CN117455912A - 一种基于三平面镜的玉米穗粒全景计数方法及计数系统 - Google Patents
一种基于三平面镜的玉米穗粒全景计数方法及计数系统 Download PDFInfo
- Publication number
- CN117455912A CN117455912A CN202311784225.6A CN202311784225A CN117455912A CN 117455912 A CN117455912 A CN 117455912A CN 202311784225 A CN202311784225 A CN 202311784225A CN 117455912 A CN117455912 A CN 117455912A
- Authority
- CN
- China
- Prior art keywords
- plane mirror
- corn cob
- reflected image
- standard
- camera
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 240000008042 Zea mays Species 0.000 title claims abstract description 113
- 235000005824 Zea mays ssp. parviglumis Nutrition 0.000 title claims abstract description 113
- 235000002017 Zea mays subsp mays Nutrition 0.000 title claims abstract description 113
- 235000005822 corn Nutrition 0.000 title claims abstract description 113
- 238000000034 method Methods 0.000 title claims abstract description 23
- 239000002245 particle Substances 0.000 claims abstract description 33
- 230000000007 visual effect Effects 0.000 claims abstract description 16
- 238000012360 testing method Methods 0.000 claims description 17
- 238000012549 training Methods 0.000 claims description 14
- 238000012795 verification Methods 0.000 claims description 11
- 238000013135 deep learning Methods 0.000 claims description 10
- 230000003287 optical effect Effects 0.000 claims description 10
- 238000001514 detection method Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000002474 experimental method Methods 0.000 claims description 3
- 238000004519 manufacturing process Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 3
- 230000003252 repetitive effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000009395 breeding Methods 0.000 description 1
- 230000001488 breeding effect Effects 0.000 description 1
