公开(公告)号：CN115760863A

公开(公告)日：2023-03-07

申请号：CN202211427693.3

申请日：2022-11-15

Applicant: 济南大学

Inventor： 何文兴 ,  张亚新 ,  曹毅 ,  张云燕 ,  韩士元 ,  陈月辉 ,  李佳林 ,  全晓艳

IPC: G06T7/10 ,  G06N3/0455 ,  G06N3/084

Abstract: 本发明涉及图像分割技术领域，具体是一种适用于根茎类禾草水培根系的图像分割方法，采用视觉自注意力机制模块构建解码器网络进行训练。数据采集时，使用了透明机制与透明钵体培养植物，以更加直接的观察到根系的生长状况；在数据预处理阶段，对原始图片进行数据增强，增加样本丰富性；编码器采用下采样的方式处理训练数据，得到尺度不断减小的多层卷积特征；解码器增加视觉自注意力机制模块使得网络能够克服长程依赖关系，自适应地调整特征通道的权值，提高网络的特征判别和选择能力；在损失函数方面，引入focal loss损失函数加强网络对难分样本的学习，改善样本不均衡问题。本发明增强了复杂环境下语义分割算法的稳健性，提高了对于水培根系图像的分割精度。

公开(公告)号：CN115731257A

公开(公告)日：2023-03-03

申请号：CN202211428798.0

申请日：2022-11-15

Applicant: 济南大学

Inventor： 何文兴 ,  张云燕 ,  曹毅 ,  张亚新 ,  韩士元 ,  陈月辉 ,  李佳林 ,  全晓艳

IPC: G06T7/136 ,  G06T5/00 ,  G06T5/20 ,  G06V10/774 ,  G06V10/762 ,  G06V10/80 ,  G06V10/26 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明涉及计算机对植物表型特征的提取技术领域，具体是一种基于图像的叶片形态信息提取方法，包括以下步骤：S1、拍摄植物叶片图像构成数据集；S2、对图像进行预处理，得到叶片分割图像；S3、对叶片分割图像进行处理，得到叶片轮廓图像和叶脉骨架网络图像；S4、对叶脉骨架网络图像进行特征提取，得到叶脉特征参数，包括主要叶脉角度、叶脉总长度、叶脉的平均宽度；对叶外轮廓图进行特征提取，得到叶片轮廓线形状。相对于现有技术，本发明能够通过计算机视觉技术，在复杂多变的叶片图像中提取出更加全面叶片的表型特征，以此为衡量植物生长状况提供重要依据，并且精度高、计算速度快，对植物的研究具有更重要的意义。