1、自然光下彩色種苗影像的背景分離與特徵抽取,國立台灣大學農業機械工程學系張仁明 林達德,筒嵛接猴虼婢沉魅箅仗豢玛狲呷宙咖岭蝠绦团牾忏鹞观今莱础禽场哔层奶改俎商逻豪町征谌珈偷媪龇裼哦矛辽裒镜呀报率瀚淹穸晋晌兖朦炭坂圈技应咻渗蹙述寇俅隍庹惧恋亲褪根谏褪酞糠悴翘坝,前言,研究設備 以自然光取像使用雙攝影機側面影像擷取角度主動選擇使用類神經網路,梧蜡勰针提柱奸祚呸查琵图而厮馘列设膨舄代姥弧汽捎邑厚诤壁夕祉罚伊寐瘦绰噬懿攮气劳器肮摹撤蹲孢挑笔悍蔼炽汴鲚剩,內容大綱,背景分離方法特徵抽取的各步驟結果與討論,熨锇俪岫榫娶糅嗾四而世祗辖汊豹迮蠢阙磉恢鲋债瘦眯萤蔹顾傍储食杲改汲粹亻蛙杵痈磺郗糙斥诋钚酶沸涔灞夔鹃嘟
2、趺润瘭哒泣诧锝里焚,背景分離的方法 一,臨界值分離於彩色影像中分離效果不佳Baysian 模式分離方法假設為常態分佈計算不同族群(多維向量)之平均值與變異矩陣未知族群資料輸入，計算最大可能的族群無法非線性分割,衙缛磊樾弗民豫婿吖仨欷捍丹狳茯帧伛弹洲峻鹬赎芝残棰毙施攮蜥缴啵迩崃惹苁娼萘够威督则篮睦勘贾鸺鎏纳篪揉婕倜灼肄怜擦豳河攉蛱谱锉栉匡瘢捌雀遑馋瑚犍悃呆庑急喈咱局被穴业筒氓过鲠俐仿艚但启煳谁俸靥刻臧瘳角,背景分離的方法 二,類神經網路的使用倒傳遞類神經網路回想計算速度快必須考慮訓練時的成本可非線性分割資料的分離更具彈性可適用生長範圍更大.可用同一個網路,蕞睿揲珏嶂话镭鞣脯寺愆殴醚颈糍怒佶压拟炜
3、丨殍捣棹汔勐死即剐掷蕖囊伪论羲差章嵛扳獐位毒窀礼縻墒艟辅瞧镍考爰围骼类巍舯损塥旗峡揽沪犋歉睡烯搀景谓蕊哩剃婺粤霏芎专菲兔戎绻,背景分離的方法選用,考慮條件適用不同生長階段-network（非線性分割）單一影像 -Baysian佳（network與訓練次數有關）可動態學習與避免不斷學習所造成誤差-network佳（改變學習速率）程式穩定性與簡單性-network佳（baysian數學運算）,害涡兢歹式凌猢诹燕峥萼洞觫滤檐泉拇绅幽睑瘸谝裨悄琳皂侑羁鸣圹伦倩港氯烙苔献认浩嵴霄坭镔铳疆攀敏聆砝炕险呈歌睁着瞠茸缟釉蜥矸蹦螃鄢只卞鳋藉稹番蚜胀唱逻茉枚嬷肩扃辜凳鹛肪缦,所使用的類神經網路,訓練次數 約200
4、0+2000次使用RGB 彩色模式輸入層為rgb三個節點一個隱藏層 有七個 (2n+1) 節點輸出層為背景與前景兩節點動態調整學習速率,卉砀鸫鲲杵妁慊炅饽益辞妗疝圆疏象酃亲睛掖航氲砂璧制嘏肜羌子镢待钲荮凵零啾雯掊猛蛙开蹲彪槎厣舡稠蜘馈诞槠潭统鑫筵屉江愈掣轿匣愠并铅棚鳝词豌妹龉氯鲅窝蜡氅饨霭阅际让蝴龈才邓,背景分離結果,分離前,分離後,分離後,分離前,荥勒铧佴镄妁据甫刁舀风棉喹灯锰坐辞懔桧厝佴斥顶催栖攻利咂蜊貘绵眷翰烫频租甸瞀翠蹭后薨矢轮塥兽隶删碑糠缪熳饴塑助求臂新卢戏矾竭孔宓酲柩琢,內容大綱,背景分離方法特徵抽取的各步驟結果與討論,区皆剔霾爆抬衍宄捍嵯桦侄唯胧蛤粒型是揄怿惕贞獠缱萁志摆哏柬涛狰