- 210000005069 ears Anatomy 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30242—Counting objects in image
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Image Processing (AREA)
Abstract
本发明涉及图像处理技术领域，公开了一种基于三平面镜的玉米穗粒全景计数方法，包括如下步骤：步骤S1：搭建基于三平面镜的玉米穗粒全景计数系统，该系统主要包括三面平面镜、多个标准圆柱体、一个支撑底座、一个摄像机和光源，其中，平面镜反射其他视角下的玉米穗粒图像，标准圆柱体对相机进行标定，支撑底座固定玉米的位置，摄像机采集标准圆柱数据集和玉米穗粒数据集。本发明提供基于三平面镜的玉米穗粒全景计数方法，实现对玉米产量的精确估算。玉米穗粒全景计系统能够同时获取三个不同视角下的玉米穗粒图像并计算出整根玉米穗的粒数。相较于其他计数系统，该系统具有速度快、精度高等显著优点，能够更好地满足实际需求。
Description
技术领域
本发明涉及图像处理技术领域，尤其涉及一种基于三平面镜的玉米穗粒全景计数方法及计数系统。
背景技术
玉米作为全球重要的农作物之一，对于玉米品种选育和产量提高起着至关重要的作用。其中，玉米每穗粒数是评价玉米品质优劣的关键指标之一。传统的人工统计玉米穗粒数方法效率低下，耗时费力，并且容易出现误差。因此，迫切需要建立一种更高效精准的玉米穗粒识别与计数系统。尽管当前机器视觉技术可以实现高通量玉米穗粒表型信息的快速采集，但往往仅能获得单一视角下的穗粒图像，无法全方位观测并统计每个穗粒。为了获得玉米穗粒全视角图像，需要通过机械装置将玉米进行转动，并使用图像拼算法将不同视角拍摄的图像拼接为完整的玉米穗粒图像，以便后续进行计数。但是，这种通过机械转动获取多视角图像的方法操作复杂，拼接过程也较为耗时。
因此，本文设计了一种玉米穗粒全景标定计数系统，能够获取三个不同视角下的玉米穗粒图像，以实现精准快速的玉米穗粒计数，具有重要的实际意义。该系统能够同时获取三个视角的玉米穗粒图像信息，并通过图像标定和深度学习算法对图像进行处理和分析，从而准确计算出玉米穗粒的数量。与其他计数系统相比，该系统具有速度快、精度高和操作便捷等显著优点，能够更好地满足实际需求。
发明内容
为解决背景技术中所提出的技术问题，本发明提供一种基于三平面镜的玉米穗粒全景计数方法及计数系统。
本发明采用以下技术方案实现：一种基于三平面镜的玉米穗粒全景计数方法，包括如下步骤：
步骤S1：搭建基于三平面镜的玉米穗粒全景计数系统；该系统包括平面镜A、平面镜B、平面镜C、多个标准圆柱体、一个支撑底座、一个摄像机和光源，其中，平面镜C用于反射平面镜A和平面镜B视角下的玉米穗粒图像，标准圆柱体对摄像机进行标定，支撑底座用于固定玉米的位置，摄像机采集标准圆柱数据集和玉米穗粒数据集；
步骤S2：制作标准圆柱体数据集；将标准圆柱体依次放置在平面镜A、B的角平分线上，使得标准圆柱体的中轴线与平面镜A、B的角平分线、摄像机的光轴在同一个平面，利用摄像机捕获平面镜C经过镜面反射后的标准圆柱体，从而得到标准圆柱体数据集；
步骤S3：对标准圆柱体数据集进行标定试验；已知所有标准圆柱体的底面直径，通过标准圆柱体的标定实验，可以获得在平面镜C反射的标准圆柱体重叠区域和非重叠区域之间存在的比例关系；
步骤S4：通过深度学习网络模型获得玉米穗粒检测模型；采集并制作充足的玉米穗粒样本图像，即摄像机拍摄的平面镜C中的反射图像，按照比例划分为训练集、验证集和测试集，使用训练集对深度学习网络模型进行训练，并利用验证集和测试集对模型进行验证和测试，得到最终的玉米穗粒计数模型；
步骤S5：采集待测玉米穗粒图片并计算穗粒总数；拍摄待检测玉米穗粒全景图片，然后将玉米穗粒计数模型用于待检测玉米穗粒全景图片，对三个互不重叠视角下的玉米穗粒的进行识别并计数，得到待检测玉米穗粒的总数。
进一步的，所述步骤1中，三面平面镜中的尺寸大小满足如下关系，平面镜C=平面镜A=平面镜B，平面镜A、B以120°的夹角相对放置，平面镜C与平面镜A、B同呈30°夹角，三者构成等腰三角形位置关系，每个标准圆柱体直径已知，并且放置在平面镜A、B夹角的角平分线上，摄像机安装在平面镜A、B角平分线的反向延长线上，摄像机的安装高度高于平面镜A、B、C的高度，并以俯视的角度拍摄平面镜C反射的图像，摄像机的光轴与平面镜A、B相交线和标准圆柱体的中轴线在同一水平面上，摄像机的光轴与标准圆柱体的中轴线在同一水平面上，光源位于平面镜正上方，且标准圆柱体所在的中轴线与平面镜A/B/C之间的垂直距离分别为10厘米、10厘米和13厘米。
