黄瓜蚜虫的图像识别与计数方法

通过分析蚜虫区域、绿色背景和蚜叶区的G分量特点，建立G分量阈值确定原则，并采用G分量阈值将蚜虫区域和非蚜虫区域分离开。针对蚜虫的粘连重叠问题，利用扩展极小值阈值变换的方法对输入图像进行标记，对标记后的图像进行距离变换和分水岭分割，以去除粘连。试验结果表明：算法能有效地分割粘连重叠的蚜虫，过分割率与欠分割率之和为3.14%。计数准确率达到96.2%，高于直接计数的     

粘连玉米籽粒图像的自动分割方法

以玉米籽粒为对象,提出了一种基于公共区域和籽粒轮廓寻找分割点的方法,实现了粘连玉米籽粒图像的自动分割.对于两个相互粘连的籽粒,在对粘连目标进行连续腐蚀-膨胀处理过程中,相互接触籽粒会形成公共区域,将公共区域与任意一个籽粒轮廓进行交集运算后,得到一段不封闭的曲线,曲线段的端点作为分割点,再运用Bresenham画线算法生成分割线,将这两个籽粒分离.对于大量粘连的籽粒,采用同样的方法,以"剥离"方式可将籽粒逐个分离出来.对100组粘连籽粒图像进行算法测试,分割正确率为96%,分割后的籽粒边界较为平滑,变形较小.     

近色背景中树上绿色苹果识别方法

为实现大型果园生产中果实产量监控和预测,研究了基于机器视觉的树上绿色苹果识别方法。为彩色相机配备一环形闪光灯用于夜间苹果树的图像采集,设计了以归一化的g分量和HSV颜色空间中H、S分量为特征参数的支持向量机(SVM)分类器和以超绿算子(2G-R-B)为特征的阈值分类器组合而成的混合分类器,实现了绿色苹果在近色背景中的有效识别;针对识别结果中的果实粘连情况,通过计算区域面积以及区域长、短轴之比,识别粘连区域,并对粘连果实区域图像进行欧氏距离变换,进而针对粘连区域距离变换图像采用分水岭算法进行分割,可将大部分粘连果实分开,并最终实现近色背景中绿色苹果的识别与计数。通过对64幅果树图像实验表明,该方法平均识别正确率为89.30%。     

连接大米籽粒图像的自动分割算法研究

分析了单个大米籽粒和连接大米籽粒的轮廓特征,提出了一种基于曲率的分割算法。该算法能够有效地反映边界点尖锐程度的曲率及其方向,根据曲率大小和曲率方向能准确判别图像中大米籽粒是否接触并快速找到分割点。用最短距离配对法对3种接触的大米籽粒进行分割。算法对判别籽粒是否接触的准确率达99%以上,对接触籽粒的准确分割率达95%以上。     

基于流域算法的谷物籽粒图像分割技术

为解决谷物外观品质检测过程中获取图像的籽粒粘连问题，提出了一种基于先验知识的流域分割算法。首先，设定合理的区域面积阈值Ath，标记并去除图像中的单个籽粒区域，结果记为M；然后，设定有效腐蚀次数Eth，对粘连籽粒区域进行流域分割，结果记为Mc；最后，取Ms与Mc的并集，作为分割结果。试验结果表明，该算法分割效果较好，分割精度达到95．4％。     

玉米籽粒内部组分低对比度透射图像精确分割研究

为解决玉米籽粒透射图像由于对比度较低造成内部组分提取不精确的问题,提出一种基于色彩通道非线性变换的多通道重叠区域分割方法,对玉米籽粒图像在灰度、R通道及b通道下得到的二值图像使用重叠区域原理,实现玉米籽粒组分的精确分割。首先,采集不同玉米品种的籽粒透射图像,提取单粒玉米籽粒;其次,采用多通道重叠区域法分割单粒籽粒图像,得到玉米籽粒胚部、角质胚乳和粉质胚乳3部分的图像;最后,以查全率和查准率评价多通道重叠区域法与传统图像分割方法对不同品种玉米籽粒的分割效果。不同品种玉米籽粒的分割试验表明:多通道重叠区域分割方法的查全率、查准率及综合评价指标均达到98%以上,分割效果优于传统的图像分割方法,能够实现不同品种透明角质玉米籽粒透射图像的精确组分分割。     

