基于3D视觉的番茄授粉花朵定位方法

为了给设施番茄授粉机器人授粉提供可靠的定位技术,提出了一种基于3D视觉的番茄花朵定位方法。采用RGB-D结构光相机快速获取温室内番茄植株的彩色图和深度图信息,通过YOLO v4 (You only look once)神经网络对植株上番茄花束进行目标检测,并提取出授粉花束在图像中的二维区域;使用主动对齐方式结合PCL进行彩色图像和深度图像的粗对齐,利用区域内色系单视角线性遍历方法对提取的花束区域进行精配准,获得番茄花束的空间高精度点云信息;再使用统计滤波法剔除点云信息离群点后,结合双向均值法计算花束3D box的授粉质心坐标。定位试验结果表明,该方法在温室环境中能成功对花束进行识别定位,神经网络平均检测精度达97.67%,完成单幅图像花束提取时间为14.95ms,算法获取授粉质心坐标的平均时间约为300ms。后期在温室内验证,在花束被遮挡小于80%时,算法能够对番茄花朵进行精准定位,并成功执行授粉动作,为番茄授粉机器人提供了一种新的授粉点定位方法。     

基于PSO与水平集的桂花图像分割方法

针对金桂、丹桂、银桂、四季桂的花朵图像,提出一种基于粒子群优化算法(Particle Swarm Optimization,PSO)与水平集的桂花花朵图像分割方法。将RGB彩图的三通道转换成灰度图像,利用PSO计算灰度图中的花与背景的均值,并用K均值算法得到所有像素的初始分类标签。将分类标签转换成初始水平集,最后采用水平集进行精细分割,得到桂花花朵目标。试验结果表明,提出的方法通过改变参数适应颜色和背景的变化,能很好地提取四种常见的桂花花朵,性能指标SD、Dice、ER、NR平均值分别为83.935%、99.77%、2.19%、14.12%。     

面向复杂背景环境目标的快速识别研究

面向复杂背景环境的定位目标的快速识别是野外作业机器人的关键技术,以柑橘为例,研究了自然环境下基于彩色信息的目标定位的识别方法。首先,采用YCbCr颜色模型来分析柑橘彩色图像的颜色和灰度特征,并通过Otsu与FCM分割算法相结合对在不同光照条件下拍摄的彩色目标图像进行分割;然后,利用形态学数学和区域标记消除分割后产生的随机噪声;最后,用凸包算法提取果实形状特征,并通过凸包算法来判定是否为柑橘和是否可采。对500张彩色柑橘图像进行分割,结果表明采用Cr颜色分量和Otsu与FCM算法相结合有效地解决复杂自然光照下的分割问题;对963个柑橘进行了凸包算法识别试验,总体识别率达87.53%。凸包算法对遮挡图像也可进行高效识别,并能快速、准确地提取柑橘目标的质心坐标。     

基于改进Cascade R-CNN和图像增强的夜晚鱼类检测

针对光照不均、噪声大、拍摄质量不高的夜晚水下环境,为实现夜晚水下图像中鱼类目标的快速检测,利用计算机视觉技术,提出了一种基于改进Cascade R-CNN算法和具有色彩保护的MSRCP（Multi-scale Retinex with color restoration）图像增强算法的夜晚水下鱼类目标检测方法。首先针对夜晚水下环境的视频数据,根据时间间隔,截取出相应的夜晚水下鱼类图像,对截取的原始图像进行MSRCP图像增强。然后采用DetNASNet主干网络进行网络训练和水下鱼类特征信息的提取,将提取出的特征信息输入到Cascade R-CNN模型中,并使用Soft-NMS候选框优化算法对其中的RPN网络进行优化,最后对夜晚水下鱼类目标进行检测。实验结果表明,该方法解决了夜晚水下环境中的图像降质、鱼类目标重叠检测问题,实现了对夜晚水下鱼类目标的快速检测,对夜晚水下鱼类图像目标检测的查准率达到95.81%,比Cascade R-CNN方法提高了11.57个百分点。     

基于模式识别的农田目标定位线检测

根据农田图像的特点,采用K-means模式识别算法,实现农作物与背景的分离.通过对二值图像进行水平扫描.检测定位区域和定位点,利用定位点的坐标信息确定聚类判别函数,实现农田目标定位线的检测.多幅农田图像实验表明,定位线能够正确提取出来.该算法处理640×480像素的彩色图像蒂要0,12 s,在自动导航系统中是一种有效、快速的图像处理算法.     