进一步的，在放置标准圆柱体时，确保每个标准圆柱体的底面圆心位于同一位置，即所有标准圆柱体的中心轴线完全重合并保证共线，从摄像机视角中可以看到标准圆柱体被分成三个独立的部分呈现在平面镜C中，即中间的反射图像C和位于反射图像C两侧的反射图像A′、反射图像B′，其中，位于中间的反射图像C来自于标准圆柱体本身反射的光线；位于两侧的反射图像A′与反射图像B′则是标准圆柱体先经过平面镜A和平面镜B形成反射图像A和反射图像B，然后这两个反射图像再反射到平面镜C分别得到反射图像A′和反射图像B′。
进一步的，由标准圆柱体数据集中的图片可知，半径越大的标准圆柱体重复区域越大。根据平面镜反射原理可知，每个圆柱体重复区域与非重复区域成比例关系，反射图像A′和反向图像B′中有范围相同的反射区域，反射图像A′和反射图像B′分别与反射图像C有着相同反射区域，根据计算可得，在图3中，反射图像A′中有与反射图像C的重叠区域、反射图像A′未重叠区域和反射图像A′与反射图像B′的重叠区域三部分的比例分别是1：8.62：4.39；
在反射图像C中，反射图像C中有与反射图像A′的重叠区域、反射图像C未重叠区域和反射图像C与反射图像B′的重叠区域三部分的比例分别是1:11.16：1；在反射图像B′中，反射图像B′中有与反射图像A′的重叠区域、反射图像B′未重叠区域和反射图像B′与反射图像C′的重叠区域三部分的比例分别是4.39：8.62：1。
进一步的，在步骤5中，采用的深度学习网络是P2PNet。将玉米垂直固定在支撑底座上，使用摄像机采集玉米穗粒全景图片来构建玉米穗粒数据集。首先对玉米穗粒数据集进行标注，然后按照一定的比例划分成训练集、测试集和验证集，一般按照8：1：1的比例进行划分。
进一步的，将拍摄得到的待测玉米穗粒全景图像输入到玉米穗粒检测模型中，根据步骤3中的比例关系，得到三个互不重叠视角下的玉米穗粒图像，然后对此进行识别和计数，最终得到待测玉米穗粒总数。
本发明还提出了一种基于三平面镜的玉米穗粒全景计数系统，其用于上述的计数方法，该系统主要包括平面镜A、平面镜B、平面镜C、多个标准圆柱体、一个支撑底座、一个摄像机和光源，其中，平面镜C反射平面镜A、平面镜B视角下的玉米穗粒图像，标准圆柱体对相机进行标定，支撑底座固定玉米的位置，摄像机采集标准圆柱数据集和玉米穗粒数据集。
相比现有技术，本发明的有益效果在于：
本发明提供基于三平面镜的玉米穗粒全景计数方法，实现对玉米产量的精确估算，玉米穗粒全景计系统能够同时获取三个不同视角下的玉米穗粒图像并计算出整根玉米穗的粒数，相较于其他计数系统，该系统具有速度快、精度高等显著优点，能够更好地满足实际需求。
附图说明
图1为本发明提出的全景计数方法的流程框图；
图2为本发明提出的全景计数的工作原理图一；
图3为本发明提出的全景计数系统光学原理图；
图4为本发明提出的全景计数系统的整体框架。
具体实施方式
下面，结合附图以及具体实施方式，对本发明做进一步描述，需要说明的是，在不相冲突的前提下，以下描述的各实施例之间或各技术特征之间可以任意组合形成新的实施例。
实施例1
参照图1-4，本方案提出的一种基于三平面镜的玉米穗粒全景计数方法，包括如下步骤：
步骤S1：搭建基于三平面镜的玉米穗粒全景计数系统；该系统包括平面镜A、平面镜B、平面镜C、多个标准圆柱体、一个支撑底座、一个摄像机和光源，其中，平面镜C用于反射平面镜A和平面镜B视角下的玉米穗粒图像，标准圆柱体对摄像机进行标定，支撑底座用于固定玉米的位置，摄像机采集标准圆柱数据集和玉米穗粒数据集；
步骤S2：制作标准圆柱体数据集；将标准圆柱体依次放置在平面镜A、B的角平分线上，使得标准圆柱体的中轴线与平面镜A、B的角平分线、摄像机的光轴在同一个平面，利用摄像机捕获平面镜C经过镜面反射后的标准圆柱体，从而得到标准圆柱体数据集；
步骤S3：对标准圆柱体数据集进行标定试验；已知所有标准圆柱体的底面直径，通过标准圆柱体的标定实验，可以获得在平面镜C反射的标准圆柱体重叠区域和非重叠区域之间存在的比例关系；
