共查询到20条相似文献,搜索用时 646 毫秒
1.
随着科学技术的飞速发展,机器视觉技术在不同的应用场景下取得了良好的效果。机器视觉技术通过卷积神经网络、YOLO等模型,可以实现目标检测、目标分类、位置识别等。实践证明,农业机器人进一步结合机器视觉技术可以极大地提高农业智能化水平。基于此,课题组介绍了机器视觉技术在农业中的应用场景,详细分析了农业机器人的定位解决方案,结合单目相机提出了实现目标定位的方法,结合图像特征点提出了农业机器人位置的确定方法。结果表明,机器视觉技术能够实现农业机器人的精确定位,有利于农业的智慧化、自动化发展。 相似文献
2.
3.
传统的鸭蛋外壳检测主要依靠人工检测进行,主观性大,检测精度差,效率低,耗费了大量的人力物力,还会造成鸭蛋的二次损坏,严重影响鸭蛋的出口和销售。为此,深入研究了机器视觉技术,并将其应用在鸭蛋外壳检测系统中,构建了基于机器视觉的鸭蛋外壳检测系统总体设计方案,完成了图像采集模块的硬件设计。工作时,对待检测鸭蛋进行自动拍照,完成摄像机图像的采集;通过建立小孔摄像机模型,确定样本图像和摄像机图像的比例关系;通过对样本图像进行图像灰度转换、二值化处理、边缘检测等处理,实现对鸭蛋外壳的智能检测。最后,进行鸭蛋外壳检测试验,结果表明:基于机器视觉的鸭蛋外壳检测系统结构能够实现对鸭蛋进行自动检测,智能区分完好鸭蛋和有裂纹鸭蛋,检测精度高、性能稳定,有效提高了鸭蛋外壳检测效率。 相似文献
4.
我国葡萄产量逐年上升,田间葡萄品质检测有益于提高葡萄收获后流入市场的经济效益。传统田间葡萄品质检测主要依靠人工进行破坏性检测,存在经验差异导致的误差。随着深度学习、图像检测技术的发展,基于机器视觉的田间葡萄品质检测克服了传统人工检测的局限性,以快速精准、实时无损检测的优势得到了大量应用。葡萄品种不同,衡量其内、外在品质评级的指标也不同。本文根据葡萄品种与品质评价指标,从品种的机器视觉检测方法、品质的机器视觉检测方法展开,对国内外基于机器视觉技术的田间葡萄品质无损检测相关研究进行系统性分析与总结。总结了不同机器视觉检测方法对葡萄品质指标检测的优缺点,并对田间葡萄品质无损检测研究面临的问题进行了讨论,指出了今后的发展趋势与研究方向。 相似文献
5.
【目的】机器视觉技术具有无损、快速、准确、智能化程度高等优点,被广泛应用于水果检测中,替代人工对水果的检测分级,因此研究小组基于机器视觉技术,来探究蜜柑横径的测量方法和过程。【方法】研究小组在试验研究过程中,通过图像采集系统获取蜜柑样本图像,并对其进行灰度化、中值滤波等预处理,采用阈值分割的方法将蜜柑图像和背景图像进行分割。对蜜柑图像区域进行填充和形态学处理等,提取蜜柑的边缘轮廓图像;运用Canny算子的边缘检测技术,最终提取出蜜柑的轮廓;依据轮廓图像,采用拟合圆法,将拟合出的圆的直径作为蜜柑横径数据,并和人工实测的蜜柑横径数据进行比对和分析。【结果】从测试样本中随机取出9个蜜柑样本进行试验,通过相对误差数据表明,机器视觉技术能够比较合理、准确地计算出蜜柑的横径。【结论】将机器视觉技术应用到蜜柑横径的测量中,通过采用相关的图像处理方法和数据运算,探讨出了蜜柑横径的测量过程和方法,为蜜柑乃至柑橘类水果的智能化分级提供了方法理论和数据基础。 相似文献
6.
7.
机器视觉又称计算机视觉,指人类设计并在计算机环境下实现的模拟或再现与人类视觉有关的某些智能行为的技术,如对印刷与手写文字识别、图像模式识别和物体三维表面形状知识与距离、速度感知等.机器视觉技术在农业上的研究与应用始于20世纪70年代末期,主要研究集中于农产品分选机械中利用机器视觉对农产品进行品质检测与分级.由于受当时计算机发展水平的影响,检测速度达不到实时要求,处于实验研究阶段.随着电子技术、计算机软硬件技术、图像处理技术及与人类视觉相关的生理技术的迅速发展,机器视觉技术本身在理论和实践上都取得了重大突破,除农产品分选机械外,目前该技术已经渗透到农产品鉴定、农作物生长、农产品收获等多个领域. 相似文献
8.
9.
