田间早期成熟棉花识别研究

利用田间早期成熟棉花表面颜色与背景颜色存在较大差异的特点,在统计分析和试验的基础上,建立了利用过绿颜色特征(ExG)进行棉花识别的视觉模型。试验结果表明该模型可以完成棉花的识别。     

田间早期成熟棉花识别研究

利用田间早期成熟棉花表面颜色与背景颜色存在较大差异的特点,在统计分析和试验的基础上,建立了利用过绿颜色特征(ExG)进行棉花识别的视觉模型。试验结果表明该模型可以完成棉花的识别。     

机器视觉识别田间成熟番茄的研究

为正确识别自然条件下田间成熟番茄,顺利完成其自动采摘,研究了基于颜色特征的田间番茄识别方法。对采集的100幅自然条件下田间番茄图片进行颜色特征提取和理解的基础上,建立了利用成熟番茄与背景(未成熟番茄、枝叶等)在I2颜色指标上的差异进行番茄识别的颜色模型,并利用Ostu法将成熟番茄从背景中分割出来。通过在顺光条件和逆光条件下进行试验,结果表明该模型可以较好地实现自然条件下田间成熟番茄的识别。     

基于机器视觉的果园成熟柑橘快速识别及产量预估研究

【目的】提供一种快速、准确的自然环境下成熟柑橘的识别及计数方法,解决传统的通过人工 采样的方法进行产量预估带来的成本高、时间长和精度低的不足,并为以后对柑橘进行自动采摘打下基础。 【方法】应用 RGB 相机采集柑橘园果树图像,并通过转换到 Lab 颜色空间,对与背景颜色有明显区别的柑 橘区分采用“a”分量,然后基于霍夫圆变换法应用 MATLAB 软件对剔除背景的柑橘进行计数,实现对柑橘 产量的预估。【结果】该图像处理方法与传统的水果与背景分离方法相比更简单快速,果实识别正确率达 94.01%,产量预估正确率达 96.58%,平均识别时间 1.03 s。选取 10 棵树共 20 个图片进行产量预估,将该算 法得到的柑橘数量与通过人眼计数得到的结果进行比较,其相关系数 R2 为 0.9879。【结论】该算法简单快速, 能精确实现水果的快速自动识别及产量预估,对果实的重叠性、果实遮挡有较好的鲁棒性,促进了机器学习 在现代农业的应用,具有较高的理论和实践意义,推动了果园智慧农业进一步发展。     

基于智能光学系统的水稻种子精选机

稻米口粮消费在总消费中所占比例逐年增加,优质米消费量上升趋势较为明显,优质大米市场前景十分广阔。而种子在加工流程中却存在许多问题,如病斑粒、不饱满粒混杂其中,难以筛选,进而影响发芽率。因此,筛选饱满优质的稻种,能更大程度的提高水稻产量。我们提出了一种水稻种子精选机的设想,利用工业CCD相机及其机器视觉等技术来进一步筛选稻种,剔除不健康,不饱满的籽粒,以减少播种量、降低生产成本、提高产量。     

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。     

基于机器视觉的八角颜色与果形识别研究

为了提高八角外观检测精度及效率，基于机器视觉技术对不同果形和颜色的八角进行识别和处理。果形在RGB、HSI颜色空间中，根据棕红、黑红、褐红在H颜色空间的区别，提取了不同颜色的八角H分量值，识别正确率为95.12%、95.12%、97.56%。利用极坐标变换思想建立极坐标模型，通过对极坐标模型错位相减、归一化、角数判别，有效的识别八角的角数，识别正确率为94.73%；在角数识别的基础上通过余弦定理实现了粗短八角角瓣、瘦长八角角瓣的判别，识别正确率分别为94.29%、97.14%；通过对极坐标变换后的轮廓进行傅里叶变换识别了粗短八角角瓣和瘦长八角角瓣，识别正确率分别为94.29%、94.29%；通过对八角波峰点进行标准差分析，有效地识别了八角是否均匀。以上方法识别率高且精确，为八角的外观检测技术提供了理论基础和前景。     

基于机器视觉的君迁子种子尖端特征识别方法研究

针对君迁子种子的外形特点,基于Ramer轮廓拟合算法,结合Halcon算法工具包,提出了一种基于Ramer算法的君迁子种子尖端识别方法。结果表明,该方法可以对种子轮廓进行拟合分割,确定种子的尖端位置。通过对5种不同品种君迁子的250粒种子进行识别,准确率达83.6%。     

