基于图像颜色特征的高粱胚芽鞘识别及定位方法

利用图像颜色特征,分割高粱胚芽鞘种子图像,确定高粱种子轮廓矩,根据其轮廓矩确定高粱种子质心坐标,然后根据高粱胚芽鞘图像颜色特征对图像进行颜色分割,获取高粱胚芽鞘图像,计算高粱胚芽鞘轮廓极点坐标,再选取距离质心最远的2个坐标作为高粱胚芽鞘轮廓近似直线端点,连接2个端点作为胚芽鞘近似直线。最后根据高粱种子轮廓质心坐标、胚芽鞘近似直线和切割距离(给定)确定胚芽鞘的姿态和高粱胚芽鞘的切割点位置。该方法能获得高粱胚芽鞘和种子较为完整的图像,并能准确得出胚芽鞘的切割位置及姿态等相关信息。该研究方法为高粱胚芽鞘的识别与分析提供了准确、快捷、可视的技术手段,为构建胚芽鞘智能识别、定位的视觉系统及自动化切割装置提供了技术支撑。     

任意姿态玉米种子定位方法研究

为准确提取玉米种子不同区域色彩特征和形状特征,解决机器视觉检测中需以特定装置固定种子位置以及人工规则摆放的问题,提出一种任意姿态玉米种子定位的方法。该方法首先对采集的任意姿态的玉米种子彩色图像进行预处理,实现对单粒玉米种子图像的分割提取;然后利用B通道阈值对单粒种子图像进行分割,计算黄色部分像素面积比例,判断出种子无胚芽侧面并对其归类;其次,对种子轮廓图像坐标以遍历方式计算轮廓间最长距离的方法获取种子尖端点坐标,并通过一阶中心矩提取质心坐标,得到玉米种子图像倾斜度,求得图像旋转角度θ°;最后,对玉米种子图像进行θ°仿射变换(Affine transformation)旋转,获取玉米种子水平放置图像,为进一步提取色彩特征和形状特征提供准确定位。试验表明,该方法可将任意姿态的玉米种子进行有效旋转定位,具有较好的实用性,同时该方法对于其他需要定位的种子图像同样适用。     

基于模板匹配的人体日常行为识别

提出了一种以运动人体的轮廓为特征，基于模板匹配的人体行为识别方法.利用背景差分法和阴影消除技术从图像中提取完整的人体轮廓.定义一种新的轮廓描述方法，将时变的2D轮廓形状转换为对应的1D距离向量.先计算轮廓点的质心坐标，再将轮廓等弧长地分割，用直线段连接相邻的割点构成对轮廓线的多边形近似，用多边形的顶点到轮廓质心的距离和其两个后继顶点的距离构成的3个距离串来描述轮廓.计算轮廓之间的动态时间规整(DTW)距离，然后利用谱系聚类方法提取行为序列的关键姿态，将关键姿态编码为行为字符串.最后利用编辑距离度量测试序列与标准序列之间的相似性.实验结果表明，利用本方法对人的6种日常行为进行识别，正确识别率达到85.7%以上.     

成熟番茄的图像识别及其位姿的获取研究

针对自然生长状态下成熟番茄图像的识别问题,提出选用YIQ颜色空间,采用Otsu最大类间方差法分割图像,然后用面积阈值的方法消除噪声,来获取成熟番茄图像的目标区域;然后用矩法来求目标区域的质心位置和惯性主轴,用惯性主轴的角度来标识果实果轴的方向,进而获取果实的生长姿态。实验结果表明,用这种方法可以取得较好的效果。     

基于透射光和反射光图像同位分割的小麦品种识别方法研究

为提高基于机器视觉的小麦品种识别准确性,本文通过透射光和反射光同位图像分割对种子颜色特征参数进行了优化提取.采用透射光图像辅助反射光图像分割的方式从种子图像中分割出胚部区域,并分别提取小麦整粒、种胚、胚乳区域的颜色特征参数.以济麦22、济麦44、京麦9、京麦11共4个品种种子作为研究对象,利用HALCON机器视觉软件获...     

名优绿茶嫩芽识别与定位方法研究

由于人工采摘名优绿茶效率太低,严重制约了名优绿茶产业的发展。研究具有选择性且能快速准确采摘名优绿茶的智能系统迫在眉睫。而嫩芽识别和定位则是实现名优绿茶机械采摘的前提,因此,开展了名优绿茶嫩芽识别与定位方法的研究。基于RGB颜色空间采用三基色以及组合因子对图像进行灰度化处理,利用维纳滤波和梯度增强技术对处理后的图像进行滤波去噪,采用大津法和迭代法分割图像获取二值图像;借助MATLAB软件对相机进行标定处理获取各项内外参数,然后采用质心法对目标进行定位。结果表明,利用G-B索引因子结合迭代法能较大程度地识别出嫩芽目标,采用张氏标定法能在误差要求范围内对目标质心进行定位,且实时性较高。     

