Detektering og klassificering af kimplanter ved brug af computer vision

Recommendations

Info

1 Indledning 1.1 Indledning Synopsis Problemstillingerne detektering og klassificering af kimplanter er begge forsøgt løst i projektet. For at detektere de enkelte kim er der udviklet algoritmer så de fritliggende kim identificeres, og deres placering samt orientering i planet findes. Til klassificeringen er der identificeret fire kvalitetsparametre samt forskellige udvælgelsesmodeller. Detekteringen af kim anses som løst, hvorimod klassificeringen stadig har åbne problemstillinger. Forord Rapporten er skrevet som et afgangsprojekt på elektroingeniør data-retningen ved Det Tekniske Fakultet på Syddansk Universitet (SDU). Projektet er påbegyndt d. 1. september 2006 og er afsluttet d. 19. december 2006. Gruppen har haft John Immerkær som vejleder. Projektet er en del af HiTec Elitetræer-projektet ved Robocluster, som er et kompetencenetværk i den syddanske region for robotter, intelligente mekaniske systemer og automationsteknologiske løsninger. Selve HiTec Elitetræer-projektet omhandler: udvikling af nye robot- og visualiseringsteknologier til automatiseret planteproduktion. Hensigten med rapporten er at videregive løsninger, samt belyse eventuelle problemstillinger for styregruppen for HiTec Elitetræer-projektet og andre interesserede. Under udarbejdelsen af rapporten har det været nødvendigt at konsultere flere eksperter, der også selv er tilknyttet HiTec Elitetræer-projektet: Jens Iver Find, biolog ved Københavns Universitet; Lars Sommer fra Vitroform A/S, samt projektleder for HiTec Elitetræer-projektet fra Robocluster Niels Korsager. Ydermere har gruppen samarbejdet med resten af styregruppen for HiTec Elitetræer-projektet. Odense d. 19. december 2006, Kasper B. Simonsen Mads T. Nielsen Anders D. Schwartz Side 1 af 131
1 Indledning 1.1 Indledning Læsevejledning Hovedrapporten er overordnet opdelt i to dele: Del I: Detektering af kimplanter og Del II: Klassificering af kimplanter. Opdelingen udspringer direkte af overskriften for projektet. Overskrifterne dækker over hver deres opgave, som vil blive forsøgt løst i de to dele. Udover de to hoveddele er der også en række kapitler, der er fælles for begge dele. Der hvor der er funktionalitet, som er implementeret i C++, har kapitlerne fået samme navn, som den tilhørende C++-klasse. På denne måde er der skabt en direkte sammenhæng mellem rapport og det tilhørende produkt. Disse kapitler er bygget op som følgende: 1. Indledning Kort introduktion til den opgave klassen skal løse 2. Teori Her beskrives den teori, der skal til for at klassen kan løse opgaven 3. Test Her beskrives, hvordan testen skal udføres samt testresultaterne 4. Sammenfatning En kort konklusion der samler op på resultatet af testen, samt hvorvidt klassen løser opgaven som ønsket Kapitlerne uden for Del I og Del II afviger fra denne opbygning. Alle litteraturhenvisninger er skrevet på følgende måde: Forfatter [XX:YY]. Tallet på XX-pladsen angiver kildenummeret i litteraturlisten. YY angiver sidetallet i den respektive kilde. I Appendiks 18.1 Klasseoversigt s. 84 findes en klasseoversigt, der viser indholdet af klasserne et samlet sted. Ydermere er det muligt i Appendiks 18.9 Implementering s. 102 at læse, hvordan alle klasserne i rapporten er implementeret i C++-kode. DVD I løbet af rapporten vil der blive henvist til den vedlagte DVD. På denne findes kildekoden til programmet, samt testbilleder, resultater og MatLab-scripts m.m. Henvises der i et kapitel til DVD’en, findes de relevante filer i det tilsvarende kapitel-bibliotek. Det udviklede program, kan findes på DVD’en i biblioteket ”Program”. Det er muligt i underbiblioteket ”Kildekode”, at finde kildekoden til programmet. Kildekoden ligger i en mappe, der har navn efter følgende skabelon: ”Vision NNN III”, hvor NNN er det tre cifredekodeversionsnummer, og III er initialerne på den person, der har lavet den version. Inde i mappen er der yderligere to mapper: • Debug o Indeholder det eksekvérbare program • Vision o Indeholder selve C++-kildekoden I mange af kapitel-bibliotekerne findes der mapper, der indeholder testresultater samt den kildekode, der blev anvendt i testen. Side 2 af 131
