馬鈴薯芽眼圖像的分割與定位方法

田海韜，趙 軍，蒲富鵬

(蘭州交通大學(xué) 機(jī)電工程學(xué)院，甘肅 蘭州 730070)

?

馬鈴薯芽眼圖像的分割與定位方法

田海韜，趙 軍*，蒲富鵬

(蘭州交通大學(xué) 機(jī)電工程學(xué)院，甘肅 蘭州 730070)

為了探索種薯自動化切種過程，填補(bǔ)關(guān)于馬鈴薯芽眼識別的研究空白，提出一種基于機(jī)器視覺技術(shù)的芽眼識別方法：從攝像頭采集到馬鈴薯圖像后進(jìn)行計算機(jī)圖像處理，從彩色空間中利用歐式距離直接分割芽眼區(qū)域，在灰度空間中對圖像進(jìn)行中值濾波后利用模糊技術(shù)對圖像進(jìn)行增強(qiáng)，之后利用動態(tài)閾值分割法分割芽眼區(qū)域，結(jié)合兩個空間的分割結(jié)果后利用數(shù)學(xué)形態(tài)學(xué)處理方法標(biāo)記出芽眼。結(jié)果顯示：在彩色空間中，芽眼識別準(zhǔn)確率為62%；在灰度空間中，識別率達(dá)到89%。將二者有機(jī)結(jié)合后，獲得了96%的識別準(zhǔn)確率。該方法識別成功率高，魯棒性強(qiáng)，且芽眼區(qū)域標(biāo)記完整，可為種薯切種自動化奠定基礎(chǔ)。

芽眼識別；機(jī)器視覺；圖像分割；馬鈴薯

近幾年，中國的馬鈴薯種植面積維持在5萬km2以上，居世界第一位。2015年2月農(nóng)業(yè)部印發(fā)的《2015年種植業(yè)工作要點》指出，要加快馬鈴薯產(chǎn)業(yè)發(fā)展，讓馬鈴薯成為中國的第四大主糧。目前，我國馬鈴薯種植業(yè)相對落后，種薯切種基本依靠人力，效率低、成本高，制約著優(yōu)良薯種的推廣。芽眼識別若能實現(xiàn)自動化，將為種薯切塊自動化奠定基礎(chǔ)，從而加快馬鈴薯產(chǎn)業(yè)的發(fā)展。

機(jī)器視覺技術(shù)在農(nóng)產(chǎn)品檢測中現(xiàn)已得到許多運用[1-4]，具有無損、快速、準(zhǔn)確的特點。在馬鈴薯檢測方面，Noordam等[5]設(shè)計了一套馬鈴薯品質(zhì)實時檢測和分級的機(jī)器視覺系統(tǒng)，每秒可以處理50張馬鈴薯圖像；李錦衛(wèi)等[6]提出了快速亮度截留與快速G截留2種圖像分割方法，可以用來分割馬鈴薯表面的特征區(qū)域；李小昱等[7]結(jié)合上山法與區(qū)域生長法進(jìn)行圖像分割，可以同時分割馬鈴薯透射圖像與反射圖像；汪成龍等[8]提出了一種可以在復(fù)雜的圖像背景中分割出馬鈴薯區(qū)域的分割算法，相比傳統(tǒng)方法分割效果好，計算時間短；孔彥龍等[9]提取了馬鈴薯俯視圖的面積參數(shù)和側(cè)視圖的周長參數(shù)，通過線性回歸分析建立馬鈴薯的質(zhì)量檢測模型，實現(xiàn)對馬鈴薯的質(zhì)量分選；Zhou等[10]利用最小外接圓提出了計算馬鈴薯切面直徑的辦法，提出形狀失配率(shape mismatch ratio，SMR)，利用橢圓定量地描述馬鈴薯外形的規(guī)則或畸變程度。從文獻(xiàn)檢索情況來看，機(jī)器視覺技術(shù)在馬鈴薯品質(zhì)檢測方面現(xiàn)已取得較為豐碩的研究成果，但針對馬鈴薯自動化切種與芽眼識別的研究目前尚屬于空白。馬鈴薯自動化切種時，應(yīng)該首先剔除畸形馬鈴薯，以及不適合作為種薯的缺陷馬鈴薯，其次再設(shè)計芽眼識別系統(tǒng)。本研究在假設(shè)種薯篩選已經(jīng)完成的前提下，對健康的馬鈴薯樣本進(jìn)行芽眼識別研究，設(shè)計了一套光照系統(tǒng)，利用單目相機(jī)采集圖像，基于機(jī)器視覺技術(shù)進(jìn)行芽眼識別，并對芽眼區(qū)域進(jìn)行標(biāo)記。

1 材料與方法

1.1 硬件系統(tǒng)與馬鈴薯圖像采集

試驗中，由環(huán)形燈管(32W，直徑270mm)和內(nèi)壁為白色的方箱來提供相對均勻的光照，由單目攝像頭(Sony Exmor RS，1300萬像素，F(xiàn)2.2)進(jìn)行圖像采集，由顯示器(Samsung SEC4542)、計算機(jī)處理器(Intel i3-2310M)等進(jìn)行圖像處理，各部分如圖1所示。

從市場中采購較為常見的馬鈴薯品種一點紅進(jìn)行芽眼識別研究?？傆嫎颖?00個馬鈴薯，清洗晾干，把帶有芽眼的馬鈴薯表面朝上，擺放在載物臺中央，總共采集到300幅馬鈴薯彩色圖像，覆蓋726個芽眼。圖像分辨率為700×900。

1，圖像采集箱；2，環(huán)形燈管；3，攝像頭；4，計算機(jī)；5，顯示器；6，載物臺；7，馬鈴薯；8，電纜線1，Image gathering chamber; 2，Circle lamp; 3，Camera; 4，Computer; 5，Displayer; 6，Stage; 7，Potato; 8，Cables

1.2 馬鈴薯芽眼識別流程

攝像頭采集得到馬鈴薯樣本圖像后先分割出馬鈴薯區(qū)域，之后在彩色空間與灰度空間中分割出芽眼，將二者結(jié)合后通過數(shù)學(xué)形態(tài)學(xué)處理，得到芽眼標(biāo)記結(jié)果，同時統(tǒng)計得到馬鈴薯表面的芽眼數(shù)目(圖2)。

圖2 馬鈴薯芽眼識別流程Fig.2 Flow path of bud eye recognition

種薯切種時要考慮每個種塊上的芽眼數(shù)目、盡量帶頂芽、盡量靠近芽眼等多個因素[11]，因此準(zhǔn)確識別芽眼數(shù)目與芽眼區(qū)域完整標(biāo)記對實現(xiàn)自動切種同等重要。為了評價芽眼分割算法，提出用芽眼分割準(zhǔn)確率來定量描述圖像分割質(zhì)量。其中，單個芽眼分割準(zhǔn)確定義為分割出的芽眼區(qū)域輪廓清晰、明顯，且邊界較為完整。

2 結(jié)果與分析

2.1 馬鈴薯圖像識別

在進(jìn)行芽眼識別之前，首先從樣本圖像中分割出馬鈴薯區(qū)域。首先，對原始圖像進(jìn)行B通道灰度化，如圖3-a—c所示；然后，利用OTSU閾值分割法進(jìn)行圖像分割，結(jié)果如圖3-d—f所示；之后，再分別與灰度化圖像做“或”運算，分割出馬鈴薯區(qū)域，如圖3-g—i所示。

2.2 彩色空間中的芽眼分割

同一個馬鈴薯品種個體間往往形態(tài)各異，表面差別很大。顏色是馬鈴薯芽眼的一個描述子，本研究選取的馬鈴薯芽眼位置為紫紅色，薯皮為黃色，顏色分布均勻且一致。在RGB向量空間中找到芽眼紫紅色的平均估計，基于歐式距離對芽眼進(jìn)行分割，具體步驟為：

(1)用均值表征單個芽眼的顏色。芽眼區(qū)域的顏色均勻，在馬鈴薯彩色圖像上截取100個芽眼區(qū)域的紫紅色圖片，大小為10×10，并計算出每個樣本的均值a1，a2，…，a100，放到矩陣A中；

圖3 馬鈴薯圖像分割Fig.3 Segmentation of potato image

(2)計算芽眼紫紅色的平均估計。用A的前50個向量的均值m作為芽眼紫紅色的平均估計，用A的后50個向量評價m取值的充分性。利用歐氏距離度量a51，a52，…，a100與m的距離，算得距離的方差很小，認(rèn)為m取值是充分的；

(3)設(shè)定相似性度量規(guī)則。若馬鈴薯彩色圖像上任意一個向量w與m的歐式距離小于T即認(rèn)為相似，在以m為球心，T為半徑的球體內(nèi)，如圖4所示，將相似點標(biāo)記為白色，否則標(biāo)記為黑色。

以選取的3幅馬鈴薯彩色圖像為例，按照以上步驟進(jìn)行分割運算，得到的芽眼區(qū)域如圖5-d—f所示，5-a—c為馬鈴薯原始圖像。經(jīng)過統(tǒng)計，本研究共分割出了450個輪廓形狀較為完整的芽眼，芽眼識別準(zhǔn)確率為62%。這種彩色圖像分割方法方便快速，但一部分點和區(qū)域過于離散與孤立，很難在后續(xù)處理中得到完整的芽眼輪廓。顯然單靠彩色特征無法滿足芽眼識別的目的，需進(jìn)一步結(jié)合其他方法來提高識別率。

圖4 歐式距離下的相似性度量Fig.4 Comparability measurement based on Euclidean distance

圖5 彩色圖像中的芽眼區(qū)域分割結(jié)果Fig.5 Segmentation result of bud eye region in color images

2.3 灰度空間中的芽眼分割

2.3.1 灰度圖像預(yù)處理

在灰度空間中，噪聲對圖像分割操作的影響很大，需要首先經(jīng)過圖像濾波來降低噪聲干擾。使用中值濾波方法[12]對馬鈴薯灰度圖像進(jìn)行去噪，結(jié)果如圖6-a—c所示。

馬鈴薯灰度圖像的動態(tài)范圍較窄，而且芽眼所占面積較小，不利于芽眼區(qū)域的分割，需要利用圖像增強(qiáng)的方法突出芽眼特征。圖像模糊增強(qiáng)技術(shù)[13]能增強(qiáng)圖像的對比度，保留原始細(xì)節(jié)，突出感興趣區(qū)域(region of interesting)。其具體步驟如下：

(1)建立模糊系統(tǒng)。按照“IF-THEN”規(guī)則把輸入像素分到“深色”“灰色”“淺色”3個模糊集合，分別輸出到“加深”“保持不變”“更亮”3個模糊集合。具體地：IF一個像素是深色，THEN加深它；IF一個像素是灰色，THEN保持它不變；IF一個像素是淺色，THEN使它更亮。

(2)用隸屬度函數(shù)來表示以上6個模糊集合。如圖7-a所示，“深色”與“淺色”的模糊集合用“Σ形”隸屬度函數(shù)表示，“灰色”用“三角形”隸屬度函數(shù)來表示；如圖7-b所示，輸出的3個模糊集合用“鐘形”隸屬度函數(shù)表示，“加深”“保持不變”“更亮”分別對應(yīng)①、②、③。其中，橫坐標(biāo)代表歸一化后的像素值，縱坐標(biāo)代表隸屬度。

(3)利用模糊系統(tǒng)進(jìn)行灰度變換。將每一個像素點輸入系統(tǒng)，通過“IF-THEN”規(guī)則輸出到模糊集合，進(jìn)行“去模糊”產(chǎn)生一個“干脆的”值，完成一個像素點的映射。

圖6 圖像濾波與圖像增強(qiáng)Fig.6 Image filtering and image intensification

進(jìn)行圖像增強(qiáng)后，芽眼區(qū)域與薯皮區(qū)域進(jìn)一步被分離，對比提升明顯，如圖6-d—e所示。增強(qiáng)前后的灰度直方圖對比結(jié)果如圖8所示。

2.3.2 局部的動態(tài)閾值芽眼分割方法

凹陷使得馬鈴薯芽眼具有一個深度信息，在灰度空間中此特征可以轉(zhuǎn)換為灰度特征，呈現(xiàn)為深色。本研究嘗試?yán)瞄撝捣指罘椒▽⑸钌难垦蹍^(qū)域從淺色的薯皮區(qū)域中分割出來。深入分析后發(fā)現(xiàn)，馬鈴薯芽眼區(qū)域的灰度值雖然比薯皮深，但在灰度直方圖上所占的比率很小，沒有明顯的波峰，很難采用全局閾值分割方法；即使針對性地設(shè)計了照明系統(tǒng)，馬鈴薯表面的曲面特性造成的光照不均勻現(xiàn)象無法徹底解決，還是會影響圖像分割的效果。

圖7 模糊集合的隸屬度函數(shù)Fig.7 The membership function of fuzzy set

圖8 圖像增強(qiáng)前后直方圖對比Fig.8 Comparison of histogram before and after image intensification

綜合上述2個問題，本研究采用局部的動態(tài)閾值分割算法來實現(xiàn)芽眼區(qū)域的快速分割。該方法將局部領(lǐng)域內(nèi)的標(biāo)準(zhǔn)差和均值作為該領(lǐng)域的對比度和平均灰度的描述子，通過每個領(lǐng)域的局部統(tǒng)計屬性來設(shè)定動態(tài)閾值。這種方法對小區(qū)域分割效果很好，并且適用于光照不均勻的圖像，整個過程計算快速，參數(shù)靈活，魯棒性強(qiáng)，具體步驟如下。

(1)根據(jù)灰度圖像(M×N)，設(shè)定一個領(lǐng)域大小w×w；

(2)計算以像素f(i，j)為中心的w×w領(lǐng)域內(nèi)的標(biāo)準(zhǔn)差σij與均值mij，(i=1，2，…，M；j=1，2，…，N)

(3)定義動態(tài)閾值Tij=aσij+bmij(a、b為大于0的常數(shù)，可以對標(biāo)準(zhǔn)差與均值進(jìn)行加權(quán))；

(4)根據(jù)動態(tài)閾值分割圖像：

(2)

試驗中，運用以上算法得到的最佳參數(shù)為：

基于局部統(tǒng)計的動態(tài)閾值分割方法可以很大程度地克服馬鈴薯表面曲面特性造成的光照不均勻的影響，分割出大部分芽眼區(qū)域(圖9)。芽眼識別準(zhǔn)確率達(dá)89%。

圖9 灰度圖像分割Fig.9 Segmentation result of gray images

為了進(jìn)一步提升分割效果，疊加彩色空間與灰度空間的分割結(jié)果，如圖10所示，芽眼區(qū)域更加完整，有效芽眼數(shù)也增加了，準(zhǔn)確率達(dá)96%。

圖10 兩種分割結(jié)果的疊加結(jié)果Fig.10 Results of overlying 2segmentation images

2.4 基于形態(tài)學(xué)標(biāo)記芽眼

為了將芽眼區(qū)域進(jìn)行準(zhǔn)確描述，以便于以后的切種決策，針對芽眼分割后的二值圖像特征，進(jìn)行大量的數(shù)學(xué)形態(tài)學(xué)處理試驗，得到最優(yōu)處理步驟：去除邊界、閉操作、孔洞填充、開操作。

2.4.1 去除邊界

去除邊界的過程中存在著以下2個問題：(1)有些邊界區(qū)域是間斷的，不構(gòu)成一個連通區(qū)域，很難通過邊界特征來去除邊界；(2)有些芽眼與邊界“粘連”在一起，構(gòu)成同一個連通區(qū)域，給邊界去除增加了難度。

為解決以上問題，利用圖3-d—f中OTSU分割結(jié)果提取馬鈴薯邊界，用直徑為7的圓盤模板對邊界做膨脹操作得到“粗邊界”，如圖11-a—c所示。對粗邊界求“反”，分別與圖10中對應(yīng)的分割結(jié)果圖像做“或”運算，成功去除邊界，如圖11-d—f所示。這種方法可以保留“粘連”在邊界上的芽眼，同時完整移除邊界。

2.4.2 閉操作與孔洞填充

對二值圖像進(jìn)行的閉操作就是用定尺寸模板對圖像做膨脹后再做腐蝕操作，這種形態(tài)學(xué)處理可以“吸收”二值圖像中大連通區(qū)域周圍的離散點，填充細(xì)小缺口與孔洞，消除毛刺與孤立點。試驗中使用直徑為9的圓盤模板進(jìn)行閉操作處理。

利用閉操作和MATLAB函數(shù)工具箱提供的孔洞填充函數(shù)操作，將連通區(qū)域徹底變?yōu)椤皩嵭摹?。使用閉操作和孔洞填充處理后的圖像結(jié)果如圖11-g—i所示。