基于双目立体视觉的重叠柑橘空间定位

果实的精准识别和定位是智能采摘面临的难题之一。基于双目立体视觉，提出了一种针对户外重叠柑橘的三维空间定位方法。首先，从双目左右图像中提取重叠柑橘果实轮廓并进行高斯平滑，通过曲率分析，找出异常的轮廓像素点；其次，依次连接相邻两个异常像素点，分析该线段上的像素点到柑橘轮廓的距离，在相邻两正常线段的交点处完成重叠柑橘轮廓分割，并通过寻找异常线段剔除对应的非柑橘轮廓像素点；再者，采用最小二乘椭圆拟合方法重建柑橘目标轮廓，并获取柑橘的中心；最后，根据双目极线约束和图像相似度，对重叠柑橘中心点进行匹配，并基于视差原理计算柑橘中心的深度值及三维空间坐标，确定重叠柑橘的遮挡关系。户外实验结果表明,所提出的方法定位误差为6.38 mm，满足柑橘采摘机器人户外采摘作业的定位精度要求。     

基于改进颜色特征的小麦病害图像识别技术研究

[目的]介绍一种根据小麦病害图像的颜色特征进行病害识别的方法。[方法]首先对小麦叶部图像进行预处理,利用小波变换进行病害部位增强和去噪;然后基于病害部位的非绿特征进行图像分割,得到只包含病害像素的图像;对病害图像颜色进行统计,得到R、G、B分量的均值,并用相对于绿色分量的均值比作为颜色特征值;最后通过分析样本图像得到每种病害的特征值范围,利用颜色特征值对未知样本进行病害识别。[结果]采用该方法对小麦叶锈病、条锈病、白粉病进行识别,平均准确率达到98%。[结论]为小麦病害的诊断与诊治提供了理论依据。     

基于大津算法连通域的松果多目标识别定位

松果识别对其产量评估、智能采摘等具有非常重要的意义.提出一种基于二值图像连通域的松果图像识别方法,首先研究松果图像RGB颜色特征规律,进行RGB颜色分量色差运算;然后选取合适的阈值对松果R-G图像进行二值化处理,初步分割果实和背景;再在图像分割时采用小面积连通域面积阈值法去除噪声的影响;最后采用连通域外接矩形法进行松果识别与统计,并计算出松果质心位置.结果表明,采用OTSU二值化分割+连通域噪音去除方法,可以清晰地分离出松果果实,松果识别平均准确率为89.6％.基于二值图像连通域的松果多目标果实识别与定位,为以后实现松果的自动化采摘提供了技术基础.     

基于神经网络和图像颜色、形状特征的绿色苹果图像分割

图像分割是苹果采摘机器准确识别和定位苹果的关键步骤.本研究首先采用线剖面方法对采集的苹果图像针对颜色特征进行分析,提出了利用颜色特征R-B的色差法对青果期苹果图像进行初步分割.在利用分割后的图像提取图像区域的形状特征(面积、周长、圆形度、离心率等).然后将得到的8个形状特征作为BP神经网络的输入量,随机选取一定数量的样本图像作为BP神经网络的训练样本图像和验证样本图像.样本图像经过BP神经网络训练后,建立了绿色苹果图像的分割模型.通过BP神经网络分割后的苹果图像,果实识别率高达89.3％,分割效果良好.     

基于多元岭回归估计小麦种植密度

种植密度对小麦产量影响较大，合理的种植密度对提高小麦产量具有重要意义。因此，快速、准确的估计小麦种植密度显得尤为关键。提出一种基于多元岭回归估计小麦种植密度的方法。首先，将获取的彩色麦苗图像从RGB颜色空间转到 Lab颜色空间，利用改进的K-means聚类算法对麦苗进行分割。然后，选取已知种植密度的50幅麦苗图像作为训练样本进行标准化，获得标准化麦苗图像的面积特征、轮廓特征和LBP纹理特征，将这3个特征参数和已知的麦苗密度作为训练输入，利用多元岭回归得到麦苗密度与特征参数间的函数映射关系。最后，对要测试的麦苗图像，按照上述步骤进行处理，求出测试麦苗图像的3个特征参数作为输入，代入映射函数得到测试麦苗图像的密度值。结果表明，该方法在估计4个不同品种小麦种植密度时，田间麦苗单幅图像中小麦种植密度的估计平均精度达到93.99%，平均相对误差为6.01%，对比已有估计小麦种植密度的方法，该方法估计精度显著提高。     

