基于圖像處理的苗期小麥計(jì)數(shù)系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)
發(fā)布時(shí)間:2023-02-05 12:26
小麥?zhǔn)俏覈?guó)重要糧食作物之一,小麥的高產(chǎn)穩(wěn)產(chǎn)對(duì)于保障我國(guó)糧食安全起到重要的作用。多項(xiàng)研究表明,種植密度過(guò)于稀疏或密集都會(huì)影響小麥的產(chǎn)量。因此,及時(shí)準(zhǔn)確獲知小麥苗數(shù)對(duì)于指導(dǎo)生產(chǎn)有著積極意義。目前的數(shù)苗工作大多還是人工方法來(lái)完成,該方法對(duì)人力依賴(lài)性大,且效率低下。論文基于圖像處理技術(shù)對(duì)苗期小麥計(jì)數(shù)系統(tǒng)建立了一套用手機(jī)拍照就可以對(duì)小麥數(shù)苗的方法。解決了目前人工計(jì)算小麥數(shù)量時(shí)高度耗費(fèi)人力以及效率低的問(wèn)題。論文設(shè)計(jì)實(shí)現(xiàn)了一款基于圖像處理的苗期小麥計(jì)數(shù)系統(tǒng),主要包括對(duì)小麥圖像的分割方法、苗期小麥的計(jì)數(shù)方法以及數(shù)苗系統(tǒng)的實(shí)現(xiàn)。具體研究?jī)?nèi)容如下:(1)在圖像分割方面,基于超綠特征的思想針對(duì)小麥的圖像特點(diǎn)提出了適合苗期小麥的分割方法;利用超綠特征和閾值分割相結(jié)合的算法對(duì)小麥圖像實(shí)現(xiàn)了分割處理,再通過(guò)形態(tài)學(xué)算法對(duì)因圖像分割造成的毛刺邊緣和孔洞進(jìn)行消除和填充,最后通過(guò)連通區(qū)域過(guò)濾面積較小的干擾區(qū)域,實(shí)現(xiàn)對(duì)小麥圖像的有效分割,為后期的數(shù)苗算法奠定基礎(chǔ)。(2)在苗株統(tǒng)計(jì)方面,根據(jù)苗期小麥圖像特征分析提出了一套對(duì)小麥植株進(jìn)行計(jì)數(shù)的方法。首先通過(guò)連通區(qū)域標(biāo)記算法對(duì)分割后的小麥根莖部位進(jìn)行標(biāo)記,以確定圖像中連通區(qū)域數(shù)量...
【文章頁(yè)數(shù)】:57 頁(yè)
【學(xué)位級(jí)別】:碩士
【文章目錄】:
摘要
abstract
1 緒論
1.1 研究目的及意義
1.2 國(guó)內(nèi)外研究現(xiàn)狀
1.3 主要研究?jī)?nèi)容與論文組織結(jié)構(gòu)
1.3.1 主要研究?jī)?nèi)容
1.3.2 論文組織結(jié)構(gòu)
1.4 本章小結(jié)
2 苗期小麥計(jì)數(shù)系統(tǒng)相關(guān)技術(shù)
2.1 顏色空間
2.2 圖像處理相關(guān)技術(shù)
2.2.1 超綠特征算法
2.2.2 閾值分割算法
2.2.3 形態(tài)學(xué)處理
2.2.4 連通區(qū)域
2.2.5 平滑濾波算法
2.3 聚類(lèi)分析算法
2.4 本章小結(jié)
3 苗期小麥圖像處理
3.1 數(shù)據(jù)準(zhǔn)備
3.1.1 數(shù)據(jù)采集環(huán)境
3.1.2 數(shù)據(jù)采集設(shè)備
3.1.3 數(shù)據(jù)采集方法
3.2 小麥圖像預(yù)處理
3.2.1 圖像增強(qiáng)
3.2.2 超綠特征的改進(jìn)
3.3 基于閾值的小麥圖像分割
3.4 小麥圖像后處理
3.4.1 邊緣平滑與孔洞填充
3.4.2 麥苗根莖區(qū)域的截取
3.5 本章小結(jié)
4 苗期小麥計(jì)數(shù)方法
4.1 麥苗計(jì)數(shù)
4.1.1 苗株標(biāo)記與粘連區(qū)判定
