基于农业搬运机器人的障碍物视觉识别技术研究

【目的】随着农业自动化水平不断提升,研究农业搬运机器人如何优化搬运目标信息、定位及图像检索等功能具有重要现实意义。【方法】课题组提出了一种基于机器视觉的内容图像检索视觉识别技术,采用特征提取方法将图像纹理作为机器视觉障碍物特征识别的重要信息,通过实时更新障碍物信息,利用相似度距离计算,将采集的图像数据与数据库中的图像距离进行对比,并利用MATLAB仿真平台验证了CBIR系统对搬运机器人障碍物识别的精确度。【结果】利用小波滤波器优化的CBIR系统的对比结果优于其他方法的平均检索率,且前20张图像的检索率均能保持在98%以上。【结论】该方法有效提升了CBIR系统的障碍物检测性能及识别系统的精确度,可为系统数据库中障碍物图像特征对比提供高质量图像数据。     

基于Deeplabv3+的猕猴桃特征提取和自动分级研究

【目的】当前猕猴桃的缺陷识别与分级大多基于传统图像处理技术,无法完全脱离人工操作,且对图像的质量要求高、可靠性差,无法满足猕猴桃现有的分级需求。【方法】课题组提出了一种基于Deeplabv3+网络模型的猕猴桃特征提取和自动分级方案,采用轻量级卷积神经网络MobileNetV2作为图片特征提取工具,将采集的466张猕猴桃图片进行滤波处理、数据增强等步骤后获得2 796张图片,按8∶2的比例分为训练集和预测集进行网络模型训练,并与传统模型识别率进行了对比。【结果】基于Deeplabv3+网络模型的猕猴桃四个等级的识别率分别为100%、96.15%、95.83%和97.05%,高于传统计算机视觉方法的识别率,验证了该方法在猕猴桃分级上的可行性。【结论】该模型有效地降低了系统的参数和计算量,具有训练时间短、空间复杂度低等优点,在猕猴桃图像的特征抽取和分级任务上具有较好的表现。     

农用机械多规格板件分拣机器人工作站视觉系统设计

【目的】快速分拣农用机械上的各种板件,高效地实现农业机械的安装。【方法】课题组提出使用分拣机器人工作站代替人工分拣多规格板件的设想,确定农用机械多规格板件分拣工作站的总体方案以及视觉系统的总体方案,对视觉系统所需的硬件进行设计和选型,对视觉系统软件的设计以及软件之间的通信进行研究,并将三种规格板件各100块分批放入工作站中进行视觉识别分类与分拣。【结果】三种规格板件的识别成功率都在95%以上,该视觉系统的可靠性、准确性及工作效率较高。【结论】课题组所设计的分拣机器人工作站视觉系统能够高效、快速地识别出农用机械上的各种不同规格板件,从而大大提高农用机械的安装效率,降低人工成本,进一步提高生产能力。     

基于对抗域适应网络的土壤水分智能识别算法

【目的】使用传统卷积神经网络测量土壤含水率的识别准确率低、泛化性能差。为了满足重大工程扰动下的含水率测量需要,需提出一种适用于不同土壤类型且不受深度制约的探测方法。【方法】笔者搭建了室内实验平台,采集了延安、兰州和蓝田三个地区间隔等级为2%的8类不同土壤水分下的图像,构造了用于神经网络训练和测试的数据集。然后,基于对抗域适应算法（CDAN）,比较了ResNet、MobileNetV2、Xception和ViT四种网络,选取识别准确率最高的模型作为其特征提取器,构建基于对抗域适应的土壤含水率识别模型,对比分析含水率识别模型在不同迁移任务上的识别效果。【结果】域适应模型CDAN的测试准确率明显高于MobileNetV2、Xception和ViT等模型,对不同地区土壤含水率的测试准确率均达到68%以上,最高识别准确率为84.3%。【结论】使用域适应方法具有良好的泛化能力和识别精度,能够为开发土壤地质信息探测机器人的视觉系统提供算法支持。然而,目前的土壤含水率识别算法仅适用于实验室条件下所搭建的土壤含水率数据集,若想实现实际的工程应用,则需要进一步完善土壤含水率图像数据集,使室内搭建的算法实现...     

