作物数字图像获取与长势诊断的方法研究

数字图像在作物信息采集方面具有信息量大、速度快、精度高等显著的特点和优势,被广泛应用于作物生长诊断方面。以往研究集中在作物图像分析技术,对图像获取手段和获取系统的技术要求等论述较少。从建立作物图像获取系统的角度出发,在分析作物图像颜色、分辨率、格式和文件存储空间大小的基础上,总结了常用作物图像获取及分析技术在作物监测方面的应用。结果表明,作物水分及营养状况诊断多采用图像颜色特征分析的方法,常用RGB和HIS颜色模型,作物图像可以在自然光照条件下获取,镜头距离地面或作物的距离、拍摄角度、图像分辨率和图像存储格式并无定规,可用JPEG格式来存储图像,节省大量的图像存储空间。土壤和杂草等背景的识别、病虫害特征提取等方面采用颜色特征、多光谱图像、纹理特征和形状特征等方法,图像颜色分辨率从288×352像素到3 072×2 304像素可使识别目标达到80%～95%。图像分辨率高的识别效果好,但是程序用时长,图像文件占用空间大,影响图像传输速度和诊断的实时性。因此获取图像时要根据图像应用的具体情况来选择合理的图像分辨率。     

基于单目视觉的谷物联合收获机产量测量方法

为准确获取农田中作物产量信息,以联合收获机刮板式升运器为研究对象,提出了一种基于单目视觉的联合收获机产量测量方法。首先,根据真实的升运器内部谷堆图像,提出了一种更加精确的刮板上谷物堆积模型。然后,基于视觉测量和图像处理技术,开发了一种谷堆体积测量方法。在辅助光源照射下,通过工业相机采集升运器内刮板和谷堆的侧面图像。采用邻域微分法提取图像感兴趣区域,再利用Otsu法和形态学处理方法从背景中准确分割出谷堆。根据相机成像模型,计算谷堆在世界坐标系中的实际侧面积,并通过谷堆几何模型得到谷物的体积。最后,将每个刮板上的谷堆体积累加求取产量。为验证所提方法的有效性,搭建了基于单目视觉的谷物测产系统,并在升运器试验台上开展了试验验证。试验结果表明,在不同的升运器转速工况下,所提方法测量的相对误差为-4.08%~3.41%,能够满足联合收获机产量测量精度要求。     

基于机器视觉的零件尺寸测量装置的设计

文章提出了基于机器视觉的测量方式,主要测量工件的面积、周长和边长等数据。测量采用固定装置,标定采用传统标定法。硬件系统采用了USB接口的工业相机。软件主要对图像进行了预处理,预处理为图像的切割、灰度化、滤波。     

油茶果的模糊聚类色选算法

通过研究油茶果籽和皮的颜色特性,将线阵工业相机采集的油茶果籽和皮图像分割成若干正方形像素块,基于模糊聚类原理,根据特征降维、一致性度量和模式识别的相关理论,研究油茶果的颜色识别分类方法,实现一种基于彩色线阵相机的动态模糊聚类色选算法,并将算法应用于通道式单面色选机的预选和实时分选程序中。应用表明,算法对新鲜的油茶果籽分选选净率达到98%。     

基于双视角图像的山羊体尺自动测量方法

针对规模化羊场对山羊体尺无接触式自动测量的需求，设计了一种山羊双视角图像采集装置并开发了配套的山羊体尺自动测量算法。首先，开发了山羊双视角图像自动采集装置并在养殖场完成山羊双视角图像数据集的构建；然后，采用背景减除法二值化羊体俯视图，引入简单线性迭代聚类算法(SLIC)构建侧视图超像素的纹理和颜色特征向量，训练基于支持向量机(SVM)的超像素分类器，综合利用置信度和超像素区域邻接图(RAG)获取侧视图中的羊体二值图；最后，提出了在侧视和俯视二值图像中定位关键体尺特征点的方法，自动提取山羊体高、体斜长、胸深、胸宽、管径参数，拟合得到胸围和管围参数。算法测试结果表明，羊体侧视图前景区域超像素分类正确率超过94%,算法自动提取与人工标注的侧视、俯视前景二值图的交并比分别为96.1%和97.5%。以人工使用软尺测量获得体尺参数为金标准评价算法自动提取体尺参数的精度，结果表明管围、体高、胸深、胸宽、胸围和体斜长的平均相对误差分别为5.5%、3.7%、2.6%、5.2%、4.1%和3.9%。本文开发的羊体双视角图像采集装置及相应的图像处理方法可以满足山羊体尺无接触自动测量的精度要求，为山羊体尺的高...     

