Способ определения количества объектов на плоской поверхности



Способ определения количества объектов на плоской поверхности
Способ определения количества объектов на плоской поверхности
Способ определения количества объектов на плоской поверхности
Способ определения количества объектов на плоской поверхности
Способ определения количества объектов на плоской поверхности
Способ определения количества объектов на плоской поверхности
Способ определения количества объектов на плоской поверхности
Способ определения количества объектов на плоской поверхности
Способ определения количества объектов на плоской поверхности
Способ определения количества объектов на плоской поверхности
Способ определения количества объектов на плоской поверхности
Способ определения количества объектов на плоской поверхности
Способ определения количества объектов на плоской поверхности
Способ определения количества объектов на плоской поверхности

 


Владельцы патента RU 2420801:

Федеральное государственное образовательное учреждение высшего профессионального образования "Кубанский государственный аграрный университет" (RU)

Изобретение относится к области распознавания данных. Технический результат заключается в повышении точности распознавания и расширении технологических возможностей. Такой результат достигается за счет того, что сначала плоскую поверхность вместе с объектами в цветном изображении с расширением файла jpg и разрешающей способностью не ниже 600 dpi на дюйм подвергают компьютерной обработке, затем после получения трех матриц компонентов этой поверхности по цветам выбирают матрицу компонента одного цвета и один объект в виде матрицы выделяют в этом же цвете, после в этом объекте рассчитывают среднюю яркость выбранного цвета и площадь объекта в пикселях, затем определяют общую площадь всех объектов на плоской поверхности путем суммирования всех значений матрицы компонентов одного цвета в пикселях в интервале от 0 до средней яркости объекта, после деления которой на площадь одного объекта получают общее их количество. 14 ил.

 

Предлагаемое изобретение относится к способам оценки качественных и количественных показателей эффективности борьбы с вредителями в сельском хозяйстве и направлено на повышение точности оценки и сокращение времени контроля количества объектов на плоской поверхности, например количества малоподвижных насекомых на плоской поверхности и вид заболевания и степень поражения с помощью электронного каталога до и после химической обработки растений. Может быть использовано в строительной индустрии, в медицине, в пищевой и в других отраслях промышленности.

Известен микроскопический метод анализа качества опрыскивания (Су-дит Ж.М., Штеренталь М.И., Нагорный Ю.П. Применение методов математической статистики при исследовании распыливающих органов опрыскивателей. - В кн. Механизация технологических процессов защиты растений МСХ СССР-ВАСХНИЛ, Ленинград, 1970, стр.299). Он заключается в подсчете капель после опрыскивания на поверхности специальных подложек (предметные стекла, коллекторы из мелованной бумаги и др.) с минимальным растеканием на них капель.

Замер капель на подложках (коллекторах) проводится с помощью окулярной линейки микроскопа. Диаметры капель и их количество согласно существующей методике определяется на 1 см2 обрабатываемой площади. Далее заполняются таблицы с разбивкой размеров капель на классы и их численность, которые обрабатываются с использованием методов математической статистики.

Однако этот метод очень трудоемкий и недостаточно точный, т.е. зависит от качества и точности визуальной оценки. Недостатком этого способа является недостаточная точность и ограниченные технологические возможности.

Наиболее близким к предлагаемому изобретению является способ определения степени покрытия поверхности рабочей жидкостью (патент РФ №2290693, МКИ G06К 9/52, опубликован 27.12.2006, Бюл. №36), включающий получение одной матрицы с данными, характеризующими размеры объектов путем сканирования с разрешающей способностью на ниже 300 dpi на дюйм черно-белого изображения с расширением файла BMP и последующей его компьютерной обработкой.

Недостатком этого способа является недостаточная точность и ограниченные технологические возможности.

Техническим решением задачи является повышение точности и расширение технологических возможностей.

