科研产出
基于RANSAC算法的植保机器人导航路径检测
《农业机械学报 》 2020 EI 北大核心 CSCD
摘要：为实现植保机器人精准自主导航和提高路径检测的精度、可靠性,提出一种基于RANSAC算法的视觉导航路径检测方法.首先,采用超绿灰度化法和最大类间方差法进行图像分割;继而结合形态学操作与动态面积阈值滤波算法滤除干扰;最后,在垄行的边缘中,根据均值法提取特征点,采用RANSAC算法剔除离群点后由最小二乘法进行直线拟合,以提高导航路径的检测精度.实验表明,与Hough变换相比,本文垄行中心线检测方法具有更高的检测精度,导航路径的检测率可达93.8%,比未使用RANSAC算法提高了18.8个百分点.
关键词： 植保机器人 导航 垄行检测 图像处理 特征点提取 RANSAC算法
全文链接
请求原文
基于高光谱成像技术的富士苹果轻微机械损伤检测研究
《山东农业科学 》 2020
摘要：为降低苹果损伤造成的商业损失,延长苹果的储存期,利用高光谱成像技术实现了基于特征波段的苹果表面轻微机械损伤的快速、无损检测。以120个富士苹果为研究对象,首先利用波段范围在400～1 000nm的高光谱成像光谱仪获取完好和轻微损伤0、2、4 h的富士苹果的高光谱图像,并提取感兴趣区域的平均光谱数据,然后通过两次连续投影法进行分析,去除光谱波段间的冗余信息,找到共线性最小的波段组合(821 nm和940 nm);其次,对特征波段图像进行主成分分析,选择完好与损伤区域差异明显的第二主成分(PC2)作为检测损伤的有效图像;最后,对有效图像进行固定阈值分割和形态学处理,得到苹果表面机械损伤的检测结果。利用该方法对验证组40个正常和轻微损伤不同时间段的苹果进行测试,总体正确率达到94. 4%。
关键词： 高光谱成像技术 苹果 轻微机械损伤 连续投影法 特征波段 图像处理
全文链接
请求原文
基于机器学习的免套袋苹果缺陷分级
《河南农业科学 》 2019 北大核心 CSCD
摘要：为提高免套袋苹果分级效率,最小化果梗与花萼对缺陷区分的影响,提出了一种基于机器学习的免套袋苹果缺陷分级方法,该方法根据缺陷的数量和面积进行缺陷程度分级。获取免套袋苹果3个不同侧面的图像,利用固定阈值分割和形态学方法提取每个图像的苹果区域。根据苹果表面缺陷在HSV(Hue saturation value,色调、饱和度、明度)颜色空间的特征提取疑似缺陷区域,用种子填充法按序标记疑似缺陷区域,并计算每个区域的大小及灰度共生矩阵特征值。将特征值输入训练后的SVM(Support vector machine,支持向量机)模型,进行果梗、花萼与缺陷的区分,计算当前图像的缺陷数量与面积,再计算苹果3个不同侧面图像的总缺陷数量与面积,实现免套袋苹果缺陷分级。结果显示,正常区域、果梗区域、花萼区域在SVM模型中的分类正确率分别为96.7%、93.3%、88.3%。利用该缺陷分级方法对60个苹果进行分级的正确率为90.0%,满足苹果分级的实际生产需求。
关键词： 机器视觉 苹果分级 图像处理 果梗 花萼 支持向量机
全文链接
请求原文
基于嵌入式设备的作物长势监测系统
《山东农业科学 》 2019
摘要：传统的基于机器视觉的作物长势监测设备对环境要求较高,且体型较大,不易布置在实际生产的复杂环境中。本文提出了一套基于嵌入式设备的应用于实际生产环境的作物长势监测系统,该系统集成了图像采集、滤波、颜色空间转换、图像分割、形态学运算、特征量化的图像处理流程,依靠人工在嵌入式视觉系统中面向环境自定义算法提取作物长势特征,确定最优算法组合,设定流程,进行作物长势特征的自动提取并监测。利用该监测系统对拔节期玉米植株的株高进行连续监测,监测值与人工测量值的决定系数达到0.9072,随时间的变化趋势一致,表明该系统可用于复杂环境下的作物长势监测。
关键词： 嵌入式视觉系统 作物长势 无损监测 机器视觉 图像处理 株高
全文链接
请求原文
基于机器视觉的双孢蘑菇在线自动分级系统设计与试验
《农业工程学报 》 2018 EI 北大核心 CSCD
摘要：针对双孢蘑菇工厂化生产中人工分级劳动量大、生产效率低、标准不统一等问题,该文研究设计了一套基于机器视觉的双孢蘑菇精选分级系统,提出基于分水岭、Canny算子、闭运算等处理的双孢蘑菇图像大小分级算法,设计了基于传送速度、距离、触发时间与算法处理时间的精确控制策略,开发了基于Open CV 2.4.10和visual studio 2010的系统分析与控制软件,在最大限度减少破损情况下,实现双孢蘑菇实时在线精选分级。基于研发的双孢蘑菇自动精选分级系统样机,对新鲜双孢蘑菇进行了分级性能及分级效果的测试。试验结果表明,在输送速度12.7 m/min、相机行频1 900 Hz下,自动分级系统的平均分级速度是102.41个/min、平均准确率97.42%、破损率0.05%、漏检率0.96%,相对于人工分级效率提高38.86%,准确率提高6.84%,破损率降低0.13%,可以连续稳定工作。对于长时间分级,由于人容易疲劳,自动分级的优势更加明显。
全文链接
请求原文
机器视觉在我国农业中的应用研究进展分析
《山东农业科学 》 2016
摘要：随着图像处理、模式识别、人工智能等技术的不断发展,机器视觉技术在我国农业上的研究逐步深入,并取得了许多重要成果。本文基于中国知网全文数据库检索系统,对我国基于机器视觉的农业研究进行了博、硕士学位论文与期刊论文的统计、分析。结果显示,我国农业机器视觉研究主要涉及检测、图像处理、轨迹跟踪与车辆导航、模式识别及其应用等主题,主要集中在图像信息获取方法、图像处理与识别算法、智能导航算法以及系统集成应用等方面,以《农机化研究》、《农业工程学报》和《农业机械学报》为主要发表刊物,主要受国家自然科学基金、国家高技术研究发展计划("863"计划)、国家科技支撑计划、省科技攻关计划、省自然科学基金等项目支持,国内研究机构以中国农业大学、南京农业大学、浙江大学、华南农业大学、山西农业大学和江苏大学为主。但目前我国基于机器视觉的农业研究在作物生长信息检测、杂草识别、变量控制、机械智能导航、采摘与分选等方面离实用化、商品化仍有一定的距离,集成符合我国农业发展实际的机器视觉技术系统将是今后重要的研究方向。本研究为机器视觉在我国农业上的进一步应用研究提供了参考。
全文链接
请求原文
首页上一页1下一页尾页