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...     

全方位视觉定位系统标识方位角研究

为保证全方位视觉图像中标识方位角度的计算精度,研究了图像除噪和提取人工标识的算法.采用低频滤波除噪;计算了图像中红色像素的强度,并设置红色阈值提取红色特征像素,以相邻像素的欧几里得几何距离来划分像素块,每像素块的重心作为图像中的位置标识;求出图像中标识与相机投影中心的方位角度;在复杂环境中,采用蓝色块来辅助红色标识判别人工标识.通过图像标识识别实验验证了除噪处理的有效性;并在面积为30 m×30 m的室外平地上,进行了定点、直线行驶和传感器倾斜实验.定点实验结果为标识方位角平均绝对误差和均方根误差平均值分别为1.12°和2.10°;传感器倾斜实验结果表明5°倾斜对方位角的影响较小;直线行驶的定位精度约10 cm.研究表明算法可行,求出的标识方位角误差较小,运行速度较快和鲁棒性强且定位精度较好.     

耕作土壤沟形测量系统设计与试验

针对耕作部件作业后土壤表面沟形特征参数测量困难,以及传统测量方法存在测量效率、误差难以兼顾的问题,设计了一种基于激光三角法的耕作土壤沟形测量系统。该系统包括便携式硬件结构和交互式软件系统,硬件结构主要由X/Y轴电动导轨、激光测距传感器、旋转编码器、便携式计算机、水平仪和型材支架组成;基于LabView构建的交互式软件可根据运动控制器和旋转编码器信号对X/Y轴电动导轨实现高精度扫描定位,交互式界面实时显示沟宽、沟深及沟形断面轮廓曲线,获取的点云数据通过空间插值和曲面拟合算法得到沟形三维数字化模型。精度测量试验和田间应用试验结果表明:直径方向测量的平均绝对误差为0. 59 mm,厚度方向测量的平均绝对误差为0. 02 mm;与图像检测法对比,系统测量误差最大降低2. 1%,同时随着沟形断面采样次数增加测量值趋于稳定,测量误差呈指数函数下降;与田间人工测量相比,该系统测量相对误差最大为5. 86%,平均相对误差为3. 37%,能够满足农田土壤耕后沟形自动化测量的需要。     

基于深度相机的玉米株型参数提取方法研究

提出了一种基于骨架提取的改进算法,可实现在大田环境下,使用PMD深度相机快速、无损测量玉米株型参数。首先利用深度图像RGB伪彩色和深度距离信息,提取深度图像的骨架,排除复杂背景干扰,得到单株玉米的二值骨架图像;然后利用基于角点检测的改进归类算法提取骨架图像特征点;最后建立骨架图像中特征点与深度图像的对应关系,利用空间几何数学方法,结合特征点计算出玉米的3种株型参数,即株高、茎粗、叶倾角。农田实验对比分析表明,所提方法的株高测量结果与人工测量结果的相关系数 r 为0.986,最大相对误差小于2 cm,农田作物育种抗逆性分析还表明玉米株型参数与抗倒伏性具有显著相关性。     

基于机器视觉的果树树冠体积测量方法研究

针对人工测量精度低、费时费力,而基于三维激光扫描技术、超声波技术等自动测量方法成本高、操作复杂的不足,提出了基于机器视觉的果树树冠体积测量方法,搭建了可移植性果树树冠体积自动测量平台。基于机器视觉实现待测树冠图像获取,通过图像处理算法获得树冠图像面积特征,并采用最小二乘法和五点参数标定法获得普适性树冠面积与体积相关关系模型,从而得到树冠体积,通过对梨树以及桂花树样本的试验,可以发现预测树冠体积平均误差分别为13.73%和10.18%。对于不具备系列样本无法构建模型的树冠,采用单点测量法,根据树冠轮廓拟合椭球结构体,然后根据体积求算补偿公式,完成体积测量,测量误差在10%左右。表明树冠形态特征的图像提取算法可行有效,通过面积以及轮廓特征量均能很好地表达树冠体积特征。     

