猪舍智能监控系统中猪只识别算法研究

猪只识别是猪舍智能监控系统中一个重要的环节。提出了一种运用色彩空间聚类模型的猪只识别算法。该算法首先根据YCrCb色彩空间里的Cb分量进行灰度化处理,接着运用最大类间方差法进行阈值分割,最后运用形态学方法去除噪声与区域判断法去除非猪只区域,得到图像中猪只的位置。使用猪场采集的50张现场图像对该算法进行验证,结果表明单只猪正确识别率达到80%。     

基于最大类间方差法的黄瓜病害叶片分割

以黄瓜病害叶片为研究对象,采用直方图阈值分割法去除背景,分别采用最大类间方差法(Otsu)和边缘检测法来分割黄瓜叶片中的病害部位,对比这2种方法的分割效果。最后,对已有的最大类间方差法进行了改进,对病害叶片图像的红色分量进行了病斑分割。结果表明,边缘检测法分割出来的病斑部位轮廓具有不完整性,而最大类间方差法的分割效果较好。采用最大类间方差法对黄瓜病害叶片分割取得了较理想的效果,为后续病害识别奠定了基础。     

水稻叶片几何参数图像视觉测量方法研究

提出了一种基于图像视觉原理的水稻叶片几何形态参数测量计算方法,通过图像分割处理,统计参考物与目标叶片面积的像素数,计算叶片面积;通过求取参考物和目标叶片的最小外接矩形方法,计算叶片的长度和宽度值;利用基于4个方向模板运算的距离变换算法对茎叶夹角图像进行骨架信息提取,利用Hough变换对提取的骨架信息进行直线检测,并进行茎叶夹角计算。结果表明,该方法能够精确、快捷地对水稻叶片几何形态参数进行测量计算,与手工测量比较,叶片面积计算误差小于5%,长宽误差小于0.67%,茎叶夹角误差小于2%,能满足农学研究的要求。     

水稻插秧机视觉导航基准线识别研究

针对水稻插秧机视觉导航的基准线提取问题,探索采用基于垂直投影法为基础的识别算法识别水稻稻田图像导航基准线。首先人工读取稻田图像中秧苗、水、秸秆残茬、泡沫和泥的R、G、B像素值,绘制RGB、HSI、I1I2I3颜色空间的各颜色分量灰度直方图,分析差异,选取正交彩色空间的I3颜色分量灰度值分割图像;用最大类间方差法求取分割阈值,成功地把秧苗和背景分割开得到二值图像;在分割后的二值图像上添加掩膜,去除图像上部左、右角断垄秧苗图像,提高基准线识别精度;采用垂直投影法提取定位点,经过分析判断后用稳健回归法拟合成直线,该直线作为水稻插秧机自主行走的导航基准线。将20幅稻田图像采用该算法提取基准线,并与人工提取的基准线进行比较。结果表明:单幅图像最小平均误差率为0.78%,20幅图像均误差率为2.33%,说明该方法具有一定的可行性,能够为水稻插秧机自主行走提供导航信息。     

机器视觉对农田中定位基准线的识别

针对机器视觉对作物行定位困难问题,给出一种基于Hough变换的作物行视觉定位方法。根据农田作物行图像的信息特点,运用2G-R-B灰度变换加大图像类间距离,采用最大类间方差法(OTSU)分割作物行与背景图像,采用5像素×1像素结构元素图像膨胀法对作物行形态进行修正并缩小或消除作物行和背景中的孔洞,采用中间线检测准定位基准线图像处理方法提取代表作物行走向的准定位基准线,采用Hough变换得到真正的定位基准线及其参数。采用400像素×300像素的白菜作物行图像进行实验,经本方法进行图像处理后,得到每条作物行单一的最能反映作物行走向的准定位基准线,再经Hough变换得到清晰、准确的定位基准线。所得到的定位基准线很好地代表了作物行走向,表明本方法能够得到较好的定位效果。     

基于多颜色空间分割的温室环境视觉导航路径信息提取

针对温室小范围复杂作业环境中的农作机器人视觉导航路径信息的提取方法进行研究。该方法首先对红、绿、蓝(red、green、blue,简称RGB)颜色空间各分量算子重新组合比较,在HSI(hue-saturation-intensity)色彩空间对不同光照条件下各分量的均值和标准差进行比较,对图像的RGB空间的各分量作差得到(G-B)、(R-B)差值图像,再对G-B、R-B差值图像和H分量图像用最大类间方差法(OTSU)分别进行最优阈值分割,然后再合并、滤波,将植物从背景中分离,最后用优化后的Hough变换进行植物行中心线的提取从而确定导航路线。结果表明,该方法能去除杂草和降低光照条件的影响,很好地适应复杂的温室环境,能准确分割和提取农作物行中心线,算法简单,实时性、鲁棒性强。     

