[发明专利]一种可穿戴式植物表型感知系统

权利要求书

1.一种可穿戴式植物表型感知系统，用于番茄果实的成熟度检测，包括计算机，其特征在于，还包括可穿戴设备，所述可穿戴设备包括用于采集植物图像的图像采集装置和将植物图像传输至计算机的数据传输装置，所述计算机包括处理器和存储器，以及存储在存储器上并由所述处理器运行的程序，所述处理器在执行所述程序时实现以下步骤：

步骤S1：接收由可穿戴设备采集的植物图像，

步骤S2：利用事先对所述图像采集装置进行标定结果对植物图像进行畸变矫正，

步骤S3：基于畸变校正后的植物图像，检测该植物图像中的需感知部分，

步骤S4：基于检测结果，进行图像分割，得到需感知部分，

步骤S5：基于度量参照物计算单位像素的实际大小，并由图像分割结果进行计算得到面积、周长、短轴长轴比，

步骤S6：根据图像分割结果，统计颜色信息并基于统计结果对成熟度进行分级；

所述步骤S2具体为：利用事先对所述图像采集装置进行标定结果中的畸变系数对植物图像进行畸变矫正：

径向畸变的矫正为：

x_corrected＝x(1+k₁r²+k₂r⁴+k₃r⁶)

y_corrected＝y(1+k₁r²+k₂r⁴+k₃r⁶)

切向畸变的矫正为：

x_corrected＝x+[2p₁y+p₂(r²+2x²)]

y_corrected＝y+[p₁(r²+2y²)+2p₂x]

其中：(x_corrected，y_corrected)是矫正后的新位置，(x，y)是畸变点在成像平面的原始位置坐标，k₁，k₂，k₃，p₁，p₂为畸变系数；

所述步骤S2中设计的图像采集装置的标定过程具体包括：

21)准备标定图片，用A4纸打印一张棋盘格，棋盘格大小为7x8，单位格子长度为24mm，将其贴在一个硬纸板上，用可穿戴智能眼镜从不同方向、不同角度拍摄棋盘格图片20张，

22)提取步骤21)中棋盘格图像中的亚像素角点，根据角点坐标计算得到畸变系数；

所述植物为番茄果实，所述步骤S3中为采用SSD网络结构的番茄检测模型对畸变校正后的植物图像检测番茄果实，

所述番茄检测模型的建立过程具体包括：

步骤S31：载入含有若干张绿色番茄图片的多张番茄图像样本，并将载入的番茄图像样本划分为训练集、验证集和测试集，

步骤S32：对番茄图像样本进行样本扩充，包括沿水平或垂直方向翻转图像、随机裁剪图像、改变图像尺寸大小、旋转/反射变换、增加图像噪声和改变图像色彩对比度，

步骤S33：设计网络模型：基于SSD网络结构的番茄果实检测模型是一个多层卷积神经网络模型，采用有监督学习方式进行训练，输入是一张图像样本，输出是图像中检测的番茄果实位置和置信度，

步骤S34：训练时，初始学习率设为0.001，每次迭代输入20个样本，以平均误差更新权重，在迭代10000次时学习率减半，并且此后每经过5000次迭代将学习率减半，一共进行了30000次迭代，将模型在{10000，15000，20000，25000，30000}次迭代时的权重参数自动保存；

所述番茄图像样本总量528张，其中绿色番茄图片68张；且训练集的数目为243张、验证集的数目为126张、测试集的数目为159张；

所述步骤S5中度量参照物为二维码，实际尺寸为4cm×4cm，

所述步骤中计算单位像素的实际边长具体为：用矩形框检测定位出二维码，计算二维码矩形框所占的像素数，求出单位像素的实际边长：

其中：a为单位像素的实际边长，N为像素数，

所述周长具体为：

L＝l×a

所述面积为：

S＝n×a²

其中：L为周长，l为番茄果实轮廓的像素数，S为番茄果实的真实面积，n为果实像素数，

所述短轴长轴比计算过程具体为：用最小二乘法对番茄果实轮廓进行椭圆拟合，分别求出椭圆的短轴和长轴；

所述步骤S6具体包括：

步骤S61：基于图像分割结果，根据各像素点的颜色将像素点分为红色像素点和非红色像素点；

步骤S62：计算红色像素点占比得到成熟度指标：

其中：M为成熟度指标，P_r为红色像素点个数，P为总像素点个数；

步骤S63：根据成熟度分级表，将成熟度指标转换为成熟度等级。