基于HSV和骨架提取的水稻种子芽根长度自动化测量方法研究

摘要：

种子的芽长和根长是评判种子质量的重要指标.传统的人工测量芽长与根长的方式,存在着繁琐、费时费力、易受主观判断影响等问题.利用图像处理技术的芽长根长自动检测算法能够提高芽长根长检测的效率,也避免了主观因素导致的误差.本研究基于HSV色彩空间和骨架提取,设计了种子芽长根长的检测方法.首先对图像进行阈值分割,其次再利用骨架提取算法结合深度优先搜索寻找水稻幼苗拓扑结构中最长路径,最后根据HSV色彩空间分割出的种子区域对芽和根进行分离,且采用间隔选取像素点坐标的方式计算欧式距离,并分别统计芽和根的长度.结果表明,本文方法自动测量的芽和根长度与人工实测数据的相关系数分别为0.998和0.997,平均百分比误差分别为1.48％和1.57％.基于HSV色彩空间和骨架提取的复合算法能够对种子萌发过程中的芽长与根长进行快速、准确地测量.

关键词：图像处理、骨架提取、芽长根长检测、最长路径

所属期刊栏目：29

分类号：S511(禾谷类作物)

资助基金：贵州大学引进人才科研项目2020168

在线出版日期：2023-06-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：58-62,69