(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210707655.7 (22)申请日 2022.06.22 (71)申请人 金乡县林业保护和发展服 务中心 （金乡县 湿地保护中心、 金乡县野生 动植物保护中心、 金乡县国有白洼 林场） 地址 272000 山东省济宁市金乡县文峰中 路35号 (72)发明人 李宪忠　李辉　王臻臻　孔娜　 王健　 (74)专利代理 机构 青岛致嘉知识产权代理事务 所(普通合伙) 3723 6 专利代理师 吴杉 (51)Int.Cl. G06V 20/10(2022.01)G06V 10/28(2022.01) G06V 10/44(2022.01) G06V 10/56(2022.01) G06V 10/74(2022.01) G06V 10/762(2022.01) G06V 10/764(2022.01) G06V 10/77(2022.01) G06V 10/26(2022.01) G06V 10/82(2022.01) (54)发明名称 一种基于人工智能的林业种苗检测方法及 装置 (57)摘要 本发明涉及图像处理领域， 具体涉及一种基 于人工智能的林业种苗检测方法及装置， 包括： 获取苗圃中每一排种苗的二值图； 对二值图进行 霍夫检测获取各种苗主枝干； 获取各主枝干的 叶 片连通域集合； 计算集合中各叶片连通域对应的 垂点与该连通域中心点的欧式距离， 获取各叶片 连通域的候选归属种苗； 获取集合中处于同一高 度的连通域主成分方向与其对应主枝干的交点， 计算相邻两交点间的距离； 利用所述两种距离获 取不属于主枝干的叶片连通域； 计算不属于种苗 主枝干的叶片连通域属于候选归属种苗的方差 变化率， 获得各种苗主枝干上所有的叶片； 根据 每个种苗的所有叶片的色调值对苗圃中每一排 种苗进行检测。 上述方法用于林业种苗检测， 可 提高检测效率。 权利要求书4页 说明书11页 附图4页 CN 115082789 A 2022.09.20 CN 115082789 A 1.一种基于人工智能的林业种苗检测方法， 其特 征在于， 包括： 获取待检测苗圃中每一 排种苗的二 值图； 对二值图进行霍夫直线检测， 对得到的霍夫空间中的高亮点进行聚类， 根据每个聚类 簇中高亮点的数量和横坐标跨度获取主 枝干候选聚类簇； 利用每个主枝干候选聚类簇的聚集率和中心率获取主枝干聚类簇， 得到二值图中每个 种苗的主 枝干； 利用二值图中每个种苗主枝干上的像素点获取属于每个种苗主枝干的叶片连通域集 合； 计算叶片连通域集合中各个叶片连通域对应的垂点与该叶片连通域中心点的欧式距 离， 获取每 个叶片连通 域的候选归属种苗主 枝干； 获取每个种苗主枝干的叶片连通域集合中处于同一高度的叶片连通域主成分方向与 其对应的种苗主 枝干的交点， 计算相邻两交点之间的距离； 利用每个种苗主枝干的叶片连通域集合中各个叶片连通域对应的垂点与该叶片连通 域中心点的欧式距离和处于同一高度的相邻两叶片连通域主成分方向与其对应的种苗主 枝干的交点间的距离， 对叶片连通域集合中每个叶片连通域是否属于该种苗主枝干进 行判 断， 获取不属于该种苗主 枝干的叶片连通 域； 计算每个种苗主枝干的叶片连通域中不属于该种苗主枝干的叶片连通域属于候选归 属种苗主枝干的方差变化率， 根据方差变化率确定出不属于该种苗主枝干的叶片连通域所 属的归属种苗主 枝干， 获得每 个种苗主 枝干上所有的叶片； 根据每个种苗枝干上所有叶片的色调值对待检测苗圃中每一排种苗的生长状态进行 检测。 2.