基于CIELAB色空间的红葡萄酒颜色直观表征

现有红葡萄酒颜色特征的表征方法,很难形象地描述和传递葡萄酒颜色信息。基于CIELAB色空间,构建了高清色彩平面(L*=60),以红葡萄酒颜色的彩度分布图、明度分布图和特征颜色图,并结合可见吸收光谱图,直观地表征红葡萄酒的颜色特征。采用该方法和传统的CIELAB参数分析法,对我国各产区10款陈酿型赤霞珠干红葡萄酒颜色特征的研究表明,该方法可以完整而直观地呈现CIELAB参数信息,并可给出具体的酒样特征颜色;供试酒样间颜色特征差异显著,但都存在颜色过快老化的问题。     

基于计算机视觉的番茄营养元素亏缺识别研究

针对番茄种植中营养元素的亏缺,肉眼不易进行识别判断的问题,以番茄亏缺氮、镁营养元素为研究对象,利用CDD摄像机采集研究图像,将图像进行处理后,提取分割出可以表现亏缺氮、镁的特征图像,提取颜色特征和纹理特征,并通过遗传算法进行优化。同时,将优化的特征进行组合分析,以此建立特征模型,并确定特征向量用于分析提取出来的特征参数,建立的特征模型,并采用二叉树形式对番茄缺素识别进行研究。仿真试验结果表明:番茄种植中,采用计算机视觉技术识别亏缺氮、镁营养元素,识别准确率可以满足生产需要。种植户可以根据检测结果对番茄进行区别施肥,既能满足番茄生长的需要,又不会造成资源的浪费,符合农业可持续发展的要求。     

基于核相互子空间法的番茄叶部病害快速识别模型

近年来，基于叶片图像的番茄病害识别研究受到广泛关注。本研究利用番茄叶部病害图像中病斑的颜色和纹理的差异，通过提取番茄病害叶片图像的颜色矩（CM）、颜色聚合向量（CCV）和方向梯度直方图（HOG）等颜色纹理特征，引入核相互子空间法（KMSM），建立了番茄叶部病害快速识别模型（CCHKMSM）。该模型首先通过高斯核函数，将从不同类别叶部病害图像数据中抽取的颜色及纹理特征映射到高维空间；然后对映射的高维空间进行主成分分析，建立非线性病害特征空间；最后基于非线性特征空间最小正则角对病害进行识别。本研究分别以公共农业病虫害数据集PlantVillage中的9种番茄病害类和1类健康番茄叶片图像，以及实际场景下采集的3种叶部病虫害图像数据集开展算法验证试验。基于PlantVillage的试验结果表明，当每类样本集数量为350张时，本研究所提出的CCHKMSM模型识别率达到100%，模型训练时间为0.1540 s，平均识别时间为0.013 s；同时，在样本数量150张到1000张的测试区间内，模型平均识别率为99.14%。该识别率高于其他典型的机器学习模型，与基于深度学习的识别方法相当。基于实际复杂场景下采集病害图像集的实验中，通过对原始图像切割分块后，对各病害的平均识别率为96.21%。试验结果表明，本研究提出的CCHKMSM模型识别准确率高且计算量小，其训练时间和测试时间都远低于深度学习等方法。该方法对系统要求低，具有在手持设备、边缘计算终端等低配置感知系统中的应用潜力。     

收获期花椒的力学特性与形态特征测定与分析

我国花椒的收获主要以人工收获为主。随着社会的发展,花椒市场需求不断扩大,迫切需要解决花椒收获效率低下的问题。因此,花椒收获机械化已成为椒农的心声,研究分析收获期花椒的力学特性可以为花椒收获机械的设计者提供必须的基础理论数据。因花椒在品种、气候条件、土壤及其他方面的差异,其力学特性会有较大的差别。为此,通过陕西省韩城市收获期花椒的实验室测定,采用图像解析和数理统计方法对收获期花椒的力学特性进行分析,得出了花椒主要几何特性指标值的变化区间,并统计分析了花椒果实与果柄及果柄与树枝之间的分离力以及花椒果实的颜色特征,为花椒的收获和加工机器系统的开发提供科学依据。     

