本發(fā)明涉及一種果樹(shù)拉枝效果評(píng)價(jià)方法，屬于果園農(nóng)藝效果評(píng)價(jià)領(lǐng)域，尤其涉及一種基于骨架角點(diǎn)算法的果樹(shù)拉枝檢測(cè)方法。

背景技術(shù)：

拉枝是果樹(shù)栽培中提高產(chǎn)量、保證質(zhì)量的重要栽培技術(shù)措施，通過(guò)讓果樹(shù)枝條拉枝下垂，改善了樹(shù)體內(nèi)堂的光照和通風(fēng)條件，抑制了果樹(shù)旺盛的營(yíng)養(yǎng)生長(zhǎng)，改變了碳水化合物的運(yùn)輸方向和途徑，同時(shí)也改變了果樹(shù)內(nèi)激素等內(nèi)源物的的分配部位和平衡關(guān)系，有利于花芽的形成，促進(jìn)果樹(shù)開(kāi)花結(jié)果。同時(shí)通過(guò)拉枝改善了果園的光照條件，使光合效率增加，提高了果樹(shù)光能利用率，有利于碳水化合物向生殖生長(zhǎng)方向的積累；因而拉枝是人們獲得蘋(píng)果樹(shù)優(yōu)質(zhì)、豐產(chǎn)的重要栽培技術(shù)措施和手段。

拉枝主要是通過(guò)調(diào)節(jié)枝條角度而改變內(nèi)源激素水平，從而起到調(diào)節(jié)枝類組成，進(jìn)而達(dá)到豐產(chǎn)的目的。拉枝角度是老果園改造和新果園增產(chǎn)的重要技術(shù)措施之一，通過(guò)拉枝改變了果園的光照條件，提高果園通風(fēng)透光率，抑制了過(guò)旺營(yíng)養(yǎng)生長(zhǎng)，促進(jìn)了生殖生長(zhǎng)的發(fā)展，使得老果園的果實(shí)品質(zhì)和產(chǎn)量得到了極大的改善，因此合適、準(zhǔn)確的拉枝角度對(duì)指導(dǎo)老果園改造在生產(chǎn)中意義重大。

但是拉枝效果是否符合農(nóng)藝生產(chǎn)要求并沒(méi)有一個(gè)標(biāo)準(zhǔn)的判定，為了解決這一問(wèn)題，本發(fā)明提出一種基于骨架角點(diǎn)檢測(cè)的果樹(shù)拉枝效果評(píng)價(jià)方法，方便、快捷、準(zhǔn)確的檢測(cè)出拉枝的角度，對(duì)拉枝的準(zhǔn)確性作出評(píng)價(jià)。

技術(shù)實(shí)現(xiàn)要素：

為解決上述技術(shù)問(wèn)題，本發(fā)明提供了一種基于骨架角點(diǎn)算法的果樹(shù)拉枝效果評(píng)價(jià)方法，首先確定要檢測(cè)的果樹(shù)的最佳拉枝角度，然后采集果樹(shù)拉枝部分的圖像信息，對(duì)采集到的圖像信息進(jìn)行預(yù)處理，采用骨架算法對(duì)采集到的圖像信息進(jìn)行處理，提取果樹(shù)枝干，用角點(diǎn)檢測(cè)找出樹(shù)枝與主干的交點(diǎn)，用余弦定理計(jì)算出拉枝角度。本發(fā)明能方便、快捷、準(zhǔn)確的對(duì)拉枝準(zhǔn)確性做出評(píng)價(jià)，為以后果樹(shù)的生長(zhǎng)以及老果園的改造打下了堅(jiān)實(shí)的基礎(chǔ)，填補(bǔ)了國(guó)內(nèi)對(duì)于拉枝農(nóng)藝準(zhǔn)確性檢測(cè)的空白。