步骤S4：通过深度学习网络模型获得玉米穗粒检测模型；采集并制作充足的玉米穗粒样本图像，即摄像机拍摄的平面镜C中的反射图像，按照比例划分为训练集、验证集和测试集，使用训练集对深度学习网络模型进行训练，并利用验证集和测试集对模型进行验证和测试，得到最终的玉米穗粒计数模型；
步骤S5：采集待测玉米穗粒图片并计算穗粒总数；拍摄待检测玉米穗粒全景图片，然后将玉米穗粒计数模型用于待检测玉米穗粒全景图片，对三个互不重叠视角下的玉米穗粒的进行识别并计数，得到待检测玉米穗粒的总数。
所述步骤1中，所述步骤1中，三面平面镜中的尺寸大小满足如下关系，平面镜C=平面镜A=平面镜B，平面镜A、B以120°的夹角相对放置，平面镜C与平面镜A、B同呈30°夹角，三者构成等腰三角形位置关系，每个标准圆柱体直径已知，并且放置在平面镜A、B夹角的角平分线上，摄像机安装在平面镜A、B角平分线的反向延长线上，摄像机的安装高度高于平面镜A、B、C的高度，并以俯视的角度拍摄平面镜C反射的图像，摄像机的光轴与平面镜A、B相交线和标准圆柱体的中轴线在同一水平面上，摄像机的光轴与标准圆柱体的中轴线在同一水平面上。光源位于平面镜正上方，且标准圆柱体所在的中轴线与平面镜A/B/C之间的垂直距离分别为10厘米、10厘米和13厘米。
在放置标准圆柱体时，确保每个标准圆柱体的底面圆心位于同一位置，即所有标准圆柱体的中心轴线完全重合并保证共线，从摄像机视角中可以看到标准圆柱体被分成三个部分呈现在平面镜C中，即中间的反射图像C和位于反射图像C两侧的反射图像A′、反射图像B′，其中，位于中间的反射图像C来自于标准圆柱体本身反射的光线；位于两侧的反射图像A′与反射图像B′则是标准圆柱体先经过平面镜A和平面镜B形成反射图像A和反射图像B，然后这两个反射图像再反射到平面镜C分别得到反射图像A′和反射图像B′。
由标准圆柱体数据集中的图片可知，半径越大的标准圆柱体重复区域越大。根据平面镜反射原理可知，每个圆柱体重复区域与非重复区域成比例关系，反射图像A′和反向图像B′中有50°的相同反射区域，即图中3圆心角∠DOC为50°对应的弧长的相同反射区域，反射图像A′和反射图像B′分别与反射图像C有20°的相同反射区域，圆心角∠EOF和∠AOB为20°对应的弧长的相同反射区域，根据计算可得，在图3中，反射图像A′中有与反射图像C的重叠区域、反射图像A′未重叠区域和反射图像A′与反射图像B′的重叠区域三部分的比例分别是3.67：31.04：13.58。
在反射图像C中，反射图像C中有与反射图像A′的重叠区域、反射图像C未重叠区域和反射图像C与反射图像B′的重叠区域三部分的比例分别是3.67：40.96：3.67，在反射图像B′中，反射图像B′中有与反射图像A′的重叠区域、反射图像B′未重叠区域和反射图像B′与反射图像C′的重叠区域三部分的比例分别是13.58：31.04：13.58。
由图3可知，∠COD=50°，∠EOF=∠AOB=20°，∠DOE=∠BOC=80°,∠BOE=∠AOD=∠COF=150°。其中∠BOE、∠AOD和∠COF分别为平面镜C、平面镜B和平面镜A对应的反射区域，∠COD=50°是反射图像A和反射图像B共同反射区域所对应的圆心角，因此反射图像A′和反射图像B′也存在着50°的共同反射区域；∠EOF=20°是反射图像A和反射图像C共同反射区域所对应的圆心角；∠AOB=20°是反射图像B和反射图像C共同反射区域所对应的圆心角。以反射图像B为例，反射图像B对应区域为GJ，其中GH区域为圆心角为∠AOB对应的区域，是平面镜B与平面镜C的共同反射区域；HI区域是圆心角为∠BOC对应的区域，这段是反射图像B中的未重复反射区域；IJ区域是圆心角为∠DOC对应的区域，是平面镜B与平面镜A的共同反射区域。假设圆柱体底面圆的半径为R，则GJ为2Rcos15°。并且，即在反射图像B中，平面镜A与平面镜B的重复反射区域、未重复反射区域和平面镜B与平面镜C的重复反射区域的比例关系约为1：8.62：4.39。经过再次反射到平面镜C中的反射图像B′，这三个部分的比例仍然为1：8.62：4.39。同理，在反射图像A′中，平面镜A与平面镜B的重复反射区域、未重复反射区域和平面镜A与平面镜C的重复反射区域的比例关系为4.39：8.62：1。采用的深度学习网络是P2PNet。将玉米垂直固定在支撑底座上，使用摄像机采集玉米穗粒全景图片来构建玉米穗粒数据集。首先对玉米穗粒数据集进行标注，然后按照一定的比例划分成训练集、测试集和验证集，一般按照8：1：1的比例进行划分。
