[发明专利]一种原位阵列式根系表型监测系统及其工作方法

权利要求书

1.一种原位阵列式根系表型监测系统的工作方法，其特征在于：

所述原位阵列式根系表型监测系统，包括：图像无线传输网关、按压式开关、充电孔、LED照明系统、无线摄像头模块、稳压电源模块和外壳；

所述图像无线传输网关通过Wifi连接至局域网中，实现图像无线传输；

所述按压式开关：控制原位阵列式根系表型监测系统的电路通断；

所述充电孔：用于接通电源为电池板连接；

所述LED照明系统：根窗成像系统补光系统；

所述无线摄像头模块：用于获得根系图像并通过图像无线传输网关传输；

稳压电源模块包括：蓄电池和降压板，电池用于原位阵列式根系表型监测系统的供电；降压板保证原位阵列式根系表型监测系统在工作电压内运行；

图像无线传输网关设置于外壳顶部，按压式开关、充电孔和LED照明系统设置于外壳侧面，无线摄像头模块设置于外壳的正面表面，稳压电源模块设在外壳底部内部；

蓄电池输出口依次串联按压式开关、图像无线传输网关和降压板；降压板并联无线摄像头模块、LED照明系统，并供电；

所述工作方法包括以下步骤：

S1：根系图像采集

采用ESP32-CAM模块作为根系成像系统的拍摄部分，为16个摄像头分别设定固定IP地址并通过基于Python语言的爬虫技术控制，并以此控制16个ESP32-CAM进行各个根系测量区的图像采集，获取多组不同角度和距离的长方形棋盘标定板；

S2：根系图像畸变校正

通过张正友标定法，测定各个无线摄像头的内参矩阵、外参矩阵、径向畸变和切向畸变参数；

内参矩阵为：

外参矩阵为：

其中，f为像距，dX，dY分别表示X，Y上单个像素在感光板上的物理长度，u₀、v₀为感光板在像素坐标系下的坐标，θ为感光板横纵边比例角度；

R表示旋转矩阵，T表示平移矢量；

进而利用图形坐标和像素坐标的转化关系：

并依据如下的径向畸变矫正公式：

x_dr＝x(1+k₁r²+k₂r⁴+k₃r⁶)

y_dr＝y(1+k₁r²+k₂r⁴+k₃r⁶)

以及如下的切向畸变的矫正公式：

x_dt＝2p₁xy+p₂(r²+2x²)+1

y_dt＝2p₁(r²+2y²)+2p₂xy+1

其中r²＝x²+y²

式中：

u、v为理想的像素坐标，x_dr，y_dr，x_dt，y_dt分别代表径向、切向畸变后图像X、Y轴像素点的坐标，x、y为理想的无畸变坐标，k₁、k₂、k₃、p₁、p₂为5个畸变系数，r为该点距成像中心的距离；

进而得到如下矫正公式：

以此利用识别标定板获得的畸变后坐标及L-M算法获得的无畸变坐标(u，v)，带入上式，即可得到相应的参数k₁、k₂进而完成矫正；

OV2640广角摄像头的畸变校正参数依次标定，后期直接使用各个摄像头的校正参数对畸变的根系图像进行校正；

S3：根系图像预处理

对校正后的根系图像使用大小为3×3且σ＝3的二维高斯平滑滤波器H与每张输入图像F卷积，用确定的邻域内像素的加权平均灰度值去替代模板中心像素点的值，进而得到输出图像G，其公式为：

式中：

i、j分别为像素大小，h(i，j)为高斯平滑滤波器，f(i，j)原图像的各个像素，g(i，j)为卷积后的各图像像素，最终形成预处理后的图像；

S4：根系图像自动化拼接，子步骤如下：

S41：使用Harris角点检测算法对根系图像拟拼接部分求取特征点；

S42：采用索引树改进的快速最近邻搜索方法，进行特征点初始匹配，索引树常用于多维空间关键数据的搜索，而快速最近邻算法能有效地减少计算量；

首先根据相似性距离建立K-D树索引，对于某一特征向量距离的计算，计算其最近邻与次近邻的比值，若这个值小于预先假设的阈值，则就认为该最近邻是较好的匹配，完成特征点对的初始匹配；再根据每个特征点Laplacian标识符的值为1还是为0来区分暗背景上的亮斑和亮背景的暗斑，对同类型的特征点进行匹配；

S43：利用投影变换模型：

把多幅图像的坐标(x₁，y₁)、(x₂，y₂)、......(x₁₆，y₁₆)初步映射到同一坐标系X、Y下，再采用RANSAC算法进一步去除外点，计算图像之间的变换矩阵进而完成最终的坐标变换；

S44：由于成像受光线和相机内参影响，拼接后的图像出现明显的拼接痕迹及区域亮度不同，故而使用HIS变换模型，统一亮度；将三原色光R、G、B各分量相加并取平均值得到亮度分量I，用I减去1/I与RGB各自最小分量相乘得到色调分量S，进而依据下列公式使用反余弦变换，求得饱和度分量H；

式中：R、G、B为三原色分量，H为饱和度分量；

再将变换后得到的亮度分量I，在直方图匹配法下与参考图像的I分量进行融合，得到新的融合亮度分量并代替原始的亮度分量，并同H和S分量图像一起进行IHS逆变换，最后得到RGB空间表示的融合结果；

S5：根系图像分割，子步骤如下：

S51：对用平均值法对融合图像的RGB三分量相加取平均值，完成灰度化处理；

S52：用γ＝0.8的伽马变换对根系图像增强图像对比度，即将图像归一化后的每个像素点灰度值以γ＝0.8次幂形式变换，得到对应的输出图像；

S53：对图像进行开运算；其基本原理为：以基准图像B的原点为坐标扫描待处理图像A的所有像素点，用基准图像B与处理图像A覆盖的二值X图像做“与”操作形成新的图像A，再与基准图像B进行“或”操作，即完成图像开运算；

S54：使用分水岭算法进行分割，再对梯度图像实施阈值化处理，减少图像的过分割，最终完成提取轮廓；

S6：根系表型参数计算，子步骤如下：

S61：用Canny边缘检测算子对作物根系的边缘进行处理，获取边缘像素点；

S62：用1表示作物根系的图像区域：用0表示背景区域；通过扫描法对根系二值图像进行扫描，计算出根系图像中像素点为1的点的个数，再进行求和处理求得总数；

S63：将像素点等于1的像素相加，得到总数根系的面积S；

S64：根系的周长值就是边缘像素点的距离长，计算周长时采用每次一个像素点的方式进行增加，表示距离为1；对角线方向运用8邻域连通法以个像素递增方式进行边缘像素点距离的计算，最终周长L为边缘上所有水平、垂直像素点相加，再加上个对角线像素点；通过将周长中各像素分别取平均值再累加方式求得周长。

2.根据权利要求1所述的一种原位阵列式根系表型监测系统的工作方法，其特征在于：S42中阈值设为0.8。