基于双目立体视觉的重叠柑橘空间定位

果实的精准识别和定位是智能采摘面临的难题之一。基于双目立体视觉,提出了一种针对户外重叠柑橘的三维空间定位方法。首先,从双目左右图像中提取重叠柑橘果实轮廓并进行高斯平滑,通过曲率分析,找出异常的轮廓像素点;其次,依次连接相邻两个异常像素点,分析该线段上的像素点到柑橘轮廓的距离,在相邻两正常线段的交点处完成重叠柑橘轮廓分割,并通过寻找异常线段剔除对应的非柑橘轮廓像素点;再者,采用最小二乘椭圆拟合方法重建柑橘目标轮廓,并获取柑橘的中心;最后,根据双目极线约束和图像相似度,对重叠柑橘中心点进行匹配,并基于视差原理计算柑橘中心的深度值及三维空间坐标,确定重叠柑橘的遮挡关系。户外实验结果表明,所提出的方法定位误差为6.38 mm,满足柑橘采摘机器人户外采摘作业的定位精度要求。     

基于无人机平台和图像分析的田间作物检测

为高效、精准、及时地获取农作物的空间分布及其面积,建立了基于无人机平台和图像分析的大田作物检测方法:采用小型四旋翼无人机搭载高性能数码相机获取作物图像后,通过图元分割和目视解译获得目标样本,提取其21维颜色特征和3维纹理特征,采用BP神经网络分类器和像素累加法进行作物种类识别和面积测量。试验结果表明,系统对小麦、油菜、蚕豆和大蒜的平均识别率达86%,面积测量的平均相对误差约为9.62%。     

基于多尺度Retinex图像增强的羊体尺参数无接触测量

针对传统羊体尺参数测量中存在工作量大、精度低、应激反应强等问题,采用多尺度Retinex算法、Graph Cut算法和羊体尺测点识别相结合的方法,基于双目视觉检测原理对羊体尺参数的无接触测量进行研究。结果表明:1)带色彩恢复的多尺度Retinex算法能增强光照不均匀的羊图像,对羊图像的细节和颜色恢复表现出较强的处理能力;2)基于多尺度分水岭的Graph Cut算法准确地分割出羊体区域,获得光滑的羊体轮廓线;3)划分羊体轮廓线区域,采用包络线分析方法识别体尺测点,计算羊体尺参数,并与真实值比较,11只羊的平均相对误差为2.32%,除去绒山羊剩下9只羊的平均相对误差为1.95%,测量精度较高。试验证明本研究带色彩恢复的多尺度Retinex算法能增强羊图像亮度和色度,包络线分析方法能准确地识别体尺测点,算法稳定,能够实现饲养过程中羊体尺参数的无接触测量。     

基于机器视觉的莲子去芯位置的定位方法

提出一种基于机器视觉的莲子去芯位置定位的方法,并搭建试验平台进行去芯验证。采集4个产地、不同尺寸的莲子,用2个相互垂直的摄像头采集凹槽内莲子图像,对图像进行裁剪和灰度处理后,通过莲子头部和尾部的灰度特征差异识别莲子朝向;对沿长轴尾部向上的莲子图像进行二值化处理,经腐蚀运算以消除边缘杂质,缩放以增大特征点的曲率,利用角点检测确定莲子去芯位置坐标后进行坐标换算,计算机械手移动距离,实现莲子去芯作业。试验表明：莲子理想去芯位置为莲子尾部凸点,莲子朝向判别成功率约97%,尾部凸点识别准确率约97%,整体识别成功率约94%,去芯成功率约93%,单颗莲子图像处理平均时间约78 ms,平均去芯时间约0.5 s。若以尾部凸点识别成功数为基数计算,则莲子去芯成功率可达98.9%。     

基于Fisher判别分析的玉米叶部病害图像识别

 【目的】利用计算机视觉技术实现玉米叶部病害的自动识别诊断。【方法】在大田开放环境下采集病害图像样本,综合应用基于H阈值分割、迭代二值化、图像形态学运算、轮廓提取等算法处理病害图像,抽取病斑,提取病害图像的纹理、颜色、形状等特征向量,采用遗传算法优化选择出分类特征,并利用费歇尔判别法识别普通锈病、大斑病和褐斑病3种玉米叶部病害。【结果】研究中提取了墒、相关信息测度、分形维数、H值、Cb值、颜色矩、病斑面积、圆度、形状因子等28个特征向量,利用遗传算法优选出H值、颜色矩、病斑面积、形状因子等4个独立、稳定性好、分类能力强的特征向量,应用费歇尔判别分析法识别病害,准确率达到90%以上。【结论】综合运用数字图像处理技术、图像纹理、颜色、形状特征分析方法、遗传算法、费歇尔判别分析方法可以有效识别基于田间条件下采集的病害图像,为田间开放环境下实现大田作物病虫害的快速智能诊断提供借鉴。     

基于图像识别的边坡表面位移检测方法研究

针对边坡表面状态发生的变化检测,提出了一种新的智能检测方法。人工设置两类标识体,一类为定位标识,一类为观测标识。用图像识别方法对标识体的质心进行提取和计算,通过一定的判别准则来判断边坡的表面位移状况。具体处理方法为先将图像转换到HIS空间,根据设定的颜色提取感兴趣区域。进行图像边缘二值化处理,计算出感兴趣区域的中心坐标值。实验证明,该方法具有鲁棒性好、检测准确率高等特点。