在步骤5中，将拍摄得到的待测玉米穗粒全景图像输入到玉米穗粒检测模型中，根据步骤3中的比例关系，得到三个互不重叠视角下的玉米穗粒图像，然后对此进行识别和计数，最终得到待测玉米穗粒总数。
具体参照图4，本发明还提出了一种基于三平面镜的玉米穗粒全景计数系统，其用于上述的计数方法，该系统主要包括平面镜A、平面镜B、平面镜C、多个标准圆柱体、一个支撑底座、一个摄像机和光源，其中，平面镜C反射平面镜A、平面镜B视角下的玉米穗粒图像，标准圆柱体对相机进行标定，支撑底座固定玉米的位置，摄像机采集标准圆柱数据集和玉米穗粒数据集。
上述实施方式仅为本发明的优选实施方式，不能以此来限定本发明保护的范围，本领域的技术人员在本发明的基础上所做的任何非实质性的变化及替换均属于本发明所要求保护的范围。
Claims (7)
1.一种基于三平面镜的玉米穗粒全景计数方法，其特征在于，包括如下步骤：
步骤S1：搭建基于三平面镜的玉米穗粒全景计数系统；该系统包括平面镜A、平面镜B、平面镜C、多个标准圆柱体、一个支撑底座、一个摄像机和光源，其中，平面镜C用于反射平面镜A和平面镜B视角下的玉米穗粒图像，标准圆柱体对摄像机进行标定，支撑底座用于固定玉米的位置，摄像机采集标准圆柱数据集和玉米穗粒数据集；
步骤S2：制作标准圆柱体数据集；将标准圆柱体依次放置在平面镜A、B的角平分线上，使得标准圆柱体的中轴线与平面镜A、B的角平分线、摄像机的光轴在同一个平面，利用摄像机捕获平面镜C经过镜面反射后的标准圆柱体，从而得到标准圆柱体数据集；
步骤S3：对标准圆柱体数据集进行标定试验；已知所有标准圆柱体的底面直径，通过标准圆柱体的标定实验，可以获得在平面镜C反射的标准圆柱体重叠区域和非重叠区域之间存在的比例关系；
步骤S4：通过深度学习网络模型获得玉米穗粒检测模型；采集并制作充足的玉米穗粒样本图像，即摄像机拍摄的平面镜C中的反射图像，按照比例划分为训练集、验证集和测试集，使用训练集对深度学习网络模型进行训练，并利用验证集和测试集对模型进行验证和测试，得到最终的玉米穗粒计数模型；
步骤S5：采集待测玉米穗粒图片并计算穗粒总数；拍摄待检测玉米穗粒全景图片，然后将玉米穗粒计数模型用于待检测玉米穗粒全景图片，对三个互不重叠视角下的玉米穗粒的进行识别并计数，得到待检测玉米穗粒的总数。
2.如权利要求1所述的一种基于三平面镜的玉米穗粒全景计数方法，其特征在于，所述步骤1中，三面平面镜中的尺寸大小满足如下关系，平面镜C=平面镜A=平面镜B，平面镜A、B以120°的夹角相对放置，平面镜C与平面镜A、B同呈30°夹角，三者构成等腰三角形位置关系，每个标准圆柱体直径已知，并且放置在平面镜A、B夹角的角平分线上，摄像机安装在平面镜A、B角平分线的反向延长线上，摄像机的安装高度高于平面镜A、B、C的高度，并以俯视的角度拍摄平面镜C反射的图像，摄像机的光轴与平面镜A、B相交线和标准圆柱体的中轴线在同一水平面上，摄像机的光轴与标准圆柱体的中轴线在同一水平面上，光源位于平面镜正上方，且标准圆柱体所在的中轴线与平面镜A、B、C之间的垂直距离分别为10厘米、10厘米和13厘米。
3.如权利要求2所述的一种基于三平面镜的玉米穗粒全景计数方法，其特征在于，在放置标准圆柱体时，确保每个标准圆柱体的底面圆心位于同一位置，即所有标准圆柱体的中心轴线完全重合并保证共线，从摄像机视角中可以看到标准圆柱体被分成三个独立的部分呈现在平面镜C中，即中间的反射图像C和位于反射图像C两侧的反射图像A′、反射图像B′，其中，位于中间的反射图像C来自于标准圆柱体本身反射的光线；位于两侧的反射图像A′与反射图像B′则是标准圆柱体先经过平面镜A和平面镜B形成反射图像A和反射图像B，然后这两个反射图像再反射到平面镜C分别得到反射图像A′和反射图像B′。
4.如权利要求3所述的一种基于三平面镜的玉米穗粒全景计数方法，其特征在于，在标准圆柱体数据集中，每个圆柱体重复区域与非重复区域成比例关系，反射图像A′和反向图像B′中有范围相同的反射区域，反射图像A′和反射图像B′分别与反射图像C有着同反射区域，根据计算可得，反射图像A′中有与反射图像C的重叠区域、反射图像A′未重叠区域和反射图像A′与反射图像B′的重叠区域三部分的比例分别是1：8.62：4.39；
