CN113837037B 一种植物种类识别方法、系统、电子设备及存储介质 （广东浪潮智慧计算技术有限公司）

物种类识别方法包括提取植物叶片图像的叶片物种类识别系统、一种电子设备及一种存储介2提取植物叶片图像的叶片边缘轮廓，并对所述叶片边缘轮廓进行旋将所述叶片边缘轮廓在长度方向上的距离最远的两个叶片轮廓点设置为近端点和远根据所述叶片边缘轮廓上多个叶片轮廓点与所述基准线之间的距离确定所述叶片轮生成所述叶片轮廓图像中的叶片边缘轮廓的凸包，根据所将所述凸缺陷的最远点到所述凸包的边的距离设置为目标距离将所有所述目标距离的特征值作为所述叶片轮廓图像的所述凸缺将所述植物叶片图像的颜色模型转换为YIQ颜色模型，并对所述植通过形态学闭运算对所述二值化植物叶片图像进行处理得到根据所述目标直线的斜率确定轮廓旋转角度，并根据所述轮廓旋转将所述叶片边缘轮廓在长度方向上的距离最远的两个叶片轮廓点设置为近端点和远确定所述叶片边缘轮廓的轮廓质心，将所述近端点与所述轮廓若是，则将所述第一距离与所述第二距离的比值作为所述叶片3若否，则将所述第二距离与所述第一距离的比值作为所述叶片在所述基准线上选取多个间隔相等的点作为参考点，并在所述将所述距离统计数据集合中每一元素的值除以所述基准线的长度，5.根据权利要求1至4任一项所述植物种预处理模块，用于提取植物叶片图像的叶片边缘轮廓，并对所述特征学习模块，用于利用所述轮廓特征训练植物叶片其中，所述特征提取模块，具体用于将所述叶片边缘轮廓两个叶片轮廓点设置为近端点和远端点；将所述近端点和远端点之间的连线设置为基准的叶片轮廓点；将所有所述目标距离的特征值作为所述叶片轮廓图像的所述凸缺陷特征；4对称性特征和轮廓形状向量特征中的任一项或任述第一备选图像进行距离变换和二值化处理得到[0014]利用最小二乘法的直线拟合算法对所述叶片边缘点进行处理得到目标直线；其5[0019]将所有所述目标距离的特征值作为所述叶片轮廓图像的[0021]将所述叶片边缘轮廓在长度方向上的距离最远的两个叶片轮廓点设置为近端点[0027]将所述叶片边缘轮廓在长度方向上的距离最远的两个叶片轮廓点设置为近端点[0029]根据所述叶片边缘轮廓上多个叶片轮廓点与所述基准线之间的距离确定所述叶6特征训练植物叶片分类模型，以便利用训练后的植物叶片分类模型执行植物种类识别操7的生长方向与水平线的夹角。廓特征和叶片种类对植物叶片分类模型进行训练，上述植物叶片分类模型具体可以为SVM8廓中两个距离最远的点的连线所指的方向与X轴的夹角来计算轮廓的旋转角度，如图2所度，并根据所述轮廓旋转角度对所述叶片边缘轮廓进行旋转变换得到所述叶片轮廓图像。度不均匀的影响，将RGB颜色模型变换到YIQ颜色模型，对Q通道图像采用OSTU阈值分割方弱叶片边缘的锯齿点的影响。对上一步所得二值图像进行轮廓检测得到若干个叶片边缘是从二维坐标到二维坐标之间的线性变换，本发明中的轮廓点的仿射变换只包含旋转变9[0079]请参见图3和图4，图3为本申请实施例所提供的第一种轮廓旋转变换方法的示意的轮廓角度为θ弧度(θ>0)，为了获取右图的叶片轮廓，将原始叶片轮廓点以轮廓质心Acont外接矩形的宽w来对di进行规范化，即di/w,凸缺陷的最远点到凸包边的距离向量定义为廓旋转变换后，最小的X坐标和最大的X坐标对应的轮廓点P1，P2记为近端点、远端点，[0097]轮廓形状在X方向上的对称性取决于轮廓CP1,Q1和轮廓CP2,Q1之间对称性或轮廓CP1,Q2和轮廓CP2,Q2之间对称性，而左右两侧轮廓的对称性又影响质心的位置，为了简化运[0101]请参见图6，图6为本申请实施例所提供的一种轮廓形状向量的示意图。如图6所廓上多个叶片轮廓点与所述基准线之间的距离确定所述叶片轮廓图像的轮廓形状向量特[0106]在得到上述轮廓特征后，可以将轮廓特征输入到支持向量机(SVM)模型中进行训[0110]下面通过在实际应用中的基于叶片轮廓特征的树叶识别方法说明上述实施例描转变换来提高轮廓点的旋转不变性；本实施例提出了描述叶片局部轮廓点属性的特征方型中即可得到植物类别。[0126]将上述所有样本图片经过步骤1～5所得的特征数据以及对应的类别标签数据输入到SVM模型中，经过优化求解得到最优SVM分类器，然后输入到SVM分类器中一组特征数顺序依次阐述每一步骤的具体实施过程和结示先对RGB彩色图像进行YIQ颜色模型转换并提取Q通道图像；然后采用基于大津法的阈值后对叶片边缘点进行基最小二乘直线拟合得到直线方程，将其转换成X轴夹角θ(即直线角性为convexity＝Pcont/Pc[0146]形状对称性特征，寻找所有轮廓点中最小X坐标和最大X坐标对应的轮廓点P1和记为L12[0148]利用对称轴方向上的最大轮廓点距离，即点P1和P2的距离dp12来对Cshape进行规范[0149]请参见图10，图10为本申请实施例所提供的一种轮廓形状特征向量特征的示意[0150]本实施例采用支持向量机(SVM)模型进行特征学习，基于scikitlearn机器学习测试数据集的比例配置为90％与1085％与1580％与20％。配置SVM参数时可以选择征描述子以及描述局部轮廓点形状分布的轮廓形状向量描述子，可以提高叶片识别准确局部轮廓点形状分布的特征描述子。本实施例所提供的基于叶片轮廓特征的树叶识别方提高轮廓点检测的旋转不变性；本实施例还提出了描述叶片轮廓的凸缺陷的特征描述子、描述叶片形状对称特性的特征描述子以及描述局部轮廓点形状分布的轮廓形状向量描述[0161]进一步的，预处理模块，用于将所述植物叶片图像的颜色模型转换为YIQ颜色模远的两个叶片轮廓点设置为近端点和远端点；还用于确定所述叶片边缘轮廓的轮廓质心，所述第一距离与所述第二距离的比值作为所述叶片轮廓图像的轮廓形状对称性特征；若可以对本申请进行若干改