[发明专利]一种目标物体的表型数据分析方法、存储介质及终端

说明书

本发明公开了一种目标物体的表型数据分析方法、存储介质及终端，属于外观表型分析技术领域，方法包括凹陷点数量和深度计算步骤：计算目标物体的三维点云图像中每个点的曲率，并对曲率为负值的点进行聚类处理进而获取目标物体的凹陷点数量；计算三维点云图像中每个凹陷点对应点的平均曲率，并分析每个凹陷点对应点的平均曲率与实际测量深度线性关系，即将每个凹陷点对应点的平均曲率与实际测量深度进行拟合，回归出目标物体凹陷点深度与平均曲率的关系，进而准确估算出凹陷点的深度，整个凹陷点参数(数量、深度)计算过程快速、准确且客观。

技术领域

本发明涉及外观表型分析技术领域，尤其涉及一种目标物体的表型数据分析方法、存储介质及终端。

背景技术

对目标物体进行外观表型分析能够准确获取目标物体的表型参数，如尺寸、形状、对称性参数等，将外观表型分析技术应用至具体应用场景，在一定程度上能够推动该目标物体所属领域的发展，例如将该技术应用对果实外观表型的分析，可以获取果实的尺寸、形状、对称性以及芽眼参数等，能够为果实的育种提供指导性意见等，以马铃薯为例，其作为世界上最重要的粮食作物之一，2017年马铃薯的全球产量达到将近四亿吨并且在发展中国际的种植面积还在呈增长趋势。根据我国粮食战略布局，马铃薯也提升至第四大粮食产物。马铃薯品种繁多，在表皮硬度、尺寸、形状方面不同品种间有显著区别，因此不管对于马铃薯的生产还是育种工作，都需要准确的分类不同品相的马铃薯。对于消费者，合适的尺寸和美观的外观的一直是最为重要的购买因素。对于生产，量化马铃薯按照品相特征并进行分类能够提高消费者满意度，提高销量；对于育种工作，能够为基因育种工作提供准确的表型特征参数，加速新品种培育进程，为市场提供更加有竞争力的土豆品种，增加农民与经销商收入。

目前马铃薯分级还处在依赖人工判断的阶段，缺点在于需要大量劳动力，人工成本高；主观因素比重大，分级不够客观准确，造成浪费；速度慢，只能依赖取样，并且受工时限制。随着计算机图像技术的发展，利用图像分析高效地量化土豆外观参数成为可能。利用图像技术对马铃薯茎块进行表型分析的难点在于马铃薯形状对称性差，普通的二维图像只能在一定角度获取图像并分析，从而导致如下问题：1)由于码放角度原因形状判断不够准确；2)由于单一拍摄角度，芽眼(凹陷点)数量及密度无法精确获取；3)二维图像没有深度信息，从而无法获取芽眼深度信息。所以，对于解决快速、准确的马铃薯外观评价，人工检测和基于二维图像的图像分析技术均不能取得令人满意的效果。

发明内容

本发明的目的在于克服现有技术无法客观、准确获取目标物体的凹陷点(芽眼)数量以及深度的问题，提供一种目标物体的表型数据分析方法、存储介质及终端。

本发明的目的是通过以下技术方案来实现的：一种目标物体的表型数据分析方法，所述方法包括凹陷点数量和深度计算步骤：

计算目标物体的三维点云图像中每个点的曲率，并对曲率为负值的点进行聚类处理进而获取目标物体的凹陷点数量；

计算三维点云图像中每个凹陷点对应点的平均曲率，并分析每个凹陷点对应点的平均曲率与实际测量深度线性关系，进而估算出凹陷点的深度。

作为一选项，所述平均曲率的计算公式为：

其中，N(i)为三维网格曲面模型中顶点x_i周边三角形总数，(x_i，x_j)为两个三角形相重合的边，α_ij、β_ij分别为顶点x_i相对的两个顶角的角度，A_m表示顶点x_i相连的所有三角形的表面积。

作为一选项，所述凹陷点对应点的平均曲率与实际测量深度线性关系为：

D_eye＝a×C+b