基于机器视觉的农业机器人运动障碍目标检测 总被引:5,自引:0,他引:5
在农业移动机器人平台上运用机器视觉技术检测作业环境中是否存在运动障碍目标时,机器人自身运动会与障碍目标运动叠加在一起.为此,首先在移动机器人平台上连续采集两帧图像,提取其特征点并加以匹配;然后应用双线性模型描述对应特征点在图像之间的运动特性,并用最小二乘法对模型参数进行最优估计,得到两帧图像之间的变换矩阵;最后利用此变换矩阵补偿前帧图像来消除机器人自身运动的影响,再与后帧图像作帧差,在线检测出运动障碍目标.实验结果表明,该方法仅依据图像信息即可有效地检测出农业机器人导航环境中存在的运动障碍目标. 相似文献
10.
随着计算机和图像处理技术的发展,机器视觉技术的研究和应用已扩展到农业生产领域,并取得了许多重要研究成果。阐述了机器视觉技术在农业生产各领域(水果的自动分选、种子和粮食品质的检测、农产品异物检测、农田作业机械、植物生长情况监测及动物生产中)的应用,为进一步应用机器视觉技术提供参考。 相似文献
11.
12.
13.
14.
基于最小二乘法的温室番茄垄间视觉导航路径检测 总被引:10,自引:0,他引:10
针对温室非结构作业环境和复杂背景下作业机器人路径识别检测问题开展研究。在HSI颜色空间分析番茄垄间道路图像在各分量的分布特性,提出了基于机器视觉的垄间加热管敏感区域提取方法,依据I分量直方图采用最大类间方差法进行图像自适应阈值分割,对分割后二值图像利用目标区域的边缘提取算法获得导航离散点簇。根据最小二乘法原理对导航离散点簇拟合得到2条加热管边缘线,在此基础上给出中心导航基准线检测算法,并针对光照不均和作物遮挡对导航路径检测进行了实验。实验表明,与Hough变换算法相比,该算法简单快速,对光照不均具有良好的鲁棒性,能够准确提取目标敏感区域的边缘信息,对不同遮盖率番茄垄间导航路径提取正确率达91.67%。 相似文献
15.
16.
机器视觉技术在农产品尺寸和形状检测方面的应用 总被引:1,自引:0,他引:1
农产品的外形尺寸是农产品品质的重要特征之一,因而也成为农产品分级的重要依据.农产品在其生产过程中由于受到人为和自然等复杂因素的影响,产品品质差异很人,如大小、形状、色泽等都是变化的,很难整齐划一,故在农产品品质检测与分析时要有足够的应变能力来适应情况的变化.机器视觉不仅是人眼的延伸,更重要的是具有人脑的部分功能,其在农产品品质检测上的应用正是满足了这些应变的要求.现在,机器视觉技术随着图像处理技术的专业化、计算机硬件成本的下降和速度的提高以及机器视觉系统的诸多特点已广泛地应用于农产品品质检测、品种的识别和分级中.利用机器视觉进行检测不仅可以排除主观因素干扰,而且还能对检测所得指标进行定量描述,具有人工检测所无法比拟的优越性.本文着重介绍了国内外机器视觉技术在农产品尺寸和形状检测方面的应用. 相似文献
17.
夜间自然环境下荔枝采摘机器人识别技术 总被引:5,自引:0,他引:5
利用机器视觉实现自然环境下成熟荔枝的识别,对农业采摘机器人的研究与发展具有重要意义。本文首先设计了夜间图像采集的视觉系统,然后选取了白天和夜间两种自然环境下采集荔枝图像,分析了同一串荔枝在白天自然光照与夜间LED光照下的颜色数据,确定了YIQ颜色模型进行夜间荔枝果实识别的可行性。首先选择夜间荔枝图像的I分量图,利用Otsu算法分割图像去除背景,然后使用模糊C均值聚类算法分割果实和果梗图像,得到荔枝果实图像;再利用Hough圆拟合方法检测出图像中的各个荔枝果实。荔枝识别试验结果表明:夜间荔枝图像识别的正确率为95.3%,识别算法运行的平均时间为0.46 s。研究表明,该算法对夜间荔枝的识别有较好的准确性和实时性,为荔枝采摘机器人的视觉定位方法提供了技术支持。 相似文献
18.
19.
董军 《农业装备与车辆工程》2021,(1):108-111,115
利用目前机器视觉技术,提出一种基于数字形态学结合Laplacian算子的边缘检测算法,将其应用到对试管液面检测中,得到了精度高、定位准的液面位置,从而可以得出液面高度与试管内试剂体积.通过CCD工业相机拍摄试管图像,对图像进行灰度化、滤波,图像增强后,利用LoG边缘检测算法结合数字形态学操作得到清晰的边缘图像,最后得出... 相似文献