基于像素点变换法的苹果颜色分级系统研究

苹果的着色面积比是苹果颜色分级的一个重要依据。采用HSI颜色模型中的色度值作为苹果颜色分割的依据,通过设置合适的色度值提取出苹果的着色区域,再利用像素点变换法计算苹果的整个表面积和着色面积,得到苹果的着色比,最终判断苹果的等级。试验表明,该方法具有精度高、速度快的特点。     

基于加权随机森林的番茄氮元素缺乏分级模型研究

基于叶面颜色特征建立番茄氮元素缺乏分级模型判别准确率可达08以上。夏季定植的番茄叶片表面会覆盖粘质腺毛,粘质腺毛利于番茄吸收水分和营养元素,相同营养液氮离子浓度下叶片黄化过程异于未覆盖粘质腺毛的叶片。故仅基于叶面颜色特征建立分级模型,其准确率降至0.65。覆盖粘质腺毛番茄其叶片周长和叶面积两个形状特征均小于未覆盖粘质腺毛的番茄叶片,本文将番茄叶片两个形状特征结合原有叶面颜色特征共同作为模型输入,建立新的番茄氮元素缺乏分级模型。搭建图像采集系统,该图像采集单元由树莓派和其相机模块构建,使用WiFi或4G网络完成智能手机、图像采集单元、本地计算机之间无线数据传输。智能手机通过Web界面可远程控制采集图像并将图像传输到云平台存储。本地计算机对图像进行预处理提取叶片形状、颜色特征后输入模型进行预测,并输出预测结果。试验结果表明,图像采集系统春季和夏季平均温度在19.7~28.3℃范围内,光照在1.125~9.543lx范围内均可正常使用,采集的图像经预处理分割后降低了环境光线的影响。使用优化后的加权随机森林模型,基于形状特征和颜色特征相结合的叶片氮元素缺乏分级判别准确率可达0.83。     

一种用于机器人水果采摘的快速识别方法

针对机器人水果采摘中容易受遮挡、光照变化等因素的影响而产生误识别的问题,提出了一种基于颜色分量统计的特征匹配水果识别方法。根据成熟水果所特有的颜色特性,提取代表水果特征的描述值,将其作为识别时的特征进行匹配。在匹配过程中对每个搜索子图进行匹配时采用积分求和的思想,大大提高了水果识别的效率。实验结果表明:该算法在一定程度上有效解决了光照和遮挡对识别造成的影响,能快速准确地识别出需要采摘的成熟水果类型。     

收获期沙棘的力学特性与形态特征测定与分析

为了测量分析沙棘收获期所需的基础数据,为沙棘收获机械的研制提供依据,以黑龙江绥棱种植的优胜、HS-12、楚伊、金色4种沙棘果实为实验对象,测定收获期不同品种沙棘果实的横径与纵径、果实质量、果柄-果实分离力、果柄-树枝分离力及果皮颜色特征等各项物料特性参数。结果表明:果柄-果实分离力较果柄-树枝分离力更为集中,且果柄-果实分离力显著小于果柄-树枝分离力,所以机械收获时的采摘位置最好选择在沙棘果柄-果实之间。楚伊的果柄-果实分离力最大,其次是优胜、HS-12,金色的最小。成熟期沙棘果柄-果实分离力的变化范围为0.5~2.0N,HS-12沙棘果实进入成熟期其果皮颜色整体分布呈锈红色,优胜和楚伊整体分布呈橙色,金色整体分布呈黄色。该研究可为成熟期沙棘的收获和加工机器系统的开发提供理论依据。     

基于颜色特征的健康苗快速识别方法研究

为实现健康苗定位补苗移栽机自动化作业,根据幼苗的颜色特征,介绍一种基于计算机视觉的快速植物幼苗识别方法。该法能够快速准确地将幼苗从复杂的土壤背景中识别出来,为后续工作奠定基础。     

基于颜色特征的桔子树干图像分割方法

根据桔子树干颜色的特点,提出了一种图像分割方法。首先,利用颜色特征定位ROI;然后,计算该区域的颜色特征向量提取桔子树干;最后,对不连续的桔子树干区域利用数学形态学方法进行自动修补。实验结果表明,该方法能够有效地提取出桔子树干,并确定其质心和面积,算法的平均识别率达到了86.93%。