基于机器视觉的甘蔗茎节特征提取与识

为实现含有蔗芽的有效蔗种片段机器智能切断，引入机器视觉技术识别甘蔗茎节。以甘蔗图像HSV颜色空间的S分量经阈值分割、数学形态滤波处理作为模板，和H分量经阈值分割的反图像进行与运算得到合成图；将合成图划分为64个列块区域，提取质心比、粗度比和白点比等7个特征指标，再用支持向量机分类识别茎节与节间列块，得到茎节与节间的平均识别率为93.359%；对支持向量机分类出的茎节列块进行聚类分析，得到茎节数与位置的平均识别率分别为     

图像灰度统计梯度特性的甘蔗茎节识别研究

为实现机器智能切断出含有蔗芽的有效蔗种片段,引入图像识别技术识别甘蔗茎节.由甘蔗灰度图像的特点,结合人工识别的先验知识,统计分割有效甘蔗区域的RGB与HSV颜色空间各灰度分量,再经由各分量列灰度统计的梯度特性识别甘蔗茎节,6个颜色分量的识别效果排序为R→V →B→G→H→S,R分量获得最理想的效果,茎节的正确识别率达到了88％,为蔗种的精确切断提供了理论依据.     

基于机器视觉的甘蔗茎节特征提取与识别

为实现含有蔗芽的有效蔗种片段机器智能切断,引人机器视觉技术识别甘蔗茎节.以甘蔗图像HSV颜色空间的S分量经阈值分割、数学形态滤波处理作为模板,和H分量经阈值分割的反图像进行与运算得到合成图;将合成图划分为64个列块区域,提取质心比、粗度比和白点比等7个特征指标,再用支持向量机分类识别茎节与节间列块,得到茎节与节间的平均识别率为93.359%;对支持向量机分类出的茎节列块进行聚类分析,得到茎节数与位置的平均识别率分别为94.118%,91.522%.     

基于改进的K-均值聚类算法的农作物图像分割

图像分割是图像进行分析处理的首要步骤。为此,针对彩色农作物图像的特征,首先将RGB彩色图像转换到HIS色彩空间,运用均值一方差与粗糙集理论选取适当的初值聚类中心和聚类个数,再进行聚类计算,实现了色彩分量的快速自动化分割,较准确地从背景中提取出了目标物体,为农作物图像的识别与分析、后续计算和处理提供了可靠的基础。实验结果表明,改进的k-均值算法减少了运算量,提高了分类精度和准确性。     

基于机器视觉的甘蔗种植机械化研究

分析了甘蔗种植机械化现状,阐述了机器视觉技术在甘蔗种植机械化中的意义,提出发展预切种式甘蔗种植机的总体方向,引入机器视觉技术实现蔗种自动识别与切断,克服人工切断与机器定长切断蔗种的不足,采用基于边缘拟合的算法识别甘蔗茎节正确率达80%,为甘蔗种植的精确化提供了思路。     

我国农田节水灌溉设备发展浅析

节水灌溉是缓解我国水资源紧缺矛盾的战略选择。节水灌溉事业和产业的发展直接推动节水灌溉设备的更新换代。研发利用科技含量高的节水灌溉设备、提高农业灌溉水有效利用迫在眉睫。文章阐述了节水灌溉设备的发展背景、发展现状、存在问题和发展前景,提出了节水灌溉设备的发展对策,为节水灌溉产业提供参考。     

机器视觉与模糊决策在甘蔗种蔗识别机械化中的运用

追对广西等甘蔗种植区域、地块面积特点提出发展甘蔗预切种式种植机的总体方向;为克服人工切断与机器定长切断蔗种的不足,引入机器视觉技术与模糊决策对甘蔗种蔗进行茎节识别,最高识别率达93.33%,为甘蔗种植的机械化、精确化和智能化提供了理论依据。