蔬菜种苗叶片之态分析与辨识.pptVIP

蔬菜種苗葉片之型態分析與辨識 前 言 本研究利用新發展的貝氏描述子(Bezier Descriptor)及傳統型態學上之特徵如長寬比、似圓度、平滑度等來描述蔬菜種苗葉片的形狀。藉由這些特徵，我們可以將種苗葉片分類並辨識葉片之種類。 實 驗 設 備 與 材 料 實驗設備 Meteor彩色的影像擷取卡。 Watec CCD 攝影機。 背光箱及攝影機架。 軟體:Borland C++ Builder Matrox Image Library 實驗材料 甘藍、 白菜、 萵苣、 莧菜 貝氏曲線(Bezier Curve) 實 驗 流 程 幾 何 描 述 子 特 徵 實 驗 流 程 – 求葉邊緣 若兩點有顏色變化則( xr , yr )為葉片邊緣 實 驗 流 程 – 求葉尖點與葉基點 由輪廓點離散函數r(θ)及r“(θ)的聯集求得 實 驗 流 程 – 貝氏曲線逼近 決定控制線方向 決定控制線長比 實 驗 流 程 – 正規化 四個正規點座標 縮放比 逼近誤差 貝氏描述子特徵 葉 尖 角( ) 葉 基 角( ) 兩 控 制 線 長 比 逼 近 誤 差 實驗結果 四種蔬菜的正規點分佈 葉片真實面積與貝氏曲線面積之比較 葉片真實面積與貝氏曲線面積之比較 類神經網路分類 倒傳遞類神經網路模組 (back propagation) 以幾何描述子做蔬菜種苗品種分類之辨識率 以貝氏描述子做蔬菜種苗品種分類之辨識率 以兩種描述子做蔬菜種苗品種分類之辨識率 結 論 貝氏曲線的面積與真實種苗面積具有相當大的線性關係 貝氏描述子可用來辨別種苗葉片種類 可保留原始葉片的形狀，所需的資訊量少且失真度低 謝謝!!謝謝!!Thank You!! 國立台灣大學生物產業機電工程學系 季育澤 林達德 Bezier Curve乃由四點(兩端點, 兩控制點)所構成的三次曲線。 B(t) = (1-t)3P1 + 3t(1-t)2P2 + 3t2(1-t)P3 + t3P4 其中t=0~1 貝氏曲線的特性 曲線的起點及終點的切線方向等於端點與控制點的連線方向 曲線是兩端點及兩控制點的加權平均 2 非監督式的影像自動二元化 Blob分析： 求得葉片的幾何特徵 1 堅實度 似圓度 長寬比 平滑度 基本幾何特徵 無 因 次 特 徵 C=4πA/P2 R=4A / πL2 E=W/L G=H/P W A P H L 3 4 5 6 萵 苣 甘 藍 白 菜 莧 菜 (-0.75±0.17, 0.70±0.16) (0.77±0.20,0.70±0.17) (-0.99±0.17, -0.03±0.25) (0.98±0.20, -0.06±0.28) (0.55±0.16, 0.92±0.07) (-0.56±0.17, 0.93±0.07) (1.05±0.16, 0.03±0.31) (-1.08±0.18, 0.02±0.31) (0.33±0.08, 1.17±0.14) (-0.34±0.07, 1.17±0.15) (-1.66±0.25,0.09±0.25) (1.65±0.28, -0.09±0.35) (0.42±0.10 , 0.81±0.10) (0.36±0.04, 0.91±0.04) (-0.35±0.08, 0.91±0.05) (-0.44±0.13, 0.84±0.09) 甘 藍 白 菜 萵 苣 莧 菜 貝氏曲線面積(cm2) 白菜 真實葉片面積(cm2) 真實葉片面積(cm2) 貝氏曲線面積(cm2) 甘藍 貝氏曲線面積(cm2) 萵苣 真實葉片面積(cm2) 貝氏曲線面積(cm2) 莧菜 真實葉片面積(cm2) 貝式描述子 幾何描述子 隱藏層兩層 甘藍 白菜 萵苣 莧菜 81.05 100.0 58.37 64.10 辨識率(%) 154 23 16 莧菜 214 1 萵苣 24 115 54 白菜 12 58 125 甘藍 辨識之葉片品種 莧菜 萵苣 白菜 甘藍 總辨識率：608 / 795 = 76.48% 真 實 葉 片 品 種 99.47 100.0 91.88 88.71 辨識率(%) 188 莧菜 214 萵苣 181 22 白菜 16 173 甘藍 辨識之葉片品種 莧菜 萵苣 白菜 甘藍 總辨識率：756 / 795 = 95.10% 真 實 葉 片 品 種 99.47 100.0 93.90 88.21 辨識率(%) 184 4 莧菜 214 萵苣 1 185 23 白菜 8 172 甘藍 辨識之葉片品種 莧菜 萵苣 白菜 甘藍 總辨識率：755 / 795 = 94.96%