一種基于骨架角點(diǎn)檢測(cè)的果樹(shù)拉枝效果評(píng)價(jià)方法，步驟如下：

s1、采集果樹(shù)已拉枝部分的圖像信息；

s2、拉枝圖像灰度化處理，將彩色果樹(shù)圖像轉(zhuǎn)換成灰度值在0-255之間的灰度圖像；

運(yùn)用浮點(diǎn)算法，根據(jù)yuv顏色空間中y分量的物理意義，即點(diǎn)的亮度，由該值反映亮度等級(jí)，根據(jù)rgb和yuv顏色空間的變化關(guān)系建立亮度y與r、g、b三個(gè)顏色分量的對(duì)應(yīng)，以這個(gè)亮度值表達(dá)圖像的灰度值。亮度y與r、g、b三個(gè)顏色分量的公式(1)：

y＝0.3r+0.59g+0.11b(1)

獲取到灰度值后，計(jì)算變化梯度。梯度公式(2)如下：

其中，δ表示梯度；data[j].p表示圖像某處的灰度值；

s3、中值濾波將灰度化處理后的圖像進(jìn)行濾波降噪，采用中值濾波法降低圖像信息在采集過(guò)程中受到各種噪聲源的干擾。將每個(gè)像素的灰度值用其領(lǐng)域的中值代替，中值是指其領(lǐng)域內(nèi)奇數(shù)個(gè)數(shù)據(jù)按大小排序后處于中心位置的那個(gè)數(shù)值；

s4、灰度圖像多閾值分割，運(yùn)用多閾值分割技術(shù)對(duì)灰度化之后的果樹(shù)圖像進(jìn)行分割，在灰度值0—255范圍內(nèi)設(shè)定一個(gè)灰度級(jí)閾值t1(t1通過(guò)提取分析樹(shù)干與其他無(wú)關(guān)背景間rgb值差異，選擇合適閾值分割背景，獲取樹(shù)干)；以所述t1為標(biāo)準(zhǔn)，將果樹(shù)圖像中的樹(shù)干從果樹(shù)圖像中分割出來(lái)，分割處理后得到一張只包含果樹(shù)枝干的圖像；

s5、對(duì)果樹(shù)枝干圖像進(jìn)行灰度二值化處理。對(duì)于8位標(biāo)準(zhǔn)的數(shù)字灰度圖像，共有256個(gè)灰度級(jí)。只有兩個(gè)灰度值的灰度圖像稱為二值化的灰度圖像。黑白圖像是二值灰度圖像中的一種，其兩個(gè)灰度值分別為0和255；

s6、用骨架算法處理二值化的果樹(shù)樹(shù)干圖像得到單像素果樹(shù)樹(shù)干骨架圖像。在確保不改變?cè)寄Ｐ屯負(fù)涮匦缘那疤嵯?，逐層均勻剝離原始圖像的邊界點(diǎn)，剩下最后不能再削減的部分，使之最終成為單像素寬的先行幾何體，最后得到果樹(shù)骨架圖像；

s7、提取果樹(shù)主干骨架圖像。根據(jù)果樹(shù)骨架圖像，用兩層同時(shí)從下往上逐行掃描的方式，第一層由圖像最底層開(kāi)始，第二層比第一層高一個(gè)像素點(diǎn)，將兩層掃描到的所有的黑色像素點(diǎn)的坐標(biāo)記錄下來(lái)，計(jì)算出第二層掃到的所有像素點(diǎn)與第一層的所有像素點(diǎn)的直線距離，將最短距離的兩個(gè)點(diǎn)保留下來(lái)；然后從下往上依次掃描、兩層始終隔著一個(gè)像素點(diǎn)的距離，最后保留下來(lái)的所有點(diǎn)的圖像就是單像素果樹(shù)主干骨架圖像，然后將提取出來(lái)的主干的骨架圖像保存為image；

