基于改进红绿色差和Otsu的葡萄果穗图像分割

为提高田间复杂环境下传统图像分割法分割葡萄果穗图像准确度低的问题,提出一种基于改进红绿色差和Otsu算法的田间葡萄果穗图像分割方法。选取与人类视觉相近的RGB颜色空间,提取并分析R、G特征图的直方图,经分析对其点乘特征图并进行Otsu运算,再经过形态学处理,实现对田间环境下葡萄果穗图像的分割。与灰度图、（R-G）特征图和（R-G）/（R+G）特征图分别采用最大阈值分割法（Otsu）分割的结果进行对比,试验结果表明,红绿色差点乘Otsu分割法的分割结果最优,准确率为92.37%,F1值90.13%。对50幅图像做了测试,其中图像准确率最高为97%,准确率最低为79%,其平均准确率为88.75%。所提出的方法能够实现葡萄果穗较完整的分割,并可为葡萄果穗的识别、定位提供研究基础。     

基于MobileNet V2的田间葡萄果穗成熟度判别

葡萄的成熟度主要依靠人的感官判断,缺乏客观标准,严重影响葡萄的整体品质。针对以上问题,本文采用MobileNetV2轻量级的卷积神经网络模型对葡萄成熟度进行判别。田间采集红提葡萄图像共计380张,构建数据集,以不同着色度为指标,对数据集进行分类,并按7:2:1分为训练集、验证集、测试集,将训练集、验证集预处理后采用该数据集训练MobileNetV2模型。由测试集的试验结果,得到试验训练MobileNetV2模型所获得的分类准确率为87%。最后采用QT语言设计了可视化的界面。本文的研究将有利于推进葡萄采摘的自动化,降低葡萄采摘成本、提高葡萄的经济效益。     

基于图像处理的田间杂草识别研究进展与展望

杂草是导致农作物减产的一个重要因素,准确的识别是杂草治理的前提和基础,随着计算机和信息技术的进步,机器视觉和图像处理相结合成为了当前杂草检测和识别的主流方法。本文从图像的预处理、分割、特征提取和分类4个角度,详细介绍了当前国内外田间杂草识别的研究进展以及各种分割、提取、识别方法的优缺点。另外,针对目前田间杂草检测中存在的光照环境影响、叶片的遮挡和重叠以及分类器的优化等问题进行了分析和讨论,最后根据目前杂草识别的研究趋势提出了建议与展望。     

基于颜色特征与多层同质性分割算法的麦田杂草识别

针对杂草与小麦叶子交叠的情况,提出了一种利用改进的多层同质性分割算法,并综合颜色与形态特征的杂草识别方法。在颜色空间YIQ,选取I作为特征量并用改进的最大类间方差法分离植物与背景;在颜色空间HSI,选取I的同质性量和S作为特征量进行多层同质性分割分离小麦与杂草;最后结合形态学特征开闭运算滤波及二值逻辑与运算获得杂草图像;通过模拟化学除草系统,从理论上评价整个系统的除草效率。试验结果表明,杂草正确识别率达92.6%,单幅图像除草剂的减少率在35%~50%,小麦田的除草剂减少率超过78.7%。     

基于颜色统计的水果采摘机器人水果识别的研究

由于我国人口老龄化趋势不断加快,出生率下滑,农村劳动力严重不足。为了解决这一问题,研究人员开发了一系列不同用途的农业机器人,其中就包括水果采摘机器人。对于水果采摘机器人而言,水果的检测和识别是一项重要的任务,因此本研究小组提出了一种基于HSV颜色统计特征的水果识别技术。首先,将水果图像从RGB颜色空间转换为HSV颜色空间;然后将水果HSV颜色空间的色调分布近似为拉普拉斯分布,该拉普拉斯分布可作为该果实的特征描述;将水果从输入图像中分割出来,如果分割后的水果图像符合某种90%置信区间的拉普拉斯分布,则输入的水果属于该水果。在实际操作中,将每种水果的拉普拉斯分布的90%置信区间对应的马氏距离（MD）作为参考评价;如果输入水果数据的马氏距离（MD）小于参考值,则该输入属于该类型的水果。实验结果表明,该方法对不同种类的水果具有良好的识别效果。     

基于图像运算的牛肉大理石花纹分割方法

针对牛胴体眼肌切面大理石花纹图像的自然纹理特征,首先采用区域生长法进行图像的背景分割,然后采用图像差影法操作、图像腐蚀和膨胀技术以及图像的逻辑运算实现背长肌区域的分割,再通过Otsu法自动选取阈值,以此阈值为门限值,对图像进行二值化处理,最终提取出牛肉大理石花纹。实验结果表明,该综合处理技术具有很好的适应性,可以对各种牛胴体眼肌切面图像进行大理石花纹的准确分割。     

基于颜色特征的水稻秧苗图像分割

本文针对水稻稻田图像中秧苗和背景分割问题,采用基于最大类间方差法(OTSU法)的分割方法,成功地把水稻秧苗像素和背景像素分割开.首先用CCD相机获取水稻插秧机插秧作业后的水稻稻田图像,选择超绿颜色因子将水稻秧苗RGB彩色图像转化为灰度图像,使用OTSU法计算阈值,成功地将灰度图像转变为二值图像.又采用该方法分割了20幅水稻秧苗图像,结果表明,超绿颜色因子可以对水稻秧苗图像有效分割.     

