|本期目录/Table of Contents|

[1]林志华,林国健,陈享灯,等.一种叶片RGB图像快速切割多重去噪方法[J].江苏农业科学,2021,49(12):151-156.
　Lin Zhihua,et al.A fast cutting and multiple de-noising method for plant leaf RGB image[J].Jiangsu Agricultural Sciences,2021,49(12):151-156.
点击复制

一种叶片RGB图像快速切割多重去噪方法(PDF)
分享到：

《江苏农业科学》[ISSN:1002-1302/CN:32-1214/S]

卷:
第49卷
期数:
2021年第12期
页码:
151-156
栏目:
农业工程与信息技术
出版日期:
2021-06-20

文章信息/Info

Title:
A fast cutting and multiple de-noising method for plant leaf RGB image
作者:
林志华1; 林国健1; 陈享灯1; 林雷通1; 曾文龙1; 邱铭生1; 江海东2; 林天然1
1.福建省烟草公司龙岩市公司，福建龙岩 364000；2.南京农业大学，江苏南京 210095
Author(s):
Lin Zhihua; et al
关键词:
RGB图像; 图像切割; 背景去噪; 植物叶片; FCMD
Keywords:
-
分类号:
TP391.41
DOI:
-
文献标志码:
A
摘要:
基于RGB图像连通性，提出一种图像快速切割多重去噪法(fast cutting and multiplede-noise，简称FCMD)，并与现有的4种算法进行对比。结果表明，该方法处理时长适中，对单色叶和杂色叶的识别像素、色阶均值、色阶中位数的准确率均达到98.78%及以上，综合表现最优。FCMD能够在不同的边缘算子下完成对各种类型叶片准确、快速的切割消噪，其中以sobel算子的处理效果最优，其处理效果与手动切割(CK)无明显差异。同时，FCMD法在中高分辨率(3 750×2 500)的切割效果与手动切割无明显差异，而所用时长仅为CK的23.21%，效率提升近5倍。因此，FCMD是一种高效、准确、适用范围广的RGB图像自动化叶片切割去噪方法。
Abstract:
-

参考文献/References:

［1］张若宇，坎杂，马蓉，等. 基于RGB模型的脱绒棉种颜色特征与发芽状况的关系［J］. 农业工程学报，2010，26(10)：172-177.
［2］韩殿元，黄心渊，付慧. 基于彩色通道相似性图像分割方法的植物叶面积计算［J］. 农业工程学报，2012，28(6)：179-183.
［3］毛罕平，张艳诚，胡波. 基于模糊C均值聚类的作物病害叶片图像分割方法研究［J］. 农业工程学报，2008，24(9)：136-140.
［4］袁媛，李淼，梁青，等. 基于水平集的作物病叶图像分割方法［J］. 农业工程学报，2011，27(2)：208-212.
［5］Kendal D，Hauser C F，Garrard G E，et al.Quantifying plant colour and colour difference as perceived by humans using digital images［J］. PLoS One，2013，8(8)：e72296.
［6］Riccardi M，Mele G，Pulvento C，et al.Non-destructive evaluation of chlorophyll content in quinoaand amaranth leaves by simple and multiple regression analysisof RGB image components［J］. Photosynthesis Research，2014，120：263-272.
［7］Feng Y M，Ren G W，He K T，et al.RGB color channel variation based segmentation of crop leaf lesion［C］//2015 IEEE 10th Conference on Industrial Electronics and Applications (ICIEA)，2015：592-596.
［8］Neilson E H，Edwards A M，Blomstedt C K，et al. Utilization of a high-throughput shoot imaging system to examine the dynamic phenotypic responses of a C4 cereal crop plant to nitrogen and water deficiency over time［J］. Journal of Experimental Botany，2015，66(7)：1817-1832.
［9］Wang L D，Yang T，Tian Y W.Crop disease leaf image segmentation method based on color features［J］. Springer，2007，258：713-717.
［10］Vasseur F，Bresson J，Wang G，et al.Image-based methods for phenotyping growth dynamics and fitness components in Arabidopsis thaliana［J］. Plant Methods，2018，14：63.
［11］Dobrescu A，Scorza L C T，Tsaftaris S A，et al.A“Do-It-Yourself” phenotyping system：measuring growth and morphology throughout the diel cycle in rosette shaped plants［J］. Plant Methods，2017，13：95.
［12］Green Jason M，Appel M Heidi，Rehrig E，et al. PhenoPhyte：a flexible affordable method to quantify 2D phenotypes from imagery［J］. Plant Methods，2012，8：45.
［13］Cai J H，Okamoto M，Atieno J，et al. Quantifying the onset and progression of plant senescence by color image analysis for high throughput applications［J］. PLoS One，2016，11(6)：e0157102.
［14］Sun Y Y，Zhu S C，Yang X，et al. Nitrogen diagnosis based on dynamic characteristics of rice leaf image［J］. PLoS One，2018，13(4)：e0196298.
［15］Pérez-Patricio M，Camas-Anzueto J L，Sanchez-Alegría A，et al.Optical method for estimating the chlorophyll contents in plant leaves［J］. Sensors，2018，18(2)：650.
［16］Han W T，Sun Y，Xu T F，et al. Detecting maize leaf water status by using digital RGB images［J］. International Journal of Agricultural & Biological Engineering，2014，7(1)：45-53.
［17］Moallem P，Serajoddin A，Pourghassem H. Computer vision-based apple grading for goldendelicious apples based on surface features［J］. Information Processing in Agriculture，2017，4 (1)：33-40.
［18］吴雪梅，张富贵，吕敬堂. 基于图像颜色信息的茶叶嫩叶识别方法研究［J］. 茶叶科学，2013，33(6)：584-589.
［19］Mansour M，Tahmasebi S，Dadpour M R. Predicting cut rose stages of development and leaf color variations by means of image analysis technique［J］. Journal of Ornamental Plants，2017，7(1)：25-36.
［20］Andrade-Sanchez P，Gore M A，Heun J T，et al. Development and evaluation of a field-based high-throughput phenotyping platform［J］. Functional Plant Biology，2013，41(1)：68-79.

相似文献/References:

[1]宋英,陈雨欣,杨俊,等.利用数字图像颜色特征指数识别小麦赤霉病[J].江苏农业科学,2022,50(2):186.
　Song Ying,et al.Recognition of wheat fusarium head blight using digital image color feature index[J].Jiangsu Agricultural Sciences,2022,50(12):186.

备注/Memo

备注/Memo:
收稿日期：2020-09-29
基金项目：福建省烟草公司龙岩市公司科技项目(编号：2020Y01)。
作者简介：林志华(1985—)，男，福建连城人，农艺师，主要从事烟叶生产管理、烟叶产业信息化建设、烟田基础设施建设相关研究。E-mail：532337187@qq.com。
通信作者：林天然，硕士，农艺师，主要从事烟草植保相关研究。E-mail：chltr@126.com。
更新日期/Last Update: 2021-06-20