一、系統 / 程式目的

透過香蕉園中的Speed Dome攝影機拍攝，搭配電腦影像處理技術，追蹤香蕉生長情形變化。

二、輸入 / 輸出規格

輸入

此系統為初代版本，需要的輸入為 同一鏡頭定點、旋轉角度、放大倍率。多張不同日期、時間的Speed Dome香蕉園高清影像。

檔名格式：image_日-月-年_時-分-秒_AM(PM).jpg(png)

範例

輸出

香蕉體積變化的趨勢。如下圖：

三、系統 / 程式操作說明

步驟一

將預進行邊緣偵測的圖片

放入images/original/：

步驟二

打開command line，將工作目錄移至專案根目錄下：

    cd ./xxxx/Banana_Volume_Estimation/

輸入執行指令：

    python3 main

按下enter後，可以看到系統正在處理圖片運算

大約5分鐘後會電腦就會自動跑出香蕉體積趨勢圖

並且會將趨勢圖存在當下目錄，並命名為scatter.png

四、系統 / 程式流程

五、演算法的使用

1.邊緣偵測(一) -- DexiNed：

DexiNed (Dense Extreme Inception Network for Edge Detection)

香蕉結果圖像，產出於 image/edged_img/ 資料夾中。如下圖：

2.邊緣偵測(二) -- OpenCV Canny Filter：

The successive steps of the Canny filter

香蕉結果圖像，如下圖：

3.輪廓尋找 -- OpenCV findContours()：

參數選擇 cv2.RETR_EXTERNAL，只留下外圍的輪廓。 圖例說明：

香蕉結果圖像，如下圖：

4.篩選香蕉輪廓：

篩選條件：

• 輪廓圍起來的面積 > 前25%位數
• 輪廓圍起來的面積 < 平均+0.25倍的標準差
• 輪廓周長 < 600 pixels

香蕉結果圖像，產出於 image/result_pics/ 資料夾中。如下圖：

5.計算單根香蕉的平均體積：

5.1

我們由 cv2.contourArea() 得到封閉曲線面積。

5.2

由於面積 Area (A) 正比於邊長的平方，體積 Volume (V) 正比於邊長的三次方。 故我們將面積 Area (A) 開根號，再乘上三次方，求得體積 Volume (V) 的相對數值。

5.3

將所有體積加總後，平均。

6.將單根香蕉的平均體積相對日期時間作圖，並計算回歸線

成效、檢討及未來改進方向

成效：

由此初代香蕉生長情形變化追蹤系統，可以做到將香蕉園的來源影像 ，透過多層影像處理技術，將單根香蕉的體積估算出來。

並且依據估算的香蕉體積，相對日期時間作圖，得到香蕉成長趨勢圖及其成長回歸曲線。

檢討：

1.

來源圖片分成白天、晚上兩種影像。晚上的香蕉園影像為紅外線攝 影，顏色對比較明顯，使用本系統/程式運算，可得到相較白天影 像，更準確的香蕉輪廓選取。 故未來需要將白天影像的輪廓選取效果，提升至夜晚影像的輪廓選 取水準。

2.

輪廓的篩選條件尚未最佳化，有時會抓取到背景的雜物;而為了刪 除雜物所設立的篩選條件往往過於嚴苛而無法獲取足夠數量的香蕉 輪廓。如下圖:

3.

每張圖片選取的香蕉輪廓，平均面積大小較不規則。換算體積後， 儘管落點與時間呈現正向成長關係，不過各點與回歸線間的誤差仍 需要被縮小。

未來改進方向:

1.

可加入使用物件辨識演算法(如:YOLO)，自動框選來源圖片中的香蕉串位置。

2.

在香蕉園的拍攝地點，設置比例尺;在作影像面積判定上，可得到 更精確數值，不受鏡頭縮放比例不同影響。

3.

加長香蕉園攝影期間，並縮短擷取影像的時間間隔(更多來源影像)，以達到更精確的描點作圖。