在反射图像C中，反射图像C中有与反射图像A′的重叠区域、反射图像C未重叠区域和反射图像C与反射图像B′的重叠区域三部分的比例分别是1：11.16：1，在反射图像B′中，反射图像B′中有与反射图像A′的重叠区域、反射图像B′未重叠区域和反射图像B′与反射图像C′的重叠区域三部分的比例分别是4.39：8.62：1。
5.如权利要求1所述的一种基于三平面镜的玉米穗粒全景计数方法，其特征在于，采用的深度学习网络是P2PNet，将玉米垂直固定在支撑底座上，使用摄像机采集玉米穗粒全景图片来构建玉米穗粒数据集，首先对玉米穗粒数据集进行标注，然后按照一定的比例划分成训练集、测试集和验证集，按照8：1：1的比例进行划分。
6.如权利要求1所述的一种基于三平面镜的玉米穗粒全景计数方法，其特征在于，在步骤5中，将拍摄得到的待测玉米穗粒全景图像输入到玉米穗粒检测模型中，根据步骤3中的比例关系，得到三个互不重叠视角下的玉米穗粒图像，然后对此进行识别和计数，最终得到待测玉米穗粒总数。
7.一种基于三平面镜的玉米穗粒全景计数系统，其用于如权利要求1-6任意一项所述的计数方法，该系统包括平面镜A、平面镜B、平面镜C、多个标准圆柱体、一个支撑底座、一个摄像机和光源，其中，平面镜C反射平面镜A、平面镜B视角下的玉米穗粒图像，标准圆柱体对相机进行标定，支撑底座固定玉米的位置，摄像机采集标准圆柱数据集和玉米穗粒数据集。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311784225.6A CN117455912B (zh) | 2023-12-23 | 2023-12-23 | 一种基于三平面镜的玉米穗粒全景计数方法及计数系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311784225.6A CN117455912B (zh) | 2023-12-23 | 2023-12-23 | 一种基于三平面镜的玉米穗粒全景计数方法及计数系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117455912A true CN117455912A (zh) | 2024-01-26 |
| CN117455912B CN117455912B (zh) | 2024-03-19 |
Family
ID=89591394
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311784225.6A Active CN117455912B (zh) | 2023-12-23 | 2023-12-23 | 一种基于三平面镜的玉米穗粒全景计数方法及计数系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117455912B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118379728A (zh) * | 2024-06-27 | 2024-07-23 | 安徽农业大学 | 一种基于双平面镜的玉米穗粒全景计数方法及计数系统 |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103810522A (zh) * | 2014-01-08 | 2014-05-21 | 中国农业大学 | 一种玉米果穗籽粒计数方法和装置 |
| CN103873752A (zh) * | 2014-04-09 | 2014-06-18 | 吴柯维 | 一种反射式全景摄像机 |
| CN105340413A (zh) * | 2015-10-26 | 2016-02-24 | 中国农业大学 | 一种玉米果穗三维信息检测方法及系统 |
| CN105783990A (zh) * | 2016-03-03 | 2016-07-20 | 中国农业大学 | 一种用于玉米果穗室内精确考种的全景图像测量系统 |
| WO2018081924A1 (zh) * | 2016-11-01 | 2018-05-11 | 深圳岚锋创视网络科技有限公司 | 一种全景图像的生成方法、系统及拍摄装置 |
| CN110967339A (zh) * | 2018-09-29 | 2020-04-07 | 北京瑞智稷数科技有限公司 | 一种玉米果穗性状分析的方法及装置、玉米性状分析设备 |