岩石骨料图像阈值分割算法的比较研究

通过对“基于灰度直方图”和“基于梯度直方图”两类典型的阈值分割算法进行比较和研究．得出背景一致的岩石骨料图像适合于采用最优阈值算法与最大类间方差法进行分割的结论．     

面向RP的骨骼CT图像处理技术研究

骨骼轮廓数据的提取是进行骨骼三维重构及制造骨骼 RP原型的基础。研究根据骨骼 CT图像的特点和快速成型制造的要求 ,提出先进行图像滤波 ,然后二值化 ,最后提取骨骼轮廓并矢量化的方法 ,并对其中各环节的数据处理算法进行了理论分析和试验研究 ,得出中值滤波是适应于骨骼图像去噪的方法 ,最大类间方差法是进行骨骼图像二值化分割处理的最适合方法     

基于机器视觉的田间水稻苗列识别算法的研究

利用YUV色彩空间模型,以完全查表法对水稻秧苗列图像进行灰度化,通过基于傅里叶变换指导生成图像形态学运算的结构元素,提出一种结合傅里叶变换进行膨胀和腐蚀的方法,提取秧苗列轮廓,采用改良的逆投影变换对苗列图像进行垂直俯视投影,得到实际田间苗列位置,进而利用苗列实际走向信息,实现机器视觉导航系统跟踪苗列行进。对摄像机不同角度获取的苗列图像的处理结果表明,在容许识别定位误差小于50像素点、角度偏差小于6°的前提下,对苗列中心线识别与提取导航基准线的准确率为95.2%,可较好地实现田间自然环境下秧苗图像背景分割和苗列中心线提取。     

基于掩模及亮度校正算法的脐橙表面缺陷分割

【目的】 本研究旨在有效解决果皮有缺陷的水果图像在去除背景时部分缺陷被误分割为背景,以及水果表面缺陷难以有效分割提取的问题。【方法】 以I分量图来构建掩模模板,根据其灰度直方图信息,通过双峰法选择单一阈值（T=75）分以纽荷尔脐橙为研究对象,提出基于HSI颜色空间模型法去除背景割背景并填充孔洞得到掩模模板I_mask,然后掩模模板I_mask与I分量图通过点乘运算得到去除背景的I分量图;提出基于多尺度高斯函数图像亮度校正算法对去除背景后的I分量图像进行亮度校正,通过构建多尺度高斯函数滤波器,将去除背景后的I分量图与构建的多尺度高斯函数进行卷积运算即得到去除背景后的I分量图像表面光照分量图,最后将去除背景后的I分量图与得到的光照分量图进行点除运算即得到去除背景后的I分量图像亮度校正图;然后采用单一全局阈值法对脐橙表面缺陷进行提取。【结果】 基于HSI颜色空间模型法去除背景,可在有效去除背景的同时完好保留脐橙的表面信息,有利于后续操作;基于多尺度高斯函数的图像亮度校正算法分别对6种常见脐橙缺陷进行图像亮度校正后采用单阈值法提取缺陷,使不同灰度等级的脐橙表面缺陷一次性分割成功,其中分割率最高为100%,最低为88.5%,整体达92.7%。通过试验分析后发现造成部分误分割或漏分割的原因主要在于部分缺陷果缺陷处颜色较轻,与正常区域灰度差较小,从而造成漏分割;还有部分缺陷果由于缺陷面积小,在图像形态学处理过程被误认为是噪声而被去除;同时发现正常果的误判率也达到了10.8%,经分析发现误判的正常果表皮组织区域的褶皱位于图像的边缘区域,从而被误认为是边缘区域的缺陷,导致误判。【结论】 基于HSI颜色空间模型法去除背景及基于多尺度高斯函数的图像亮度不均校正算法对纽荷尔脐橙图像背景分割和去除背景后的I分量图像表面亮度校正均取得了较好的效果,能有效识别脐橙缺陷区域,为脐橙精确分级提供了技术支持,也为其他果品表面缺陷快速检测提供了一种新思路。     