Поставленная задача достигается тем, что в способ определения количества объектов на плоской поверхности, включающий получение одной матрицы с данными, характеризующими размеры объектов, путем сканирования черно-белого изображения и последующей его компьютерной обработкой, сначала плоская поверхность вместе с объектами в цветном изображении с расширением файла jpg и разрешающей способностью не ниже 600 dpi на дюйм подвергается компьютерной обработке, затем после получения трех матриц компонентов этой поверхности по цветам выбирается матрица компонента одного цвета и один объект в виде матрицы выделяется в этом же цвете, а после в этом одном объекте рассчитывается средняя яркость выбранного цвета и площадь объекта в пикселях, затем определяется общая площадь всех объектов на плоской поверхности путем суммирования всех значений матрицы компонентов одного цвета в пикселях в интервале от 0 до средней яркости объекта, после деления которой на площадь одного объекта получают общее их количество.

По данным патентно-технической литературы не обнаружено техническое решение, аналогичное заявляемому, что позволяет судить об изобретательском уровне предлагаемого способа определения количества объектов на плоской поверхности.

Новизна усматривается в том, что сначала плоская поверхность вместе с объектами в цветном изображении с расширением файла jpg и разрешающей способностью не ниже 600 dpi на дюйм подвергается компьютерной обработке, затем после получения трех матриц компонентов этой поверхности по цветам выбирается матрица компонента одного цвета и один объект в виде матрицы выделяется в этом же цвете, что повышает точность и расширяет технологические возможности.

Новизна обусловлена тем, что после выделения одного объекта в одном из трех цвете рассчитывается средняя яркость выбранного цвета и площадь объекта в пикселях, затем определяется общая площадь всех объектов на плоской поверхности путем суммирования всех значений матрицы в пикселях в интервале от 0 до средней яркости объекта, после деления которой на площадь одного объекта получают общее их количество, что повышает точность и расширяет технологические возможности.

Сущность изобретения поясняется чертежами, где на фиг.1 изображена плоская (листовая) поверхность с объектами в виде тли и ее личинок; на фиг.2 - матрицы яркости компонентов по цветам в виде изображения красного, зеленого и синего цветов; на фиг.3 - фрагмент изображения в виде матрицы яркости синего цвета; на фиг.4 - информация компонента синего цвета в виде цифровой матрицы; на фиг.5 - изображение выделенного объекта (личинка); на фиг.6 - информация компонента синего цвета в виде цифровой матрицы объекта; на фиг.7 - фрагмент плоской (листовой) поверхности, пораженной болезнью; фиг.8 - матрицы компонентов по цветам в виде изображения красного, зеленого и синего цветов; на фиг.9 - изображение матрицы компонента синего цвета; на фиг.10 - информация компонента синего цвета в виде цифровой матрицы; на фиг.11 - изображение выделенного объекта (болезни); на фиг.12 - информация компонента синего цвета в виде цифровой матрицы объекта (болезни); на фиг.13 - гистограмма эмпирического распределения компонента плотности синего цвета объекта (болезни); на фиг.14 - полигон эмпирического распределения компонента яркости синего цвета (болезни).

