基于虚拟仪器技术的田间多光谱视觉系统设计

设计了一套田间多光谱虚拟仪器视觉系统.系统使用高分辨率的多光谱(近红外、红光和绿光)相机MS3100,拍摄作物生长期的多光谱图像,采用Labview及其视觉模块编写图像的采集、处理和分析程序,实时测取作物各个光谱波段的反射率.田间试验表明,该系统可以准确地对图像中的作物进行识别,求取作物的光谱反射特征,在2.4m×1.8m的视窗内,每组图像的采集和处理时间平均为311ms,满足田间精准变量投入的在线工作要求.     

玉米冠层叶片氮素营养估测研究——基于近地多光谱图像

运用图像处理技术对不同氮营养成分下玉米冠层叶片的近地CCD多光谱图像进行分析,建立玉米叶片氮素营养含量的快速、非破坏性估测模型。实验基于红通道和近红外通道的CCD图像,通过图像切割提取两个通道的主叶片区域的平均灰度值和叶片周围的土壤平均灰度值,根据土壤平均灰度值比值来调整叶片的近红外平均灰度值,计算玉米叶片的基于灰度的植被指数,建立了氮素营养含量和两个通道的图像灰度以及灰度植被指数间的经验线性模型。经过多元线性回归分析后,两者间的相关系数R可以达到0.704。由此实现了对玉米冠层氮营养含量的快速估测。     

基于加权支持向量数据描述的遥感图像病害松树识别

利用安装在无人机平台上的双光谱相机所获取的可见光和近红外遥感图像,采用改进的加权支持向量数据描述多分类算法,实现病害松树识别.首先根据不同内容信息图像的特点,提取双光谱相机所获取的可见光图像和近红外图像各颜色分量作为相应像素点的颜色特征,再通过提取加窗图像块的灰度共生矩阵得到中心像素点的纹理特征,然后利用权重系数为每类样本分别作加权支持向量数据描述,实现松树状态的多输出分类识别,其中权重系数是通过建立关于训练样本中心距离的权重函数所确定.与传统的人工、航空和卫星遥感识别方法不同,利用无人机平台和双光谱相机获取遥感图像,具有可操作性强、费用低廉等优势.试验结果表明,相比传统的支持向量机和支持向量数据描述算法,改进的加权支持向量数据描述多分类算法更能准确地进行病害松树识别.     

无人机多光谱遥感反演花蕾期棉花光合参数研究

光合作用对作物的生长发育、干物质的积累以及产量的形成起着至关重要的作用。为探讨遥感技术反演作物冠层光合参数的可行性,以无人机作为遥感平台,搭载6波段多光谱相机,通过采集棉花花蕾期不同时刻(09:00、11:00、13:00、15:00、17:00)冠层多光谱遥感图像,提取其冠层光谱反射率信息,并同步测定棉花冠层叶片的净光合速率(Pn)、蒸腾速率(Tr)、气孔导度(Gs)和胞间二氧化碳浓度(Ci)等光合参数。通过对4种光合参数和6波段光谱反射率进行相关性分析,并分别使用一元线性回归和主成分回归、岭回归、偏最小二乘回归等多元回归方法,建立不同光合参数在不同时刻的反演模型。结果表明:净光合速率(Pn)、蒸腾速率(Tr)、气孔导度(Gs)和胞间二氧化碳浓度(Ci)的最优反演模型分别为13:00的基于蓝光波段反射率的一元线性模型,15:00的基于红光波段反射率的一元线性模型,15:00的岭回归模型和15:00的基于红光波段反射率的一元线性模型,模型的决定系数R2均在0.5以上,验证相对误差RE均小于9%。该研究可为大范围监测作物的光合作用提供一定的参考。     

基于图像处理的果树滴水线导航路径检测方法研究

针对果园开沟施肥,提出一种基于图像处理的果树滴水线导航路径检测方法。该方法采用垂直地面向上布置的CCD相机采集果树冠层投影图像,并实现果树冠层沿地面垂直投影轮廓的识别与滴水线平滑处理,进而对无人施肥装备沿果树环状行走路径进行确定。通过相机标定获取相机内部参数和畸变参数,对原始图像进行畸变矫正;通过对图像在RGB颜色空间的分布特征进行定量分析,使用平均值法对图像灰度处理,使用定阈值法进行二值分割;二值图像中由于存在大量的空间间隙,使用形态学膨胀操作,填充间隙,以凸显树冠投影边缘轮廓;使用边界跟踪算法,提取树冠轮廓边缘;引入Beseel曲线拟合方法,对轮廓边缘进行平滑处理,通过对比二阶、三阶、四阶、五阶拟合结果,得出使用三阶和四阶Beseel拟合结果较为符合导航路径要求。将相机固定在一个位置,分别在晴天和阴天拍摄条件下采集图像,进行滴水线导航路径提取,分别使用三阶和四阶Beseel曲线拟合晴天和阴天的图像边缘轮廓,使用四阶拟合结果较为符合实际要求,平均像素误差为19.5像素,平均像素相对误差为2.6%,平均每帧图像处理速度为27 ms,能较好地满足导航精度和实时性的要求,为施肥作业平台沿滴水线自动导航提供参考。     

可用于无人驾驶汽车的一体化电驱动系统研究

通过工业相机采集障碍物彩色图像,利用图像处理软件对障碍物图像进行灰度化、感兴区域提取和障碍物二值化处理;模拟无人驾驶上层环境感知模块中视觉传感器采集图像并处理信息的流程。对下层电驱动系统进行一体化设计;匹配电动车电机和变速箱的参数,制定一体化控制策略,实现电机的正常驱动以及两挡变速箱的顺利换挡。最后通过Matlab/Simulink软件进行系统的离线仿真,通过对比分析当前挡位、电机转速和加速踏板开度,验证策略的可行性。     

基于机器视觉的农田机械导航线提取算法研究

随着科学技术的发展,精细农业已成为现代农业发展的主导方向。农业机械的自动导航技术是精细农业的关键技术之一,也是实施精准农业的基础。机器视觉由于其广泛实用性,已成为农田机械导航线提取的重要方法。目前,机器视觉自动导航线提取易受自然环境干扰,且在实时处理速度上有待提高。为此,研究了一种导航线提取算法,旨在简化图像处理,提高通用性。首先对CCD获取的彩色农田图像,使用改进的过绿色算法进行灰度化,得到目标区分较好的图像;然后使用改进的OTSU算法对图像进行分割,得到二值图像,再采用滤波、腐蚀、膨胀相结合的算法去除图像噪声;最后提取作物行骨架,拟合作物行直线并进行方向校正,计算相机偏差,为实时校正航向提供反馈信息。试验结果表明,该算法处理一幅图像所用时间在200ms左右,可满足农田机械实时导航的要求。     

基于多光谱成像技术的玉米氮素营养诊断方法研究

为快速、无损地获取寒地玉米作物养分信息,利用多光谱成像技术开展了大田玉米氮素营养诊断研究。采用美国ADC多光谱相机采集玉米拔节期冠层多光谱图像,利用德国AA3连续流动分析仪测定叶片氮含量。提取红色通道灰度均值(AVSR)、绿色通道灰度均值(AVSG)和近红外通道灰度均值(AVSNIR)等3个光谱参数,构建归一化植被指数(NDVI)、绿色归一化植被指数(GNDVI)、红色通道与绿色通道比值植被指数(RVIR/G)、红色通道与近红外通道比值植被指数(RVIR/NIR)、近红外通道与红色通道比值植被指数(RVINIR/R)、红色归一化比值(RNR)、绿色归一化比值(GNR)、近红外归一化比值(NIRNR)等8个植被指数。将全部光谱参数及植被指数分别与氮素值进行相关性分析,建立寒地玉米氮素一元线性回归、多项式回归及多元回归模型。结果表明:一元回归模型R2最高达0.854,多元回归模型R2为0.870,所得模型可为寒地大田玉米精准施肥和长势监测提供支持。     

基于彩色线阵CCD的茶叶分选识别算法研究

针对颜色信息丰富的茶叶,通过形态学分析,研究茶叶的几何特征,提出一种基于彩色线阵CCD的茶叶色选算法,开发出一套集信号的采集、处理于一体并结合识别算法的新型茶叶色选控制系统。该系统通过彩色线阵CCD相机采集图像,利用MATLAB图像处理工具箱处理,色彩空间选择HSI模型,通过中值滤波算法去除图像中的噪声,利用改进的阈值分割算法二值化处理图像,运用形态学处理算法腐蚀和膨胀图像,进行连通域分析,提取并识别图像几何特征参数确定分类结果,增强色选系统对颜色信息复杂茶叶的识别能力。本系统同时将分选算法集中在FPGA上实现,提高分选的实时性。经过测试,验证基于彩色线阵CCD的茶叶分选识别算法具有良好的高效性与选别率。     

