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。     

基于图像信息的茶叶二维采摘坐标的提取

茶叶嫩芽识别是实现智能采摘的前提,茶叶识别之后采摘位置参数的提取也是实现智能采摘的关键所在。文章首先分析了机械采茶的整体实现方案,并论证了由茶叶图像获取二维采摘位置的可行性。然后针对图像处理后获取的茶叶嫩芽的二值图像,根据图像中每株嫩芽的外形轮廓去提取最小外接矩形,并标记该矩形的中心点,以该点作为采摘坐标点。得到了茶叶采摘的二维位置参数,为后续茶叶的智能采摘提供依据。     

基于历史帧路径搜索的红枣动态图像采集

图像采集是实现红枣品质分级和检测的关键前提。针对基于静态图像的采集方式不能全面反映外观品质、实时性差和基于传输式图像采集方式的机械、电路设计复杂且适用性不足的缺点,提出一种基于历史帧最小路径搜索,实现对视频中红枣目标进行跟踪、标定,建立红枣动态样本集的方法。首先利用RGB(red,green,blue)颜色空间转换HSV(hue saturation value)空间图像的明度(V)分量,基于V分量建立掩膜对RGB图像执行掩膜去背景。同时,针对视频图像中获得的二值图像,建立坐标系,获得每帧图像基于轮廓外接最小正矩形的特征向量,将当前帧和前一帧中的特征向量基于最小路径搜索的方法,加入约束条件,实现对视频中每个红枣目标的跟踪和标定,最后基于正矩形参数的感兴趣区域(region of interest,简称ROI),实现动态样本建立。利用此算法,对拍摄的视频图像的检测表明建立的动态样本集能更全面地反映红枣外观品质。该算法简单、有效,特别在实现基于深度神经网络的红枣在线检测中具有较大的应用潜力。     

基于K-means聚类与果萼形状的‘海沃德’猕猴桃膨大果检测方法

【目的】根据‘海沃德’猕猴桃膨大果和未经膨大剂处理的猕猴桃正常果在果萼形状上的差异,建立一种基于K-means聚类算法的猕猴桃膨大果的图像识别方法。【方法】利用K-means聚类算法对猕猴桃的RGB图像进行聚类,以初步分割出猕猴桃果萼;对RGB图像进行灰度化,并采用最大类间方差法对灰度图像进行阈值分割,基于阈值分割后的二值图像提取猕猴桃的边缘区域;基于K-means聚类分割的结果与猕猴桃边缘区域的二值图像提取果萼的聚类,再利用数学形态学处理精确提取出猕猴桃的果萼。求取果萼区域最小外接矩形的长宽比,并根据长宽比进行猕猴桃正常果与膨大果的判断与识别。【结果】对提取的猕猴桃果萼特征的统计分析表明,当猕猴桃果萼区域最小外接矩形的长宽比值大于1.6时为膨大果,否则为正常果,利用该算法对‘海沃德’猕猴桃膨大果的总体正确识别率为91.5%。【结论】基于K-means聚类分割算法和果萼形状上的差异所提出的猕猴桃膨大果无损、便捷检测方法,为猕猴桃膨大果的工业化在线检测及基于手机平台的猕猴桃膨大果识别软件的开发提供了新思路。     

枝条遮挡下单个苹果目标识别与重建的研究

【目的】研究枝条遮挡情况下单个苹果目标的识别,为复杂生长环境下苹果目标的准确识别与定位及实现自动采摘提供支持。【方法】针对果实目标受枝条遮挡影响被分割成几个部分,从而严重影响果实目标准确识别的现状,以枝条遮挡下的苹果目标为研究对象,选用基于Lab颜色空间的Kmeans聚类算法对苹果目标进行分割,再通过数学形态学方法对目标苹果轮廓进行提取,然后根据最小外接矩形法去除目标苹果的伪轮廓,最后利用轮廓的曲率特征对目标苹果进行重建,并对分割与重建结果进行了方法验证。【结果】利用基于Lab颜色空间下的Kmeans聚类算法和最小外接矩形法可有效提取出苹果目标的真实轮廓,能够与苹果目标边缘线达到高度重合,同时可获得较准确的重建结果。对10幅枝条遮挡果实目标的识别、定位与重建的验证结果表明,该方法对目标苹果进行分割与重建的平均分割误差为13.83%,平均重叠系数为88.08%,假阳性率和假阴性率分别为1.22%和11.92%,目标苹果重建准确率均在84.00%以上,平均重建时间为24.40 s。【结论】应用本研究中的方法可对枝条遮挡下的苹果目标进行准确识别、定位与重建,有效缩短重建时间。     

