共查询到18条相似文献,搜索用时 562 毫秒
1.
2.
3.
为了提高自然环境下茄子采摘机器人的采摘成功率并缩短采摘周期,对茄子采摘过程的目标识别进行了研究。自然环境下茄子的生长状况较为复杂,枝叶及果实间相互遮挡的情况降低了对目标识别的成功率。针对这一问题,提出了一种基于霍夫变换算法,通过在投票阶段引入条件概率,构建概率检测模型,采用基于最大后验概率的贪婪算法求解概率模型,多次迭代局部最优值确定目标,从而完成对茄子目标的识别。结果表明,对无遮挡及存在遮挡情况的茄子目标的识别正确率都在89%以上,相对于传统识别方法,该方法识别正确率大大提高,且具有较好的抗噪能力,可为茄子采摘机器人的后续开发提供参考。 相似文献
4.
草莓采摘机器人的研究:Ⅱ.基于图像的草莓重心位置和采摘点的确定 总被引:14,自引:1,他引:14
成熟草莓果实重心和采摘点的确定是草莓采摘机器人采摘收获作业中的关键问题。采用LRCD (lumi nanceandredcolordifference)方法分割草莓图像。在RGB色彩模型中 ,求得图像中每个像素的色差 ,在灰度图像中显示以色差值为灰度值的色差图像 ,取合适的阈值对该图像二值化 ,得到分割后的草莓图像 ;提取分割后草莓图像的几何特征 ,从而确定草莓的重心位置和采摘点。采用本文所述的机器人视觉系统 (CCD成像像素 75 3× 5 82 ,像素中心距 10 μm× 10 μm)的试验结果表明 ,其采摘点位置误差 <3mm。利用LRCD方法能够很好的将成熟草莓与背景分离 ,通过提取分割后草莓图像的几何信息 ,可确定草莓重心和采摘点的位置。该处理方法适用于从复杂背景中提取红色目标 相似文献
5.
针对目前草莓采摘机器人草莓图像分割运算量大、耗时多等问题,根据CIE-XYZ颜色模型及其色度图,提出了一种在RGB彩模型中进行草莓图像色调分割的方法。该方法无需彩色模型转换,时间复杂性能较Lab彩色模型下a通道阈值分割算法与BP神经网络分割算法优越。对该算法进一步改进后,只需加减运算,无需乘除运算。试验结果表明:该算法能很好地实现成熟草莓果实与图像背景的分离,并较好的保存草莓轮廓信息,分割效率>85%;进一步对分割后的图像进行形态学处理,如膨胀、腐蚀等,有效消除了孔洞现象。 相似文献
6.
7.
【目的】成熟草莓的快速、准确识别是高效机械采摘的关键技术,针对草莓生长环境中果实堆叠、叶片遮挡和小目标等问题,提出一种改进YOLOv7-Tiny的成熟草莓识别模型。【方法】该模型在YOLOv7-Tiny模型的基础上,将骨干网络中CBL卷积块的LeakeyReLU激活函数替换为SiLU函数,提高模型的非线性拟合程度与特征学习能力。为降低模型的参数量和计算量,实现模型轻量化,提高识别速度,引入轻量化RepGhost网络。在YOLOv7-Tiny模型的小目标层加入C3模块,降低模型参数量,增加网络深度,增强模型对小目标的信息提取能力,从而提高被遮挡草莓以及小目标草莓的识别准确度,进一步提高模型的识别速度。以设施草莓为试验样本对改进YOLOv7-Tiny模型进行对比试验。【结果】相较于YOLOv7-Tiny模型,改进YOLOv7-Tiny模型训练的收敛速度快,模型拟合后损失曲线的波动幅度小且稳定,训练的损失值小,模型的鲁棒性好。与原模型的对比试验结果表明,改进YOLOv7-Tiny模型的参数量降低26.9%,计算量降低55.4%,识别速度提高26.3%,识别平均准确率(mAP)为89.8%。消... 相似文献
8.
