Detektering og klassificering af kimplanter ved brug af computer vision

Recommendations

Info

1 Indledning 1.1 Indledning 1 Indledning 1.1 Indledning Dette afgangsprojekt skal indgå som en del af det større projekt HiTec Elitetræer, som har til formål at klone juletræer (og andre træer på længere sigt). Ved at anvende kloning skabes en stabil produktion af planter af høj, ensartet kvalitet, der samtidigt øger den gennemsnitlige salgspris pr. produceret træ, da planterne vil have meget ens arvelige egenskaber. Det er altså muligt at begrænse den tilfældighed der spiller ind, når juletræer plantes i naturen på traditionel vis. Det vurderes, at der er store økonomiske gevinster ved at producere juletræer på denne måde. Gruppen skal indgå i arbejdet på HiTec Elitetræer med det formål at udvikle computeralgoritmer, der ved hjælp af computervision kan identificere og klassificere samt kvalitetsvurdere kimplanter. Det er ikke endeligt afgjort, om klassificeringen skal anvendes, på det stadie gruppen skal implementere sin løsning i processen, men gruppen skal under alle omstændigheder udvikle metoder til at løse klassificeringen. I den samlede beplantningsproces vil gruppens arbejde indgå relativt tidligt i forløbet. Indledende skal kimplanterne klones i et næringsmedium. Herefter skal de tages ud af næringsmediet, og der foretages yderligere modning af kimene. Det er efter denne modningsperiode, at gruppen skal identificere og klassificere kimplanterne. Efter kimene er blevet lokaliseret skal de placeres i et nyt vækstmedie, hvor de skal modnes yderligere. Herefter er de spiret kraftigt, og en ny computervisionproces skal udvælge de kim, der skal anvendes i den egentlige og traditionelle beplantningsproces. Dette sidste trin håndteres af firmaerne T&O Stelectric A/S og Bila A/S. 1.2 Målformulering Formålet med projektet er at arbejde med og udvikle visionsystemer. Det er gruppens opgave, at fremstille et system der ved hjælp af visualiseringsteknologi kan lokalisere kimene i vækstmediet, således de kan indgå i en udplantningsprocess. Der skal anvendes et kamera, der tager et billede af vækstmediet med kimene i. Dette billede skal derefter processeres i en computer med algoritmer udviklet af gruppen. Det er målet med algoritmerne at danne en snitflade, hvor en robot vil kunne tilkobles computersystemet. Robotten vil kunne modtage information om kimenes placering og orientering i vækstmediet. Det er kun gruppens opgave at bestemme placering og orientering, men ikke at håndtere en eventuel robot. Generelt vil gruppen danne en forsøgsopstilling til fotografering af kimplanter, der vil have en sort baggrund, med en uniform belysning af baggrunden. Derudover vil gruppen undersøge, udvikle og programmere algoritmer der kan identificere kimenes placering og orientering i vækstmediet. Gruppen får stillet kamera og computer til rådighed til opgaven. Side 5 af 131
1 Indledning 1.3 Kravspecifikation 1.3 Kravspecifikation 1.3.1 Del I: Detektering af kimplanter 1. Indlæse billede fra disk a. Kunne modtage billede i 3x8-bit RGB BMP-format 2. Kunne identificere kimplanter a. Enkelte fritliggende b. Deres placering og længdeaksers orientering i planet c. Ikke fritliggende kimplanter accepteres dog og sorteres evt. fra i kvalitetsvurderingen 1.3.2 Del II: Klassificering af kimplanter 3. Kvalitetsvurdering a. Det skal bestemmes hvilke parametre, der skal bruges til at udvælge godkendte og ikke-godkendte kim med b. Det skal være muligt kun at udvælge alle 1. klasses kimplanter vha. de parametre angivet i punkt a. c. Det skal være muligt med algoritmer at udvælge kim hvis parametre falder indenfor brugerspecificerede grænser d. Projektet skal som resultat outputte x,y koordinat i pixels (på kimplantens midtpunkt) og θ (vinkel i forhold til det vandrette plan) på de kimplanter der ligge inden for grænserne 4. User Interface a. Konsol baseret b. Bruger skal kunne sætte grænser for kvalitetsparametre 1.3.3 Afgrænsning 5. Afgrænsning a. Kimplanter i grupper vil ikke blive forsøgt separeret i programmet b. Systemet skal kun understøtte en mørk baggrund og lys forgrund c. Der må ikke være nogen betydelig variation i billedets belysning Side 6 af 131
Page 1 and 2: Detektering og klassificering af ki
Page 3 and 4: 1 Indledning 1.1 Indledning Læseve
Page 5: 1 Indledning 1.1 Indledning 10.3.3
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

You also want an ePaper? Increase the reach of your titles

Delete template?

Save as template?