枝条遮挡下单个苹果目标识别与重建方法的研究

【目的】研究枝条遮挡情况下单个苹果目标的识别,为复杂生长环境下苹果目标的准确识别与定位及实现自动采摘提供支持。【方法】针对果实目标受枝条遮挡影响被分割成几个部分,从而严重影响果实目标准确识别的现状,以枝条遮挡下的苹果目标为研究对象,选用基于Lab颜色空间的K-means聚类算法对苹果目标进行分割,再通过数学形态学方法对目标苹果轮廓进行提取,然后根据最小外接矩形法去除目标苹果的伪轮廓,最后利用轮廓的曲率特征对目标苹果进行重建,并对分割与重建结果进行了方法验证。【结果】利用基于Lab颜色空间下的K-means聚类算法和最小外接矩形法可有效提取出苹果目标的真实轮廓,能够与苹果目标边缘线达到高度重合,同时可获得较准确的重建结果。对10幅枝条遮挡果实目标的识别、定位与重建的验证结果表明,该方法对目标苹果进行分割与重建的平均分割误差为13.83%,平均重叠系数为88.08%,假阳性率和假阴性率分别为1.22%和11.92%,目标苹果重建准确率均在84.00%以上,平均重建时间为24.40s。【结论】应用本研究中的方法可对枝条遮挡下的苹果目标进行准确识别、定位与重建,有效缩短重建时间。     

铰接转向果园割草机的设计与试验

针对丘陵山地现有果园割草机行走性能差及人员操作便捷性低等问题,设计一种铰接转向果园割草机。采用理论分析与仿真、田间试验相结合的方法,对铰接转向果园割草机进行研究。结果表明:1)铰接转向果园割草机最大行驶速度5.9 km/h,割刀转速1 450~3 850 rad/min,最小转弯半径466.4 mm,爬坡与下坡纵向极限倾覆角度分别为37.47°和60.99°,横向极限倾覆角为48.76°;2)应用Ansys workbench软件分析得到割草机车架在平地直行、平地最大角度转向、直行爬坡与直行下坡四种工况下最大变形量和最大等效应力分别为0.034 4 mm和20.06 MPa。田间试验结果表明:铰接转向果园割草机的割幅利用率为98.9%,平均碎草率85.9%,割茬高度基本符合设定高度,满足丘陵山地小地块果园作业需求。     

基于背景减去法的运动奶牛目标提法方法

目标提取是使用视频分析进行奶牛行为自动感知的基础工作。牧场环境中采集的视频易受复杂背景的干扰,导致难以从视频中检测出奶牛目标,对后续图像处理操作影响较大。本研究提出一种基于背景减去法的运动目标精确检测方法。首先使用帧间差值法计算奶牛外接矩形,以提取每帧图像中的局部背景,并对其进行拼接以得到视频序列中的整体背景。然后利用奶牛外接矩形确定身体区域的位置和大小,并使用身体区域的二值图像对其进行跟踪。以每帧图像中的身体区域作为基准,对RGB通道的求和分量权重进行实时调整,以提高背景与目标之间的对比度。最终实现目标与背景的差异最大化,并进行背景减去以提取目标。对129段视频进行目标检测,结果表明本文算法的目标检测精度为88.34%,较传统背景减去法高出24.85个百分点。试验结果表明,本文算法能够精确实时地检测牧场环境中的行走奶牛,不仅提高了检测率,同时扩展了背景减去法的应用范围。     

基于matlab的番茄果实串检测提取

以自然环境下的番茄果实串作为研究对象。通过果实的颜色特征选择RGB模型,分别提取出R、G、B各颜色分量的灰度图,确定多组图像中番茄串目标区域的各颜色分量均值。通过分析确定用R-G色差分量进行大津法(Otsu)阈值分割,然后利用形态学闭运算处理果实串的二值图。利用初步处理后的图像进行颜色反转求最大连通域,再重新将颜色反转得到完整的果实串连通区域,并结合Canny边缘检测算子实现番茄果实串边缘轮廓的提取,轮廓上的极值坐标作为外接矩形边框。计算轮廓区域内各像素点坐标之和除以轮廓内总像素数得到果实串的形心坐标。试验表明,该方法对番茄果实串有较好的处理能力,具有通用性。     