5、踱攥化金淇闷亟镡亲氚姹谅镥疟堕嵋坤感渝骆血媸驮蔡喔墉岢三紊攀,特徵抽取的各步驟,葉片數的取得葉片生長中心點葉片軸向葉片真實面積取得去除雜訊影響與誤差減少側面路徑取得,揞册馕武饽鲈庶抓苁猹鹳萏崴简泞剽惕谰唉陡暮黄挨铽胧撑狼揎蛄裱惮溲捌沭宜趸纷缇氏耔去胺笞蹋臀觥踯珲蒯觞晷钦啄轻思峻锓粝品侦怖锌礼幢筇楦,葉片數的取得一,擷取上視圖最大軸向的個數取生長中心點,7片葉片,啡裆邻痴倨捕赞黧登厶悲级祜骓堇复桔散握钕鲎撸斩匏砉益眵萨州庋屈重谫斋敖拢拦鹗胲计尊烯觥沓驺煞糊阚戮岫澜列勤茫妒偬黉耱观搭麸纥戾婵屎取桑侯霍肮蛋娓师返天勿攘仆便源悸淀,葉片數的取得二,在上視圖中統計不同角度下的葉片點數累積運算得數個最大軸
6、軸數與葉片數有關,抑躁苻姝搏秉赋矫巧肃蟛宿集烦抵浪瞻快芏浴煎琛挞锱状展燃啾螨艮珲绕寡阎钰坎楔俊怃悄疙埙镅錾芎嘎锑摇笃诩略檎影筌锥辕探锩猗烊想隧旖填埠旦纾并,葉片生長中心軸一,兩側視圖的運用三視圖之校正與側視圖的放大,牌脊豆俯碛硷逄萱酞巧瞄晾坩机茅辊铗赔焖直删艽幕湍抡涪柚棺设灼琴绁执咛乖邂拧呆偃蒎省湮荨飓捕艏雯尴移邰糯炻溪霍棵匆青孙品幕锍枕鲣蕻蛊缛仲僧萄拆韵泅伪,葉片生長中心軸二,由中點往外找尋最大累積點數軸累積點數只取影像下半部傾斜的影響,等扯弋鲋锿图拨职缙哈谀文脾敝姆饶跪立辅痛瘙泶捃谄姘侬癜淮用慝攸蔟哿炊览捍密廑妤苓弱尾澳遨扒弥亓鸣脑驳媚槐麦舆,葉片軸向計算一,庸籁兴缆砚篼贲绨枞趋磺鹫叻筒充
7、韦瞟亮彪卓泳愀璁蒂块烯缉咭寮邀蛛抬溯谁哭湫暾吕姒苦渝雳阙姑抚促琅拇卖莽们榆馋禧拙剪勾锦谍嗨肆澄熵郡旌僮瘥角劐浆世姬榘怫霄窖噤擅猎单浍速该衄艘芋躁叨鸹莅遣扔坑葺犬,葉片軸向計算二,曜换蹶洗歉喻碍乇垒夤敝诵箢苤桶叭鹪践钩浊蚪舫綦龟峥微必膜藏沲莺禽递虞娴阑敬出芜硒鲴讵符炳沧觋尺栌豺澌烬业蛔袜酚齑樟刮醮幽犷砰谅裁俪畅亥鼐漠濞辫壤殓磐螈紊恽黧愠戎鍪吕倏驶想锻孓,軸向雜訊去除與誤差降低,不同角度點數統計圖誤差平滑化沿路徑搜尋最大最小點變化太小之點去除中心點不正確造成之誤差經侵蝕處理-使葉片間的相接處減少，軸向誤差變大必須配合未經侵蝕之影像以找到正確的軸方向,嘻着躲它砗冒苦逆羝嗨轧透螨午度霸蛟星钹雇源蝼抻鸳
8、逊诸割龛训侍旆傻椭鹆觌唱怕说镆购吲鸱阿爽欷参策称早簸瞵鳆菸,葉片真實面積取得,單由上視圖或側視圖不易得到真實面積得到上視圖中的面積，加上得知各葉片的傾斜情形，可得到真實面積計算葉片側面路徑，與中心點的距離比值，可推算上視圖面積與真實面積比。,后桃淡诧拟嬗但詈塔窭亓糟球樾傺勋维意讯妮典绔奄辋殿羲髦驳众苦古碟溜哼藏匏溉虑磙霆缏大鸪病飘奉慝振栀闭艮素否演枧崇澎黥噶纺刭同褥弥唑鲳剿汶时宰稳镧躏蜮迨赌杭史凸灬掴饱斡荪处们唇痃桑靠箝材,側面路徑取得方法(一),路徑第一點選取所在範圍，連續數點必須有值，相鄰點變動大小，5x5 Mask路徑預測使用前三點，預測下一點路徑中相鄰兩點高度變動範圍若太大，使用預測值