s8、以果樹(shù)主干為界，將果樹(shù)拉枝骨架圖像image分成兩張圖像image1和image2，去除雜枝或無(wú)用枝的影響。根據(jù)果樹(shù)主干骨架圖像，將果樹(shù)主干以及距離果樹(shù)主干左側(cè)一段鄰域所有黑色像素點(diǎn)保存到image1，將果樹(shù)主干以及距離果樹(shù)主干右側(cè)一段鄰域的所有黑色像素點(diǎn)保存到image2；

s9、對(duì)圖像image1和image2使用角點(diǎn)檢測(cè)找到樹(shù)枝與主干的交點(diǎn)d1；角點(diǎn)檢測(cè)是一種基于圖像灰度的一階導(dǎo)數(shù)矩陣檢測(cè)方法。在像素點(diǎn)的鄰域內(nèi)，導(dǎo)數(shù)矩陣描述了數(shù)據(jù)信號(hào)的變化情況。假設(shè)在像素點(diǎn)鄰域內(nèi)任意方向上移動(dòng)塊區(qū)域，若強(qiáng)度發(fā)生了劇烈變化，則變化處的像素點(diǎn)為角點(diǎn)；

s10、通過(guò)余弦定理計(jì)算出拉枝角度α。以所述交點(diǎn)d1為圓心，以12個(gè)像素點(diǎn)為半徑進(jìn)行弧形掃描，當(dāng)只掃描到兩個(gè)點(diǎn)時(shí)，直接保留這兩個(gè)點(diǎn)的坐標(biāo)，分別記為d2、d3，運(yùn)用余弦定理計(jì)算出拉枝角度α；當(dāng)只掃描到三個(gè)點(diǎn)時(shí)，有兩個(gè)主干點(diǎn)和一個(gè)樹(shù)枝點(diǎn)，保留樹(shù)枝點(diǎn)和y坐標(biāo)較小的主干點(diǎn)，記為d2、d3，然后運(yùn)用余弦定理計(jì)算出拉枝角度α。

s11、根據(jù)計(jì)算結(jié)果評(píng)價(jià)拉枝的準(zhǔn)確性。根據(jù)現(xiàn)有不同果樹(shù)品種最佳拉枝角度要求，與本發(fā)明得出的拉枝角度做對(duì)比，判定果樹(shù)拉枝效果。

本發(fā)明的有益效果：

本發(fā)明先采集果樹(shù)拉枝圖像信息，對(duì)采集到的果樹(shù)拉枝圖像信息進(jìn)行處理，用骨架算法得到單像素果樹(shù)拉枝骨架圖像，用角點(diǎn)檢測(cè)得到樹(shù)枝與主干之間的夾角，再根據(jù)余弦定理得出果樹(shù)拉枝角度，根據(jù)計(jì)算結(jié)果對(duì)拉枝的可靠性作出判斷。運(yùn)用骨架角點(diǎn)算法可快速解決蘋(píng)果樹(shù)拉枝效果定量的檢測(cè)問(wèn)題，為蘋(píng)果園現(xiàn)代化和智能化生產(chǎn)提供科學(xué)依據(jù)。

附圖說(shuō)明：

圖1是本發(fā)明流程圖。

具體實(shí)施方式

為了更好的理解上述技術(shù)方案，下面將結(jié)合說(shuō)明書(shū)附圖以及具體的實(shí)施方式對(duì)上述技術(shù)方案進(jìn)行詳細(xì)的說(shuō)明。