应用高斯聚类的单木分割及树高和冠幅的提取

针对机载激光雷达点云中基于栅格化的冠层高度模型(CHM)所导致的原始点云数据丢失问题,提出了一种应用高斯模型聚类的单木信息提取方法。采用形态学开运算和高斯平滑方法形成高斯冠层最大模型(GCMM)能减少无关局部最大值对单木分割的影响,利用局部最大值法初步探测树冠顶点,通过最速下降法建立混合高斯模型得到树木位置和冠幅。利用聚类分析划分临近点云归属,进而实现单木参数准确提取,并提取单木最高点为树高。将点云分割方法应用于美国蓝岭地区6块圆形针叶林样地(r=30 m)。结果表明:单木分割F为0.89,正确分割单木树高提取精度95%,冠幅提取精度91%。结合实测数据对提取到的树高和冠幅进行相关性分析,树高R2=0.92,平均误差为-0.83 m;冠幅R2=0.84,平均误差为-0.42 m。相比于分水岭算法,高斯模型聚类方法F提高了11.2%,正确分割单木树高及冠幅提取精度提高了5.5%、5.8%,树高R2提高0.08,平均误差减少0.58 m;冠幅R2提高0.11,平均误差减少0.63 m。     

基于近红外图像的杂草识别研究

利用近红外图像识别杂草,使用均值法和最大方差自动取阈值法去除土壤背景,利用作物和杂草的形态差异识别杂草。结果表明,利用近红外图像进行土壤背景分割,相对误差小于0.049 0;应用形态学方法可有效识别作物和杂草,识别精度为85.0%-98.8%。     

基于无人机影像的天山云杉林单木树冠信息提取

【目的】 研究树冠信息估测出林分密度、生长量等森林调查指标,判断林木生长优良状况提供参考,【方法】 基于无人机遥感影像,以新疆农业大学实习林场主伐迹地下天山云杉林(Picea Schrenkiana var tianshanica)为研究对象,采用高斯-拉普拉斯算子(Laplacian of Gaussian,LOG)结合最大类间方差寻找最优阈值(Otsu)对影像进行处理,并利用标记控制分水岭分割方法分别提取疏、中、密3种不同郁闭度的天山云杉单木树冠信息。【结果】 利用优化后的标记控制分水岭分割方法较好的解决了过分割问题,对单木树冠信息提取的F测度在疏、中、密林区分别是98.26%、92.91%和87.57%。【结论】 使用的方法提取单木树冠信息精度较高,可以评价对天山云杉林的生长状况,可对主伐迹地下天山云杉林的更新和恢复提供可靠的技术支撑。     

基于混合颜色空间和双次Otsu的黄瓜靶斑病图像分割

为快速、准确地分割黄瓜叶部病害图像,提出一种基于混合颜色空间的双次Otsu算法。算法根据病害图像各部分的颜色特征,首先选取原始彩色图像的R分量进行初始Otsu分割和形态学相关操作,将R分量图分割为背景类和非背景类;然后选取非背景类图像的Cr分量进行第2次Otsu操作,将非背景区域分割为正常叶子类和病斑区域类,得到最终的分割结果。将该算法应用于黄瓜靶斑病图像的分割中,并与R_Otsu算法、H_Otsu算法以及图切割算法进行比较。试验结果表明:与对比算法相比,本算法在分割精度及处理速度2方面的综合分割性能最优,错分率均值和方差分别为2.12%和0.08%,平均处理时间0.2s,算法对光照变化具有一定的鲁棒性。本研究算法可为自然光照条件下黄瓜病害图像实时、准确分割提供技术参考。     

檀香咖啡豹蠹蛾虫害的树干区域分类研究

目的檀香是一种典型的珍贵树种,但不易成活且常遭受病虫害的干扰。本研究针对受咖啡豹蠹蛾危害的檀香,为提高受害檀香树干区域的分类效果,根据不同区域在颜色和纹理方面的特点,提出了一种复杂背景下受咖啡豹蠹蛾危害的檀香树干区域分类方法。方法(1) 本文首先结合高斯高通滤波、Otsu法、2G-R-B因子以及形态学运算,将树干从复杂背景中提取出来,再通过L*a*b*系统中的L*通道和a*通道将树干分割为健康区域、虫害区域和排泄物区域。(2)提出“多纹理”并使用“相对颜色”特征变换方法以提取图像特征。(3)提出BP神经网络和RBF-SVM相结合的方法对区域进行识别。结果(1) 本文提出的图像分割算法有效地将受虫害危害的檀香从背景中提取出来,并成功分割为健康区域、虫害区域和排泄物区域。(2)与传统PCA处理相比,使用“多纹理”和“相对颜色特征”得到的分类精度有所提高。其中,“多纹理”特征通过差异扩大的方法构建出的图像特征,明显增加了类间方差;“相对颜色特征”则减小了光照对样本的影响,从而减小了类内方差。(3)通过将RBF-SVM与BP神经网络方法相结合,对比发现,使用一种方法进行三分类的精度较低,分别为74.44%和81.11%;两次二分类后提高了精度,分别为87.77%和85.56%;而两种方法相结合的方式所得到的分类精度最高,总体可达91.11%。结论本文通过数字图像对受咖啡豹蠹蛾危害的檀香树干区域进行分类,为该虫害的早期识别以及受损率计算提供了方法,可以有效地减小檀香生长所受危害,提高心材质量,也为数字图像技术在林业中的应用提供了参考。      