种植环境下的玫瑰花分布紧密、互相遮挡,为准确检测并提取玫瑰花的特征,基于机器视觉对玫瑰花的颜色和形状进行识别与处理。首先选取双边滤波对玫瑰花图像去噪,然后采用六角锥体模型颜色空间(hexagonal cone colour model,HSV)提取玫瑰花颜色,创建滚动条函数对六角锥体颜色模型各分量图阈值分割从而确定最佳阈值,最后运用形态学运算、面积阈值、孔洞查询填补等方法提取玫瑰花轮廓,并提出玫瑰花内切圆形状拟合算法,将拟合内切圆的圆心和半径作为玫瑰花图像特征。结果表明,玫瑰花颜色阈值能够有效去除玫瑰花枝叶、泥土等图像,形状拟合算法能有效提取玫瑰花的形状特征,并擦除玫瑰花苞。运用该算法单朵玫瑰花识别率为98.17%,3朵及以下重叠玫瑰花的识别率为92.67%,4朵及以上重叠玫瑰花的识别率为74.07%,被枝叶遮挡的玫瑰花识别率为83.03%,该套机器算法在复杂的种植环境中能有效识别并提取玫瑰花的特征值,结果可为玫瑰花采摘机器人研究提供重要技术支撑。 相似文献
9.
基于RGB颜色相似度的成熟草莓图像分割 总被引:1,自引:0,他引:1
针对复杂背景下的成熟草莓图像,提出了一种基于RGB颜色相似度的成熟草莓图像分割算法(CS\|BASED RSIS)。首先提取成熟草莓区域,确定成熟草莓的主颜色,然后遍历待分割的图像,求出每个像素点相对于主颜色的颜色比和相似度,进行颜色相似度的阈值分类,最后经多次膨胀和去除小面积对象的数学形态学处理,输出分割结果。试验结果表明,在无粘连无遮挡、无粘连有遮挡、有粘连有遮挡3种复杂环境下,与OTSU等图像分割算法相比,CS\|BASED RSIS算法不仅能达到更好的分割效果,而且平均分割时间仅为0965 s,能满足成熟草莓机械化采摘的实时性要求。 相似文献
10.
针对Faster R-CNN模型对自然状态下草莓(Fragaria ananassa Duch.)识别准确率不高的问题,以地垄种植草莓的实拍图片为数据源,采用改进RPN结构和更换主干特征提取网络的方法对Faster RCNN模型进行了改进。结果表明,改进Faster R-CNN模型识别成熟草莓平均精度(AP)为0.893 0,识别未成熟草莓平均精度(AP)为0.820 7,草莓识别准确率达到较高水平,解决了未成熟草莓识别困难的问题。同时,为了检验模型的自动计数性能,依据模型的识别结果建立了自动计数与人工计数的线性回归,成熟草莓、未成熟草莓的相关系数分别为0.973 7、0.944 7,自动计数与人工计数拥有较高的相关性,表明改进Faster R-CNN模型具有较高的识别性能与计数能力。 相似文献
11.
自然光照条件下苹果识别方法对比研究 总被引:1,自引:0,他引:1
针对自然光照条件下果园苹果识别效果不佳的问题,从苹果的颜色分割和形状提取2方面进行对比研究,提出一种自然光照条件下的苹果识别方法。利用错检率、漏检率和处理速度3个量化指标综合对比分析颜色阈值、SVM和BPNN 3种苹果颜色分割方法的处理效果。比较6种边缘检测算法对苹果区域图像的边缘检测效果,并使用Hough圆检测算法对苹果形状进行提取,以获得苹果的圆心和半径。试验结果表明:由BPNN的苹果颜色分割方法以及结合Log和Hough的苹果形状提取方法所构建的果实识别算法具有较高的鲁棒性和准确性,能有效克服果实遮挡、重叠和颜色变异等问题,果实平均识别率可达91.6%。 相似文献
12.
草莓目标检测对草莓智能化监测和自动化采摘具有非常重要的意义。本文提出了一种基于YOLOv4的草莓目标检测方法。针对复杂环境下采集到的草莓数据集,首先采用LabelImg进行数据类型标注,然后采用改进的Kmeans聚类算法进行先验框尺寸的计算,最后采用分阶段训练方法对搭建的YOLOv4模型进行训练和模型评估。结果表明,该方法的测试集平均精度均值达到97.05%,单张图像检测时间平均为74 ms,能够满足草莓的高精度实时检测需求。 相似文献
13.
14.
