传统的测量植物叶片几何参数的手段有叶面积仪法、称重法、方格纸法等[3]。叶面积仪法使用专业的叶面积测量设备,这种方法精确率较高,使用方便,速度快,操作简单,但价格较为昂贵,成本较高,开发难度大,维修不便[4]。称重法使用称重工具(分析天平)对叶片质量进行称重,根据单位面积叶片质量和叶片密度指数计算叶片面积。该方法操作较复杂,测量大量叶片时效率较低,并且叶片的厚度不一致,密度不同,测量正确率受客观自然条件限制,无法测量除叶片面积外的其它参数信息[5]。方格纸法将待测量的叶片平铺在方格纸中间位置,使用铅笔描绘叶片轮廓后计算叶片面积。该方法处理速度慢,仅适于处理少量叶片,还需合理舍取处于叶片边缘、覆盖不完整的方格[6]。
基于数字技术的苹果叶片分割与测量方法具有简单、快速、费用低廉等特点。张万红[7]提出了一种基于图像分割的苹果叶片几何参数的测定方法,该方法将图像颜色空间进行转换,使用大津法(Otsu)获得二值图像,根据像素坐标计算面积、周长、叶长、叶宽等叶片参数。……
登录APP查看全文