基于手势识别的智能农业采摘控制系统设计

【目的】实现通过手势对采摘机器进行远程操控,优化采摘机器控制系统,减少识别与采摘误差。【方法】笔者设计了一种基于手势识别的智能农业采摘控制系统,该系统应用图像滤波算法,提高了采摘机器控制的准确性与高效性。在系统设计中,将手势识别与远程操控机械臂结合,通过高分辨双目摄像机收集手势图像信息并提取特征,将其转化为电机控制命令后发送至控制层,实现了通过手势对机器的远程操控。【结果】图像滤波算法的识别时间仅为0.3 s,远低于其他两种算法的4.1 s与3.5 s;识别准确率高达96%,远高于其他两种算法的94%与92%。【结论】采用图像滤波算法的系统对手势识别的时间更短、识别准确度更高,可有效提高作物成熟判断准确率与采摘效率,具有良好的推广价值。     

基于计算机视觉的高速机器人芒果分选系统设计

针对目前芒果的外观品质分级采取人工方法所存在的不足,基于机器视觉、并联机器人等先进技术,构建了用于芒果品质动态、实时检测及分选的高速机器人系统,设计了芒果分拣的计算机视觉硬件系统,开发了高速分拣计算机视觉软件系统。工作时,芒果输送带将芒果按机器人动作节拍输送至图像采集区域由工业相机采集图像,识别系统对图像信息进行特征提取,建立图像特征与国家标准中的三级芒果的对应关系,将具有相应图像特征的芒果其所处位置信息及其级别对应的位置信息,通过单片机控制系统输送给高速分选机器人,从而完成芒果的高速分选。测试结果表明:高速分拣机器人系统可以高速、准确地完成芒果的分选工作。     

基于机器视觉的水下河蟹识别方法

为了探测河蟹在池塘中的数量及分布情况,为自动投饵船提供可靠的数据反馈,提出了基于机器视觉的水下河蟹识别方法。该方法通过在投饵船下方安装摄像头进行河蟹图像实时采集,针对水下光线衰减大、视野模糊等特点,采用优化的Retinex算法提高图像对比度,增强图像细节,修改基于深度卷积神经网络YOLO V3的输入输出,并采用自建的数据集对其进行训练,实现了对水下河蟹的高精度识别。实验所训练的YOLO V3模型在测试集上的平均精度均值达86. 42%,对水下河蟹识别的准确率为96. 65%,召回率为91. 30%。实验对比了多种目标检测算法,仅有YOLO V3在识别准确率和识别速率上均达到较高水平。在同一硬件平台上YOLO V3的识别速率为10. 67 f/s,优于其他算法,具有较高的实时性和应用价值。     

基于机器视觉的蜜柑横径测量方法研究

【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。     

基于番茄外部形状判别番茄空洞果的研究

建立了计算机视觉系统获取番茄的图像,利用0°图像的圆度特征判别番茄生理病害果中的空洞果。实验表明:该方法对生理病害果的识别准确率可以达到94％。     

基于Linux的模块化图像采集系统设计

【目的】近年来,图像采集技术已广泛应用于各大智能装备领域,但传统图像采集系统因过度依赖PC,导致整个智能机械体积大、成本高,不利于企业研发生产。【方法】研究小组设计了一种基于Linux的模块化图像采集系统取代PC,该系统主要包括硬件设计和系统程序设计。其中,硬件设计主要为外围设备的电路设计,包括图像采集、图像传输、图像显示等硬件模块部分,而系统程序设计主要为嵌入式Linux系统搭建、外围设备驱动程序和摄像头采集图像信息流程。【结果】对系统进行了测试验证,摄像头采集的图像信息在HDMI显示屏上显示正常,并且可以设置摄像头的亮度、曝光、白平衡等信息。网口网速平均可达938 MB/s,稳定且不丢包,满足该系统高速传输功能需求。【结论】该系统各模块工作正常,能够达到预期效果,适合工厂批量化生产,在未来的农业生产、医疗器械、产品检测等智能机械领域有着非常广阔的应用前景。     