玉米籽粒考种信息获取装置设计与试验

考种是制约育种效率的关键环节。玉米高通量考种过程,存在籽粒堆积和粘连现象,影响籽粒考种参数的提取。本文结合玉米高通量自动考种需求,设计了籽粒考种信息获取装置。通过分析堆积籽粒回旋运动过程的受力情况并根据试验情况确定振动平台回旋速度,实现籽粒的平铺摊种。在此基础上,针对粘连籽粒图像提出了一种先分割后融合的改进分水岭算法,该方法通过比较相邻分割区域极小值与最小分水岭的差值与设定的阈值T,进行邻域融合,对过分割区域进行合并,实现粘连籽粒的准确分割,分割完成后,统计籽粒个数,并基于Graham扫描法建立单个籽粒的最小外接矩形,获取籽粒长宽参数。在构建的玉米籽粒自动考种装置上进行动态试验,结果表明,本文所提出的方法可实现玉米粘连籽粒的准确分割,单穗玉米籽粒计数正确率不低于98.05%,籽粒平均长宽与人工测量结果的决定系数R~2在0.97以上,满足自动考种在线检测的需求。     

雾滴图像粘连特征改进判断及分离计数方法优化

雾滴在靶标上常出现粘连的情况，为准确测量雾滴尺寸、掌握雾滴分布规律，需要判断雾滴是否粘连，并用图像处理技术将粘连雾滴分开。首先提出判断雾滴是否粘连的改进方法，该方法结合雾滴的形状因子和面积阈值对粘连雾滴进行判断和特征提取，并用极限腐蚀法和迭代开运算法对粘连雾滴进行计数处理，其次调用迭代开运算标记的分水岭算法分割，最后对分割后雾滴的连通域进行标记及形状圆整。试验结果表明：该方法可实现粘连雾滴的自动判断和特征提取，弱粘连准确率100%，强粘连可达97.2%以上。该算法获得的雾滴粒径参数与激光粒度仪试验测量结果接近，其尺寸测量准确度较Deposit Scan软件计算平均提高了7.67%。基于相同的样本，与人工计数标定结果对比表明，该方法获得的雾滴个数快速且精准度达97.06%以上。     

基于Otsu阈值与形态学处理的车道线检测

为了提高车道线检测的识别能力和可靠性,提出了一种在对图像进行Hough变换前进行预处理的方法。该方法采用直方图均衡化、拉普拉斯滤波器图像增强,进而引用Otsu阈值分割处理转化为二值图像;再对该二值图像形态学处理消除物体边界点和微小结构像素,减少后期Hough变换的投票像素点;采用Canny算子对图像进行边缘检测以及Hough变换检测出车道线。     

基于深度学习的自然环境下刺梨果实识别

采用0.57R-0.18G-0.2B色差分量法对刺梨图像进行处理,通过Ostu自适应阈值分割、形态学滤波和二值图像白色色素面积阈值等方法对图像进行一次分割。根据刺梨果实图像的颜色和纹理特征,再采用YCbCr颜色空间模型中各分量的阈值对图像进行二次分割。通过标记分水岭分割算法对粘连果实连通区域进行分割,利用Hough圆变换对独立、遮挡和重叠情况下的果实外圆进行拟合和修复,最终获取果实质心坐标及其半径。试验结果表明:刺梨果实识别正确率均高于92%,说明本算法能够对刺梨果实进行有效地识别。     

基于俯视图像的玉米株心快速识别方法研究

单株玉米的株心识别是完成按株作业的关键，可用于对单株玉米进行变量施肥，提高施肥利用率。本文首先采用超绿因子增强苗期玉米植株，使玉米植株与土壤、阴影分离，将增强后的图像用Ostu法自动确定图像的最佳阈值，以便于在分割苗期玉米图像时不受阴影的影响，并能分割出苗期玉米植株。然后把分割的苗期玉米植株图像的亮度看作是一维坐标，绘制玉米植株的高程图，玉米植株的中心区域在高程图呈现为集水盆形状。采用水平集确定玉米植株的中心区域并对玉米植株中心进行定位，并结合分治法搜索玉米植株的极小值区域，降低了数据结构的规模。数据验证结果表明，算法识别率可达96%，保证了算法的实时性与可行性。另外，采用分治法与水平集法相结合确定玉米植株的中心区域，使该算法不受天气因素的影响，提高了该算法在田间作业时的鲁棒性。算法时间复杂度计算结果为O(lgn)，能够满足田间作业的实时性。     

基于线阵扫描图像的玉米果穗性状检测技术

为实现玉米果穗性状自动检测,以线阵扫描方式获取玉米果穗表面圆周图像信息,利用图像处理技术从中提取相关性状参数。从扫描图像自身提取检测模板,应用归一化互相关算法完成玉米果穗单周图像的精确切割;以Otsu法完成籽粒分割后,利用边界非完整籽粒的连接性,完成边界分割籽粒的合并,提高籽粒计数准确度;采用图像投影曲线平滑后求极值的方法获取穗行数。与人工检测实验结果对比,穗粒数和穗行数的计数准确率分别为94.6%和99.1%。     

