申请/专利权人：武汉理工大学

申请日：2020-08-05

公开（公告）日：2024-02-20

公开（公告）号：CN111860459B

主分类号：G06V20/69

分类号：G06V20/69;G06V10/774;G06V10/82;G06N3/0464;G06N3/084

优先权：

专利状态码：有效-授权

法律状态：2024.02.20#授权;2020.11.17#实质审查的生效;2020.10.30#公开

摘要：本发明涉及计算机视觉和深度学习技术领域，提供一种基于显微图像的禾本科植物叶片气孔指数测量方法，包括：步骤1：采集待测量禾本科植物叶片的显微图像；步骤2：基于深度学习目标检测算法，构建并训练气孔识别模型；步骤3：基于深度学习语义分割算法，构建并训练细胞网络预测模型；步骤4：利用气孔识别模型，得到气孔总数；利用细胞网络预测模型，得到细胞网络预测图像；对细胞网络预测图像依次进行自适应阈值二值化处理、骨架提取、先腐蚀再膨胀的形态学操作、连通域计数、过滤连通域，得到细胞数目；计算气孔指数。本发明能够提高气孔指数测量的精度与效率，有效解决现有技术中存在的费时费力、主观性导致对气孔和细胞误判的技术问题。

主权项：1.一种基于显微图像的禾本科植物叶片气孔指数测量方法，其特征在于，包括下述步骤：步骤1：采集待测量禾本科植物叶片的显微图像步骤2：构建并训练气孔识别模型以禾本科植物叶片的显微图像为输入、显微图像中所有气孔的位置与尺寸信息为输出，基于深度学习目标检测算法，构建并训练气孔识别模型；所述气孔的位置与尺寸信息包括气孔的最小外包矩形的左上角坐标x,y、长w、宽h；步骤3：构建并训练细胞网络预测模型以禾本科植物叶片的数据增强后的显微图像为输入、禾本科植物叶片表皮的细胞网络图像为输出，基于深度学习语义分割算法，构建并训练细胞网络预测模型；所述数据增强后的显微图像为对归一化处理后的显微图像进行数据增强处理得到的图像，所述数据增强处理包括随机旋转、裁剪、翻转操作；步骤4：计算禾本科植物叶片气孔指数步骤4.1：将待测量禾本科植物叶片的显微图像输入训练后的气孔识别模型中，输出待测量禾本科植物叶片的显微图像中所有气孔的位置与尺寸信息，并对识别出的气孔进行计数，得到待测量禾本科植物叶片的显微图像中气孔的总数Nstoma；步骤4.2：对待测量禾本科植物叶片的显微图像进行归一化处理后，将待测量禾本科植物叶片的归一化处理后的显微图像输入训练后的细胞网络预测模型中，得到待测量禾本科植物叶片表皮的细胞网络预测图像；步骤4.3：利用灰度直方图原理对细胞网络预测图像进行自适应阈值二值化处理，得到待测量禾本科植物叶片的二值图像；步骤4.4：对二值图像进行骨架提取得到细胞壁的初始骨架图像，通过对初始骨架图像进行先腐蚀再膨胀的形态学操作将细胞壁的边缘断开处连接起来，得到连接后的细胞网络图像；步骤4.5：对连接后的细胞网络图像进行连通域计数，得到连通域个数；步骤4.6：过滤掉连接后的细胞网络图像中像素个数小于所在图像所有连通域平均像素数量14的连通域，剩下的连通域用矩形框标记，得到矩形框的个数即为细胞数目Ncell；步骤4.7：计算待测量禾本科植物叶片的气孔指数为

全文数据：

权利要求：

百度查询： 武汉理工大学 一种基于显微图像的禾本科植物叶片气孔指数测量方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD