基于机器视觉的零件尺寸测量装置的设计

文章提出了基于机器视觉的测量方式,主要测量工件的面积、周长和边长等数据。测量采用固定装置,标定采用传统标定法。硬件系统采用了USB接口的工业相机。软件主要对图像进行了预处理,预处理为图像的切割、灰度化、滤波。     

基于视觉的玉米苗期作物识别与定位方法研究

基于视觉的苗期作物目标识别技术逐渐成熟,对作物进行准确识别和精准定位,是实现株间除草的技术关键和难点。本文以苗期玉米为研究对象,提出了一种苗期作物的识别与定位方法,通过作业车辆的图像采集装置来实时获取田间作物的苗期图像,基于HSV色彩空间对输入图像进行预处理,根据作物与土壤背景颜色差异,选取固定取值范围的三通道阈值,通过二值化处理去除土壤背景,再通过深度开运算来去除杂草噪声,对得到的苗期作物提取轮廓信息,经过骨架提取算法后得到作物骨架,并以此确定作物茎秆位置坐标,从而实现对作物的精准定位。作物图像中幼苗的识别率为98.3%,定位误差距离在10 mm以内的定位精准度为85.9%,基本可以满足智能除草机器人实时除草作业要求。     

基于遗传算法的农业移动机器人视觉导航方法

为了保证田间作业的农业移动机器人能够对作物行进行自动识别,并且对干扰环境具有一定的鲁棒性,采用基于遗传算法的面一带模型匹配视觉辨识方法直接对未经任何预处理的田间作物图像进行识别.通过人工图像和实际图像扫描,论证了该方法对作物行间识别的准确性和稳定性,以及对于包括干扰物等环境噪声的鲁棒性.经实际田间作物图像辨识,验证了该方法在实时控制中的有效性.     

麦田杂草的图像识别技术的研究

主要研究了麦田杂草的图像识别技术,设计了麦田杂草识别系统.该系统包括使用数码相机进行麦田图像数据的采集,实现对图像的预处理;绿色植物与土壤背景的分割包括图像的灰度化与格式转换和图像的二值化;作物与杂草的分割包括作物中心行的识别和作物行的滤除,最后获取杂草图像.在滤除作物行的过程中确定边界阈值时采用通过先计算手工标定的作物行宽度与计算机自动检测的作物行宽度之间的相对误差,然后选定合适的对应最小误差的作物行边界阈值的方法.该系统全程使用MATLAB语言编程,系统最终目的是根据杂草和作物分布的位置特征滤除作物行,识别出杂草.     

麦田杂草的实时识别系统研究

主要讨论了麦田杂草的实时识别系统的各个模块，包括图像的实时采集、滤波预处理、灰度化、二值化、绿色植物与背景的分割及杂草与作物的分割；最后根据分割的图像统计杂草的密度，达到对杂草进行实时探察的目的。     

基于改进Hough变换的农田作物行快速检测算法

选取苗期农田作为研究对象,采集了包含行栽作物和土壤背景的农田图像,针对现有作物行定位方法易受外界干扰和处理速度较慢的不足,提出将投影法和直接Hough变换法相结合检测作物行的算法.采用2G-R-B 法和OTSU法将图像二值化,通过快速中值滤波算法去除噪声,再利用垂直直方图投影将图像进行水平条划分获取作物垄平均定位点,最后通过Hough变换检测垄定位点,得到作物行中心线.试验结果表明:基于垂直直方图投影的Hough变换检测作物行中心线的算法在保证高定位精度的同时,算法处理速度比直接Hough变换检测法提高了3倍,得到的定位基准线能代表作物行走向.     

基于改进卷积神经网络算法的路径导航研究

农业机械自主导航技术一直是现代农业发展的关键技术,而已有的机器视觉导航中普遍存在鲁棒性不强、适应性弱等缺点.针对上述问题,提出基于卷积神经网络的田间路径导航算法.根据主流语义分割模型FCNVGG16得到改进分割网络FCNVGG14,用于田间作物行分割任务的预处理,再通过非监督点聚类法进行特征点分类,最后采用改进后的Ho...     

基于机器视觉的苗期杂草实时分割算法

对利用植物的位置来识别作物苗期田间杂草的方法进行了研究。根据苗期田间植物的位置特征 ,建立了基于机器视觉的分割苗期田间杂草的算法 DBW。通过比较分析各种算法的分割效果图和所耗费的时间 ,运用超绿色法灰度化原始图像 ,然后应用最大方差自动取阈法二值化图像 ,最后运用种子填充算法分割作物和杂草。研究表明 ,算法 DBW在实时性方面表现出一定的优越性 ,处理一幅 5 4 4× 117像素的图像只需大约 6 0 ms     

基于视觉的茶作物行间行走路径规划研究

以茶作物为对象,提出了一种基于视觉的作物行间行走路径规划方法。对实时彩色作物图像用2G-RB算法灰度化,分离作物和背景,通过固定阈值二值化图像,采用形态运算去除干扰。以区域内作物的比例变化为判别垄间垄头依据。对于垄间,利用漫水填充算法分离出垄沟,通过最小二乘法拟合导航线,得到垄间行走时候的导航控制参数;对于垄头,先分离出转弯一侧的作物,采用圆形模型拟合垄头处轮廓,通过拟合的圆来规划出转弯时候路径。试验结果表明:该算法能准确提取导航线,处理一帧图像约为150ms左右,可满足导航的要求。     

利用最大圆盘提取作物行骨架的改进算法

作物行骨架线提取的精准度是农业机械自动导航的关键,针对传统作物行骨架线提取算法存在的连通性差、无法保持单一像素以及存在冗余像素等问题,提出一种利用最大圆盘提取作物行骨架的改进算法。首先采用预处理操作对作物行图像进行二值化处理,然后对二值作物行图像进行细化,在细化过程中通过引入欧氏距离寻找其中点的方法保持骨架的连通性,同时采用追踪扫描的方法有效地对冗余像素进行剔除,提高骨架的拓扑结构能力。实验结果表明,该方法对成行作物具有很好的适应性,且提取的骨架线更准确,与传统的算法相比,采用本文算法提取的骨架拟合后的导航线误差相对较小,能满足实际应用需求。