基于计算机视觉的玉米种子形态识别测量

种子的一致性包括品质、形态和颜色特征方面。采用具有高度一致性的种子,可以提高后期的机械化作业程度,从而降低生产成本。要提高种子的一致性,则必须识别并清除裂变和畸形的种子,传统的清选操作只能保证种子的净度和健康度,且效率太低。计算机视觉是目前种子精选分级方面研究最多的技术,适用的作物种类也很广泛。为此,基于计算机视觉技术,建立了玉米种子的形态识别测量方法和系统。系统通过扫描获取种子图像,再进行预处理和图像分割,提取单粒种子的图像;然后以面积和圆形度为参数,将种子划分为4个等级。在验证试验中,系统的图像处理过程仅耗时2s,对种子大小和圆扁的识别准确率分别为98%和96%,能够满足自动分级的要求。系统的创新在于用扫描仪代替相机,分析的通量大,且成像的质量高。另外,仅选择两个特征值作为分级参数,减少了分析过程中的计算量,有利于在实时分级装置中应用。     

基于计算机视觉的大米外观品质检测

开发了一套基于计算机视觉技术的稻谷品质检测系统，采用灰度变换、自动阈值分割、区域标记等方法从采集的稻米群体图像中提取单体米粒图像，对单体米粒的裂纹、垩白特征进行了统计和检测方法研究。提取了米粒的面积、周长等10个特征参数作为整精米检测特征，并进行了主成分分析，确定了判别整精米的优化阈值。检测试验结果表明：裂纹米粒识别的准确率为96．41％；垩白米粒识别的准确率为94．79％；整精米识别的准确率为96.20%。     

基于DSP与ARM的大豆籽粒视觉分级系统

针对现有大豆籽粒筛选机构精度低、豆粒损伤大、不能有效识别霉变、灰斑豆粒等缺点,提出了一种基于TMS320DM6437(DSP)和TMS320DM355(ARM)的嵌入式大豆籽粒视觉分级系统的总体设计方案。阐述了该系统的工作原理、硬件构成、软件系统和分级测试。采集的大豆图像,经背景分割后提取豆粒参数,利用统计学方法对豆粒区域进行边界特征、区域特征提取,确定圆形度和平滑度为最优分级特征。以达芬奇技术处理器TMS320DM6437和TMS320DM355作为核心处理单元,嵌入图像处理算法,实现大豆籽粒的视觉分级。选取4类不同品种大豆各2 000粒作为试验样本,对系统进行重复测试,分级筛选精度达到95%。     

基于HSV颜色空间的烟叶烘烤阶段判别模型研究

【目的】烟叶烘烤的阶段判别对提升烘烤效率和品质具有重要意义,亟须实现烟叶烘烤阶段自动判别,减少人为影响,提高判别准确率。【方法】首先,使用图像处理技术将图像均衡化,再裁剪并剔除含背景信息多的图块,筛选出有效信息最多的图块;其次,提取烤烟图块的颜色特征,提取每一个图块的HSV三通道值,得到i项通道值;最后,使用基于阈值筛选的方法作为特征处理器,根据不同h、s、v值分类出烟叶烘烤的阶段,并将判断结果与实际情况进行对比验证。【结果】使用图像均衡化处理技术结合基于HSV颜色空间的特征提取算法,进行烟叶烘烤阶段判别,最终整体准确率达到90.64%,并且阶段3和阶段4的准确率达到了100%,效果非常理想。【结论】使用图像处理技术结合图像本身的颜色特征,能有效地判别烤烟的烘烤阶段,对判断烘烤进程、指导烘烤参数调节、提高烘烤品质、减少物料浪费和烘烤成本具有实际意义,有着广阔的应用前景。本研究为后续绕过深度学习等大算力算法但能提高实际应用效果方面的研究提供了方向。     

基于计算机视觉的橙子分级研究设计

橙子具有很高的营养价值,是我国部分地区的支柱产业,在农业经济中占有一定地位。分级是水果销售前的一道重要工序,有利于增加销售收益,提高产业竞争力。橙子种类繁多,品质各异,对其检测分级显得尤为重要。目前,橙子的分级主要由人工完成,但不能满足可持续发展的要求。基于计算机视觉的橙子分级设备类型、分析和计算方法都较多,但处于试验阶段,还没有应用于实际生产。为此,基于计算机视觉技术,建立了橙子的实时分级系统。橙子图像用计算机进行预处理和灰度化后提取目标轮廓,然后分别对大小、颜色和表面缺陷进行检测,采用RBF神经网络模式划分等级。系统对各级橙子的识别准确率为82.5%~90.0%,平均准确率为8 6.3%。系统处理单张图像平均用时0.6 s,分级效率达到1 8 0个/s,可以实现对橙子的自动化检测和分级。     