基于机器视觉的农田机械导航线提取算法研究

随着科学技术的发展,精细农业已成为现代农业发展的主导方向。农业机械的自动导航技术是精细农业的关键技术之一,也是实施精准农业的基础。机器视觉由于其广泛实用性,已成为农田机械导航线提取的重要方法。目前,机器视觉自动导航线提取易受自然环境干扰,且在实时处理速度上有待提高。为此,研究了一种导航线提取算法,旨在简化图像处理,提高通用性。首先对CCD获取的彩色农田图像,使用改进的过绿色算法进行灰度化,得到目标区分较好的图像;然后使用改进的OTSU算法对图像进行分割,得到二值图像,再采用滤波、腐蚀、膨胀相结合的算法去除图像噪声;最后提取作物行骨架,拟合作物行直线并进行方向校正,计算相机偏差,为实时校正航向提供反馈信息。试验结果表明,该算法处理一幅图像所用时间在200ms左右,可满足农田机械实时导航的要求。     

基于改进Ghost-YOLOv5s-BiFPN算法检测梨树花序

疏花是梨生产中的重要农艺措施，机械化智能疏花是当今高速发展的疏花方式，花朵与花苞的分类与检测是保证疏花机器正常工作的基本要求。本研究针对目前梨园智能化生产中出现的梨树花序检测与分类问题，提出了一种基于改进YOLOv5s的水平棚架梨园花序识别算法Ghost-YOLOv5s-BiFPN。通过对田间采集的梨树花苞与花朵图像进行标注与数据扩充后送入算法进行训练得到检测模型。Ghost-YOLOv5s-BiFPN运用加权双向特征金字塔网络（Bi-directional Feature Pyramid Network，BiFPN）替换原始的路径聚合网络（Path Aggregation Network，PAN）结构，对网络提取的不同尺寸目标特征进行有效的融合。同时运用Ghost模块替换传统卷积，在不降低准确度的同时减少模型参数量和提升设备运行效率。田间试验结果表明，改进的Ghost-YOLOv5s-BiFPN算法对梨树花序中花苞与花朵的检测精度分别为93.2%和89.4%，两种目标平均精度为91.3%，检测单张图像时间为29 ms，模型大小为7.62 M。相比于原始YOLOv5s算法，检测精度与召回度分别提升了4.2%和2.7%，检测时间和模型参数量分别降低了9 ms和46.6%。本研究提出的算法可对梨树花苞与花朵进行精确的识别和分类，为后续梨园智能化疏花的实现提供技术支持。     

基于非线性尺度空间的图像局部特征的检测与匹配算法研究

本文以图像处理技术在军事中的应用为切入点,探讨了在图像中具有尺度不变性、抗遮挡、抗噪声干扰的SIFT图像特征、SURF图像特征提取算法,并对其进行特征提取试验仿真,通过对试验结果的分析,展示了非线性尺度空间局部特征算法的出色性能。这类从图像中提取出的特征点细节丰富、描述方式特别、消耗资源少。以一组图片特征提取的仿真试验结果数据比较两图像提取方法的优势与不足。试验表明两种方法均有优秀的适应性和鲁棒性,但SURF算法具有更优的实时性,更适宜应用于视频监控系统中的目标检测与跟踪。     

基于MRF融合的银桂花朵图像阈值分割方法研究

图像分割是花卉类别图像识别过程中的重要步骤,分割结果的优劣直接影响识别结果的准确性。针对自然场景下的银桂花朵图像,提出一种基于马尔科夫随机场(Markov Random Field, MRF)的阈值分割融合图像分割算法。首先提取RGB彩色图像中的R通道、G通道、B通道的灰度图,用Otsu、Kittler、Niblack、Kapur四种阈值分割算法对灰度图进行二值化,然后利用像素局域空间能量与图像间能量建立MRF总能量泛函,最后对能量泛函进行最小化迭代求解,得到融合后的分割图。试验结果表明,提出的算法能降低树干背景影响,分割效果好,能很好地提取银桂花朵,SD、Dice、ER、NR平均值分别为93.07%、96.35%、7.73%、1.30%。     

基于改进RHT及均值漂移聚类方法的双孢菇图像目标提取研究

工厂化生产环境下双孢菇图像存在成簇粘连、菌柄倾斜、白色菌丝繁盛等复杂状态，采用常规阈值分割方法无法准确提取目标，采用改进的随机霍夫变换圆形检测算法与滑动平均聚类算法结合的方法开展目标提取研究。通过图像预处理降低部分背景干扰，改进边缘点取样方式提升圆形检测效率，依据菌盖半径范围剔除无效参数；以双孢菇图像检测出的所有圆形为目标，采用均值漂移聚类算法合并圆形，消除圆形检测算法中识别出的错误目标。采用算法提取目标结果：针对双孢菇规则生长、菌盖附土、菌盖重叠率不高或变形较小的图像，目标提取正确率大于92%；针对大面积菌丝包围菌菇、菌菇成簇倾斜、大小菌菇密集掺杂、菌盖堆积变形严重的图像，存在圆形检测不准、聚类误判或漏判等问题，目标提取正确率大于82%。本文采用的算法数据处理量小、计算速度快、适应性强，能够满足菌菇生产过程中长势自动监测、出菇统计等需求。     

