树木图像拼接系统特征点匹配

运用模板提取和搜索匹配特征点的方法进行了树木图像拼接研究，通过树木图像的颜色分割、灰度化、梯度化获取模板，以相似性测度寻找匹配特征点，结合模板半径与拼接成功率和拼接时间的关系，最终达到拼接成功率94.9%、一次拼接时间174ms的综合水平，为农药精确对靶喷雾技术中扩大采集树木图像视野实时树木图像拼接提供了方法。     

树木图像拼接系统特征点匹配

运用模板提取和搜索匹配特征点的方法进行了树木图像拼接研究,通过树木图像的颜色分割、灰度化、梯度化获取模板,以相似性测度寻找匹配特征点,结合模板半径与拼接成功率和拼接时间的关系,最终达到拼接成功率94.9%、一次拼接时间174 ms的综合水平,为农药精确对靶喷雾技术中扩大采集树木图像视野实时树木图像拼接提供了方法.     

现代农药喷施技术及装备研究进展

从喷雾器械、喷雾技术、喷雾效果、雾滴分布和沉积等方面介绍了我国在非智能喷雾领域取得的成果;阐述了仿形喷雾、对靶喷雾、变量喷雾和直接施药技术等智能喷雾技术及装备的研究进展;介绍了国外智能喷雾技术和喷雾器械开发情况;最后得出喷施对象生物量的实时检测是目前农药喷施领域的研究难点,基于机器视觉的植物参数检测是研究的热点,自动化、智能化和精确化是现代农药喷施技术及装备的发展趋势的结论.     

精准施药技术研究进展与对策

简述了当前国内外精准施药技术的主要组成部分——自动对靶喷雾技术，以地理信息技术和实时信息与采集2种系统为例，概括了国内外自动对靶喷雾技术的研究现状。并且根据我国国情提出了我国应该加大对精准施药技术研究资金投入，迫切需要技术和人才储备。     

基于机器视觉的室内农药自动精确喷雾系统

建立了基于机器视觉的室内农药自动精确喷雾系统，对信号采集、图像处理、施药决策、数据交换等主要问题作了较深入的研究，提出了基于相对色彩因子的树木图像分割算法，和传统方法相比，在不影响分割效果的同时大大提高了图像分割的实时性。测试表明该系统运行良好，有很好的户外应用前景。     

大田对靶施药雾滴定向沉积控制方法研究

针对植保机械在大田对靶施药过程中雾滴沉积偏移导致准确率低的问题，本文基于大田对靶施药机器人，开展了雾滴定向沉积控制方法研究。以对靶喷施雾滴群体为研究对象，阐述对靶施药工作原理和作业特点，剖析雾滴群体沉积偏移成因；根据机器人空间结构位置关系，建立基于GNSS/IMU卡尔曼滤波信号的喷头运动状态感知模型与沉积位置预估模型，确定喷头响应控制准则；在此基础上以机车作业速度、喷头控制方法为试验因素，以对靶喷施准确率和沉积偏移距离为试验指标，开展平整场地对靶喷施模拟试验；选取满足作业需求的组别进行大田对靶施药作业验证。试验表明：作业速度0.5、1.0、1.5、2.0m/s下的平整地面对靶施药平均准确率分别为99.8%、98.4%、95.9%、76.5%，沉积偏移距离分别为3.8、5.4、7.5、10.0cm;作业速度0.5、1.0、1.5m/s下的田间对靶施药准确率分别为98.7%、96.7%、95.3%。结果表明，基于GNSS/IMU卡尔曼滤波的雾滴沉积位置预估喷头控制方法，满足大田对靶施药作业需求。     