Page 1: Detektering og klassificering af ki
Page 5 and 6: 1 Indledning 1.1 Indledning 10.3.3
Page 7 and 8: 1 Indledning 1.3 Kravspecifikation
Page 9 and 10: 2 Opbygning og planlægning 2.1 Opb
Page 11 and 12: 2 Opbygning og planlægning 2.2 Pla
Page 13 and 14: 3 Beskrivelse af kim 3.4 Klassifice
Page 15 and 16: 4 Kamera 4.1 Indledning 4 Kamera 4.
Page 17 and 18: 4 Kamera 4.4 Sammenfatning stadig v
Page 19 and 20: 5 Color 5.1 Indledning 5 Color 5.1
Page 21 and 22: 5 Color 5.4 Sammenfatning Herefter
Page 23 and 24: 6 GrayScale 6.5 Sammenfatning 6.4.2
Page 25 and 26: 7 Binary 7.2 Teori Som det ses af h
Page 27 and 28: 7 Binary 7.3 Test 7.3 Test Figur 7.
Page 29 and 30: 8 BlobDetection 8.1 Indledning 8 Bl
Page 31 and 32: 8 BlobDetection 8.3 Test Figur 8.8
Page 33 and 34: 8 BlobDetection 8.3 Test svarer næ
Page 35 and 36: 9 EllipseApproximation 9.1 Indledni
Page 37 and 38: 9 EllipseApproximation 9.2 Teori De
Page 39 and 40: 9 EllipseApproximation 9.3 Test 9.3
Page 41 and 42: 9 EllipseApproximation 9.3 Test 9.3
Page 43 and 44: 9 EllipseApproximation 9.4 Sammenfa
Page 45 and 46: 10 ExpandShrink 10.1 Indledning 10
Page 47 and 48: 10 ExpandShrink 10.2 Teori 10.2.3 E
Page 49 and 50: 10 ExpandShrink 10.4 Sammenfatning
Page 51 and 52: 11 TopDetection 11.2 Teori punktet,
Page 53 and 54:
11 TopDetection 11.3 Test 12 Alle a
Page 55 and 56:
12 Symmetry 12.1 Indledning 12 Symm
Page 57 and 58:
12 Symmetry 12.2 Teori 12.2.1 Rotat
Page 59 and 60:
12 Symmetry 12.3 Test Blobid Ellips
Page 61 and 62:
13 Quality 13.1 Indledning 13 Quali
Page 63 and 64:
13 Quality 13.2 Teori På figur 13.
Page 65 and 66:
13 Quality 13.2 Teori Figur 13.6 3-
Page 67 and 68:
13 Quality 13.3 Test 13.3.2 Anden d
Page 69 and 70:
13 Quality 13.4 Sammenfatning 13.4
Page 71 and 72:
14 Implementering 14.3 Programstruk
Page 73 and 74:
14 Implementering 14.4 User interfa
Page 75 and 76:
15 Sammenfatning 15.1 Samlet test v
Page 77 and 78:
15 Sammenfatning 15.1 Samlet test P
Page 79 and 80:
15 Sammenfatning 15.3 Konklusion kv
Page 81 and 82:
15 Sammenfatning 15.4 Videreudvikli
Page 83 and 84:
16 Litteraturliste 15.4 Videreudvik
Page 85 and 86:
18 Appendiks 18.1 Klasseoversigt 18
Page 87 and 88:
18 Appendiks 18.1 Klasseoversigt -u
Page 89 and 90:
18 Appendiks 18.4 Tidsplan 18.4 Tid
Page 91 and 92:
18 Appendiks 18.5 Orientering i pla
Page 93 and 94:
18 Appendiks 18.6 Bestemmelse af el
Page 95 and 96:
18 Appendiks 18.7 Valg af TopDetect
Page 97 and 98:
Page 99 and 100:
Page 101 and 102:
18 Appendiks 18.8 Kodestandard Ekse
Page 103 and 104:
18 Appendiks 18.9 Implementering 18
Page 105 and 106:
18 Appendiks 18.9 Implementering }
Page 107 and 108:
Page 109 and 110:
18 Appendiks 18.9 Implementering }
Page 111 and 112:
Page 113 and 114:
18 Appendiks 18.9 Implementering
Page 115 and 116:
Page 117 and 118:
Page 119 and 120:
18 Appendiks 18.9 Implementering r
Page 121 and 122:
18 Appendiks 18.9 Implementering fl
Page 123 and 124:
Page 125 and 126:
18 Appendiks 18.10 Test af Binary 1
Page 127 and 128:
18 Appendiks 18.10 Test af Binary B
Page 129 and 130:
18 Appendiks 18.11 Test af TopDetec
Page 131 and 132:
18 Appendiks 18.11 Test af TopDetec
show all

Detektering og klassificering af kimplanter ved brug af computer vision

Create successful ePaper yourself

Delete template?

Save as template?