基于机器视觉的烤烟烟叶部位的智能识别

采集烤烟不同叶位烟叶图像并进行预处理，提取烟叶叶长、叶宽、面积、周长和最小外接矩形面积5个叶片绝对形态特征参数，计算狭长度、矩形度、圆形度、叶宽最大处占比、叶宽轴与质心夹角5个相对形态特征；通过主成分分析筛选出特征向量，构建基于K近邻算法(KNN)、逻辑回归(LR)、基于线性核函数和径向基核函数的支持向量机(SVM)和BP神经网络的烟叶部位识别模型，并对比5种模型的识别效果。结果表明：基于图像轮廓特征所提取的形态特征参数可以较为有效地反映烤烟部位特征；5种识别模型中，基于BP神经网络模型的识别效果最好，识别准确度为93.75%，训练集和测试集的模型决定系数均高于90%。     

基于机器视觉的黄花菜干菜分选方法研究

针对黄花菜干菜分选设备缺乏、人工分选效率低、产品附加值不高等问题,研究基于机器视觉的黄花菜干菜分选方法。设计搭建了试验平台和图像采集系统,构建了干菜图像及尺寸信息基础数据库;基于数据转换、背景差分、全局阈值、轮廓提取等方法提取目标区域,采用外接矩形算法测量干菜相关尺寸。试验结果表明,本研究采用的方法能够准确测量黄花菜干菜长度,通过长宽比判断干菜品质的正确率较高,满足实际使用要求。     

基于K-means与KNN的多特征苹果在线分级

【目的】准确获取红富士苹果的分级指标，为实现多特征融合的苹果分级提供依据。【方法】以均值滤波、全局亮度均衡化与图像裁剪方法，预处理实验所需的苹果图像；使用K-means聚类算法、OTSU最大类间方差法，将苹果灰度图转换为二值图；利用二值图与苹果原图的异或运算，提取苹果轮廓；采用苹果的二值图计算苹果的果实区域大小；使用颜色空间转换RGB-HSV中H通道划分果实红色区域；通过构建掩膜、形态学操作判断果体是否含有缺陷及计算其面积；构建最小外接矩形计算苹果的果径及果形；利用KNN分类算法实现多特征融合的苹果在线自动分级。【结果】基于K-means聚类与KNN分类相结合的苹果在线分级方法，在优于传统图像阈值分割效果的基础上，特级果分级准确率为97.14%,一级果分级准确率为100%,二级果分级准确率为93.75%,等外果分级准确率为100%,综合分级准确率达到97%。【结论】100个苹果测试准确率达到97%,验证了该分级方法的可行性与准确性。     

改进粒子群优化算法的果园割草机作业路径规划

为提高果园割草机的工作效率,降低作业成本,提出一种改进粒子群优化算法(Improved particle swarm optimization,IPSO)以解决矩形果园环境下的割草机作业路径规划问题。对苹果园割草场景下的作业路径特点进行分析,将路径规划问题转化为割草机作业行的调度排优问题,考虑多种转弯策略,以总转弯距离最小为优化目标,采用粒子群优化算法(Particle swarm optimization,PSO)求解最佳的作业行序列。为增强粒子群的寻优能力,使用随搜索进程非线性动态变化的算法参数及粒子扰动策略对PSO算法进行改进,通过仿真试验及实地试验进行验证。结果表明:1)6种不同作业行数下,与PSO算法相比,IPSO算法收敛速度减慢,算法耗时平均增加约1.0~2.5 s,但均能找到总转弯距离更少的作业路径,总转弯距离减少率为7.52%~32.72%;2)不同割草机参数(作业幅宽、最小转弯半径)下,与PSO算法相比,IPSO算法均能找到总转弯距离更少的作业路径;3)在果园环境与割草机机型确定的实际作业情况下,与传统方法和PSO算法相比,IPSO算法均能找到油耗更小的作业路径,节省油耗分别为 22.51%和1.57%。     

