基于HSV与形状特征融合的花椒图像识别

光照条件变化会对花椒目标识别率产生影响,关系到机器视觉技术能否有效应用于生产现场的花椒采摘。通过对HSV特性图像识别技术的分析,提出HSV和形状特征融合的花椒识别算法。该算法采用同态滤波方法对光照进行补偿,解决因为光照不均匀而导致的花椒识别率低的问题,最后利用花椒圆度特征,排除树枝及树叶等的干扰,实现花椒的准确识别。利用同态滤波方法对光照进行补偿,对于光照不强或者发生遮挡的花椒图像有较大改善,通过试验得出其平均识别率达到94.0%,比单独采用HSV特性识别时,在顺光,背光和遮阴条件下,识别率分别提高4%,13%和21%,此外在遮阴条件下运行时间缩短14.6%。为遮阴条件下提高花椒识别率提供一种方法。     

基于动态荧光指数的草莓干旱胁迫分析

为了探究干旱胁迫与草莓幼苗荧光图像参数的关系,设计了草莓幼苗叶绿素荧光图像采集系统,研究利用460 nm波长LED光源主动激发不同胁迫组分下的草莓幼苗,采集从激发开始到稳态阶段的荧光图像.提出基于最大类间方差法的阈值分割及图像去背景方法进行图像预处理,并根据每幅图像的像素均值绘制荧光淬灭曲线,分析荧光衰减比率、动态荧光指数与胁迫天数相关关系.结果表明:离体叶片的荧光淬灭曲线衰减变化较大,荧光衰减比率与干旱胁迫时间高度相关,决定系数R²=0.98;活体草莓幼苗荧光衰减比率在干旱胁迫7 d内相比对照组存在较明显变化,荧光淬灭曲线550 s处的动态荧光指数与干旱胁迫天数存在较高相关性(决定系数R²=0.84),可以作为模型分析草莓幼苗干旱状况;经过数字处理的荧光图像可以直观地分析叶片荧光二维分布、进行不同胁迫天数之间的荧光比对,结合图像的叶绿素荧光分析相较传统的荧光检测手段更加经济直观,可以作为一种农业生产监测手段来实现干旱胁迫预警.     

基于HSV模型与改进的OTSU算法花椒图像分割

为实现农业智能机器人对作业现场花椒的识别,提出了一种基于HSV模型与改进的Otsu算法相结合的图像分割方法:以现场图像的H分量图像作为处理样本,先采用中值滤波滤除噪声,再利用改进的Otsu算法进行阈值分割,达到对花椒目标辨识的目的。通过对采摘现场成熟的大红袍花椒在顺光、背光、遮阴3种情况下采集的图像进行分割,结果表明:在顺光、背光、遮阴条件下,分割识别率分别为93.3%、90%、88.3%,且与传统的Otsu算法相比,图像分割时间缩短20%以上,为现场机器人花椒采摘识别提供了一种方法。