[发明专利]基于机器视觉的种子发芽率测定方法、系统及装置

权利要求书

1.一种基于机器视觉的种子发芽率测定方法，其特征在于，包括以下步骤：

对原始种子发芽图像进行预处理，分别分割出仅包含种子、仅包含芽和仅包含根的种子二值化图像、芽二值化图像及根二值化图像；

基于根二值化图像，得到根粗均值，基于芽二值化图像，获取所有连通域最外层轮廓，对所有连通域最外层轮廓进行多边形拟合，得到芽轮廓多边形并构建芽轮廓集与芽轮廓顶点集；

基于芽轮廓集得到芽端点坐标，并形成芽端点坐标点集，基于芽轮廓顶点集得到芽轮廓骨架线，并形成芽轮廓骨架线点集；

基于种子二值化图像、芽二值化图像及根二值化图像，根据芽端点坐标点集、芽轮廓骨架线点集判断是否存在断芽；

若存在，则将断芽与断芽进行连接形成新芽，并将新芽与种子进行连接，计算所有芽的芽长、根长度及种子直径；

根据种子二值化图像得到种子数量，根据各芽长度与根长度判断符合种子发芽的数量，进而得到种子发芽率；

其中，所述则将断芽与断芽进行连接形成新芽，并将新芽与种子进行连接，包括以下步骤：将断芽进行连接，得到芽连接图像，将芽与种子连接，得到芽与种子连接图像；将种子二值化图像、根二值化图像和芽连接图像相加得到总图像，并提取总图像的总轮廓得到总轮廓集；遍历总轮廓集，为每个总轮廓创建全白图像，得到临时图像；分别将种子二值化图像、根二值化图像和芽连接图像与所述临时图像作差处理，得到仅包含种子的种子图像、仅包含芽的芽图像与仅包含根的根图像；

其中，所述将断芽进行连接，得到芽连接图像，将芽与种子连接，得到芽与种子连接图像，包括以下步骤：计算所述芽端点坐标点集中任意两个芽端点之间的芽距离；若所述芽距离小于1.5倍根平均宽度，则计算两轮廓骨架线与各个芽端点临近两线段倾角，若两线段倾角的角度差小于30度，则将两个芽端点进行连接；依次遍历所有芽轮廓，得芽与芽的芽连接图像；获取芽连接图像的端点，若芽端点与种子轮廓点集中种子轮廓点之间最近距离小于1.5倍根平均宽度，则将芽端点与种子轮廓点连接；依次遍历所有芽端点，得到芽与种子连接图像；

其中，计算所有芽的芽长、根长度，包括以下步骤：

分别获取所有根端点及芽端点，分别各以根端点及芽端点的两端点所在直线对图像进行处理，得对应的新轮廓点集及新骨架点集；初始化y方向坐标的最大值和最小值，以y方向最小值向下遍历x方向坐标，取x方向最大值与最小值的中点坐标及y值为骨架线一点坐标，得到骨架线长度，所述骨架线长度即为芽或根的长度。

2.根据权利要求1所述的基于机器视觉的种子发芽率测定方法，其特征在于，所述对原始种子发芽图像进行预处理，分别分割出仅包含种子、仅包含芽和仅包含根的种子二值化图像、芽二值化图像及根二值化图像，包括以下步骤：

将原始种子发芽图像从RGB图像转化为HSV空间图像，在RGB空间分离得到第一绿色通道图像、第一白色通道图像及第一背景图像，在HSV空间分离得到第二绿色通道图像、第二白色通道图像及第二背景图像；

将第一白色通道图像和第二白色通道图像取并集，将第一绿色通道图像和第二绿色通道图像取并集，得到仅包含芽的芽二值化图像和仅包含根的根二值化图像；

对原始种子发芽图像进行自适应二值化处理得种子发芽二值化图像；

基于种子发芽二值化图像，依次减去芽二值化图像及根二值化图像，得到仅包含种子的初始种子二值化图像；

对所述初始种子二值化图像进行噪声处理，得到种子二值化图像。

3.根据权利要求1所述的基于机器视觉的种子发芽率测定方法，其特征在于，所述基于根二值化图像得到根粗均值，包括以下步骤：

基于所述根二值化图像，得到根轮廓坐标及根轮廓坐标集；

任取根轮廓坐标集中的一个根轮廓坐标，查找当前所在根轮廓坐标与距离最近的根轮廓坐标；

计算两个根轮廓坐标之间的距离，所述距离即为根宽度；

重复以上步骤，进而得到根宽度的平均值。