大田对靶施药雾滴定向沉积控制方法研究

针对植保机械在大田对靶施药过程中雾滴沉积偏移导致准确率低的问题，本文基于大田对靶施药机器人，开展了雾滴定向沉积控制方法研究。以对靶喷施雾滴群体为研究对象，阐述对靶施药工作原理和作业特点，剖析雾滴群体沉积偏移成因；根据机器人空间结构位置关系，建立基于GNSS/IMU卡尔曼滤波信号的喷头运动状态感知模型与沉积位置预估模型，确定喷头响应控制准则；在此基础上以机车作业速度、喷头控制方法为试验因素，以对靶喷施准确率和沉积偏移距离为试验指标，开展平整场地对靶喷施模拟试验；选取满足作业需求的组别进行大田对靶施药作业验证。试验表明：作业速度0.5、1.0、1.5、2.0 m/s下的平整地面对靶施药平均准确率分别为99.8%、98.4%、95.9%、76.5%,沉积偏移距离分别为3.8、5.4、7.5、10.0 cm;作业速度0.5、1.0、1.5 m/s下的田间对靶施药准确率分别为98.7%、96.7%、95.3%。结果表明，基于GNSS/IMU卡尔曼滤波的雾滴沉积位置预估喷头控制方法，满足大田对靶施药作业需求。     

树木保温材料缠绕、涂白与病虫害智能识别防治一体机的设计

随着城市绿化建设的不断推进,树木冻害、虫害的防治逐步成为园林绿化部门的工作重点。传统人工作业效率较低,一致性不高,因此,急需一种低成本、高质、高效的绿化树木防寒防治设备。通过分析研究连续缠绕机械装置的结构原理及其工作负载的产生机理,建立基于百度AI的Easy DL定制化训练和服务平台的病虫害图谱智能识别模型,优化涂白工艺参数,设计精准施药装置,开发了树木保温材料缠绕、涂白与病虫害智能识别防治一体机。实现了保温材料连续缠绕、涂白、病虫害图像智能识别及精准施药治理等功能的集成一体化设计,结构紧凑、功能多样、可操作性较强、地形适用范围广,可高质高效的完成绿化树木保温材料缠绕、病虫害监管与施药治理等工作。     

自动对靶精准施药机研究——基于图像边缘检测和目标识别

为了提高施药作业的效率和实际着药量,降低喷药成本和给环境造成的负担,提出了准确精量的对靶施药系统的设计理念,并给出了施药平台的原理和结构构成,最后对施药平台的图像处理系统进行了重点设计。为了验证方案的可行性,以传统的施药机械为搭载平台,将PC图像处理器嵌入到了精准对靶控制系统中,选择地势平坦的果园为实验场地,对施药平台进行了实验研究。实验结果表明:基于图像边缘检测和目标识别的自动对靶施药平台即使在光线不好的条件下,仍可以准确地得到果树果实和枝叶的位置信息,施药平台的实际着药量要比传统施药平台更高,而成本却更低,从而验证了方案的可行性。     

对靶喷雾参数对雾滴沉积分布影响试验

在对靶喷雾状态下，喷雾方式由连续转变为间歇，喷头频繁开闭会影响冠层位置的雾滴分布，分析对靶喷雾状态下不同喷雾参数对作物冠层雾滴分布的影响，为验证并完善对靶喷雾机器人整体性能提供理论依据。试验使用自动对靶喷雾机器人，采用对靶与连续两种喷雾方式，选择0.5m/s、0.75m/s、1.0m/s的行驶速度与0.3m、0.4m、0.5m、0.6m的作物间隙大小，对两种喷雾方式下不同冠层位置的雾滴覆盖率进行对比，分析不同行驶速度与不同作物间隙对对靶喷雾状态下不同位置冠层雾滴覆盖率及均匀性的影响。采用连续与对靶两种喷雾方式对相同番茄作物行进行喷雾，通过测量药液使用量来获取对靶方式相对于连续方式下的省药率。试验结果表明，行驶速度变化对对靶喷雾方式影响较大，当行驶速度在0.5m/s时，平均雾滴覆盖率可达58.4%，当速度增大到1.0m/s时下降到33%；当行驶速度为1m/s、间隙大小为0.3m时，激光雷达无法识别此作物间隙从而造成两侧冠层雾滴覆盖率较大，随着间隙的增大雾滴覆盖率变化趋势相对平稳；对靶喷雾下的前冠层雾滴覆盖率较小于连续喷雾状态下的雾滴覆盖率，在中后冠层位置能够保持基本一致。在空隙比为40%...     