Способ определения количества объектов на плоской поверхности, например определения количества личинок на плоской поверхности листа в сельском хозяйстве, осуществляют следующим образом. На фиг.1 показан фрагмент цветного изображения плоской (листовой) поверхности с двумя объектами в виде тли 1 и ее личинок 2, помещенный в компьютере. Используя программу MathCad, проведем обработку цветного изображения всей этой плоской поверхности с объектами (фиг.1) RGB-методом. При этом методе изображение представляется суммой трех составляющих с красным (Red 0…255), зеленым (Green 0…255) и синим (Blue 0…255) цветами. Функция READRGB обеспечивает считывание цветных изображений из файлов формата JPG и возвращает встроенную матрицу М, содержащую три монохромных изображения в виде трех матриц (фиг.2), представляющих яркости трех указанных цветов (В.Дьяконов MathCad 2001: учебный курс. - СПб: Питер, 2001. - С.387). С помощью функции submatrix несложно выделить из матриц М три матрицы, несущие информацию отдельно по каждому из трех цветов. Для дальнейшей работы требуется матрица одного цвета. Выделим матрицу с синим цветом (фиг.3) - фрагмент изображения в виде матрицы яркости синего цвета. На фиг.4 представлен фрагмент матрицы, представляющей яркость синего цвета выделенной матрицы (цифровая матрица). С помощью функции submatrix выделим объект (личинку) фиг.5, и на фиг.6 представлен фрагмент матрицы, представляющей яркость синего цвета объекта (личинки). В матрице, представляющей яркость синего цвета объекта (личинки), определяем размах яркости, выраженный в пикселях, и площадь объекта (личинки). Определив суммарное число пикселей попаданий размаха яркости объекта (личинки) в матрице, представляющей яркость синего цвета выделенной матрицы, и разделив на площадь объекта (личинки), получим общее их количество.

Способ определения количества объектов на плоской поверхности позволяет определить вид заболевания и степень поражения им растения. На фиг.7 показан фрагмент цветного изображения листа растения, пораженный неизвестной болезнью и помещенный в компьютере. Используя программу MathCad, проведем обработку цветного изображения RGB-методом, при нем изображение представляется суммой трех составляющих с красным (Red 0…255), зеленым (Green 0…255) и синим (Blue 0…255) цветами. Функция READRGB обеспечивает считывание цветных изображений из файлов формата JPG и возвращает встроенную матрицу М, содержащую три монохромных изображения (фиг.8), представляющих яркости трех указанных цветов (В.Дьяконов MathCad 2001: учебный курс. - СПб: Питер, 2001. - С.387). С помощью функции submatrix несложно выделить из матрицы М три матрицы, несущие информацию отдельно по каждому из трех цветов. Со всеми матрицами проводят работу поочередно. Выделим матрицу синего цвета - фиг.9. На фиг.10 представлен фрагмент матрицы, представляющей яркость синего цвета. С помощью функции submatrix выделим объект (болезнь) фиг.11, и на фиг.12 представлен фрагмент матрицы представляющей яркость синего цвета объекта (болезни). В данной матрице определим максимальное, среднее и минимальное значения, выраженные в пикселях яркости синего цвета объекта (болезни). Разбив на 8 групп интервал варьирования, определили частоту попадания признака в заданный интервал, по полученным данным построили гистограмму фиг.13 и полигон эмпирического распределения яркости синего цвета объекта (болезни) фиг.14. Определили стандартное отклонение, ошибку выборочной средней, коэффициент вариации и относительную ошибку выборочной средней по яркости синего цвета. Определили общее количество пикселей яркости синей цветовой гаммы в интервале ±σ от среднего значения синего цвета объекта (болезни) на плоской поверхности листа синего цвета. После обработки всех трех цветов определим среднее значение количества пикселей в цветовой гамме, разделив общее значение количества пикселей в цветовой гамме на среднее и умножив на 100, получим процент поражения болезнью данной плоской поверхности листа. Зная средние значения яркости по цветам объекта (болезни), сравнивая с электронным каталогам болезней по всем трем значениям яркости, определим заболевание.

Способ определения количества объектов на плоской поверхности, включающий получение одной матрицы с данными, характеризующими размеры объекта, путем сканирования изображения и последующей его обработки, отличающийся тем, что сначала плоскую поверхность вместе с объектами в цветном изображении с расширением файла jpg и разрешающей способностью не ниже 600 dpi на дюйм подвергают компьютерной обработке, затем после получения трех матриц компонентов этой поверхности по цветам выбирают матрицу компонента одного цвета и один объект в виде матрицы выделяют в этом же цвете, после чего в этом объекте рассчитывают среднюю яркость выбранного цвета и площадь объекта в пикселях, затем определяют общую площадь всех объектов на плоской поверхности путем суммирования всех значений матрицы компонентов одного цвета в пикселях в интервале от 0 до средней яркости объекта, после деления которой на площадь одного объекта получают общее их количество.