2.4.3 開操作

開操作可以移除圖像中“殘留”的一些小區(qū)域與孤立點，并平滑芽眼區(qū)域的邊界形狀，顯得更加規(guī)則。試驗中使用直徑為7的圓盤模板進(jìn)行開操作處理，結(jié)果如圖11-j—l所示。

圖11 數(shù)學(xué)形態(tài)學(xué)操作結(jié)果Fig.11 Mathematical morphology operation result

2.4.4 芽眼標(biāo)記

經(jīng)過以上步驟處理，芽眼區(qū)域的數(shù)目、位置、形狀都已經(jīng)很清晰，將芽眼區(qū)域邊界在原圖上標(biāo)記為白色，效果如圖12所示。

圖12 識別效果圖Fig.12 Recognition effect

3 結(jié)論

本研究建立起一套可用于馬鈴薯芽眼圖像分割與定位的方法。研究發(fā)現(xiàn)，被標(biāo)記出的芽眼中，頂芽的面積大，特征獨特，輪廓清楚；中等芽眼的面積居于中間值，邊界形狀多變；小芽眼邊界平滑，多為圓形。這些特征可以在后續(xù)的切種決策中加以利用。基于切種自動化的目標(biāo)，機(jī)器視覺代替人眼完成了馬鈴薯芽眼識別的工作，不僅得到了馬鈴薯表面的芽眼個數(shù)，而且得到了每個芽眼的邊界描述，識別準(zhǔn)確率達(dá)96%，利用機(jī)器視覺技術(shù)獲得的芽眼識別結(jié)果可為后續(xù)關(guān)于切種決策的研究提供便利。不同品種馬鈴薯的芽眼在灰度空間中有相似的灰度特征，研究使用的動態(tài)閾值分割方法在灰度空間中取得了理想的分割效果，且?guī)追N形態(tài)學(xué)處理方法的結(jié)合高效地標(biāo)記出了芽眼區(qū)域，可以為后續(xù)的芽眼識別研究提供借鑒與參考。

[1] 潘立剛，張縉，陸安祥，等.農(nóng)產(chǎn)品質(zhì)量無損檢測技術(shù)研究進(jìn)展與應(yīng)用[J].農(nóng)業(yè)工程學(xué)報，2008，24(增刊2): 325-330.

PANLG，ZHANGJ，LUAX，etal.Reviewonnon-destructivedeterminationtechnologyforagriculturalproductquality[J].Transactions of the Chinese Society of Agricultural Engineering，2008，24(Supp.2): 325-330.(inChinesewithEnglishabstract)

[2] 姚立健，邊起，雷良育，等.基于BP神經(jīng)網(wǎng)絡(luò)的水果分級研究[J].浙江農(nóng)業(yè)學(xué)報，2012，24(5): 926-930.

YAOLJ，BIANQ，LEILY，etal.ClassificationoffruitbasedontheBPneuralnetwork[J].Acta Agriculturae Zhejiangensis，2012，24(5):926-930.(inChinesewithEnglishabstract)

[3] 胡孟晗，董慶利，劉寶林，等.基于橢圓傅里葉描述子的香蕉形狀識別[J].浙江農(nóng)業(yè)學(xué)報，2014，26(1): 200-205.

HUMH，DONGQL，LIUBL，etal.BananashaperecognitionbasedonellipticFourierdescriptor[J].Acta Agriculturae Zhejiangensis，2014，26(1):200-205.(inChinesewithEnglishabstract)

[4] 裴偉，王曉林.基于圖像信息的茶葉二維采摘坐標(biāo)的提取[J].浙江農(nóng)業(yè)學(xué)報，2016，28(3): 522-527.

PEIW，WANGXL.Thetwo-dimensioncoordinatesextractionofteashootspickingbasedonimageinformation[J].Acta Agriculturae Zhejiangensis，2016，28(3): 522-527.(inChinesewithEnglishabstract)

[5]NOORDAMJC，OTTENGW，TIMMERMANSTJM，etal.High-speedpotatogradingandqualityinspectionbasedonacolorvisionsystem[J].Proceedings of SPIE，2000，3966: 206-217.

[6] 李錦衛(wèi)，廖桂平，金晶，等.基于灰度截留分割與十色模型的馬鈴薯表面缺陷檢測方法[J].農(nóng)業(yè)工程學(xué)報，2010，26(10)：236-242.