基于双目相机的森林样地调查方法研究

为了提高样地调查时的野外工作效率,设计了一种相片样地建立方法,以双目相机为测量工具,在样地中心上下放置双目相机,依次进行12次30°的旋转拍摄,获取12组立体相对,配合少量的现场目视检查和遮挡木补测,以立体相对前方交会作为内业处理手段,提取并纠正相片中各目标木的胸径和树心坐标,利用左右旋转角度和将树心坐标转换至同一坐标系中,完成样地各目标木的胸径提取、样木坐标提取、蓄积量计算等工作。为了验证该方法,选择了9块固定样地进行相片样地建立,分别对比相片样地与固定样地调查中提取的胸径、树心坐标、蓄积量和工作时间,其中蓄积量的平均相对误差为5.5%,最大相对误差为8.2%。     

基于Kinect传感器的猕猴桃果实空间坐标获取方法

猕猴桃自动采摘机器人研究中,为了自动获取目标果实的空间坐标,提出了一种基于Kinect传感器的猕猴桃果实空间坐标获取方法。首先利用Kinect传感器的红外投影机和红外摄像机获取深度图像,利用彩色摄像机获取RGB图像,根据彩色图和深度图对应关系,转换成深度坐标;然后通过Map Depth Point To Skeleton Point函数得到以红外摄像机为原点的坐标系坐标。实验表明:该方法能够有效获取猕猴桃目标果实的空间坐标,其定位误差小于2mm。     

基于机器视觉的五坐标机床旋转轴误差检测方法

提出了一种利用机器视觉技术对五坐标机床旋转轴转角定位误差进行检测的方法。首先,通过制作特定的标志,用CCD相机获取标志图像;然后,通过数字图像处理技术对所获得的图像进行分析处理;最后,根据标志在不同位置处的相对转角偏差计算机床旋转轴的转角定位误差,实现五坐标机床旋转轴转角定位误差的辨识和测量。同时,将该方法与传统检测方法进行对比,实验结果表明,所提出的检测方法简单、高效,可以实现机床旋转轴误差的快速检测,并为五坐标机床旋转轴误差的补偿提供了计算依据。     

麦田杂草的图像识别技术的研究

主要研究了麦田杂草的图像识别技术,设计了麦田杂草识别系统.该系统包括使用数码相机进行麦田图像数据的采集,实现对图像的预处理;绿色植物与土壤背景的分割包括图像的灰度化与格式转换和图像的二值化;作物与杂草的分割包括作物中心行的识别和作物行的滤除,最后获取杂草图像.在滤除作物行的过程中确定边界阈值时采用通过先计算手工标定的作物行宽度与计算机自动检测的作物行宽度之间的相对误差,然后选定合适的对应最小误差的作物行边界阈值的方法.该系统全程使用MATLAB语言编程,系统最终目的是根据杂草和作物分布的位置特征滤除作物行,识别出杂草.     

RGB-D SLAM增强现实原木检尺系统构建与测试

将内嵌有ToF相机、面阵相机及IMU的智能手机作为硬件系统,RGB-D SLAM技术实时获取的深度图、位姿等为数据源,构建了RGB-D SLAM增强现实楞堆原木检尺系统。首先设计了基于ToF影像实时估计RGB影像像素深度的方法,实现对待测原木端面几何坐标的初步估计;其次,设计了散形分区去噪算法实现原木端面点云的精确过滤,设计了原木端面曲率估计算法实现对过滤点云可靠性判别;然后,基于PCA等算法实现原木长、短直径方向向量估计,并基于该向量对原木长、短直径进行了估计;最后,以所构建算法为基础在智能手机平台上搭建了增强现实楞堆检尺系统,实现智能手机对原木进行实时检尺、增强现实场景对测量结果实时监督。新型检尺系统通过对6个楞堆334根原木进行了检尺实验,以评估该设备的测量精度。结果显示：原木平均直径估计值的偏差及均方根误差分别为-0.13 cm(-0.35%)及1.05 cm(3.34%);原木径阶化直径估计值的偏差及均方根误差分别为-0.10 cm(-0.22%)及1.33 cm(4.43%);原木材积估计值的偏差及均方根误差分别为-0.007 m³(-0.27%)及0...     