茶叶外形感官品质的计算机视觉分级研究

为摒弃茶叶品质感官评审方法存在的主观性和经验性等缺陷,研究采用计算机视觉技术快速评价茶叶感官品质。依据碧螺春茶行业标准及茶叶评审师的评审结果,将20个不同品质碧螺春绿茶样本分成4个等级。采用小波变换和灰度共生矩阵提取茶叶图像的纹理特征,采用RGB[R表示红色(red),G表示绿色(green),B表示蓝色(blue)]和HIS[H表示色调(hue),I表示亮度(intensity),S表示色饱和度(saturation)]颜色模型提取图像的颜色特征,利用遗传算法优化神经网络参数,建立茶叶感官品质的BP(back propagation,逆向传播)神经网络分级模型,并与其他模型结果进行比较。结果表明,当选用前5个主成分时,所建立的模型识别精度最高,该模型总体识别率为93.8%,Kappa系数为0.933,较PCA-BP、GA-BP、BP识别精度分别提高10.0、6.3、18.8百分点,Kappa系数分别提高0.133、0.066、0.233,模型稳定性得到提高。     

面向林地分类的GF-2影像融合算法评价

针对林业部门目前常用的遥感影像融合算法,探究适合于林地信息提取的GF-2影像融合算法。以GF-2卫星1 m全色/4 m多光谱分辨率平面影像为数据源,采用HSV变换(hue-saturation-value,颜色空间变换),Brovey变换(彩色标准化变换),PC变换(principle components,主成分变换),HPF变换(high-pass fusion,高通滤波变换),GS变换(gram-schmidt,正交化变换),Pansharp变换(超分辨率贝叶斯变换)等6种常用融合算法,通过目视和定量特征分析对融合效果进行评价,并结合面向对象分类方法对融合后影像进行地类信息提取和分析,探讨6种融合算法对GF-2影像在林区地类提取的适宜性。研究结果表明:基于Brovey和HSV算法的融合结果目视效果良好,清晰度与纹理增强明显;这2种融合算法影像在不同地类信息的提取上各有优势,HSV算法融合结果在不同地类的提取上效果最好,分类总精度可达85.14%,Brovey算法融合结果则在森林类型的提取上具有最高的分类总精度,为75.72%;其余4种融合算法在图像质量及其他地类提取中各有优势,具体融合算法的选取需根据应用目的和影区应用区域的实际情况而定。该研究可为林业部门提高GF-2卫星的适用性及大规模应用提供参考。     

基于轮廓纹理特征和线性判别分析的鲜烟叶部位识别方法

为实现鲜烟叶采收部位的数字化识别,进一步提升采收鲜烟叶素质的一致性,利用轮廓纹理特征和线性判别分析（LDA）技术对不同着生部位鲜烟叶进行研究,首先,对采集的鲜烟叶图像进行图像缩放、灰度化、二值化等预处理操作,提取狭长度、矩形度等4个轮廓特征参数,进而提取鲜烟叶图像的灰度共生矩阵（GLCM）特征,并通过LDA进行特征降维,之后利用K近邻算法（KNN）对鲜烟叶部位进行分类。结果表明,所提取未经降维处理的轮廓纹理特征在不同分类模型中的识别准确率均达到0.80以上,可有效反映鲜烟叶部位特征。相对于主成分分析（PCA）处理和未经降维处理,采用LDA降维处理的模型识别准确率最高。所构建的基于KNN算法的鲜烟叶部位识别模型,其精确率、召回率、F1分数、准确率均达到0.99,能够较好地识别鲜烟叶着生部位。     

草莓采摘机器人的研究:Ⅰ.基于BP神经网络的草莓图像分割

草莓成熟度和空间位置的识别是草莓采摘机器人研究的重要环节,解决此问题必须首先对采集的草莓图像进行分割.采用三层BP神经网络,通过分析选取3×3邻域像素的H通道值作为草莓图像的特征;选取HSV模型中与亮度无关的通道以排除图像的明暗对分割效果的影响;采用单通道以缩短图像处理时间.选取20幅图像作为训练样本,以人工借助Photoshop软件分割后的图像作为教师信号,采用BP算法对神经网络的权值进行训练.经过100次循环后(误差为0.001),获得了有效的网络权值.试验结果表明,利用BP神经网络能较好地实现成熟草莓果实与背景的分离,经过提取大区域和腐蚀、膨胀等算法的进一步处理后,效果更好;而且,只要改变训练时的教师信号,即可实现对草莓果梗、萼片等图像的分割.     

