基于Lab空间和K-Means聚类的叶片分割算法研究

对植物叶片进行分类,在植物种类鉴别研究中有着重要的意义,而在植物叶片分类中,对叶片的准确分割是进行分类的必要前提。为此,对比分析了传统阈值分割中的最大类间方差法和K-Means聚类两种分割算法,实现对叶片的分割,并将RGB空间转换到Lab空间,再利用两种算法分别进行分割。结果表明:传统的阈值分割和K-Means聚类分割无法将目标图像准确地分割出来;在Lab空间对a分量进行阈值分割可以去除阴影部分,但是分割结果为二值图像;而在Lab空间进行K-Means聚类分割,不仅能够有效地消除在拍摄图像过程中产生的阴影部分,而且分割后的图像为彩色图像,对纹理和颜色特征的提取更加方便,提高了分类识别的准确率。     

基于压缩感知的农作物病虫害图像重构

针对农业病虫害远程诊断系统中对农作物病虫害图像重构精度要求高的问题,提出基于压缩感知的病虫害图像重构方法。利用压缩感知方法,在传感器数据采集端使用测量矩阵对病虫害图像信号进行观测,测量值通过网络被传输至远程监控端后,再使用正交匹配追踪算法对图像进行重构。为了验证提出的重构方法的有效性,在不同的采样数量下,对病虫害图像的重构进行了仿真。结果表明,该方法能高质量地重构病虫害图像。     

基于模糊聚类的农田对象分类

利用图像分析技术对农田对象进行分类,识别农田中不同植物和不同湿度土壤,为定点变量作业提供依据。首先,针对农田各类对象包含颜色信息的不同,采用不同因子实现农田图像的灰度化;然后,利用3种灰度图像对绿色植物、蓝色天空和褐色土壤的识别优势,分析比较阈值法和K均值聚类方法并实现了图像分割;最后,利用模糊聚类法对绿色植物和不同湿度的土壤进一步实现分类。实验结果表明,利用K均值聚类法对绿色植物的平均识别率可达92.5%,对不同湿度的3类土壤的平均识别率达95.6%。因此,本研究能够准确分割和识别不同类型的植物与土壤,为农田对象的识别提供了基础。     

农业机械视觉导航基准线识别研究进展

导航基准线识别是农业机械自主导航的关键技术。为此,在参考相关文献的基础上,对目前国内的相关研究进行较为系统的分析和总结;介绍了近年来的国外研究进展,最后根据现有研究状况展望了今后的研究方向。     

基于计算机视觉的胡萝卜外观品质分级系统与装备

为了实现胡萝卜的自动化分级分选,在前期胡萝卜青头、须根、开裂检测算法研究的基础上,参照国家标准需求,进一步提出了胡萝卜外观等级规格,如弯曲、断折等缺陷,以及衡量异品种的锥形度参数的检测方法,并以此为基础设计了基于计算机视觉的胡萝卜外观品质实时分选生产线。该生产线由下位机控制系统、上位机软件系统和机械分级装置组成。通过对软硬件环境和机械系统性能的测试表明:该分选生产线每秒钟可检测20个胡萝卜的等级;对520个胡萝卜含有不同种类缺陷和异品种的胡萝卜进行分级检测,分级正确率达到了93.5%,能够满足胡萝卜外观品质分选实时检测的要求。该分选线能够同步实现胡萝卜等级规格、质量、各种缺陷的实时检测与在线分选。     

轴套零件的机器视觉检测

针对轴套零件的几何尺寸测量给出了一种基于机器视觉的检测方法。阐述了在Visual C++平台下,采用数字图像处理技术非接触测量轴套几何参数的方法,包括图像的预处理、改进Canny算子边缘检测、圆孔检测技术等。并对系统进行标定,得到实际尺寸。通过试验得到测量数据,分析了测量误差的原因。分析及试验表明,用该方法对轴套的几何尺寸进行测量及分析评定在实际应用中是可行的,并具有高效性和实用性。     

基于CCD摄像机的火灾图像自动识别技术研究

介绍了森林防火视频监测系统的总体构成,分析了火灾自动识别的检测算法.根据火和烟的颜色、颜色分布、圆形度、矩形度等特征,实现了火灾图像的自动识别、报警、定位等功能.经过实践检验,该系统的火灾图像自动识别算法的环境抗干扰能力强,识别率高,识别速度快,在火灾监测实际工程应用中有广泛的前景.     

基于粒子图像测速技术的近膜面流场特性

该文采用粒子图像测速技术研究了1、1.5、2.5 mm 3种不同曝气孔径下不同曝气强度对近膜面流场特性的影响规律,试验中分别研究了以上3种曝气孔径在所给定不同曝气强度下近膜面湍流强度值和液相平均速度值的变化规律。结果表明:近膜面液相平均速度值随曝气强度的增加呈现出先增大后趋于稳定的变化趋势。当曝气强度在24~140 L/h范围内时,湍流强度值随曝气强度呈正相关变化;曝气强度为140 L/h时,随曝气孔中心轴线高度的增大,湍流强度处于高低起伏的波动变化状态,这种波动更有利于膜污染的控制。因此,在此试验条件下最佳曝气强度为140 L/h。该研究为优化膜生物反应器内流场进而改善膜污染提供了一定的理论依据。     

基于形态学的黑背景下收获前棉花图像自动分割技术研究

以棉田实地采集的黑背景下收获前含铃壳棉花图像为样本(7级×9张/级),首先,对原始灰度图二值化以提取中心模板,进一步进行形态学高帽剪切预处理并提取其外围二值模板,两者叠加完成背景分割;试验结果表明:98.4%的含铃壳棉花二值模板图像被准确提取。其次,用形态学低帽剪切预处理后的二值图执行开启运算,以判别棉瓣间的连通性:⑴对于多连通的低品级棉花,直接提取未开启二值图中不超过4个区域的棉瓣二值模板,⑵对于单连通的高品级棉花,重新对原始灰度图二值化并提取最大区域的棉瓣二值模板;实验证明:基于棉瓣面积明显大于铃壳面积的棉瓣抽取算法是健壮的,74.6%的棉瓣二值模板图像被准确提取。     

储粮害虫图像的灰关联分析方法研究

对储粮害虫进行实时监测是非常必要的，其中基于图像识别的检测是目前研究较多的一种方法。本文提出了一种基于灰关联分析的图像边缘检测的新算法，并将其应用于储粮害虫图像的边缘检测，计算表明，该方法能有效地检测粮虫图像的边缘信息。