脱绒棉种色选机双CCD检测系统设计与仿真分析

设计了一种脱绒棉种双侧双CCD(Charge coupled device)色选检测系统。通过对该检测系统的光学子系统、图像采集子系统和处理子系统等的分析与设计,结合仿真分析和测试试验,验证了系统效果。其中,图像采集子系统采用彩色线阵CCD对脱绒棉种进行成熟度信息采集、黑白线阵CCD对棉种进行完整度信息采集;图像处理和分析用于提取关键特征信息做棉种类型的判别分析。试验结果表明,检测系统设计的光学子系统模块能够得到特征清晰的图像,处理子系统能满足双图像采集子系统CCD正常采集物料特征信息,系统能够保证分选的实时性和稳定性要求。     

基于英语语言数据库的无人机农田信息获取技术应用

无人机作为一种新型的农业机械在农业生产过程中发挥着越来越重要的作用,有力地促进了现代化农业的发展.为了准确获取农田的信息,将无人机应用到了农田信息采集系统的设计上,基于图像融合处理技术,提高了图像信息的清晰度,避免了因图像曝光而造成的信息缺失,并基于英语语言数据库提高了信息图像拼接的准确性.以农田信息的获取为例,通过划...     

基于深度语义分割网络的荔枝花叶分割与识别

针对使用目标检测、实例分割方法无法对复杂自然环境下稠密聚集的荔枝花进行识别的问题,提出一种基于深度语义分割网络识别荔枝花、叶像素并实现分割的方法。首先在花期季节于实验果园拍摄荔枝花图像;然后制作标签,并进行数据增强;构建深度为34层的ResNet主干网络,在此基础上引入稠密特征传递方法和注意力模块,提取荔枝花、叶片的特征;最后通过全卷积网络层对荔枝花、叶片进行分割。结果表明,模型的平均交并比(mIoU)为0.734,像素识别准确率达到87%。本文提出的深度语义分割网络能够较好地解决荔枝花的识别与分割问题,在复杂野外环境中具有较强的鲁棒性和较高的识别准确率,可为智能疏花提供视觉支持。     

基于图像处理的大米粒形检测技术研究

传统的大米颗粒检测的方法存在一定的局限性,尝试应用计算机图像处理技术来直接获得大米颗粒的信息.首先对获取的大米图像进行增强处理,在此基础上,研究几种不同的边缘检测算子来实现对大米粒形的检测并比较其结果.实验结果表明,Canny算子对大米粒形检测效果良好,该方法用于大米粒形的识别时对大米的判定正确率较高.     

基于图像处理的农作物病害识别研究现状

农作物病害种类繁多,直接影响农作物的产量和品质,造成不可估量的损失.利用图像处理和模式识别技术简便、快速的识别农作物病害,为及时采取防治措施提供必要信息.为此,对图像处理在农作物的病害识别进行全面地论述.首先简单地介绍了图像处理在农作物病害识别中的重要性和概述,然后分别从国外和国内两个方面论述图像处理在农作物病害识别中的进展,最后指出了当今国内外研究中存在的问题和今后进一步研究的方向.     

图像处理技术在农作物营养信息检测中的研究展望

图像处理技术的研究与应用已扩展到农业工程中的各个领域,并在许多方面取得了重大的成果。为此,介绍了图像处理技术在农作物营养信息检测中的研究现状,讨论了图像处理技术在农作物营养信息检测中的发展趋势。     

基于CT的水泵叶轮三维重

针对当前常用的逆向工程方法不能处理水泵零件内部结构的局限性,提出了利用医用多层螺旋CT对水泵叶轮进行透视扫描的方法,并在VC++ 6.0开发平台上,利用一系列数字化图像处理算法对获得的含有叶轮设计与内部构造信息的CT断面图像进行处理,通过预处理、二维图像处理、二维几何处理以及三维图像重建等实现了水泵叶轮的三维表面重建以及表面模型到实体模型的转换,为水泵叶轮的逆向工程提供了一种新的思路。     

基于归一化椭圆傅里叶描述子的黄瓜形状识别

为定量描述水果形状以便为后续识别提供特征信息,以黄瓜为研究对象,通过对黄瓜图像进行增强、阈值、形态学及边界提取操作,提取黄瓜边界并用数对表示.采用椭圆傅里叶描述子定量描述边界信息,并做尺度变换、旋转变换及起始点变换归一化处理.利用描述子对黄瓜边界进行重建,对重建后边界做误差分析.实验结果表明:采用椭圆傅里叶描述法,只需...     

图像融合技术及融合效果评价的研究

图像融合的目的是将来自同一场景的不同源图像信息互补合成一幅新的图像,提供比源图像更丰富的视觉信息。融合图像更适合人的视觉和便于图像的后续处理,如图像分割、特征提取等。为此,概括了现有的图像融合方法的基本原理和进行融合的主要步骤,并对这些方法进行了比较;介绍了进行图像融合效果评价标准和方法;指出了图像融合技术的发展方向。