如圖1所示，本實(shí)施例所述的一種基于骨架角點(diǎn)算法的果樹(shù)拉枝檢測(cè)方法，包括以下步驟：

作業(yè)前，調(diào)整數(shù)碼相機(jī)的焦距，能夠完整的采集到果樹(shù)地上拉枝部分的圖像信息。

s1、確定要采集果樹(shù)品種的最佳拉枝角度；

s2、采集果樹(shù)拉枝部分的圖像信息；拉枝部分為果樹(shù)主干周圍做了拉枝操作的部位，主要包括主干和枝干；

s3、拉枝圖像灰度化處理，將彩色果樹(shù)圖像轉(zhuǎn)換成灰度值在0-255之間的灰度圖像；

運(yùn)用浮點(diǎn)算法，根據(jù)yuv的顏色空間中y分量的物理意義，即點(diǎn)的亮度，由該值反映亮度等級(jí)，根據(jù)rgb和yuv顏色空間的變化關(guān)系可建立亮度y與r、g、b三個(gè)顏色分量的對(duì)應(yīng)，以這個(gè)亮度值表達(dá)圖像的灰度值。亮度y與r、g、b三個(gè)顏色分量的對(duì)應(yīng)公式：

y＝0.3r+0.59g+0.11b(1)

獲取到灰度值后，計(jì)算變化梯度。梯度公式如下：

其中，δ表示梯度；data[j].p表示圖像某處的灰度值。

s4、中值濾波將灰度化處理后的圖像進(jìn)行濾波降噪，采用中值濾波法降低圖像信息在采集過(guò)程中受到各種噪聲源的干擾。將每個(gè)像素的灰度值用其領(lǐng)域的中值代替，中值是指領(lǐng)域內(nèi)奇數(shù)個(gè)數(shù)據(jù)按大小排序后處于中心位置的那個(gè)數(shù)；

s5、灰度圖像多閾值分割，運(yùn)用多閾值分割技術(shù)對(duì)灰度化之后的果樹(shù)圖像進(jìn)行分割，在灰度值0—255范圍內(nèi)設(shè)定一個(gè)灰度級(jí)閾值t1，以這個(gè)灰度級(jí)閾值為標(biāo)準(zhǔn)，將果樹(shù)圖像中的樹(shù)干從果樹(shù)圖像中分割出來(lái)，分割處理后得到一張只包含果樹(shù)枝干的圖像；

s6、對(duì)果樹(shù)枝干圖像進(jìn)行灰度二值化處理。本實(shí)施例使用的opencv中的cvthreshold函數(shù)，使用的固定閾值法。對(duì)于8位標(biāo)準(zhǔn)的數(shù)字灰度圖像，共有256個(gè)灰度級(jí)。只有兩個(gè)灰度值的灰度圖像稱為二值化的灰度圖像。黑白圖像是二值灰度圖像中的一種，其兩個(gè)灰度值分別為0和255；

s7、用骨架算法處理二值化的果樹(shù)樹(shù)干圖像得到單像素果樹(shù)樹(shù)干骨架圖像。在確保不改變?cè)寄Ｐ屯負(fù)涮匦缘那疤嵯拢饘泳鶆騽冸x原始圖像的邊界點(diǎn)，剩下最后不能再削減的部分，使之最終成為單像素寬的先行幾何體，最后得到圖像的骨架；

s8、提取果樹(shù)主干骨架圖像。根據(jù)單像素果樹(shù)骨架圖像，用兩層同時(shí)從下往上逐行掃描的方式，第一層由圖像最底層開(kāi)始，第二層比第一層高一個(gè)像素點(diǎn)，將兩層掃描到的所有的黑色像素點(diǎn)的坐標(biāo)記錄下來(lái)，計(jì)算出第二層掃到的所有像素點(diǎn)與第一層的所有像素點(diǎn)的直線距離，將最短距離的兩個(gè)點(diǎn)保留下來(lái)，然后從下往上依次掃描、兩層始終隔著一個(gè)像素點(diǎn)的距離，最后保留下來(lái)的所有點(diǎn)的圖像就是單像素果樹(shù)主干骨架圖像，然后將提取出來(lái)的主干的骨架圖像保存為image。

s9、將果樹(shù)拉枝骨架圖像image分成兩張圖像image1、image2，去除雜枝或無(wú)用枝的影響。根據(jù)果樹(shù)主干骨架圖像，將果樹(shù)主干以及距離果樹(shù)主干左側(cè)20個(gè)像素點(diǎn)的所有黑色像素點(diǎn)保存到image1，將果樹(shù)主干以及距離果樹(shù)主干右側(cè)20個(gè)像素點(diǎn)的所有黑色像素點(diǎn)保存到image2；

