葡萄器官体积动态微变识别与高精度视觉连续测量算法研究

葡萄等作物的器官(茎、果实等)体积动态微变可以更直接、更灵敏地反应体内水分状况，对确定最佳灌溉指标和胁迫程度从而实现精准灌溉，促进葡萄生长、提高果实品质意义重大。本课题克服葡萄植株器官形态差异大、生长背景复杂，以及果粒重叠、粘连所带来的图像边界模糊、分割特征不明显等困难，以自然成像条件下葡萄器官体积微变识别和测量的高效、高精度图像处理算法为主要研究目标，通过理论研究和技术攻关，重点解决突破葡萄茎直径标记点定位测量、极坐标系下非重叠果粒边界凹点快速搜索与Zernike矩旋转不变定位测量、重叠粘连果粒图像的流域及标记控制分水岭分割测量等关键技术瓶颈。在此基础上，开发高性能、高像素、低成本的视觉自动测量系统，实现对葡萄果粒和茎直径等器官尺寸的μm级高精度连续测量。为研究葡萄器官体积随水分胁迫状况变化的内在调控机制提供理论依据，为基于作物缺水信息实施精准节水灌溉提供技术支撑。

植物器官体积变化的自动连续测微是相关领域的研究热点。项目结合利用标记点茎杆直径定位、非重叠果实边界凹点搜索定位、重叠果实Zernike矩标记控制分水岭分割等关键技术进行研究攻关，开发了高性能葡萄器官体积微变视觉自动测量系统。主要成果如下：.（1）根据葡萄器官特征量检测需求，充分考虑被测对象形态和环境因子影响，研制了高质量葡萄图像采集及传输系统，实现了葡萄器官生长变化非接触无损检测。.（2）针对非重叠葡萄图像，提出基于Lab色彩空间的有效分割算法。算法将原始RGB图像转换到Lab色彩空间，然后利用自适应阈值分割算法分离果实和背景，并采用基于知识的边缘凹点搜索方法定位特征点、建离分离线分离出目标区域，实现对果粒特征信息的准确提取。.（3）针对重叠葡萄图像，提出基于先验形状的GVF Snake模型算法。算法由图像预处理、先验形状获取、构建新能量模型三部分构成。结合自动阈值、凹点探测、Spline插值，自动获取先验形状作为Snake模型的初始轮廓，并计算基于先验形状的GVF力场作为Snake模型外力场之一构建新的Snake能量模型，使模型在先验形状外力场、图像梯度外力场和内力作用下演化初始Snake曲线，最终收敛拟合于目标葡萄果实的边缘，获得精确轮廓。.（4）提出基于数学形态学和标记分水岭算法的重叠葡萄果实分割算法。在分析葡萄图像特征的基础上，基于颜色和形状信息并结合多种图像处理方法实现标记对象提取，然后根据标记对象修改梯度图像极小值，再对修改后梯度图像进行分水岭变换，实现目标果粒轮廓的精确定位。.（5）结合图像单像素化、假边缘去除和轮廓跟踪等后处理方法，采用Zernike矩边缘检测对于分水岭分割算法进行改进，提出基于Zernike矩标记分水岭的重叠葡萄果实分割算法。.（6）利用Zernike矩边缘检测和Hough直线检测算法实现葡萄茎边缘精确定位。算法利用Zernike矩边缘检测对葡萄茎边缘进行快速粗定位，再利用Hough变换进行直线检测，实现了对小曲率葡萄茎的边缘检测和测量。同时研究了采用双边滤波降低图像噪声，通过Otsu阈值分割和BloB分析实现葡萄茎与背景分离的茎直径连续测量算法。.上述成果发表或录用论文9篇，申请专利4项，软件登记2项，为研究葡萄生长机理，建立依据器官体积变化诊断植株水分亏缺状况的指标体系提供了理论依据和技术支撑，具有重要科学意义。