实现识别行间苗草的机器视觉系统设计

在耕作试验室的试验环境之下,开发并测试了能够识别行间苗草作物的机器视觉系统,硬件系统主要由速度可控制的土槽试验车装备、固定在可升降平台上可实时采集图像的imagesoure工业摄像头和作为控制台的工控计算机组成;机器视觉系统根据植物和背景的颜色特征二值化图像与田间作物的位置特征识别苗草。结果表明,采集并处理一副大小为640×480像素的彩色图像的平均时间为291 ms,在行驶速度为1.8 km·h-1条件下系统正确识别率达到了95%。     

基于机器视觉的山核桃等级检测技术

提出了一种基于机器视觉的山核桃等级检测方法。在对山核桃形状充分理解的基础上,采用CCD相机获取其数字图像,通过数学形态学的方法,提取山核桃图像的横径、果长、大小等特征。结合山核桃的几何尺寸建立数学模型。根据山核桃从业人员建议,对这些特征赋予一定的权重,建立综合等级评价标准,据此来综合评定山核桃的等级。试验结果表明,该分级方法较机器筛选法更客观、合理,分级结果更符合人们的消费心理和视觉习惯。     

基于机器视觉的茶叶等级区分

提出利用机器视觉和matlab图像处理技术来区分茶叶的等级。以4个等级的绿茶为实验对象,通过提取不同等级茶叶的图像形状特征参数,采用多类逐步分析法进行特征优化并建立区分模型,实现了室内条件下茶叶等级的区分,正确率达81.25%。     

基于机器视觉的温室作物行间杂草的识别

根据温室行间植物的位置特征,应用空域中值滤波对图像进行预处理,然后运用色度法和最大方差自动取阈值法对图像处理,最后应用种子填充法将杂草和作物进行分割。结果表明,机器视觉技术在对温室杂草的识别方面具有一定的优越性。     

转Bt基因棉对棉铃虫及其天敌发生的影响

1999年和2000年对转基因棉田棉铃虫及天敌进行了定点调查。结果表明：转基因棉对棉铃虫成虫、卵无驱避作用和抗性表现，不影响棉铃虫在植株上的落卵量，但转基因棉第二、三代棉铃虫幼虫数量与常规棉相对显著减少，存在明显抗虫性。转基因棉不影响捕食性天敌的数量。     

基于迁移学习的棉花识别

提高智能采棉机效率的一个重要途径是实现单个、重叠和遮挡棉花的识别,避免误采摘和漏采摘。针对不同形态棉花的识别,常规的特征提取方法难以达到令人满意的结果,因而采用基于迁移学习的棉花识别方法和基于迁移模型的特征提取与极限学习机(extreme learning machine,ELM)相结合的方法进行棉花识别研究。首先更改AlexNet、GoogleNet、ResNet-50模型分类层和设置相关参数,用训练好的迁移模型对棉花验证集识别,然后利用训练好的迁移模型进行棉花数据集特征提取,再用训练集的特征训练ELM模型,统计不同隐含层神经元个数的ELM模型对棉花的识别准确率。AlexNet、GoogleNet、ResNet-50迁移模型识别率依次为92.03%、93.19%、93.68%;使用特征提取再与ELM结合的方法,准确率比对应迁移模型分别提高了1.97、1.34、1.55百分点。结果表明,迁移模型对小样本棉花识别也有较高准确率,基于特征提取与ELM相结合的方法可进一步提高准确率。     

催杀对新疆棉田主要捕食性天敌的安全性研究

室内48;催杀SC20g/667m2直接喷雾和间接性接触处理,瓢虫5d后校正死亡率分别为-7.79;和-35.80;;推荐用量(10 g/667m2)处理5d后瓢虫、食虫蝽及蜘蛛校正死亡率分别为-15.00;、-8.25;和6.67;;15 g//667m2和20 g/667m2处理5 d后食虫蝽校正死亡率分别为41.75;和66.75;,而蜘蛛校正死亡率分别为6.67;和24.40;;催杀20g/667m2间接接触处理,草蛉48 h后校正死亡率为59.20;.田间施药区和对照主要天敌变动差异不明显.室内外研究表明,催杀对棉田主要天敌具有较高的安全性.     