4.1.2 粘連區(qū)的特征分析及選擇
4.1.3 粘連區(qū)的苗數(shù)識(shí)別
4.2 計(jì)數(shù)方法驗(yàn)證
4.2.1 驗(yàn)證方案制定
4.2.2 實(shí)驗(yàn)結(jié)果與分析
4.3 本章小結(jié)
5 小麥計(jì)數(shù)系統(tǒng)的實(shí)現(xiàn)與測(cè)試
5.1 苗期小麥計(jì)數(shù)系統(tǒng)概述
5.1.1 框架設(shè)計(jì)
5.1.2 開(kāi)發(fā)環(huán)境
5.2 功能模塊設(shè)計(jì)與實(shí)現(xiàn)
5.2.1 圖像獲取模塊
5.2.2 圖像分析模塊
5.2.3 數(shù)據(jù)管理模塊
5.3 系統(tǒng)測(cè)試
5.3.1 系統(tǒng)使用實(shí)例
5.3.2 測(cè)試結(jié)果與分析
5.4 本章小結(jié)
6 結(jié)論與展望
6.1 總結(jié)
6.2 展望
參考文獻(xiàn)
致謝
本文編號(hào):3734967
【文章頁(yè)數(shù)】:57 頁(yè)
【學(xué)位級(jí)別】:碩士
【文章目錄】:
摘要
abstract
1 緒論
1.1 研究目的及意義
1.2 國(guó)內(nèi)外研究現(xiàn)狀
1.3 主要研究?jī)?nèi)容與論文組織結(jié)構(gòu)
1.3.1 主要研究?jī)?nèi)容
1.3.2 論文組織結(jié)構(gòu)
1.4 本章小結(jié)
2 苗期小麥計(jì)數(shù)系統(tǒng)相關(guān)技術(shù)
2.1 顏色空間
2.2 圖像處理相關(guān)技術(shù)
2.2.1 超綠特征算法
2.2.2 閾值分割算法
2.2.3 形態(tài)學(xué)處理
2.2.4 連通區(qū)域
2.2.5 平滑濾波算法
2.3 聚類(lèi)分析算法
2.4 本章小結(jié)
3 苗期小麥圖像處理
3.1 數(shù)據(jù)準(zhǔn)備
3.1.1 數(shù)據(jù)采集環(huán)境
3.1.2 數(shù)據(jù)采集設(shè)備
3.1.3 數(shù)據(jù)采集方法
3.2 小麥圖像預(yù)處理
3.2.1 圖像增強(qiáng)
3.2.2 超綠特征的改進(jìn)
3.3 基于閾值的小麥圖像分割
3.4 小麥圖像后處理
3.4.1 邊緣平滑與孔洞填充
3.4.2 麥苗根莖區(qū)域的截取
3.5 本章小結(jié)
4 苗期小麥計(jì)數(shù)方法
4.1 麥苗計(jì)數(shù)
4.1.1 苗株標(biāo)記與粘連區(qū)判定
4.1.2 粘連區(qū)的特征分析及選擇
4.1.3 粘連區(qū)的苗數(shù)識(shí)別
4.2 計(jì)數(shù)方法驗(yàn)證
4.2.1 驗(yàn)證方案制定
4.2.2 實(shí)驗(yàn)結(jié)果與分析
4.3 本章小結(jié)
5 小麥計(jì)數(shù)系統(tǒng)的實(shí)現(xiàn)與測(cè)試
5.1 苗期小麥計(jì)數(shù)系統(tǒng)概述
5.1.1 框架設(shè)計(jì)
5.1.2 開(kāi)發(fā)環(huán)境
5.2 功能模塊設(shè)計(jì)與實(shí)現(xiàn)
5.2.1 圖像獲取模塊
5.2.2 圖像分析模塊
5.2.3 數(shù)據(jù)管理模塊
5.3 系統(tǒng)測(cè)試
5.3.1 系統(tǒng)使用實(shí)例
5.3.2 測(cè)試結(jié)果與分析
5.4 本章小結(jié)
6 結(jié)論與展望
6.1 總結(jié)
6.2 展望
參考文獻(xiàn)
致謝
本文編號(hào):3734967
本文鏈接:http://sikaile.net/nykjlw/nzwlw/3734967.html
最近更新
教材專(zhuān)著