Un nuevo método para la detección de la plenitud de semillas de cacahuete en imágenes de rayos X blandos basado en nivel set y segmentación OTSU de múltiples umbrales
Autores: Liu, Yuanyuan; Qiu, Guangjun; Wang, Ning
Idioma: Inglés
Editor: MDPI
Año: 2024
Acceso abierto
Artículo científico
2024
Un nuevo método para la detección de la plenitud de semillas de cacahuete en imágenes de rayos X blandos basado en nivel set y segmentación OTSU de múltiples umbrales
Categoría
Ciencias Agrícolas y Biológicas
Subcategoría
Ciencias Agrícolas y Biológicas Generales
Palabras clave
Semilla de maní
Técnica de imagen
Rayos X suaves
Segmentación
Conjunto de niveles
Multiumbral
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 50
Citaciones: Sin citaciones
La evaluación precisa de la plenitud de la semilla de maní es crucial para optimizar la producción y calidad del maní. El método actual es principalmente manual y de inspección visual, lo cual es muy consumidor de tiempo y causa deterioro de las semillas. Se utiliza una novedosa técnica de imagen para mejorar la detección de la plenitud de la semilla de maní utilizando un suave rayo X no destructivo, que es adecuado para el análisis de la superficie o una capa delgada de un material. El nivel de gris general del maní es similar al fondo y el borde de la semilla de maní está borroso. La inexactitud de la segmentación general del maní y de la semilla de maní conduce a una baja precisión en la detección de la plenitud de la semilla. Para mejorar la precisión en la detección de la plenitud de las semillas de maní, se propuso un método de detección de plenitud de semillas basado en el conjunto de niveles y la segmentación de múltiples umbrales para imágenes de maní. En primer lugar, se utiliza el algoritmo de conjunto de niveles para extraer el contorno general de los cacahuetes. En segundo lugar, la imagen binaria obtenida se procesa mediante morfología para obtener las vainas de maní (el maní en general). Luego, se utiliza el algoritmo de umbral múltiple OTSU para la segmentación de umbrales. El umbral se selecciona para extraer la parte de la semilla de maní. Finalmente, se utiliza morfología para completar la cavidad y lograr la segmentación de la semilla de maní. En comparación con los algoritmos de optimización, en la segmentación de las vainas de maní, el índice aleatorio promedio (RI), el error de consistencia global (GCE) y la variación de información (VI) aumentaron en un 10.12% y disminuyeron en un 0.53% y 24.11%, respectivamente. En comparación con los algoritmos existentes, en la segmentación de la semilla de maní, el RI promedio, VI y GCE aumentaron en un 18.32% y disminuyeron en un 9.14% y 6.11%, respectivamente. El método propuesto es estable, preciso y puede cumplir con los requisitos de detección de plenitud de la imagen del maní. Proporciona un medio técnico factible y una referencia para la crianza experimental científica y la fijación de precios del servicio de clasificación de pruebas.
Descripción
La evaluación precisa de la plenitud de la semilla de maní es crucial para optimizar la producción y calidad del maní. El método actual es principalmente manual y de inspección visual, lo cual es muy consumidor de tiempo y causa deterioro de las semillas. Se utiliza una novedosa técnica de imagen para mejorar la detección de la plenitud de la semilla de maní utilizando un suave rayo X no destructivo, que es adecuado para el análisis de la superficie o una capa delgada de un material. El nivel de gris general del maní es similar al fondo y el borde de la semilla de maní está borroso. La inexactitud de la segmentación general del maní y de la semilla de maní conduce a una baja precisión en la detección de la plenitud de la semilla. Para mejorar la precisión en la detección de la plenitud de las semillas de maní, se propuso un método de detección de plenitud de semillas basado en el conjunto de niveles y la segmentación de múltiples umbrales para imágenes de maní. En primer lugar, se utiliza el algoritmo de conjunto de niveles para extraer el contorno general de los cacahuetes. En segundo lugar, la imagen binaria obtenida se procesa mediante morfología para obtener las vainas de maní (el maní en general). Luego, se utiliza el algoritmo de umbral múltiple OTSU para la segmentación de umbrales. El umbral se selecciona para extraer la parte de la semilla de maní. Finalmente, se utiliza morfología para completar la cavidad y lograr la segmentación de la semilla de maní. En comparación con los algoritmos de optimización, en la segmentación de las vainas de maní, el índice aleatorio promedio (RI), el error de consistencia global (GCE) y la variación de información (VI) aumentaron en un 10.12% y disminuyeron en un 0.53% y 24.11%, respectivamente. En comparación con los algoritmos existentes, en la segmentación de la semilla de maní, el RI promedio, VI y GCE aumentaron en un 18.32% y disminuyeron en un 9.14% y 6.11%, respectivamente. El método propuesto es estable, preciso y puede cumplir con los requisitos de detección de plenitud de la imagen del maní. Proporciona un medio técnico factible y una referencia para la crianza experimental científica y la fijación de precios del servicio de clasificación de pruebas.