利用泽尼塔尔 rgb 图像进行田间作物耳计数

我们想向您展示我们在田间条件下的谷物耳计数方法。本研究的目的是演示一种快速有效的计算田间条件下小麦耳朵的方法。杜鲁姆小麦和大麦是地中海盆地南部和东部地区种植最多的谷物。

在这些地区，由于气候变化，环境条件将发生变化。我们必须努力增加产量。从这个意义上说，遥感和近位传感图像已成为使用不同传感器子级进行场高通量表型的重要工具。

提高谷物产量的一个基本点是更有效地评估产量。由以下三个产量成分决定：耳密度、每耳颗粒数和千核重量。我们将尝试开发一个自动计数耳朵单位作物面积，换句话说，耳朵密度。

我们开发的协议是使用 2000 万像素的摄像头，在距离作物树冠顶部约 80 厘米的距离下向下拍摄照片或完全 xenapho 或 natur。出于验证目的，我们同时在田间小麦耳计数或大麦耳计数以及图像的手动计数，以验证技术和微调算法。拍摄现场照片时也很重要，拍摄照片是在太阳中午两个小时内拍摄的。

这一点很重要，因为它避免了阴影效应，使协议第二阶段的图像分析复杂化。在这部分，我们想向您展示我们在田间条件下进行谷物耳计数的方法。这项工作是与伊塔西尔、INIA和先正达合作进行的。

我们开始吧我们协议的第一步是选择适当的作物生长阶段。在我们的案例中，我们使用谷物填充和近色谱学之间的阶段，在东南案例中对应于 60 到 87 之间的数字。

在图 A：小麦和图 B：大麦中，我们选择了数据集的卫星图像示例。图像捕获有3个参数：传感器宽度、照片镜头以及相机与顶篷之间的距离。有了这些信息，我们可以计算图像的平方米。

算法实现和调整，这些是 pa-blan-y 步骤。作为输入，我们有一个 RGB 图像。拉拉西亚频率过滤器，我们用它来去除部分土壤，离开和不需要的亮度。

介质滤波器检查噪声，最后找到最大值确定局部选择。输出图像显示检测到的耳朵。算法实现和调整。

如果图像是使用不同的相机规格或顶篷和相机之间的距离拍摄的，我们可以调整一些算法参数。拉拉西亚过滤器仍然相同。在中滤波器和查找最大值中，我们可以更改直径和噪声参数。

算法验证。对于验证步骤，我们在原始图像中标记了每个耳朵，然后使用简单的算法计算图像中的标记数。结果用于计算成功率。

我们还包括一个圆，在图像中具有物理引用。使用图像实现算法。这是麦片扫描仪插件。

您将在中央选项卡数据计数中找到。在选项中，您可以选择输入图像以及要保存结果的位置。我想向您展示使用一个图像的宏的工作原理。

我们将选择此图像，现在我们将运行第一步。这是图像的频率形成，在这里我们有结果。第二步是介质过滤器。

我们将运行此步骤，这就是结果。最后，我们将运行切割的最后一部分，这些都是结果，这些最终数字是检测到的耳朵数量。另一种方式是点击这里，我们处理，查找最大值，并点击这里。

这是使用耳朵计数算法的另一种方式。您可以访问我们的网站综合杂技物理组。com 和这里在软件开发， 你会发现麦片扫描仪。

要获得访问权限，请直接写入此电子邮件。请按照步骤安装插件。安装插头后请直接去插上，麦片扫描仪，打开麦片扫描仪。

现在，我们将使用两个图像。直接转到麦片扫描仪、耳朵计数和选项中，选择您的文件。在这里，您可以使用树冠和相机之间的距离。

在我们的情况下，我们使用它80厘米。在这里，您可以选择焦距。最后在结果文件中，你会发现耳朵计数的结果和只是处理。

这是我们的结果。在这里，我们有图像的名称，在前面，我们有检测到的耳朵数量。这些是小麦和大麦的结果。

对于每个图形，X 轴表示手动计数。单击，Y 轴表示算法计数。两个轴在一平方米刻度中。

在小麦的第五图形中，我们获得了等于0.62的确定系数，在第二个大麦图形中，我们获得了等于0.75的确定系数。在小麦的最终图像中，我们获得了等于0.75的确定系数。在品种评估周期和产量预测中，计数是最费力的工作和耗时之一。

因此，需要一种快速友好的技术来改进和扩大其在精确的农业和作物育种以及产量预测中的应用。我们使用我们的麦片扫描仪是公共提供公司合作成果，目的是以更高的效率和时间和资源进行耳朵计数。另一方面，要捕获高质量的数据，最终获得更精确的产品数据库。

虽然还没有得出结论，我想强调类似的方面，你会在这里呈现的误点，一个是本地的，所以这真的是一种技术形式，不需要任何形式的补充，所以人们可以去外地与他们的相机，与手机，在阳光下拍摄图像，这就是所有。第二，一个非常重要的一点是，这只是一种阿松顿方法，与人们以非常不同的方式计算耳朵数量的问题的认知性形成了鲜明的对比。因此，以前有一个前百分之一的当地人很重要，因为你可能在几分钟内完成一对夫妇或三个人可能需要的，也许在几个小时内。

所以算，预算是一个非常重要的点。另一个方面是，该方法对于减少分辨率是最小的。这意味着，你可以安装RGB相机在一个巨型植物在一种自动植物形式，然后你可以做一个自动计数这个事实。

最后，我要说，这不是方法的结束，所以我们有一个百分比方法，可以改善在未来通过结合所有的方法，例如使用不同的RGB颜色和空间，例如与多光谱想象相结合，甚至使用热图像或热图像。就这些，谢谢。