基于机器视觉的石榴品质自动分级方法

采用人工检测的石榴外观品质等级分级方法存在准确率和效率低的问题,提出一种基于机器视觉的石榴品质分级方法。首先,采用机器视觉系统采集石榴样本图像,进行去噪处理与获取掩模图像;其次,提取去噪图像的红、绿、蓝分量,用蓝色分量减去红、绿色分量得到色差图像,并对色差图像进行阈值分割;然后,对分割图像采用数学形态学处理获得连通的疑似缺陷区域的边界,提取纹理特征并根据缺陷与非缺陷区域纹理特征的不同来标记缺陷区域;最后,将缺陷面积与总面积之比和缺陷数目作为划分等级的依据,对石榴品质等级进行划分。试验结果表明：本方法总体分级准确率达到92.9%,能够高效、准确地识别石榴表面缺陷并进行品质分级,为实现自动分级的产业化提供思路。     

基于圆形模型的骏枣果梗检测方法

果梗有无的判别是骏枣分级系统中的一项重要指标,针对传统的膨胀与腐蚀操作不能达到果梗识别的要求,为此提出了基于圆形模型的骏枣果梗检测方法。通过图像预处理获取二值图像;构建一圆形模型,以目标图像的形心为圆心,以等效椭圆长半轴乘1个调整系数为半径,该圆形模型可以覆盖骏枣果肉部分图像,剩下图像部分主要为果梗;由于图像可能还含有噪声,为此进行中值滤波处理,最后即可提取果梗图像部分。对120帧图像进行检测试验,结果表明:每个图像的平均处理时间小于500ms,本次试验果梗识别准确率93%,基本满足红枣分级系统精度的要求。     

基于计算机视觉的葡萄检测分级系

设计了一套基于计算机视觉的葡萄检测分级系统,包括驱动装置、输送机构、夹持机构、图像采集与处理系统和分级控制系统,葡萄以悬挂方式连续输送,两个CCD摄像机在外触发模式下实时采集葡萄的两面图像.基于RGB色彩空间计算果面着色率,采用投影面积法和果轴方向投影曲线计算果穗大小和形状参数,进而实现葡萄外观品质分级.选用20穗巨峰葡萄进行3次分级试验,与人工分级对比,颜色和大小形状分级的准确率分别为90%和88.3%,同时在分级过程中不会对葡萄造成损伤.     

异型烟设施设备调度管理系统模型构建与应用

【目的】异型烟是指和标准条烟尺寸规格有区别的异型包装卷烟。近年来,客户对异型烟的需求不断增多,地市级烟草物流配送中心在未来会面对越来越多的异型烟分拣任务,需要针对异型烟包装特点以及卷烟的订单结构,来调整异型烟设备分拣调度系统模型。传统的异型烟分拣方法采用人工分拣,劳动强度较大、分拣率低、错误率高,难以盘点。【方法】首先,课题组从目前大多物流中心的异型烟分拣方案出发,分析分拣方案、分拣流程以及异型烟的分拣问题;其次,针对异型烟设备分拣调度系统模型进行研究,分析机械结构、控制系统、数据库;最后,构建出全自动的异型烟分拣模型。【结果】全自动的异型烟分拣模型彻底解决了传统异型烟分拣方法错误率高、分拣效率低、人力资源消耗大、盘点难度系数高等问题,该系统可以弥补人工分拣作业的不足。【结论】全自动的异型烟分拣系统市场应用前景广阔。     

基于机器视觉的球状农产品分拣机的探索研究

人们对农产品品质要求的提高,产生了对农产品分级分拣的需求,并且这种分拣的指标是多样化的.按照产品的颜色、腐烂损坏程度、成熟度等指标要求进行的分拣,由纯机械的装置是难以实现的,同时如果没有机械装置的辅助,对产品图像信息的采集又是不全面的.笔者结合计算机视觉识别技术和机械自动取料与翻滚装置,以坏果分拣为例,提出了系统化的解...