基于LABVIEW的道路图像信息识别的研究

LABVIEW可视化编程软件,在图像处理上有很强大的应用,利用LABVIEW的视觉与运动模块,对夜间道路图像进行处理,通过灰度、二值化、图像切割后,再经过图像提取,即可得到道路的图像信息,应用前景广阔。     

基于边缘检测的数字图像拼接实现研究

图像拼接在天文图像处理、日常照片扩展、大型图像的获得等方面应用极其广泛,是地理、人文、科技发展的重要标志。本文采用基于特征的图像拼接算法,利用Canny算子进行边缘检测提取数字图像特征,通过图像预处理(去噪,边缘提取,直方图处理等)、图像配准、图像重构融合等操作,在Matlab平台下实现两幅大小一样、光照条件一致的灰度图像的拼接。     

基于全卷积神经网络的云杉图像分割算法

以云杉为研究对象提出了应用全卷积神经网络（Fully convolutional networks,FCN）分割图像的算法。利用无人机采集图像,标注470幅云杉图像,其中300幅组成训练集,170幅组成测试集,标注90幅樟子松图像作为附加测试集。以VGG16为基础建立云杉分割FCN模型,利用Tensorflow框架实现和训练网络,通过共享权值和逐渐降低的学习速率,提高FCN模型的训练性能。选择像素精度（PA）、均像素精度（MPA）、均交并比（MIoU）和频权交并比（FWIoU）4个语义分割评价指标评价测试结果。FCN模型分割云杉图像,PA和MPA达到0.86,MIoU达到0.75,FWIoU达到0.76,处理速率达到0.085s/幅,有效地解决了光照变化、云杉个体差异、地面杂草干扰和植株之间粘连的影响。与HSV颜色空间阈值分割以及K均值聚类分割算法比较,FCN模型的MIoU分别提高0.10和0.38。     

基于工业CT的水泵叶轮三维实体重建

为实现水泵叶轮三维实体重建,利用工业CT获取含有叶轮原型内部构造信息的高精度断层切片图像,并编程实现切片图像RAW数据格式到BMP格式的转换.在VC++6.0平台上,应用MFC、OpenGL、ADO等,通过断层图像预处理、二维图像处理及二维几何处理等数字图像处理技术去除图像噪声并显著提高了图像清晰度;编程完成了叶轮断层...     

基于颜色优势目标的机器视觉图像提取算法研究

图像是信息的主要载体,如何在大量且繁杂的信息中提取出足够而且准确的信息以供使用是实践中经常遇到的问题。为此,基于黄瓜植株中花朵目标与果实目标的不同特征来设计算法,得出对花朵的提取方法,以MATLAB为开发平台,结合数字图像处理技术,着重研究了机器视觉图像的处理算法。仿真结果表明:该算法程序运算时间短,返回结果稳定,在图像目标提取中取得了良好效果。     

基于Android手机的植物叶片面积快速无损测量系统

基于Android手机平台构建了一种植物叶片面积快速无损测量系统。获取包含被测植物叶片与已知面积的参照物图像,经图像灰度化、图像平滑、图像二值化、图像几何校正和连通区域标记等处理,根据参照物和被测植物叶片面积比得到植物叶片的面积。基于Android编程技术对系统的功能和界面进行了设计,对图像的几何失真问题提出了几何校正方法。以三叶草、木槿、腊梅、枫树、银杏、樱花等多种植物叶片为对象进行面积测量。试验结果表明,系统不受叶片形状的限制,面积测量的相对误差在-2.9%~2.7%,能够有效测量植物叶片面积。     