基于机器视觉的苹果果袋检测方法

针对机械手摘除苹果果袋时的图像识别问题,提出了一种通过转换颜色空间的分割算法:将RGB颜色空间的图像转换到L*a*b*颜色空间,进行自适应阈值分割、去噪、面积提取等处理后,获得果袋分割后的图像,并计算出果袋的重心坐标。实验结果表明,当果袋遮挡面积不大于果袋总面积的25%时,重心坐标水平方向误差≤10.5 mm,垂直方向误差≤8.8 mm,满足机械手进行果袋摘除的定位要求。利用该方法进行果袋图像分割可解决光照强度对图像检测影响的问题。     

基于侧喂入打捆机的棉秆压捆试验研究

针对棉秆压捆缺乏理论数据支撑的问题,设计一种基于侧喂入打捆机的压捆试验平台及其测试系统,采用单因素和4因素4水平正交试验法,对棉秆压捆过程中,压缩活塞压力、压缩室压力、棉秆压捆密度(试验性能指标)与棉秆含水率、棉秆切断长度、棉秆喂入量、压缩频率(试验因素)之间的关系进行研究。单因素试验结果表明:棉秆含水率与棉秆压捆密度之间的关系为一元二次多项式,其余各试验性能指标与各试验因素之间的关系均为一元三次多项式。4因素4水平正交试验结果表明:试验因素与各试验性能指标的综合关系均为四元三次多项式。对试验因素与试验性能指标之间的关系进行分析,结果表明:棉秆使用侧喂入打捆机压捆时,最优组合为,棉秆含水率30%、棉秆切断长度25 cm、棉秆喂入量3.22 kg/s、压缩频率110 Hz。     

高碘酸钠对棉纤维的选择性氧化工艺及性能研究

采用高碘酸盐对棉纤维进行仲羟基选择性氧化,制备了二醛基纤维素。通过正交设计直观分析法对制备工艺进行优化。结果表明,以棉纤维的强力和醛基含量为综合指标,制备的较优工艺条件是高碘酸钠氧化剂浓度为2 g.L-1、氧化温度为40℃,氧化时间为2 h。通过FT-IR和X射线衍射测试可知经高碘酸盐处理后,棉纤维素大分子链中含有新生成的活性基团醛基,但其结晶度有所降低。与原棉纤维相比,经较优工艺氧化的棉纤维弹性变形和吸水性能有所提高,初始模量稍有下降从而纤维略变柔软。     

基于机器视觉的叶菜类蔬菜菜垄识别算法

针对目前叶菜类蔬菜田间作业自动化程度低,缺乏适用自主导航技术等问题,提出一种基于机器视觉的叶菜类蔬菜菜垄识别算法。利用改进超绿算法(Gray=2Cg-Cr-Cb)对菜地图像进行灰度化,通过二值形态学变换和连通区域提取获得菜垄区域和边界,基于Huber损失函数进行边界曲线拟合,最终提取导航基准线。图像处理结果表明:1)本研究提出的识别算法在不同光照环境下具有较好的鲁棒性,自然综合光照条件下导航基准线提取成功率为97.5%;2)基于Huber损失函数获取到的导航基准线,平均均方根误差为0.668像素,比最小二乘法高72.5%,平均角度偏差为0.273°,比最小二乘法高72.6%,且处理速度与最小二乘法相似。试验证明本研究算法可实现在自然光照条件下对叶菜类蔬菜图像的菜垄识别和导航基准线提取。     

基于机器视觉的穴盘幼苗识别与定位研究

【目的】设计一套机器视觉系统,用于实时测量各穴孔中幼苗叶片面积、判断是否适合移栽作业、确定适合移栽幼苗的抓取位置,为实现穴盘幼苗自动移栽作业奠定基础。【方法】用CCD数字摄像机采集番茄幼苗图像,转换成灰度图像,将幼苗与背景分割得到二值图像,去噪处理后,通过计算每个穴孔中幼苗叶片的面积来确定适合移栽的单元,并用形心法确定机械手抓取位置。【结果】采用1.8G-1.5R-1.8B灰度化因子、Otsu法分割幼苗与背景图像效果较好;采用单连通区域法统计幼苗叶片面积,经修正后相对误差小于1.0%,相对误差值平均下降了87.6%。【结论】设计的机器视觉系统具有较高的测量精度,能够满足穴盘幼苗自动移栽作业要求。