基于计算机视觉的玉米异常果穗筛分方法、装置及系统的制作方法
【技术领域】
[0001]本发明涉及计算机视觉领域，尤其涉及一种基于计算机视觉的玉米异常果穗筛分方法、装置及系统。
【背景技术】
[0002]目前国内对玉米异常果穗的筛分主要依靠人工识别，而每批需要筛分的玉米数量都非常大，传统的筛分过程往往需要持续一个月以上，存在着人力成本消耗过大且浪费严重，工作效率低且精度不高等诸多弊端。利用计算机视觉对玉米异常果穗进行筛分可以很好地代替人工劳动力，有效提高筛分效率。
[0003]现有技术公开了一种基于计算机视觉技术的玉米果穗考种方法、系统和装置，可以测量玉米果穗的穗长、穗行数、行粒数、秃尖长度等多个外观参数。类似的装置和方法中，主要是针对玉米果穗的穗长等表型进行研究，并没有提出有关玉米异常果穗的筛分方法。
[0004]因此，现有技术中没有实现基于计算机视觉的玉米异常果穗筛分方法。
【发明内容】
[0005]本发明提供一种基于计算机视觉的玉米异常果穗筛分方法、系统及装置，以解决现有技术中依靠人工筛分玉米霉变等异常果穗效率低下的技术问题。
[0006]第一方面，本发明提供一种基于计算机视觉的玉米异常果穗筛分方法，包括:
[0007]基于预设的图像截取规则，截取所述待筛分玉米果穗的图像，得到截取图像；所述待筛分玉米果穗的图像为图像采集装置采集的图像；
[0008]基于预设的特征参数提取规则，提取所述截取图像中的特征参数；
[0009]根据所述特征参数，基于预设的异常果穗筛分模型，确定玉米果穗的异常类别。
[0010]可选地，在所述基于预设的图像截取规则，截取所述待筛分玉米果穗的图像，得到截取图像之前，所述方法还包括:
[0011]采用中值滤波处理所述待筛分玉米果穗的图像，得到第一图像；
[0012]采用统计分割方法分割处理所述第一图像，得到第二图像；
[0013]采用图像形态学处理方法平滑处理所述第二图像，得到第三图像；
[0014]相应地，所述基于预设的图像截取规则，截取所述待筛分玉米果穗的图像，得到截取图像，包括:
[0015]基于预设的图像截取规则，截取所述第三图像，得到截取图像。
[0016]可选地，所述基于预设的图像截取规则，截取所述待筛分玉米果穗的图像，得到截取图像，包括:
[0017]根据待筛分玉米果穗的图像，确定所述待筛分玉米果穗的最小外接矩形；
[0018]根据所述最小外接矩形，截取所述待筛分玉米果穗的图像，得到截取图像。
[0019]可选地，在所述根据所述截取图像，基于预设的特征参数提取规则，提取所述截取图像中的特征参数之前，所述方法还包括:
[0020]利用预设的图像窗口扫描所述截取图像，确定至少一块感兴趣区域ROI。
[0021]可选地，所述基于预设的特征参数提取规则，提取所述截取图像中的特征参数，包括:
[0022]根据所述至少一块R0I，基于RGB颜色模型，提取各R0I的颜色特征参数；
[0023]将各R0I转化为灰度图像，提取各灰度图像的纹理特征参数。
[0024]可选地，所述根据所述至少一块R0I，基于RGB颜色模型，提取各R0I的颜色特征参数，包括:
[0025]根据所述至少一块R0I，确定各R0I的像素点数目；
[0026]根据所述各R0I的像素点数目，基于RGB颜色模型，提取各R0I的颜色特征参数；
[0027]所述将各R0I图像转化为灰度图像，提取各灰度图像的纹理特征参数，包括:
[0028]将各R0I转化为灰度图像，对各灰度图像进行灰度压缩，得到所述各灰度图像对应的第四图像；
[0029]基于预设的灰度共生矩阵计算模型，计算各第四图像的灰度共生矩阵；
[0030]根据所述各第四图像的灰度共生矩阵，基于预设的纹理特征参数提取规则，提取所述各第四图像的纹理特征参数。
[0031]可选地，所述预设的异常果穗筛分模型由以下步骤得到:
[0032]从预设的玉米果穗各异常类型的图像的异常区域中截取至少一幅子图像，构成样本图像库；
[0033]基于预设的特征参数提取规则，提取所述样本图像库中各图像的特征参数，构成样本特征参数库；
[0034]利用样本特征参数库中的特征参数，对支持向量机SVM进行训练，得到所述预设的异常果穗筛分模型。
[0035]可选地，所述根据所述特征参数，基于预设的异常果穗筛分模型，确定玉米果穗的异常类别，包括:
[0036]根据所述特征参数，基于预设的异常果穗筛分模型，确定所述待筛分玉米果穗中预设的各异常类型对应的异常区域；
[0037]确定所述各异常类型对应的异常区域所占面积的百分比；
[0038]确定所述待筛分玉米果穗的异常类型为面积百分比最大的异常区域对应的异常类型。
[0039]第二方面，本发明提供一种基于计算机视觉的玉米异常果穗筛分装置，包括:
[0040]图像截取单元，用于基于预设的图像截取规则，截取所述待筛分玉米果穗的图像，得到截取图像；所述待筛分玉米果穗的图像为图像采集装置采集的图像；
[0041]参数提取单元，用于基于预设的特征参数提取规则，提取所述截取图像中的特征参数；
[0042]类别确定单元，用于根据所述特征参数，基于预设的异常果穗筛分模型，确定玉米果穗的异常类别。
[0043]第三方面，本发明提供一种基于计算机视觉的玉米异常果穗筛分系统，包括:
[0044]如第二方面所述的玉米异常果穗筛分装置、图像采集装置、支架以及背景板；
[0045]所述背景板放置在水平桌面上，所述支架与所述背景板连接，所述图像采集装置固定于所述支架上，所述玉米异常果穗筛分装置与所述图像采集装置连接；
[0046]所述支架，用于固定所述图像采集装置，以使所述图像采集装置位于背景板的正上方；
[0047]所述背景板，用于承载所述待筛分玉米果穗，并为采集待筛分玉米果穗的图像提供背景。
[0048]由上述技术方案可知，本发明的基于计算机视觉的玉米异常果穗筛分方法、装置及系统，能够实现无损识别常见的几种异常果穗，筛分速度大大提高。计算机视觉技术的应用，可以很好地代替人工劳动力，极大的提高了筛分效率，能够广泛应用于农业玉米品种选育生产与科研领域。
【附图说明】
[0049]图1为本发明一实施例提供的基于计算机视觉的玉米异常果穗筛分方法流程示意图；
[0050]图2为本发明一实施例提供的基于计算机视觉的玉米异常果穗筛分装置结构示意图；
[0051]图3为本发明一实施例提供的基于计算机视觉的玉米异常果穗筛分装置结构示意图；
[0052]图4为本发明一实施例提供的三种常见异常玉米果穗的图像；
[0053]图5为本发明一实施例提供的截取过程的异常玉米果穗的图像。
【具体实施方式】
[0054]下面结合附图和实施例，对本发明的【具体实施方式】作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。
[0055]如图1所示，本实施例公开一种基于计算机视觉的玉米异常果穗筛分方法，其步骤可包括步骤101至103:
[0056]101、基于预设的图像截取规则，截取所述待筛分玉米果穗的图像，得到截取图像；所述待筛分玉米果穗的图像为图像采集装置采集的图像。
[0057]102、基于预设的特征参数提取规则，提取所述截取图像中的特征参数。
[0058]103、根据所述特征参数，基于