LIJW，LIAOGP，JINJ，etal.Methodofpotatoexternaldefectsdetectionbasedonfastgrayinterceptthresholdsegmentationalgorithmandten-colormodel[J].Transactions of the Chinese Society of Agricultural Engineering，2010，26(10): 236-242.(inChinesewithEnglishabstract)

[7] 李小昱，陶海龍，高海龍，等.馬鈴薯缺陷透射和反射機(jī)器視覺檢測方法分析[J].農(nóng)業(yè)機(jī)械學(xué)報，2014，45(5)：191-196.

LIXY，TAOHL，GAOHL，etal.Comparisonoftransmissionandreflectionimagingtechnologiestodetectpotatodefectsbasedonmachinevisiontechnology[J].Transactions of the Chinese Society for Agricultural Machinery，2014，45(5): 191-196.(inChinesewithEnglishabstract)

[8] 汪成龍，李小昱，武振中，等.基于流形學(xué)習(xí)算法的馬鈴薯機(jī)械損傷機(jī)器視覺檢測方法[J].農(nóng)業(yè)工程學(xué)報，2014，30(1)：245-252.

WANGCL，LIXY，WUZZ，etal.Machinevisiondetectingpotatomechanicaldamagebasedonmanifoldlearningalgorithm[J].Transactions of the Chinese Society of Agricultural Engineering，2014，30(1): 245-252.(inChinesewithEnglishabstract)

[9] 孔彥龍，高曉陽，李紅玲，等.基于機(jī)器視覺的馬鈴薯質(zhì)量和形狀分選方法[J].農(nóng)業(yè)工程學(xué)報，2012，28(17)：143-148.

KONGYL，GAOXY，LIHL，etal.Potatogradingmethodofmassandshapesbasedonmachinevision[J].Transactions of the Chinese Society of Agricultural Engineering，2012，28(17): 143-148.(inChinesewithEnglishabstract)

[10]ZHOUL，VIKRAMC，YONGMINK.APC-basedmachinevisionsystemforreal-timecomputer-aidedpotatoinspection[J].International Journal of Imaging Systems & Technology，1998，9(6):423-433.

[11] 程天慶.馬鈴薯栽培技術(shù)[M].2版.北京：金盾出版社，2008

[12]BROWNRIGGDRK.Theweightedmedianfilter[J].Communications of the ACM，1984，27(8):807-818.

[13]GONZALESRC，WOODSRE，阮秋琦，等.數(shù)字圖像處理[M].3版.北京:電子工業(yè)出版社，2011:105-119.

(責(zé)任編輯 高 峻)

A method for recognizing potato’s bud eye

TIAN Hai-tao，ZHAO Jun*，PU Fu-peng

(SchoolofMechanicalEngineering，LanzhouJiaotongUniversity，Gansu730070，China)

In order to explore automatic seed cutting of potato and potato bud eye recognition，the present paper reported a relevant approach based on machine vision.It used camera to collect images，and computer to process images.In the part of image segmentation，it utilized Euclidean distance to segment the region of bud eye in color space.Then，the dynamic threshold segmentation was carried out after image filtering and intensification，to segment bud eyes in gray space.At last，it combined the two segmentation part，and used mathematical morphology to label bud eye out.It was shown that in color space，the recognition accuracy rate was 62%，and in gray space，the recognition accuracy rate was 89%.Combined together，the recognition accuracy rate was 96%.The proposed method exhibited high recognition accuracy rate，acceptable robustness and intact boundary of bud eye，which laid theoretical foundation for automatic seed cutting of potato.

bud eye recognition; machine vision; image segmentation; potatoes

10.3969/j.issn.1004-1524.2016.11.22

2016-05-06

國家自然科學(xué)基金(61462059)；甘肅省自然科學(xué)基金(148RJZA054)

田海韜(1990—)，男，甘肅武威人，碩士研究生，研究方向為計算機(jī)視覺與模式識別。E-mail: 376092596@qq.com

*通信作者，趙軍，Email: zhaojun@mail.lajtu.cn

S126；S532

A

1004-1524(2016)11-1947-07

浙江農(nóng)業(yè)學(xué)報ActaAgriculturaeZhejiangensis，2016，28(11): 1947-1953

http://www.zjnyxb.cn

田海韜，趙軍，蒲富鵬.馬鈴薯芽眼圖像的分割與定位方法[J].浙江農(nóng)業(yè)學(xué)報，2016，28(11)： 1947-1953.