基于双侧图像识别的单株苹果树产量估测模型

利用普通数码相机获取成熟期苹果树图像进行产量估测,具有成本低、操作简单等特点,其关键是估测模型的建立。该文分别按东南和西北2个方向获取富士苹果成熟期的40株果树的80幅图像,通过果实特征提取,获取东南方向识别出的图斑数量（参数1）、西北方向识别出的图斑数量（参数2）、东南方向识别出的图斑像素面积（参数3）、西北识别出的图斑像素面积（参数4）,分别以识别出的4个参数及双方向图斑数量之和（参数5）、双方向图斑像素面积之和（参数6）共6个参数为自变量,以获取的单株产量信息为因变量,以奇数组20株果树为建模数据集建立线性回归模型。结果表明以参数5构建的产量估测模型的决定系数R2最高为0.81,相对均方...

Full description

Saved in:
Bibliographic Details
Published in农业工程学报 Vol. 29; no. 11; pp. 132 - 138
Main Author 钱建平 李明 杨信廷 吴保国 张勇 王衍安
Format Journal Article
LanguageChinese
Published 北京市农林科学院国家农业信息化工程技术研究中心,北京 100097%北京林业大学信息学院,北京100083%山东农业大学生命科学学院,泰安 271018 2013
Subjects
产量估测
图像识别
富士苹果
模型
线性回归
yield estimation
image identification
models
模型
linear regression
富士苹果
Fuji apples
图像识别
线性回归
产量估测
Online AccessGet full text

Cover

More Information
Summary:利用普通数码相机获取成熟期苹果树图像进行产量估测,具有成本低、操作简单等特点,其关键是估测模型的建立。该文分别按东南和西北2个方向获取富士苹果成熟期的40株果树的80幅图像,通过果实特征提取,获取东南方向识别出的图斑数量（参数1）、西北方向识别出的图斑数量（参数2）、东南方向识别出的图斑像素面积（参数3）、西北识别出的图斑像素面积（参数4）,分别以识别出的4个参数及双方向图斑数量之和（参数5）、双方向图斑像素面积之和（参数6）共6个参数为自变量,以获取的单株产量信息为因变量,以奇数组20株果树为建模数据集建立线性回归模型。结果表明以参数5构建的产量估测模型的决定系数R2最高为0.81,相对均方根差（NRMSE）值最低为0.11,说明以该参数构建的模型其估测效果最好;进一步利用以参数5构建的估测模型对偶数组20株果树进行验证,其NRMSE值为0.16,估测结果较好,但也存在估测产量较大波动的情况。深入讨论引起估测偏差的情况,后期研究应重点提高逆光、弱光照条件下的成熟期苹果的识别率,及解决由于单果因遮挡被分离而被识别为多果的情况和多果因重叠被识别为单果的情况,以提高识别效果,进而提高产量模型估测效果。
Bibliography:11-2047/S
Apples yield estimation with a common digital camera to get mature fruits, has the advantages of low lost, simple operation and other characteristics. Key to the estimation is the establishment of an estimation model. In this paper, 80 images from 40 Fuji trees were acquired from the southeast and northwest directions using a Cannon G7 camera. By fruit feature extraction, 4 parameters were identified, which were identification patch number from southeast direction （parameter 1）, identification patch number from northwest direction （parameter 2）, patch pixels area from southeast direction （parameter 3） and patch pixels area from northwest direction （parameter 4）. A total of 6 parameters, including the above-mention 4 parameters along with the sum of patch number from two directions （parameter 5） and the sum of patch pixels area from two directions （parameter 6） acted as independent variables and single tree yield information acted as the dependent variable. With 20 fruit trees used as the modeling dat
ISSN:1002-6819
DOI:10.3969/j.issn.1002-6819.2013.11.017