不同地理群体多鳞鱚的形态差异分析

采用聚类分析、主成分分析和判别分析3种多元分析方法,结合可量性状和框架测定数据,对湛江、北部湾和阳江3个不同地理群体的多鳞鱚进行了形态差异的比较研究。可量性状及框架数据的聚类分析结果表明,湛江与北部湾群体之间的形态差异最小,而阳江群体则单独形成一个聚类分支。主成分分析显示,3个群体在主成分1和主成分2上的分化较显著,但仍有部分重叠交错现象;在主成分1分布上,3个群体中湛江和北部湾群体相对较接近,而与阳江群体稍微分离,与聚类分析结果相一致;此外,主成分分析表明,头部和尾部纵向长短对多鳞鱚3个不同地理群体间的形态差异贡献率最大。同时,通过对8个贡献率较大的形态比例参数进行逐步判别分析,建立了3个不同地理群体的判别函数,判别准确率P1、P2以及综合判别率均为100%。综合以上3种多元分析的结果表明,湛江、北部湾和阳江3个不同地理群体的多鳞鱚在形态上已产生一定程度的差异,而3种多元分析方法均具有很强的实用性,能从不同角度反映出3个不同地理群体间的形态差异。     

小麦品质分级数字化无损检测方法研究

为解决小麦品质分级数字化检测的问题,通过对小麦的含水率、容重、杂质、不完善粒4个方面的检测建立小麦品质分级检测方法。分别设计了电容式传感器对小麦进行含水率检测,建立含水率检测数学模型,验证含水率检测最大误差范围为±0.4%。利用称重传感器测定小麦定容下的重量,标定容重参数,建立容重检测数学模型,验证误差范围±4 g·L^-1。基于机器视觉对小麦不同形态杂质进行分类识别,构建SVM算法分类模型,鉴别不完善粒、各类杂质,其评价参数准确率、精准率、召回率、F1-Score数值分别达到96.5 %、96.0 %、96.4 %、96.2 %。通过对比验证表明,小麦含水率、容重、杂质、不完善籽粒四个方面的检测最大误差分别为±0.4%,±4 g·L^-1,±0.15 %,±0.06 %,误差范围在合理区间,可以准确快速对小麦品质实现分级判定,为小麦品质分级判定提供了新的技术和方法。     

基于可见光光谱的幼龄沉香图像分割与特征提取研究

为促进数字图像处理技术在珍贵树种营养分析中的高效应用，以幼龄沉香为研究对象，运用大津法与K-Means算法分别对试验获取的幼龄沉香可见光图像进行分割，对2种分割算法进行比较研究。基于图像分割结果，提取R、G、B等8种颜色特征并进行主成分分析，同时计算沉香图像的最小外接矩形的矩形度RE。结果表明，1）大津法与K-Means算法均可实现对多张幼龄沉香可见光图像的分割，大津法较K-Means算法分割速度快，但分割精度小于K-Means算法，在具体分割时应根据实际需要对2种算法进行选择。2）提取的8种颜色特征的3个主成分累计贡献率可达到99%，可作为颜色特征；最小外接矩形的矩形度RE能够表达沉香轮廓内面积CA与最小外接矩形面积LA的比值，可作为形状特征，将这种特征因子用于构建沉香微量元素含量预测模型，有利于缩短建模时间并提高模型的精度。综上所述，研究结果可促进数字图像处理技术在珍贵树种营养诊断中的进一步发展，为精准林业提供参考。     

空间效应模型分析田间试验的方法与效果

为了提高田间试验分析的准确性,讨论了利用空间效应模型分析田间试验的方法,并通过实例分析和随机模拟分析对该方法的分析效果与传统方差分析法进行了比较。结果表明,空间效应模型数据拟合效果较传统方差分析模型好,空间效应模型具有较高的分析效率,在不同空间变异条件下效应误差估计和一类统计错误率控制准确;而传统方差分析模型的效应误差估计和一类统计错误率控制的准确性随空间变异增强和变程增大而降低。因此,建议采用空间效应模型分析田间试验数据。     

基于机器视觉的千粒质量测量仪的设计与试验

针对目前作物千粒质量测定中数粒耗时长、精度低、自动化程度低、不适应多品种计数等问题,基于机器视觉技术,设计了一种集称重和数粒为一体的千粒质量测量仪.测量仪主要由机架、摄像头、载物盘、称重传感器、控制器等部件组成.工作时,通过称重传感器获取种子质量,同时通过摄像头采集种子图像并上传到上位机进行图像分析处理,获取种子数量,...