| CN112862849A (zh) * | 2021-01-27 | 2021-05-28 | 四川农业大学 | 一种基于图像分割和全卷积神经网络的田间稻穗计数方法 |
| CN114066842A (zh) * | 2021-11-12 | 2022-02-18 | 浙江托普云农科技股份有限公司 | 穗头数统计方法、系统、装置及存储介质 |
| US20220221270A1 (en) * | 2019-08-09 | 2022-07-14 | Nanjing University Of Science And Technology | A calibration method for fringe projection systems based on plane mirrors |
| CN116091481A (zh) * | 2023-02-16 | 2023-05-09 | 中国科学院遗传与发育生物学研究所 | 一种小穗计数方法、装置、设备和存储介质 |
| CN116147534A (zh) * | 2023-03-03 | 2023-05-23 | 浙江大学 | 一种基于镜面辅助的多视角三维激光扫描系统及复杂表面全景测量方法 |
-
2023
- 2023-12-23 CN CN202311784225.6A patent/CN117455912B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103810522A (zh) * | 2014-01-08 | 2014-05-21 | 中国农业大学 | 一种玉米果穗籽粒计数方法和装置 |
| CN103873752A (zh) * | 2014-04-09 | 2014-06-18 | 吴柯维 | 一种反射式全景摄像机 |
| CN105340413A (zh) * | 2015-10-26 | 2016-02-24 | 中国农业大学 | 一种玉米果穗三维信息检测方法及系统 |
| CN105783990A (zh) * | 2016-03-03 | 2016-07-20 | 中国农业大学 | 一种用于玉米果穗室内精确考种的全景图像测量系统 |
| WO2018081924A1 (zh) * | 2016-11-01 | 2018-05-11 | 深圳岚锋创视网络科技有限公司 | 一种全景图像的生成方法、系统及拍摄装置 |
| CN110967339A (zh) * | 2018-09-29 | 2020-04-07 | 北京瑞智稷数科技有限公司 | 一种玉米果穗性状分析的方法及装置、玉米性状分析设备 |
| US20220221270A1 (en) * | 2019-08-09 | 2022-07-14 | Nanjing University Of Science And Technology | A calibration method for fringe projection systems based on plane mirrors |
| CN112862849A (zh) * | 2021-01-27 | 2021-05-28 | 四川农业大学 | 一种基于图像分割和全卷积神经网络的田间稻穗计数方法 |
| CN114066842A (zh) * | 2021-11-12 | 2022-02-18 | 浙江托普云农科技股份有限公司 | 穗头数统计方法、系统、装置及存储介质 |
| CN116091481A (zh) * | 2023-02-16 | 2023-05-09 | 中国科学院遗传与发育生物学研究所 | 一种小穗计数方法、装置、设备和存储介质 |
| CN116147534A (zh) * | 2023-03-03 | 2023-05-23 | 浙江大学 | 一种基于镜面辅助的多视角三维激光扫描系统及复杂表面全景测量方法 |
Non-Patent Citations (3)
| Title |
|---|
| GILLETTE, S., ET AL.: "Corn360：a methood for quantification of corn kernels", 《PLANT METHODS》, vol. 19, no. 23, 9 March 2023 (2023-03-09) * |