根据权利要求1所述的一种基于人工智能的林业种苗检测方法， 其特征在于， 所述二 值图中每 个种苗的主 枝干是按照如下 方式得到： 对二值图进行霍夫直线检测， 将二值图中的直线对应的霍夫空间中的点进行阈值分 割， 获取霍夫空间中的高亮点； 将高亮点投影到霍夫空间的横坐标 上， 获取投影点； 对投影点进行聚类， 获取 所有聚类簇； 计算每个聚类簇 中投影点的横坐标最大值和横坐标最小值的差值， 得到每个聚类簇的 横坐标跨度； 统计每个聚类簇 中投影点的数量， 将包含较多投影点数量且横坐标跨度较小的聚类簇 作为主枝干候选聚类簇； 根据每个主枝干候选聚类簇中的横坐标最大值和横坐标最小值计算得到每个主枝干 候选聚类簇的聚集 率； 计算每个主枝干候选聚类簇中所有投影点的横坐标均值， 将该均值作为主枝干候选聚 类簇的方向值； 对所有主枝干候选聚类簇的方向值进行排序， 得到方向值序列； 利用每个主枝干候选聚类簇的方向值和方向值序列中的最大值和最小值计算得到每 个主枝干候选聚类簇的中心率； 将每个主枝干候选聚类簇的聚集率和中心率进行相乘， 将乘积值最大的主枝干候选聚权　利　要　求　书 1/4 页 2 CN 115082789 A 2类簇作为主 枝干聚类簇， 得到二 值图中每 个种苗的主 枝干。 3.根据权利要求1所述的一种基于人工智能的林业种苗检测方法， 其特征在于， 所述属 于每个种苗主 枝干的叶片连通 域集合是按照如下 方式获取： 以二值图中每个种苗主枝干上的像素点为初始点进行种子填充， 获取二值图中所有叶 片连通域； 过每个叶片连通 域的中心点作垂直于各个种苗主 枝干的垂线， 获取 所有垂点； 以各垂点为初始中心， 每个叶片连通域的中心点作为聚类数据对所有叶片连通域进行 聚类， 得到所有叶片连通 域群； 将属于同一种苗主枝干的不同高度的叶片连通域群作为二值图中每个种苗主枝干的 叶片连通 域， 进而获取属于每 个种苗主 枝干的叶片连通 域集合。 4.根据权利要求1所述的一种基于人工智能的林业种苗检测方法， 其特征在于， 所述每 个叶片连通 域的候选归属种苗主 枝干是按照如下 方式获取： 利用PCA算法获取每 个叶片连通 域的主成分方向； 对每个种苗主枝干的叶片连通域集合中各个处于同一高度的叶片连通域群进行如下 操作： 计算叶片连通域群对应的垂点与该叶片连通域群中每个叶片连通域中心点的欧式距 离， 得到垂点到各个叶片连通 域中心点的距离； 对垂点到各个叶片连通 域中心点的距离进行升序排序， 得到 升序序列； 将升序序列的最后一个元素用倒数第二个元素值代替， 得到改变后的升序序列， 计算 改变前后的升序序列的余弦相似度， 当该余弦相似度大于阈值时， 则最后一个元素不是异 常值， 当该余弦相似度小于等于阈值时， 则最后一个元素是异常值， 按照上述方法对升序序 列中其他元素是否为异常值进行迭代判断， 直到升序序列中只剩 下一半的元素没有判断， 迭代停止， 得到 升序序列中所有异常值； 将升序序列中各个异常值对应的叶片连通域的主成分方向指向最近的种苗主枝干作 为该叶片连通 域的候选归属种苗， 获取每 个叶片连通 域的候选归属种苗主 枝干。 5.根据权利要求1所述的一种基于人工智能的林业种苗检测方法， 其特征在于， 所述不 属于该种苗主 枝干的叶片连通 域是按照如下 方式获取： 对每个种苗主枝干的叶片连通域集合中各个处于同一高度的叶片连通域群进行如下 操作： 获取叶片连通域群中每个叶片连通域主成分方向与其对应的种苗主枝干的交点， 计算 相邻两交点之间的距离， 得到各个叶片连通域主成分方向线与种苗主枝干的交点间的距 离； 对各个叶片连通域主成分方向线与种苗主枝干的交点间的距离进行升序排序， 得到升 序序列； 将升序序列的最后一个元素用倒数第二个元素值代替， 得到改变后的升序序列， 计算 改变前后的升序序列的余弦相似度， 当该余弦相似度大于阈值时， 则最后一个元素不是异 常值， 当该余弦相似度小于等于阈值时， 则最后一个元素是异常值， 按照上述方法对升序序 列中其他元素是否为异常值进行迭代判断， 直到升序序列中只剩 下一半的元素没有判断， 迭代停止， 得到 升序序列中所有异常距离；权　利　要　求　书 2/4 页 3 CN 115082789 A 3