基于CT图像和RAUNet-3D的玉米籽粒三维结构测量

玉米籽粒构成和精细结构与玉米产量及品质直接相关。本文提出一种基于CT图像的玉米籽粒三维结构自动测量方法，快速提取、统计玉米籽粒成分和结构性状，评估不同玉米品种籽粒间性状差异。首先，利用Micro-CT获取批量玉米籽粒CT图像，通过Watershed算法准确分割出单颗籽粒；进而，设计基于注意力机制RAUNet-3D网络准确提取出籽粒胚；最后，建立自动化玉米籽粒表型管道，计算籽粒、胚、胚乳和空腔的共23项性状，用于玉米籽粒性状分析和品种鉴定。选取4个玉米品种籽粒（登海605、京科968、先正达408和农华5号）共120颗籽粒进行验证，结果表明籽粒CT扫描成像效率提高到1min/粒，籽粒表型提取效率为10s/粒，胚分割精度可达93.4%，粒长、粒宽和粒厚的R2分别为0.902、0.926和0.904，籽粒品种分类精度达90.4%。本文方法实现了玉米籽粒及其胚、胚乳、空腔三维结构无损、快速测量，提取的性状能够表征不同玉米品种籽粒间表型差异，为开展大规模玉米籽粒三维表型鉴定奠定了基础。     

基于视差图像的重叠果实图像分割算法

为解决自动采摘视觉系统中重叠果实的分割问题,提出了基于视差图像的果实分割算法。采用双目立体视觉系统获取图像对,对图像对进行预处理和校正,通过图像对的立体匹配来获取视差图像,最后对视差图像进行分割。该算法将分割的依据和信息从二维图像的颜色、形状、纹理等扩展到三维空间的深度,对空间距离不同的目标具有较好的分割效果。实验表明,对获取的视差图像进行基于区域的分割时,其区域间灰度对比度为0.98,目标计数一致性达到0.90;进行基于边缘的分割时,其边缘检测误差为5.74%,因此,该方法对重叠果实区域的分割是有效的。     

基于改进红绿色差和Otsu的葡萄果穗图像分割

为提高田间复杂环境下传统图像分割法分割葡萄果穗图像准确度低的问题，提出一种基于改进红绿色差和Otsu算法的田间葡萄果穗图像分割方法。选取与人类视觉相近的RGB颜色空间，提取并分析R、G特征图的直方图，经分析对其点乘特征图并进行Otsu运算，再经过形态学处理，实现对田间环境下葡萄果穗图像的分割。与灰度图、（R-G）特征图和（R-G）/（R+G）特征图分别采用最大阈值分割法（Otsu）分割的结果进行对比，试验结果表明，红绿色差点乘Otsu分割法的分割结果最优，准确率为92.37%，F1值90.13%。对50幅图像做了测试，其中图像准确率最高为97%，准确率最低为79%，其平均准确率为88.75%。所提出的方法能够实现葡萄果穗较完整的分割，并可为葡萄果穗的识别、定位提供研究基础。     

基于融合显著图与GrabCut算法的水下海参图像分割

为实现海参捕捞和海参疾病诊断的自动化,应先解决真实养殖环境下海参的图像目标分割问题。为此提出一种融合显著图模型和GrabCut算法的水下海参图像分割方法。该方法改进了传统的GrabCut算法,通过对单尺度Retinex算法分析,对水下图像进行增强,结合基于区域对比度的显著性区域检测方法和直方图均衡的方法,得到海参区域图像的部分前景和可能的背景,并以此初始化GrabCut算法的掩膜,最后进行GrabCut算法迭代,得到图像目标分割结果。通过与Otsu法、分水岭法、传统GrabCut算法对比分析表明：所提方法能够准确分割出图像中海参目标,并能克服背景噪声,保留目标图像细节,算法正确分割率达到90.13%,满足海参图像目标分割的 需要。     

基于图像分割映射的农业机器人视觉去雾方法

视觉导航农业机器人在雾天作业容易受前端含雾图像的影响,严重时无法有效工作。提出了一种基于图像分割映射的农业机器人视觉去雾方法。对前端采集图像进行近景与远景区域分割,并通过亮度信息的分段映射获取大气散射函数的预测估计值;采用导向滤波对大气散射函数的估计值进行优化,进一步增强图像的边缘信息,改善大面积天空背景引起的去雾残留问题。基于实际的农业智能导航平台对实测的含雾前端图像进行了去雾分析,并同传统的去雾方法进行了综合比较,显示所提方法具有较高的去雾精度和实时性。两段视频的图像去雾综合指标分别改善了28.9%和29.1%,时间消耗分别减少了34.4%和53.9%。