基于Android手机的水稻剑叶角测量系统

为了快速、无损地测量水稻剑叶角,设计了基于Android智能手机的便携式水稻剑叶角无损测量系统。采用智能手机后置摄像头获取水稻剑叶基部图像,经过图像预处理、直线检测、K-means聚类和向量方法等处理过程,得到水稻剑叶角。基于Android编程技术对系统软件进行设计,实现了在Android平台下利用JNI和Android NDK调用基于Open CV库的剑叶角提取图像处理算法,实现了新建试验、材料信息输入、摄像头获取剑叶基部图像、计算输出剑叶角及保存数据等界面操作流程。利用该测量系统在田间对4个品种的80株水稻进行剑叶角测量试验,以验证系统性能。试验结果表明,和人工用量角器测量结果相比,该系统测量的平均绝对误差为1.34°,相对误差为2.7%,测量值和真实值相关系数为0.997,能有效测量剑叶角。     

基于SOM-K-means算法的番茄果实识别与定位方法

为解决多个番茄重叠黏连时难以识别与定位的问题,提出一种基于RGBD图像和K-means优化的自组织映射(Self-organizing map,SOM)神经网络相结合的番茄果实识别与定位方法。首先,利用RGBD相机拍摄番茄图像,对图像进行预处理,获取果实的轮廓信息;其次,提取果实轮廓点的平面和深度信息,筛选后进行处理;再次,将处理后的数据输入到采用K-means算法优化的SOM神经网络中,得到点云聚类结果;最后,根据聚类点,通过坐标转换得到世界坐标信息,拟合得到各个番茄的位置和轮廓形状。以果实识别的正确率和定位结果的均方根误差(RMSE)为指标对该算法进行验证和分析,采集80幅图像共366个番茄样本,正确识别率为87.2%,定位结果均方根误差(RMSE)为1.66 mm。与在二维图像上利用Hough变换进行果实识别的试验进行对比分析,进一步验证了本文方法具有较高的准确性和较强的鲁棒性。     

基于嵌入式机器视觉的水稻秧盘育秧图像无线传输系统

杂交稻机械化秧盘精密播种育秧过程中需要人工实时监测,以保证秧盘播种性能,为解决传统人工长时间户外、低效的监测方式,设计了基于嵌入式机器视觉的水稻秧盘育秧图像无线传输系统。系统由嵌入式开发平台、无线Wi Fi网关、高清网络摄像头、红外传感模块、远程服务器等组成。嵌入式开发平台采用Tiny4412开发板,并在其上移植Linux系统、摄像头驱动、GPIO口驱动;采用Qt开发工具,完成图像采集、实时显示,并设计出友好的人机交互界面;利用Jpeglib静态库对图像进行数据压缩;利用无线Wi Fi局域网、嵌入式系统和远程服务器按照规定的协议通过Socket通信进行数据传输。远程服务器基于Netty框架对采集到的图像数据进行校验、实时显示和保存。试验结果表明,不同分辨率图像的无线传输速率均满足育秧流水线实时作业要求,JPEG格式的图像经过数据压缩,其传输速率大大提高;嵌入式采集终端能够稳定采集播种秧盘图像,并成功地上传到服务器,网络平均丢包率为0.23%,误码率为0.23%。     

基于粒子滤波的苹果采摘机器人目标姿态估算

针对苹果采摘机器人中果实姿态信息缺失造成果实损伤及采摘失败等问题,根据苹果尾部花萼遗迹区域是否可见分析了果实姿态信息机器视觉测量方法,研究了果实姿态信息的粒子滤波估计。将单目摄像机固定在机器人末端手爪上,在手爪趋近果实的采摘过程中,随机采集多帧果实图像。对每帧图像运用惯性主轴或重心点偏移两种方法计算果实在机器人坐标系下的姿态向量值,并通过粒子滤波融合来得到果实姿态信息的最优估计。实验结果表明,粒子滤波方法可以有效地融合多帧图像的苹果姿态信息,能够减小因依靠单帧图像直接测量而产生的误差。     

基于土壤基质的播种精度检测试验

研究了一种基于土壤基质的播种精度检测方法.运动的土槽台车搭载播种机将种子播种到土槽土壤上,同时机器视觉系统动态采集序列图像.采用编码器和PLC等实现台车运动距离检测,控制触发面阵摄像机采集序列图像,完成序列图像的硬件拼接;再通过图像处理拼接算法完成种子的目标识别和序列图像的拼接,得出播种机播种精度结果.试验结果表明:匹配粒距率达85％以上,正确粒距率达70％以上;经多次重复试验后,系统检测的绝对误差在4％以内.