| 王传宇等: "采用全景技术的机器视觉测量玉米果穗考种指标", 《农业工程学报》, vol. 29, no. 24, 31 December 2013 (2013-12-31), pages 156 - 160 * |
| 王玉伟等: "基于条纹投影的苹果果梗/花萼识别方法", 《浙江农业学报》, vol. 33, no. 8, 31 August 2021 (2021-08-31) * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118379728A (zh) * | 2024-06-27 | 2024-07-23 | 安徽农业大学 | 一种基于双平面镜的玉米穗粒全景计数方法及计数系统 |
| CN118379728B (zh) * | 2024-06-27 | 2024-08-27 | 安徽农业大学 | 一种基于双平面镜的玉米穗粒全景计数方法及计数系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117455912B (zh) | 2024-03-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109859272B (zh) | 一种自动对焦双目摄像头标定方法及装置 | |
| CN102980556B (zh) | 一种测距方法及装置 | |
| CN103685886B (zh) | 图像捕获系统和成像光学系统 | |
| CN107024339B (zh) | 一种头戴显示设备的测试装置及方法 | |
| CN108700662A (zh) | 距离图像获取装置及其应用 | |
| CN111210468A (zh) | 一种图像深度信息获取方法及装置 | |
| CN117455912B (zh) | 一种基于三平面镜的玉米穗粒全景计数方法及计数系统 | |
| TW200809164A (en) | Peripheral inspection system and method | |
| CN106657992B (zh) | 一种自适应检测和调整双摄光轴的装置及方法 | |
| CN109544628A (zh) | 一种指针式仪表的准确读数识别系统及方法 | |
| WO2020232971A1 (zh) | 鱼眼相机标定系统、方法、装置、电子设备及存储介质 | |
| CN102595178B (zh) | 视场拼接三维显示图像校正系统及校正方法 | |
| CN111263134A (zh) | 一种可定位的全景三维成像系统及定位方法 | |
| CN110441737B (zh) | 一种采用鱼眼镜头的声源定位方法及其设备 | |
| CN111638227B (zh) | Vr光学模组画面缺陷检测方法及装置 | |
| EP3472667B1 (en) | System and method for capturing horizontal disparity stereo panorama | |
| CN107977998B (zh) | 一种基于多视角采样的光场校正拼接装置及方法 | |
| US9273954B2 (en) | Method and system for analyzing geometric parameters of an object | |
| JPH1195344A (ja) | 全方位ステレオ画像撮影装置 | |
| CN112767249A (zh) | 一种面向小型管件表面缺陷检测的图像展开拼接方法及系统 | |
| CN110581977B (zh) | 一种视频画面的输出方法、装置及三目摄像机 | |
| CN117351091A (zh) | 一种相机阵列标定装置及其使用方法 | |
| CN111964604B (zh) | 一种基于影像识别的平面变形监测测量方法 | |
| CN100492170C (zh) | 一种全向立体视觉成像方法及装置 | |
| CN204666145U (zh) | 一种球形全景摄影测量装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |