基于图像处理的甘蔗茎节识别与定位

为实现含有蔗芽的有效蔗种片段机器智能切断,运用图像处理技术对甘蔗茎节进行识别定位。通过背景转换、灰度级变换、中值滤波和自动阈值获取甘蔗的二值化图像;采用阈值和孔洞填充实现甘蔗区域的分割,通过regionprops函数测定该区域的质心、倾角和等效长短轴长度;以分割后的甘蔗图像对二值化图像掩膜,得到含有茎节和干扰信息的图像;对该图像进行旋转,计算每列像素值之和,统计分析最大值所在列,并结合质心、等效长短轴得到茎节上下端点坐标;以倾角的度数进行反向旋转,最终得到茎节位置。试验结果表明:甘蔗茎节识别与定位方法处理速度快,茎节识别率高,左右端的定位误差分别小于0.9 mm和2.4 mm。     

基于机器视觉的鸡胴体表面污染物在线检测技术

基于机器视觉技术设计了鸡胴体表面污染物在线检测及处理系统。通过"工业相机+滤光片+计算机"的方式在线采集鸡胴体表面波长500 nm和710 nm的特征图像,采用中值滤波、灰度增强进行图像预处理,然后采用Otsu法自动确定阈值并获得二值化图像,再对图像进行腐蚀、膨胀、空洞填充以及异或操作,分割得到鸡胴体表面污染物区域并以此判断鸡胴体表面是否存在污染物,然后对鸡胴体表面的污染物进行喷淋处理。试验结果显示,利用该系统进行鸡胴体表面3种污染物(盲肠粪便、血液、胆汁)检测,检测总体平均正确率为90.5%,表明该系统可实现鸡胴体表面污染物的在线检测和正确识别。     

基于PLC和机器视觉的采摘机器人智能控制系统设计

利用PLC和机器视觉技术,采用图像传感器拍摄水果图像,提取出目标水果图像的坐标和位姿,并以此驱动控制采摘机器人以最优路径和最佳姿态采摘到目标水果。为了验证系统稳定性,在苹果种植区进行了实际采摘试验,结果表明:采摘机器人机械手可以稳定抓持到目标苹果并完成采摘过程,且期间耗时较短,具有较强的稳定性。     

基于CT图像技术的三黄鸡胴体物理特征分析

选择7只50日龄、屠体质量在1.741~2.508 kg之间的三黄鸡为试验对象,测量其体尺参数、全净膛质量、主要内脏器官质量及内脏总质量,分析这些参数随屠体质量的变化关系。利用螺旋CT机采集样本的CT断层扫描图像,根据样本的横纵切面图像,分别分析确定心脏、肺脏、肌胃和肾脏等主要脏器的相对位置,并估算出内脏腔体的尺寸及净膛切口的位置和尺寸。试验结果显示,随着三黄鸡胴体屠体质量的增加,胸深和胫长逐步增大,而体斜长、胸宽和胫围则显著的线性增加(P0.01)。心脏、肺脏、肌胃和肾脏的质量也随屠体质量的增加而呈增大趋势,且具有一定的相关性。另外,根据胴体的横纵CT图像,可以清楚地确定心脏、肺脏、肌胃和肾脏的相对位置;对屠体质量分布为1.741~2.508 kg的三黄鸡样本,估算出腔体尺寸为:内脏腔体长度(15.560±0.540)cm,最大宽度(7.722±0.253)cm,最大净膛开口尺寸(4.783±0.467)cm。     

基于视觉的玉米苗期作物识别与定位方法研究

基于视觉的苗期作物目标识别技术逐渐成熟,对作物进行准确识别和精准定位,是实现株间除草的技术关键和难点。本文以苗期玉米为研究对象,提出了一种苗期作物的识别与定位方法,通过作业车辆的图像采集装置来实时获取田间作物的苗期图像,基于HSV色彩空间对输入图像进行预处理,根据作物与土壤背景颜色差异,选取固定取值范围的三通道阈值,通过二值化处理去除土壤背景,再通过深度开运算来去除杂草噪声,对得到的苗期作物提取轮廓信息,经过骨架提取算法后得到作物骨架,并以此确定作物茎秆位置坐标,从而实现对作物的精准定位。作物图像中幼苗的识别率为98.3%,定位误差距离在10 mm以内的定位精准度为85.9%,基本可以满足智能除草机器人实时除草作业要求。     

基于机器视觉的采摘机器人果实三维模型重构与识别

为了提高采摘机器人果实定位和识别的准确性,在采摘机器人机器视觉系统的设计上引入了果实三维重构方法,利用二维采集图像信息的处理,通过坐标转换关系,实现了三维模型的构建。为了验证三维模型重构对机器视觉果实识别准确性的提高作用,模拟青椒夜间作业的采摘环境,对不采用三维重构和采用三维重构技术两种情况下的果实识别准确率进行了对比,结果表明:采用三维重构技术可以明显提高果实的定位识别准确率,对于采摘机器人机器视觉系统的优化具有重要的意义。     

基于单目视觉与超声检测的振荡果实采摘识别与定位

针对采摘机器人在果实振荡情况下因难以精确定位影响采摘效率的问题,提出了一种基于单目视觉与超声检测的振荡果实识别与定位方法。首先对采集的振荡果树图像序列进行基于色差R-G的Otsu阈值分割和形态学处理,接着对图像果实区域进行灰度填充,将处理后的图像序列叠加得到复合图像和目标果实运动区域,求取振荡果实在图像运动区域的二维平衡位置坐标。然后机械手在视觉引导下运动,其末端指向振荡果实二维平衡位置坐标,同时超声传感器检测目标果实深度信息并提取超声回波信号峰峰值进行果实识别,当检测到果实处于适合采摘位置时,机械手爪抓取果实。采摘试验表明,采摘成功率为86%,验证了所采用方法的有效性,为实现采摘机器人实用化提供了参考。     

基于多层约束立体视觉的采棉机器人视觉系统研究

大田成熟棉花的识别和定位是采棉机器人作业的基本前提。为此,提出一种采棉机器人视觉系统解决方案。首先根据棉纤维颜色特点,将彩色棉田图像分离为RGB 3个通道,分别进行预处理和阈值分割,最后合并为彩色图像,继而检测大面积区域的轮廓并计算其质心点;在轮廓附近区域对预处理过的棉田图像进行FAST角点检测,使用SUFT特征描述并进行四层约束立体匹配,结合隐式定标参数可计算出特征点的空间坐标;最后,建立了一种考虑镜头缩放影响的轮廓面积/最小外接圆面积比值的成熟度估计模型。实验结果表面:本方法可在准确识别和定位大田棉花的同时判断棉花的成熟度。     

白芦笋采收机器人视觉定位与采收路径优化方法

依据笋芽出土状态的选择性收获是目前白芦笋公认的最佳收获方式。针对采收过程中机器视觉识别笋尖存在笋尖与垄面纹理和颜色相近等识别难题，本研究提出了一种变尺度感兴趣区域（ROI）检测方法，融合图像色域变换、直方图均值化、形态学和纹理滤波等技术，研究了笋尖识别与精准定位方法；在定位多笋尖坐标基础上，提出了多笋芽的采收路径优化方法，解决了因采收路径不合理导致的采收效率低的问题。首先，通过机器人视觉系统实时采集采收区域图像并进行RGB三通道高斯滤波，采用HSV色域变换并进行直方图均值化处理。在此基础上，对笋尖、土壤进行特征聚类分析，根据笋芽抽发程度研究变尺度ROI检测方法，对采集图像中笋尖的形态学以及笋尖和土壤的纹理进行统计学分析，设定笋尖的似圆度阈值，并参考纹理特征参数，判定笋尖位置，计算其几何中心，获得笋尖轮廓中心坐标。其次，为实现白芦笋的高效采收，根据多目标点与集箱点的位置分布，本研究设计了一种基于多叉树遍历的采收路径优化算法，以获得多个目标笋尖的最优采收路径。最后，搭建采收机器人试验平台开展了笋尖定位与采收验证性试验。结果表明，视觉系统对白芦笋的识别率可达98.04%，笋尖轮廓中心坐标的定位最大误差X方向为0.879 mm，Y方向为0.882 mm，采收笋的个数在不同情况下，采用路径优化后的末端执行器运动距离平均可节省43.89%，末端执行器定位成功率达到100%，在实验室环境下的白芦笋采收率达到88.13%，验证了采用视觉定位的白芦笋采收机器人选择性采收的可行性。     

基于FCM及HSV模型的方格蔟黄斑茧检测与剔除技术

桑蚕业缫丝前需要对蚕茧进行检测分类,剔除黄斑茧等下茧对于提高缫丝质量非常关键。我国蚕虫上蔟多用纸板方格蔟,方格蔟在使用过程由于挤压、受潮等原因极易变形,另外,营茧方格蔟一般覆盖一层茧衣,使自动检测方格蔟蚕茧质量并准确剔除黄斑茧等下茧极其困难。采用基于模糊C均值聚类(FCM)及HSV模型的黄斑茧检测算法,在采茧过程中直接对蚕茧进行图像分割和黄斑茧检测,使用基于机器视觉的直角坐标式自动采茧机对黄斑茧进行定位剔除试验。首先对方格蔟正面原始图像使用FCM分割,消除蚕茧茧衣及方格蔟边框,得到蚕茧二值图像;对FCM分割后的蚕茧二值图像与方格蔟原始图像进行掩膜,实现对方格蔟内单个蚕茧的提取;对提取到的单个蚕茧,根据HSV空间累积颜色直方图的黄斑颜色H分量的比例是否达到黄斑茧的定义阈值,逐个进行黄斑茧判断;然后,对检测到的黄斑茧,保存其连通域中心坐标作为其图像位置坐标,经过视觉测量确定蚕茧在笛卡尔空间中的世界坐标。使用基于机器视觉的直角坐标式方格蔟自动采茧机,对方格蔟黄斑茧进行定位剔除试验,该算法对方格蔟内黄斑茧的平均检测正确率为81.2%,黄斑茧坐标最大定位偏差为3.0 mm,对单张方格蔟图像进行分割和黄斑茧检测的平均时长为1.271 s,对茧衣附有桑叶梗或碎桑叶的蚕茧没有误检测,但对黄斑位于边缘处的蚕茧检测效果不好。     

基于最小相切圆和形态学相结合的作物行检测算法

机器视觉的农业导航路径规划是精准施药的关键,而作物行提取是其准确识别作物行路径的基础。为此,以玉米为研究对象,提出了一种基于最小相切圆原理和形态学相结合的作物行检测算法。首先在室外田间环境下采集生长早中期的玉米作物行图像,选择作物行比较规整的图像进行处理;其次,利用改进的超绿灰度化(1.8R-G-B)算法对玉米作物行图像进行灰度化处理,大大减少了噪声的干扰,通过中值滤波基本消除了噪声;然后,运用Otsu阈值算法获取了玉米作物行的二值图像。由于作物行呈线型,在此基础上,采用5×1像素的线型结构元素和3×3像素的方形结构元素两者相结合的方法对二值图像进行腐蚀、膨胀运算,并采用提出的最小相切圆与形态学结合的方法提取中央玉米作物行的骨架并进行中央作物行直线的拟合。实验表明:该算法能提供准确的位置信息,且对作物行边缘噪声具有较强的抗干扰能力,对进一步研究精准施药提供了参考依据。     

一种快速剔除伪分枝的作物行骨架提取算法

作物行骨架线的提取是机器视觉导航的基础,准确提取作物行骨架也是精准施药系统中一个至关重要的研究方向。为了克服传统骨架提取算法中的背景单一、存在较多的冗余分支及不连续等缺点,以农田作物行为研究对象,提出一种形态学细化和伪分支剔除相结合的实用型骨架提取算法。首先对采集到的作物行原图像通过灰度、滤波、阈值分割操作使其转化为二值图像;然后将二值化后的作物行图像先细化为单像素宽度的骨架线,再采用端点追踪法追踪伪分支骨架,而后剔除追踪的毛刺或无关枝杈,保证了骨架的单一性和圆滑性,提高了作物行检测的精度。通过与拓扑细化法和最大圆盘骨架提取算法比较,本文算法不但在去除冗余骨架的同时能保持自身良好的拓扑性和稳定性,而且能去除多余的毛刺状分支,同时表明该算法具有较强的稳定性和抗干扰能力。     

基于图像自适应分类算法的花生出苗质量评价方法

为了能够快速、准确地获取花生出苗质量,提出了基于机器视觉的花生出苗质量评价方法。首先通过田间自走机器人获取花生图像信息,然后采用机器视觉的方法获取图像中花生苗的数量、花生苗冠层投影面积以及花生苗中心点坐标位置。将花生缺苗率和花生苗活力指数作为花生出苗质量评价指标,以花生苗数量结合花生苗坐标计算花生缺苗率,以花生苗叶片包络面积计算花生苗活力指数。针对花生图像识别易受环境干扰的问题,提出了鲁棒性强的花生苗提取算子,采用K均值聚类方法对花生苗提取算子进行分类,结合花生苗和土壤自适应分类算法,有效地将花生苗从土壤中提取出来。针对花生苗棵数误判现象,提出了采用图像全局分割和区域分割相结合的方法对图像进行分割,并基于形态学方法剔除田地杂草等噪声。试验结果表明:采用机器视觉识别花生苗数量的平均准确率为95.4%,花生苗株距计算平均误差为5.35 mm,验证了所提出的图像自适应分类算法的可行性。基于机器视觉所得花生缺苗率结果与人工测量结果两者之间的相关性为0.991(皮尔逊相关系数),人工评价与基于机器视觉评价具有较高的一致性。     

基于图像处理的微小塑料齿轮轮廓优化

通过计算机视觉系统的构成、图像预处理、图像分割和数字图像的像素连通性理论与技术的研究,提出微小塑料齿轮的二值图像噪声点去除及齿轮轮廓提取方法,用数学形态学方法提出轮廓的简化算法,并给出了关键技术的原理及实现方法.发现通过删除曲线上多余点,可以达到用最少的点来表示一条曲线的目的.实验结果表明,该优化轮廓的简化算法,可获得准确的齿形检测数据,能满足工程测量的实际需要.     

基于深度图像的球形果实识别定位算法

为了解决近色背景果实识别困难问题,针对果实近球形的形态特性,提出了一种利用深度图像从果实形态角度进行果实识别定位的算法。该算法使用深度摄像头获取果树的深度图像,通过深度图像计算出各像素点的梯度向量,将梯度向量看作运动矢量场,并计算出矢量场的散度,根据散度最大原则,从矢量场中搜索出辐散中心点;然后利用果实和叶片等深图像的差异从辐散中心点中筛选出果实中心点,以果实中心点为起点采用八方向搜索方法搜索出果实边界点,将果实边界点依次连接后形成的封闭区域内的果实图像导入点云;最后根据果实图像部分点云利用RANSAC算法求出目标果实的拟合球形,进而得出果实的尺寸以及三维空间位置。该算法无需传统算法需要利用的颜色特征,而仅利用了深度图像中的深度信息进行果实识别定位,能够克服传统算法受色彩、光照等因素影响的弊端,并且由于该算法完全没有利用到彩色图像信息,因此不仅可以实现绿色果实的识别定位,还可以实现采摘机器人在夜间环境下正常工作,为复杂环境下的果实识别定位算法研究提供了技术支撑。     

玉米籽粒激光切片定位技术

玉米籽粒形态各异、尺寸不一,精确定向和定位玉米籽粒的激光切片是实现高通量全自动玉米分子育种基因型分析的关键。应用机器视觉技术从玉米籽粒图像中准确识别玉米籽粒的特征区,以期实现上述操作。为描述像素所在空间的相关信息,设计一种相关面积占比滤波器。定义圆形掩模模板,根据单玉米籽粒的面积,确定模板尺寸。利用圆形模板筛选像素点数据,得到待分类数据集合。通过指定初始聚类中心,对数据执行二分均值聚类,得到尖端类和两个大端外凸角类的聚类中心。通过贴标签运算精选连通域,校正聚类中心的位置,生成尖端和大端外角特征区的精确标记。依据大端外凸角附近的两组插值点对,得到激光切割线的位置,利用尖端类定位点和玉米籽粒形心定位点确定玉米籽粒的夹持位姿。与SUSAN检测方法对比,表明了本文方法的有效性。     

基于轮廓图元边缘检测的新式秸秆上料机械手设计

为了解决秸秆粉碎机自动上料问题,设计了一种新的秸秆上料机械手装置,提高了秸秆粉碎机作业的精度和自动化水平。该装置使用Canny算子对秸秆图像进行分割,并对弱边缘进行提取,将提取信息传递给机械手PC处理中心,发出控制机械手的动作的指令;并利用PLC闭环系统控制,完成了秸秆上料机械手的自动化控制,优化了伺服电机的启停时间和上料的工作效率。同时,对装置进行了秸秆上料试验,结果表明:与人工上料相比,使用自动化控制的机械手可以提高工作效率及秸秆的粉碎质量,且可降低上料过程对人造成的损害,是一种安全高效的上料装置。