面向番茄植株相近色目标识别的多波段图像融合方法

针对温室番茄智能化管理需要，研究茎秆、叶片和绿果等3类相近色目标的多波段图像融合方法，以凸显目标与背景亮度差异，提高目标视觉识别效率。根据其各自在300~1000 nm范围的反射光谱特征差异，建立了针对其光谱数据分类的Lasso正则化逻辑回归模型。基于模型的稀疏解特征，确定具有较大权值系数的450、600和900 nm等3个波段作为最优成像波段，在此基础上构建了温室番茄植株多波段图像在线采集系统。结合最优成像波段下相近色目标图像特征分析，提出了基于NSGA-II的多波段图像加权融合方法，以增强特定目标与近色背景物体的图像亮度差异。最后通过现场试验对多波段图像融合效果进行评估。结果表明，分别以茎秆、叶片和绿果器官作为识别目标，通过多波段图像融合处理后，目标与背景之间的图像灰度差异绝对差值相应达到单波段图像的2.02、8.63和7.89倍，即被识别目标与其他近色背景的亮度差异显著增强，且背景物的亮度波动得到抑制。本研究结果可以为农业环境近色目标视觉识别相关研究提供参考。     

基于俯视图像的玉米株心快速识别方法研究

单株玉米的株心识别是完成按株作业的关键,可用于对单株玉米进行变量施肥,提高施肥利用率。本文首先采用超绿因子增强苗期玉米植株,使玉米植株与土壤、阴影分离,将增强后的图像用Ostu法自动确定图像的最佳阈值,以便于在分割苗期玉米图像时不受阴影的影响,并能分割出苗期玉米植株。然后把分割的苗期玉米植株图像的亮度看作是一维坐标,绘制玉米植株的高程图,玉米植株的中心区域在高程图呈现为集水盆形状。采用水平集确定玉米植株的中心区域并对玉米植株中心进行定位,并结合分治法搜索玉米植株的极小值区域,降低了数据结构的规模。数据验证结果表明,算法识别率可达96%,保证了算法的实时性与可行性。另外,采用分治法与水平集法相结合确定玉米植株的中心区域,使该算法不受天气因素的影响,提高了该算法在田间作业时的鲁棒性。算法时间复杂度计算结果为O(lgn),能够满足田间作业的实时性。     

基于Android手机的水稻剑叶角测量系统

为了快速、无损地测量水稻剑叶角,设计了基于Android智能手机的便携式水稻剑叶角无损测量系统。采用智能手机后置摄像头获取水稻剑叶基部图像,经过图像预处理、直线检测、K-means聚类和向量方法等处理过程,得到水稻剑叶角。基于Android编程技术对系统软件进行设计,实现了在Android平台下利用JNI和Android NDK调用基于Open CV库的剑叶角提取图像处理算法,实现了新建试验、材料信息输入、摄像头获取剑叶基部图像、计算输出剑叶角及保存数据等界面操作流程。利用该测量系统在田间对4个品种的80株水稻进行剑叶角测量试验,以验证系统性能。试验结果表明,和人工用量角器测量结果相比,该系统测量的平均绝对误差为1.34°,相对误差为2.7%,测量值和真实值相关系数为0.997,能有效测量剑叶角。     

基于超像素暗通道和改进导向滤波的农业图像去雾方法

针对传统暗通道先验算法运算速度慢以及适用性差的问题,提出了一种基于超像素级暗通道先验和自适应容差机制改进导向滤波算法的农业图像去雾方法。首先利用超像素分割获得具有一致颜色和亮度属性的超像素块并估计不规则区域块的透射率,引入导向滤波算法并利用自适应平滑参数细化透射率得到更为细致的边缘信息,加入自适应容差机制,使其能够根据图像明亮区域的变化和雾霾的浓度对透射率进行自适应补偿修正,得到最优透射率。最后对局部大气光估计和适应性调整,根据大气散射模型得到质量更高的复原图像。试验以6幅农业场景图像为例进行去雾研究,采用主观和客观评价指标评价去雾结果,与传统去雾算法相比,本文方法恢复的图像色彩更真实,细节更丰富,并且在一定像素范围内具有较高的实时性,可为农情信息解析提供研究基础。     

基于Lab颜色空间的非监督GMM水稻无人机图像分割

为解决传统水稻冠层图像分割算法性能在很大程度上依赖于训练数据集的质量,且分割效果易受田间多变光照强度影响,导致水稻生产参数估计精度不高等问题,提出一种基于Lab颜色空间的非监督贝叶斯方法,用于田间水稻无人机图像分割.模型参数从每个独立、未标记的无人机图像直接学习获得,无需训练.不同图像会有不同的模型参数,该算法能够适应...