基于颜色特征的番茄图像分割算法的研究

图像分割是实现田间番茄机器识别的关键部分。根据采摘番茄目标与背景在颜色特征上的差异性,对田间采摘番茄的图像分割算法进行了研究。通过分析比较各种方法的分割效果和所耗费的时间可知,大律分割法具有较好的分割效果,但其在实际应用过程中却存在着一定的问题。针对出现的问题,对该方法进行了相应的改进。研究表明,改进后的大律分割法能较好地处理田间采摘番茄的图像,为进一步采摘识别提供了条件。     

基于机器视觉的玉米异常果穗筛分方法

针对玉米品种制种过程中病害果穗的表型识别问题,以玉米果穗整体为研究对象,基于二维快速成像技术实现了霉变、虫蛀和机械损伤3种异常果穗的快速分选。构建了单目视觉便携式图像采集装置,采集了任意摆放的粘连果穗目标图像,分别在RGB模型和HIS模型中提取了玉米果穗的6个颜色特征和5个纹理特征,并实现特征参数的归一化。构建了病害果穗分类模型,并采用已知样本特征向量对支持向量机和BP神经网络方法进行训练和对比分析,最后采用支持向量机方法实现了3种异常果穗的快速分选。实验结果表明,该方法对霉变异常果穗筛分的正确率可达96.0%,虫蛀果穗筛分的正确率可达93.3%,机械损伤果穗筛分的正确率可达90.0%。     

基于TRIZ理论的玉米果穗分配装置创新设计

研究了国内外玉米收获模式,分析了目前国内市场果穗类玉米收获机采用的果穗分配装置（在玉米收获机中,该装置被称为分配器）的结构特点,针对普遍存在的果穗分配不均,导致下一流程剥皮装置各剥皮通道负荷不等,造成的各组剥皮辊磨损程度不均衡,从而降低剥皮装置乃至整机可靠性等问题,采用TRIZ理论进行了创新设计,设计了一种新型果穗分配装置。      

基于SOM-K-means算法的番茄果实识别与定位方法

为解决多个番茄重叠黏连时难以识别与定位的问题,提出一种基于RGB-D图像和K-means优化的自组织映射(Self-organizing map,SOM)神经网络相结合的番茄果实识别与定位方法.首先,利用RGB-D相机拍摄番茄图像,对图像进行预处理,获取果实的轮廓信息;其次,提取果实轮廓点的平面和深度信息,筛选后进行处...     

基于颜色与形状特征的甘蔗病害图像分割方法

根据甘蔗苗期赤腐病和环斑病图像的特点,提出了一种甘蔗病害图像分割方法.首先利用颜色特征2G-R-B和2R-G-B提取出病斑和土壤等非绿色植物类.然后采用面积阈值分割法排除部分土壤等非绿色植物类连通区域.最后利用链码计算剩下的病斑和土壤等非绿色植物类连通区域的形状特征,根据区域的宽度、矩形度和圆度分离出病害病斑.实验结果表明,该算法能有效提取出赤腐病和环斑病病斑,对环斑病图像分割正确率达93%,对赤腐病图像分割正确率达95%.     

基于颜色特征的桔子树干图像分割方法

根据桔子树干颜色的特点,提出了一种图像分割方法。首先,利用颜色特征定位ROI;然后,计算该区域的颜色特征向量提取桔子树干;最后,对不连续的桔子树干区域利用数学形态学方法进行自动修补。实验结果表明,该方法能够有效地提取出桔子树干,并确定其质心和面积,算法的平均识别率达到了86.93%。     

基于Mask R-CNN的单株柑橘树冠识别与分割

针对在复杂果园背景中难以识别分割单株果树树冠的问题,研究了基于Mask R-CNN神经网络模型实现单株柑橘树冠识别与分割的方法.通过相机获取柑橘园图像数据,利用Mask R-CNN神经网络实现单株柑橘树冠的识别与分割,根据测试集的预测结果评估模型的性能和可适应性,并分析模型的影响因素.结果 表明:参与建模的果园单株树冠...     

