[实用新型]多光谱视觉成像大叶农作物叶片分级系统

说明书

技术领域

本实用新型涉及大叶农作物叶片分级技术领域，特别涉及一种多光谱视觉成像大叶农 作物叶片分级系统。

背景技术

大叶农作物是一类重要的经济作物，在我国的农业生产中占有重要的地位。在大叶农 作物叶片的收购环节，目前大叶农作物叶片质量分级的手段仍旧以人工为主，存在着劳动 强度大、主观性强、工作效率低、分级标准不易掌握、分级精度不稳定等缺点，甚至造成 了收购分级专家的灰色利益、农民和收购方因分级不同意见引起的质量纠纷等问题。

并且，大叶农作物叶片的分组分级对人工要求很高，分级工人需要进行系统的专业分 级培训，并且还要一段时间熟练技能，然后才能在分级时根据各级别大叶农作物叶片的视 觉、触觉、嗅觉反应做出综合判断。对于一般分级技术较熟练的工人，分级的效率为 60kg/(人·天)左右(以每天工作八个小时计)。分级后的大叶农作物叶片由具有大叶农作物叶 片等级质量鉴别检验资格的人员对其进行复查，按相关分级标准进行等级质量检验，合格 率为67.55％-91.78％不等。由此可见，人工分级的前期培训较为复杂，培训时间较长，而 分级的效率低下且正确率良莠不齐，对于大叶农作物的收购和生产都会带来明显的阻碍。

实用新型内容

本实用新型旨在至少在一定程度上解决上述相关技术中的技术问题之一。

为此，本实用新型的目的在于提出一种多光谱视觉成像大叶农作物叶片分级系统，该 系统能够实现大叶农作物叶片的自动化分级，节省了大量人力资源，具有分级效率高，分 级客观、准确的优点，且该系统结构简单、操作方便。

为了实现上述目的，本实用新型提供了一种多光谱视觉成像大叶农作物叶片分级系统， 包括：采样模块，所述采样模块用于获取不同等级的大叶农作物叶片训练样本，其中，所 述训练样本包括不同等级的大叶农作物叶片的多光谱图像；特征提取模块，所述特征提取 模块用于从所述多光谱图像中提取特征信息，其中，所述特征信息包括颜色特征、形状特 征和纹理特征；训练模块，所述训练模块用于根据所述特征信息训练分类器；获取模块， 所述获取模块用于获取待分类的大叶农作物叶片的特征信息；分类模块，所述分类模块用 于根据所述分类器对所述待分类的大叶农作物叶片的特征信息进行分类，以得到所述待分 类的大叶农作物叶片的等级。

根据本实用新型的多光谱视觉成像大叶农作物叶片分级系统，从不同等级的大叶农作 物叶片训练样本的多光谱图像中提取特征信息，然后根据这些特征信息训练分类器，然后 将待分类的大叶农作物叶片的特征信息输入分类器，经过分类器计算后得到待分类大叶农 作物叶片的等级。因此，该系统能够实现大叶农作物叶片的自动化分级，节省了大量人力 资源，具有分级效率高，分级客观、准确的优点，同时，该系统结构简单，操作方便。

另外，根据本实用新型上述的多光谱视觉成像大叶农作物叶片分级系统还可以具有如 下附加的技术特征：

在一些示例中，所述获取模块用于确定大叶农作物叶片区域，并采集所述大叶农作物 叶片区域的伪颜色信息和真实LAB颜色信息，并根据所述伪颜色信息和真实LAB颜色信息 计算所述大叶农作物叶片区域的颜色特征，以及根据所述大叶农作物叶片区域的RGB数据 计算灰度图像，并根据所述灰度图像的灰度共生矩阵计算所述大叶农作物叶片区域的纹理 特征，以及根据所述大叶农作物叶片区域的轮廓和残伤率计算所述大叶农作物叶片区域的 形状特征，以及提取所述大叶农作物叶片区域的多光谱数据，并根据所述多光谱数据计算 所述大叶农作物叶片区域的多光谱组合特征。

在一些示例中，所述灰度图像可通过如下公式计算：

Y＝0.30R+0.59G+0.11B。

在一些示例中，所述大叶农作物叶片区域的纹理特征包括：大叶农作物叶片区域的纹 理熵、纹理对比度、纹理自相关、纹理能量、纹理逆矩差。

在一些示例中，所述大叶农作物叶片区域的形状特征包括大叶农作物叶片面积、周长、 长轴、短轴、圆度、宽长比和叶片残伤率。

本实用新型的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变 得明显，或通过本实用新型的实践了解到。

附图说明

本实用新型的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得 明显和容易理解，其中：

图1是根据本实用新型一个实施例的多光谱视觉成像大叶农作物叶片分级方法的流程 图；