Image-based automated leaf area calculation using OpenCV

Abstract

In English: Analyzing RGB images with the help of computer vision is an affordable and reliable tool to study plants. This approach is becoming widely used due to the low cost of high-resolution RGB cameras and the existence of open source software. The main purposes are phenotyping, development observation and detection of illnesses among different crop types for both scientific purposes and breeding. Nowadays, leaf area extraction, leaf segmentation and 3D reconstructions of plants are popular problems solved with image processing and machine learning. This thesis describes an algorithm for automated leaf area calculation in captured images. It explains the program’s features and compares the results with the calculations of specialists. Finally, a usable GUI application is designed to help Tartu University lab workers with automation of a manual task. Eesti keeles: RGB kujutiste analüüsimine arvutinägemise abil on taskukohane ja usaldusväärne vahend taimede tuvastamiseks ja nende omaduste hindamiseks. Seda lähenemist kasutatakse laialdaselt kõrge resolutsiooniga RGB-kaamerate madalate kulude ja avatud lähtekoodiga tarkvara olemasolu tõttu. Peamised eesmärgid on taimede fenotüpiseerimine, arengu jälgimine ja haiguste avastamine erinevate kultuuriliikide vahel nii teaduslikul eesmärgil kui ka aretamiseks. Tänapeval on lehtede ala ekstraheerimine, lehtede segmenteerimine ja taimede 3D rekonstrueerimine populaarsed probleemid, mis on lahendatud pilditöötluse ja masinõppega. Käesolevas töös loodi automaatselt toimiv lehtede pindala arvutuse algoritm, mis kasutab pildistatud piltide ja arvutab lehtede pindala. Töö selgitab programmi omadusi ja võrdleb tulemusi spetsialistide arvutustega. Lõpuks on kasutatav GUI rakendus mõeldud selleks, et aidata Tartu Ülikooli taimsete signaalide uurimisrühma töötajatel manuaalülesande automatiseerimist.