基于颜色特征的牧草图像分割方法研究

针对自然光照条件下牧草图像的分割问题,分别研究了在RGB颜色空间和HSI颜色空间中牧草颜色特征的提取。在RGB颜色空间中,利用2G-B色差特征得到牧草和背景差值最大的色差灰度图像,使用最大类间方差图像分割法对色差灰度图像进行了图像分割。在HSI颜色空间中,根据牧草H分量的分布特点,使用模糊C-均值(FCM)的彩色图像分割方法对牧草的彩色图像进行了有效分割。实验表明,基于HIS彩色空间H色调的FCM方法对牧草的分割能够取得比较理想的效果,经二值化处理后得到的牧草轮廓要比基于2G-B色差特征的最大类间方差分割方法得到的牧草轮廓更加完整。     

玉米果穗喂入形式与籽粒破碎率的关系研究

为降低玉米籽粒脱粒过程中的机械损伤,掌握玉米果穗在不同籽粒含水率、不同喂入形式和不同脱粒辊转速下在双喂入口脱粒装置上与玉米籽粒破碎率的关系,对不同含水率的玉米穗进行了不同喂入形式和不同脱粒辊转速的脱粒试验。分析结果表明：籽粒含水率25％时,籽粒破碎率明显高于含水率13．5％的值;玉米穗从A喂入口喂入是以冲击脱粒方式为主,玉米籽粒破碎率高;从B喂入口喂入是以差速脱粒方式为主,玉米籽粒破碎率低;在同一含水率下,从A喂入口与B喂入口喂入,籽粒破碎率都随脱粒辊转速的增加而增加。研究成果为改进脱粒工艺和减少玉米破碎提供了依据。     

基于HIS颜色特征的田间成熟番茄识别技术

研究了一种基于HIS颜色特征的田间成熟番茄识别技术。将计算机视觉系统获取的番茄RGB图像转换成HIS图像，通过统计H、I、S分量的灰度分布找出成熟番茄、未成熟番茄和叶子(枝干)灰度分布差别；然后根据H分量的灰度分布用阈值法分割出成熟番茄区域；经过空洞填充后，计算出番茄质心坐标。该方法对田间成熟番茄之间相互分离的情况有很好的识别效果。     

基于Mask R-CNN的玉米田间杂草检测方法

针对田间复杂环境下杂草分割精度低的问题,提出了基于Mask R-CNN的杂草检测方法。该方法采用残差神经网络Res Net-101提取涵盖杂草语义、空间信息的特征图;采用区域建议网络对特征图进行杂草与背景的初步二分类、预选框回归训练,利用非极大值抑制算法筛选出感兴趣区域;采用区域特征聚集方法(Ro IAlign),取消量化操作带来的边框位置偏差,并将感兴趣区域(Ro I)特征图转换为固定尺寸的特征图;输出模块针对每个Ro I计算分类、回归、分割损失,通过训练预测候选区域的类别、位置、轮廓,实现杂草检测及轮廓分割。在玉米、杂草数据集上进行测试,当交并比(Io U)为0. 5时,本文方法均值平均精度(m AP)为0. 853,优于Sharp Mask、Deep Mask的0. 816、0. 795,本文方法的单样本耗时为280 ms,说明本文方法可快速、准确检测分割出杂草类别、位置和轮廓,优于Sharp Mask、Deep Mask实例分割算法。在复杂背景下对玉米、杂草图像进行测试,在Io U为0. 5时,本文方法 m AP为0. 785,单样本耗时为285 ms,说明本文方法可实现复杂背景下的农田作物杂草分割。在田间变量喷洒试验中,杂草识别准确率为91%,识别出杂草并准确喷雾的准确率为85%,准确喷药的杂草雾滴覆盖密度为55个/cm2,装置对每幅图像的平均处理时间为0. 98 s,满足农药变量喷洒的控制要求。     

基于计算机视觉的玉米果穗三维重建方法

提出了一种快速、准确、自动化的基于计算机视觉的玉米果穗三维重建方法。以一定角度间隔旋转果穗获取各视角下的图像,通过双目立体视觉技术重建各视角下的玉米果穗表面点云,计算重投影误差去除点云中的外点,寻找两相邻图像的对应匹配点,并由匹配点确定果穗表面点云中三维配准点的集合,计算两相邻视角下配准点的旋转矩阵与平移向量,采用RANSAC方法检验配准模型的一致性。依次对各视角下的点云配准拼接获得整个果穗表面点云,进行冗余点去除、网格简化、纹理贴图等后处理,获得最终果穗三维造型。实验结果表明:重建模型的体积与实测值不存在显著性差异,所述方法能够满足玉米果穗三维重建的需求。     

基于颜色因子与图像融合的茶叶嫩芽检测方法

针对采茶机器人的茶叶嫩芽识别问题,提出一种基于颜色因子与图像融合的茶叶嫩芽图像检测算法。首先对RGB彩图进行ExG、ExG-ExR,MExG,COM2灰度化处理,并进行灰度图归一化处理;然后选择合适的通道,利用Haar和DB2小波进行多通道图像分解、滤波、融合。获得融合后的灰度图像直方图,对直方图形状进行分析,根据嫩芽老叶的面积比与像素数目比确定图像分割阈值。试验结果表明,此算法能充分利用嫩芽与老叶的颜色差异,很好地检测出茶叶嫩芽,SD,Dice,ER,NR分别为63.005%,60.09%,101.235%,6.515%,性能优于Otsu。