 

Похожие патенты:

Изобретение относится к области криминалистики и предназначено для кодирования отпечатков папиллярных узоров. .

Изобретение относится к кодированию дактилоскопических узоров и позволяет получить технический результат в виде повышения надежности идентификации отпечатков. .

Изобретение относится к кодированию отпечатков папиллярных узоров и позволяет получить технический результат в виде повышения устойчивости описания системы признаков отпечатков.

Изобретение относится к кодированию папиллярного узора и позволяет получить технический результат в виде уменьшения вероятности ошибки при идентификации человека по отпечаткам пальцев и ладоней.

Изобретение относится к определению степени покрытия поверхности рабочей жидкостью. .

Изобретение относится к экспериментальной астрофизике. .

Изобретение относится к области распознавания и сравнения изображений. .

Изобретение относится к автоматике и вычислительной технике. .

Изобретение относится к кодированию папиллярного узора. .

Изобретение относится к автоматике и вычислительной технике и может быть использовано для анализа геометрических параметров изображений объектов в системах технического зрения.

Изобретение относится к области криминалистики и предназначено для кодирования отпечатков пальцев, ладоней и ступней ног

Изобретение относится к автоматике и вычислительной технике и может быть использовано для распознавания изображений лиц в системах машинного зрения, биометрических системах контроля доступа и видеонаблюдений, интерактивных системах человек-компьютер и других системах

Изобретение относится к средствам идентификации печатной формы документа. Технический результат заключается в повышении защищенности и быстродействия идентификации. В способе осуществляют: этап печати по меньшей мере одного документа упомянутой печатной формой; этап захвата с высоким разрешением по меньшей мере одного изображения по меньшей мере одной части указанного документа; этап извлечения геометрической характеристики по меньшей мере из одного захваченного изображения; этап сохранения извлеченной геометрической характеристики. В процессе идентификации определяют, использовалась ли упомянутая печатная форма для печати документа-кандидата, при этом осуществляют этап захвата с высоким разрешением изображения части упомянутого документа-кандидата, соответствующей части документа, геометрическая характеристика которой была сохранена. Затем осуществляют этап извлечения из изображения упомянутого документа-кандидата геометрической характеристики, соответствующей сохраненной геометрической характеристике, и этап определения того, превосходит ли мера корреляции геометрической характеристики упомянутого документа-кандидата и сохраненной геометрической характеристики заранее заданного предельного значения. 2 н. и 8 з.п. ф-лы, 37 ил., 1 табл.

Изобретение относится к области цифровой обработки изображений, связанной с выделением и анализом сегментов. Техническим результатом является повышение точности определения толщины слоя за счет автоматизированного выявления нечеткой границы. Предложен способ автоматического определения толщины слоя с нечеткой границей по изображению. Способ включает в себя этапы, на которых производят сегментацию изображения, проводят границу раздела сегментов слоев, вычисляют фрактальную размерность линии границы, накладывают секущие перпендикулярно границе, проводят вычисления длины секущих и вычисляют среднее арифметическое значение толщины слоя. При этом сегментирование изображения производят автоматически методом выращивания и слияния областей с использованием минимизации многомерных функций гетерогенности как на этапе выращивания, так и на этапе слияния. При проходе вдоль сегмента слоя определяют центры тяжести неперекрывающихся сегментов включений с максимальной глубиной размещения в слое, по которым строят опорные секущие включений. Выделяют опорные точки, в которых глубина размещения включения на секущих максимальна относительно базовой границы, и по опорным точкам строят аппроксимирующую функцию, на основе которой вычисляют линии нечеткой границы методом скользящего окна вариативной ширины. 1 з.п. ф-лы, 5 ил.
Наверх