自然环境下杨梅果实图像的分割方法研究

为解决自然环境下杨梅果实图像难以准确分割的问题,提出了一种基于同态滤波算法进行杨梅图像分割的方法。通过分析杨梅果实的颜色特征,基于RGB颜色空间采用R-G色差分量处理杨梅果实图像,并进行二值化,采用形态学及连通区域标注统计法,消除可能存在的图像噪声,从而去除树叶等大部分背景;然后通过计算区域最小外接矩形的长宽比来判断区域内是否还存在枝叶,以此考虑是否需要进一步分割。在进行下一步分割前,为了消除光照不均的影响,在HSV颜色空间中,采用同态滤波图像增强的方法对亮度V分量进行增强,实现光照补偿。最后,继续基于RGB颜色空间采用R-G色差分量,应用Otsu分割法来细分割剩余的枝叶等部分,实现杨梅果实图像的分割。结果表明:本研究算法能够有效地将杨梅从背景中分割出来,分割误差Af的均值仅为2.26%,与直接采用Otsu分割算法的分割误差Af的均值25.23%相比,降低22.97%。与没有同态滤波过程的图像分割算法的分割误差Af的均值18.12%相比,降低15.96%,从而验证本研究算法的有效性。     

自然光照环境下基于人工蜂群算法的农业移动机器人视觉导航线提取

为了解决常规农业移动机器人导航基准线提取方法存在识别速度慢、检测精度低以及对光照变化敏感等问题,提出1种自然光照环境下基于人工蜂群算法的视觉导航路径提取方法。首先,将视觉传感器获取的作物图像进行灰度化处理,通过图像熵对灰度图像质量进行估计,当光照条件变化时,在线调整摄像机曝光时间,使获取的图像质量达到最佳状态,以提高后续图像处理对光照变化的适应能力。然后,采用类间最大方差法对图像进行分割,将作物信息与土壤背景分离,运用形态学滤波方法消除分割图像中的杂草噪声。最后,对图像顶部和底部分别进行灰度垂直投影,获取作物行区域并提取作物行特征点,利用人工蜂群算法搜索2个特征点,使其构成的直线所含目标点数最多,并将这条直线作为作物行中心线,进而得到导航路径。结果表明,在不同光照度条件下,基于图像熵的曝光时间调整方法可以有效降低光照度变化对后续图像处理的影响;基于人工蜂群算法的导航基准线提取方法可以快速有效地识别作物行与导航路径,处理1幅640×480像素的图像平均耗时76.4 ms,与传统导航基准线提取方法(Hough变换算法、最小二乘法)相比,人工蜂群算法具有检测速度快、准确性高的特点。本研究提高了应用于田间作业的农业移动机器人导航路径识别精度。     

土壤盐碱度和留茬高度对苜蓿农艺性状及干草品质的影响

【目的】探究土壤盐碱度和留茬高度对苜蓿农艺性状及干草品质的影响,为河套盐碱地区优质草饲"收-加-贮"产业技术提供科学依据。【方法】以非盐碱(S1)、轻度盐碱(S2)、中度盐碱(S3)和重度盐碱(S4)地种植的翌年第一茬初花期(10%植株开花)紫花苜蓿进行刈割,设置0～2 cm(H1),2～6 cm(H2)及6～11 cm(H3)3个留茬高度,针对土壤盐碱度及留茬高度两个因素设计试验,对不同处理苜蓿的农艺性状(鲜草产量、干草产量、鲜干比、茎叶比)及干草的营养指标(干物质(DM)、粗蛋白(CP)、酸性洗涤纤维(ADF)、中性洗涤纤维(NDF)、相对饲用价值(RFV))进行分析。【结果】随着土壤盐碱度的增加,紫花苜蓿的鲜草产量、干草产量、茎叶比、DM和CP含量及RFV值逐渐降低,S1处理的鲜草产量、干草产量、DM和CP含量及RFV均显著高于S2和S3处理(P0.05),但ADF和NDF均显著低于S2和S3处理(P0.05);随着留茬高度的增加,苜蓿鲜草产量和干草产量呈升高趋势,H3处理鲜草产量和干草产量均显著高于H1和H2处理(P0.05);H1处理的鲜干比和茎叶比最高,且其DM含量和RFV值也显著高于H2和H3处理(P0.05),但ADF和NDF显著低于H2和H3处理(P0.05),CP含量以H3处理最高;土壤盐碱度和留茬高度的交互作用显著影响了苜蓿的农艺性状和干草品质,S1H1、S1H2、S2H1和S2H2处理的农艺性状和干草品质较好,显著高于其他处理(P0.05)。【结论】综合土壤盐碱度和留茬高度两个因素,紫花苜蓿可以在内蒙古河套轻度盐碱地种植,0～2 cm和2～6 cm是该地区紫花苜蓿适宜的留茬高度。