s10、對(duì)這兩張圖像使用角點(diǎn)檢測(cè)找到樹(shù)枝與主干的交點(diǎn)d1；角點(diǎn)檢測(cè)是一種基于圖像灰度的一階導(dǎo)數(shù)矩陣檢測(cè)方法。在像素點(diǎn)的鄰域內(nèi)，導(dǎo)數(shù)矩陣描述了數(shù)據(jù)信號(hào)的變化情況。假設(shè)在像素點(diǎn)鄰域內(nèi)任意方向上移動(dòng)塊區(qū)域，若強(qiáng)度發(fā)生了劇烈變化，則變化處的像素點(diǎn)為角點(diǎn)。

s11、通過(guò)余弦定理計(jì)算出拉枝角度α。以交點(diǎn)d1為圓心，以12個(gè)像素點(diǎn)為半徑進(jìn)行弧形掃描，當(dāng)只掃描到兩個(gè)點(diǎn)時(shí)，直接保留這兩個(gè)點(diǎn)的坐標(biāo)，分別記為d2、d3，運(yùn)用余弦定理計(jì)算出拉枝角度α；當(dāng)只掃描到三個(gè)點(diǎn)時(shí)，有兩個(gè)主干點(diǎn)和一個(gè)樹(shù)枝點(diǎn)，保留樹(shù)枝點(diǎn)和y坐標(biāo)較小的主干點(diǎn)，記為d2、d3，然后運(yùn)用余弦定理計(jì)算出拉枝角度α。余弦定理，是描述三角形中三邊長(zhǎng)度與一個(gè)角的余弦值關(guān)系的數(shù)學(xué)定理，是勾股定理在一般三角形情形下的推廣。余弦定理是揭示三角形邊角關(guān)系的重要定理，直接運(yùn)用它可解決一類已知三角形兩邊及夾角求第三邊或者是已知三個(gè)邊求角的問(wèn)題。

s12、根據(jù)計(jì)算結(jié)果評(píng)價(jià)拉枝的準(zhǔn)確性。根據(jù)不同果樹(shù)品種最佳拉枝角度要求，與本發(fā)明得出的拉枝角度做對(duì)比，判定果樹(shù)拉枝效果。

驗(yàn)證例：

選取山東沂水某果園中三年生紅富士蘋(píng)果樹(shù)進(jìn)行驗(yàn)證。根據(jù)現(xiàn)有標(biāo)準(zhǔn)，其最佳拉枝角度為110°。先使用數(shù)碼相機(jī)采集拉枝部分的圖像信息，以能夠完整的采集到果樹(shù)拉枝部分的圖像信息為依據(jù)。圖像采集后；利用本發(fā)明方法處理之后發(fā)現(xiàn)其實(shí)際拉枝角度為90°，判斷其拉枝不合理，應(yīng)該重新進(jìn)行拉枝。

以上所述，僅是本發(fā)明的較佳實(shí)施例而已，并非對(duì)本發(fā)明作任何形式上的限制，雖然本發(fā)明已以較佳實(shí)施例揭露如上，然而并非用以限定本發(fā)明，任何熟悉本專業(yè)的技術(shù)人員，在不脫離本發(fā)明技術(shù)方案范圍內(nèi)，當(dāng)可利用上述揭示的技術(shù)內(nèi)容作出些許更動(dòng)或修飾為等同變化的等效實(shí)施例，但凡是未脫離本發(fā)明技術(shù)方案的內(nèi)容，依據(jù)本發(fā)明的技術(shù)實(shí)質(zhì)對(duì)以上實(shí)施例所作的任何簡(jiǎn)單修改、等同變化與修飾，均仍屬于本發(fā)明技術(shù)方案的范圍內(nèi)。