复杂背景下油茶果采收机重叠果实定位方法研究 总被引:1,自引:0,他引:1
油茶果机械化振动采摘技术关键在于振动点选取,判断振动点选取取决于果实生长密度测算和分布估计.然而自然环境下重叠果实的识别对判定结果有较大的影响,因此提出一种基于凸壳识别的分割边界优化方法,提升重叠油茶果识别与分割准确度.该方法先将原始图像转换颜色空间,经过阈值分割和形态学处理获得重叠果实的凹区域,然后在此基础上通过Harris角点检测得到区域的特征点集,利用主成分分析(PCA)和欧式距离方法分析特征点距离关系得到分割路径,最后采用最小二乘法对分割后的目标区域进行拟合重建得到果实轮廓.对比重建的果实轮廓与真实分布图像,该方法的平均定位误差为8.6%,比Hough方法低5.1%;平均耗时为0.52 s,比Hough方法低0.12 s.结果 表明,提出的方法可以有效解决重叠油茶果实识别与分割问题,为采摘装置的振动点选择奠定基础. 相似文献
15.
水果采摘机器人视觉系统的目标提取 总被引:10,自引:3,他引:10
在田间对作物的果实图像进行实时、准确地目标识别提取,是采摘机器人视觉系统的关键技术,而目标提取的实质是图像分割。大部分水(蔬)果处于采摘期时,表面颜色与背景颜色存在较大差异。而同一品种果实表面颜色相近,体现为在色彩空间果实表面颜色和背景颜色存在着不同的分布特性。根据这一特性,提出了一种基于色彩空间参照表的适用于水果采摘机器人视觉系统果实目标提取的图像分割算法。该算法先由果实样本图像建立色彩空间参照表,再根据色彩空间参照表采用一种类似于“卷积”的方法进行图像分割。与现有其他方法比较,本方法基于彩色的信息处理,可将背景除去得更干净;对背景不做分割处理、无复杂运算,有利于机器人实时图像处理。采用该算法分别对草莓、橙子、西红柿的图像在L^*n^*6^*,Hsv,YCbCr色彩模型下进行了实验,结果显示该算法在这些色彩模型下均可取得理想的图像分割效果。 相似文献
16.
为了采用机器视觉对竹片自动识别与颜色分选,研究了一种基于竹片图像颜色特征与纹路特征和Bayes分类器的颜色分类方法.首先,对灰度图像采用Canny算子进行边缘检测,再利用Hough变换对竹片进行边缘定位,并对倾斜竹片实施旋转校正,以确定待检测竹片在图像中的具体位置.根据竹片的位置提取竹片区域平均颜色特征及纹路特征,将其作为样本的属性特征,采用Bayes训练的颜色等级作为输出,建立特征参数与颜色等级之间的Bayes分类器,上位机获得分级信号后经串口通过下位机实现竹片的自动分级.试验结果表明,该方法对竹片颜色检测准确率达到91.7%,可为竹制品行业的竹片颜色自动在线检测提供理论依据. 相似文献
17.
草莓是一种具有较高营养价值和经济价值的水果,因而在人群中广受欢迎,草莓种植业也繁荣起来。我国有相当大的草莓种植面积,然而目前,草莓的采摘主要靠人工完成,任务繁重,效率较低。再加上草莓属于浆果,水分含量很高,采摘时极易损坏。文章以辅助人工采摘草莓的装置为研究对象,设计出一款利用太阳能作为动力,便于携带,高效高果实完整率采摘的基于太阳能辅助人工采摘草莓装置。大大减轻了采摘工人的劳动强度,提高了果实的完整度,节约了能源。为广大草莓种植户提供了很好的草莓采摘辅助,在现代农业应用上有很好的发展前景。 相似文献
18.
为实现高粱叶片病斑的自动化无损监测,利用支持向量机(SVM)技术对高粱叶片病斑图像进行自动分割提取研究。结果表明,通过选取RGB、HIS和Lab 3种颜色空间的颜色特征值可以消除对作物病斑拍照时产生的光照、亮度等影响。在MATLAB软件环境下调用LIBSVM软件对病斑图片中的病斑图像像素点和背景图像像素点建立支持向量机分类模型,可以实现对病斑的高效分割和高质量提取。分割提取效果与人眼识别的病斑图像高度吻合。如果利用大量采集的病斑图像进行模型训练,就可以真正实现完全自动化的病斑分割、提取和判别。因此,该研究对建立完全自动化的作物病斑图像识别系统意义重大。 相似文献