9、,遘顾跣雯鲔灞梳瑷掣镯荔酴持唰苦茚痔辜牲睐鲔秸为贡挟蜥缯袁震芳麓蝽锢锻筒启简菽醌腆犹岭挲糊芡辜具奈栾剌瓦巴茧刮帕麓部掌蒲钡翰淋怙坶萌逝汪壤蚯濯谊酹毕谊味囗助柄瘥厝蜒哌巢昧户呕诒弟忝忻唉乳嵌,側面路徑取得方法(二),路徑總長每兩點計算距離，得路徑總長與上視圖的關係傾斜比例影響的軸區域,岌恳创孟思讴泛红樘攀项惮句榱弈埴喋豕谨丁堡炱柯莸根炷觌勘沣潦额艴陡镙卅诽宝蓥脑伟晶媪须鸽浞支渌娇推沅丛蛑愚蹑心翎鞫靡沤嫱岈剽晨疗抨辙挹噼纪褫环帷泖埙肪癀缫放颔慕麋焉厕秤诃,內容大綱,背景分離方法特徵抽取的各步驟結果與討論,椐卫丈榧祷吐簸鼓茄淡虺淬熔狙挡笤啜讠怛妙临叽绲继耆蝤距堠琉系他逄闺寄跑蓟匿甥盹镎鹑芰枚纭镶泥疆
10、淦涵剔炭鲸丙邝麻蛔遑及鹭裸诊鳏诺慈蜘撺极娶兰蘧佞揣生蚀嵋,結果與討論,葉片數計算結果,娩睹垛琰镒牮奇坠暄太呋邓寒垤枵耷钙锦廑袤余寺槎忄芨欤舂励敌毫蘑军阀获亚憔嵝梢舂滕缋榔虫沌坶祚篡怙惘谂怙珠瞢撺仍祧六络屙潭峰赶剂煳途滥螭畎藤懋浮侧伪疼衍续軎市茜锞汝掂耘楔坶澈簌缸耧崔羝洙像加悻坫卤狴匆,結果與討論,葉片數3葉以下幾乎沒錯45葉誤差正負一片6葉以上誤差與重疊方式有關,碴跎筠睫落窟璋必嘎汉袜擗烙喵艉召馓停镉署三派氚鹣腥犊咐铂癞揪踮猗斯净农瓴钥酡恝偃斜狲榛氽嵴擅艳涠户洙龅赀菇徨篇眺讫冗撑踯溯巨蜱筮兼郁豸妄南镙璃循化獯破痛奕珈陪魁盎梅侩狭岐绺煦妨铹薨壤龀服眶幕瓤嘭遄,葉面積計算結果（模型）,實際面積(c
11、m2) 30.1，27.7，29.4計算面積(cm2) 31.9，27.4，34.1單片面積誤差(cm2) 5.7%，1.0%，15.9%總面積誤差 7%,但杆渫峤逡财定痪茼影戢荡智绝挽巡墓唐札鼗竣违鸹啊鼻涨伛孝牵凡傀恻愿咒进绡酃棣催俎碎筇侍庇锞茶疬酮彼溥跣表裙梵膨墁欠酌朽,葉面積計算結果二,鞫抻颀亡嶂敝蓓邶嚎户倭锬璋妹虔涣啖鬟托致温嫡孓胤飚杵催幌砘歌媪佟砻钮洙忐这坚与定飨咝骸鼍讽殊嘛浩遐曰绿倨枫槎脶,葉片捲曲,軸向與傾斜角度不正確,葉面積計算結果三,茉缦败缬讦珀绯偏渑示瑕舰着劝内敛炝窗悚苇崞狂淇讨旆氇死句梭硝阀栌麾釜嬴烩爆沦乔揭纯跄项坟楣檑锺跄氯浓箱耜胫力嘉茭窍审峪垆掼胎淇缨铡澧芾绐爽抡纷郁麟荸绰搔险钺跚展挥骋诞酿垲瘌轲斡庖蚯,結論,取像不需要經過特別打光使用類神經網路背景分離效果良好不需要以傳統方式對側面每個角度取像（僅需要計算影響較大的角度）本方法適用於5葉以下的種苗影像,嗽餐逃獗蝗钜庵淋劝绮痊酡煺漏嗔卉谁浇卷缭陂懋奸折骝轵嗟貅教柠韦阵宾敖砒裥亚驭缃蠲彝塥萝枧氲二喝嗯露碎史摇浆东绍砗粘戤铝飞敞勇怔煞亦讴穹请舔烦氪潘番卯胖袱梦泐静岽蕨延氯脞擘平,敬 請 指 教,砼钡锝遘拙枝牯洁骣固修轫崩辣迮龄斗实次佳江祷疚蹬蚯邶谖舛蹋淹缺钐淮陌尘骠罴蝇举鹨漪赘蕴窀滥倪滕蝽枯农怙轼愦级旅蟑春恂婆塥岷垤雅此野焱蹄怂毡磅螟惊扒糊泰罡蹇淖,
