图像处理在割台高度控制系统中的应用

基于图像处理技术提出了一种倒伏小麦的检测方法.首先,对田间倒伏小麦进行图像采集,进而探讨了基于颜色特征的图像识别方法.通过对彩色图像灰度化以及灰度反色处理后,再选取中值滤波法去除噪声,最后用高斯-拉普拉斯算子边缘检测方法提取图像边缘,得出倒伏小麦与正常小麦之间的高度差,据此控制收割机割台的高度.此方法可降低倒伏小麦造成的颗粒损失,提高农业生产机械的自动化水平,降低劳动者的劳动强度.     

基于立体视觉下联合收获机边缘检测技术的研究

智能联合收割机是目前作物收获的发展热点与研究重点技术之一，而确定田间地块边缘、未收割作物边缘、联合收获机直线行驶和在作物地头转向是实现全田间自动收获的基础。为此，设计了一种基于立体视觉下多种作物收获边缘快速检测方法，保持作物收获边缘在检测目标区域内，并提出了一种基于HSV(色调、饱和度和值)空间扫描的动态感兴趣区域提取算法，利用Ostu算法获得作物未收获面积，实现未收获作物边缘和作物末端边缘的同时检测，并根据作物收获末端边缘自动转向到下一个收割路径。田间验证试验表明：水稻检测准确率高于98%,玉米的检测准确率高于94%,平均处理速度为49frame/ms。研究结果表明：提出的基于立体视觉下联合收获机边缘检测及精准转向系统具有较高的工作精度和效率，可为提高作物收获性能提供技术参考与借鉴。     

温室视频监控系统中的图像插值算法

介绍了将图像插值技术应用于农业的方法,为更好地掌握作物的生长状态提供有力的帮助.采用基于模糊理论的高效边缘检测算法将图像分区,再针对不同区域采用最合适的插值算法进行放大.实验结果表明,基于边缘检测的算法在尽量减少运算时间的同时较好地保证了放大图像的质虽,达到了预期效果.     

基于边缘检测与扫描滤波的农机导航基准线提取方法

为了实时、准确地提取作物行基准线,提出了一种将边缘检测和扫描滤波(Boundary detection and scan filter, BDSF)相结合的基准线提取方法。首先对RGB颜色空间采用G-R颜色特征因子进行图像灰度化,再采用最大类间方差法（OSTU）对灰度图像进行分割,得到二值化图像,获取较好的作物信息。然后分别对图像的底端和顶端部分进行垂直投影,获取作物行的位置,形成一个包含作物行直线的条形框;在这个条形框内,再用等面积的小条形框对图像进行扫描并统计有效点的个数。最后根据扫描的结果来提取导航线。试验结果表明,对比Hough算法和最小二乘法(Least square method, LSM),BDSF算法处理一幅分辨率为640像素×480像素的图像,平均耗时为67ms,与LSM算法耗时相当,精度接近Hough算法;并且在杂草和株数稀缺情况下具有良好的适应性,能够快速准确地提取作物行基准线。     

虫眼板栗的图像识别方法研究

针对板栗易发生虫害、虫眼的形状和大小等不定、不易识别的情况,研究了一种基于图像处理技术识别虫眼板栗的方法.采用中值滤波法对图像进行消噪;采用微分算子对板栗图像进行边缘检测,经膨胀和腐蚀等形态学运算实现了背景分割;采用Otsu法将图像转换成二值图像,经形态学处理后与模板进行异或运算,提取了虫眼面积特征值;设置两个不同的敏感度阈值并将由Sobel算子得到的边界提取图进行相减,提取了虫眼边缘特征向量.试验结果表明,该识别方法的正确率可达88.9%.     

基于无人机平台的直立作物倒伏监测研究展望

作物倒伏是影响农作物产量、造成农业经济损失的一大主要原因。有效地监测农作物倒伏情况,并对作物损失进行预评估,能够为农民和有关部门的灾后防控提供有效的数据支持。运用灵便小巧的无人机平台对作物倒伏区进行监测,可有效避免人工监测引起作物二次倒伏现象的发生。本文针对国内外关于典型倒伏农作物研究种类单一、监测方法集中的现状,以及运用无人机平台提取处理作物倒伏信息所面临的续航时间短、智能化自动化水平有待提高、混种作物监测精准度低、农户专业技能水平普遍偏低等问题进行系统的分析研究;同时,对基于无人机平台监测其他农作物倒伏状况进行展望,提出无人机倒伏监测的高效智能化、识别精准化、监测普适化、功能人性化、性能完备化发展,为拓展无人机平台在各类直立农作物倒伏现象中的研究应用提供参考。     

排种器试验台检测系统的设计与试验

基于计算机视觉和自动控制技术,设计了排种器试验台检测系统.该系统适用于各种排种器的精播、穴播及条播性能的试验和检定,并可生成丰富翔实的试验数据报表.为此,论述了检测系统的设计与构成,对排种图像采集处理的总体流程、图像的拼接、阈值分割和种子边缘提取等内容一一做了叙述,并讨论了数据的综合处理、各种统计和评价的依据等.同时,为了检验该系统的可靠性和准确性,在JPS-12排种器试验台上进行了多种速度下的玉米精播性能检测试验.     

基于改进Sobel算法的叶片图像边缘检测

采用数字图像处理技术对叶片图像进行边缘检测,主要研究了基于Sobel算子的叶片边缘的检测方法。在对图像进行灰度化和滤波去噪等预处理的基础上,增加了6个方向模板对Sobel算子进行改进。试验证明,该方法有效解决了Sobel算子边缘检测时边缘过粗的问题,得到的边缘较细,精确度提高了13.6%。     

基于视觉算法的割草机器人作业系统优化

以割草机器人作业系统为研究对象，通过对割草机器人作业过程进行分析，利用高清摄像头进行目标区域草地图像采集，采用视觉算法进行草地图像转换，获取草地图像的颜色和边界特征集合，实现草地识别和草地形状识别，并根据结果进行割草作业自动化控制。试验表明：基于视觉算法建立的割草机器人作业控制系统，草地面积识别误差不大于1.5%,草地图像像素识别误差不大于3%,系统在进行草地状态识别时具有较高的可靠性。     

基于图形边缘检测技术的采摘系统可视化应用

为进一步提高我国智能采摘系统的实用性与作业成功率,基于图形边缘检测技术对其进行可视化应用研究。通过合理布置采摘系统的组成结构,识别影响采摘系统的作业性能因素,得出可应用于采摘系统的图形边缘检测模型,同时针对其主要执行硬件进行功能选型,增设图形边缘检测模块,进行系统软件架构设计与控制程序输入,并进行应用试验。试验结果表明:基于图形边缘检测技术的采摘系统对于不同采摘环境下的果实识别准确率均可达到82%以上,且果实损失率大大降低,系统运行稳定可靠,具有很好的推广价值。     

基于HED网络的奶牛边缘图像特征提取

对奶牛的图像进行高精度边缘特征提取,为奶牛的个体识别或者奶牛的线性评定提供重要的评判依据,可以更好的实现奶牛保险业的自动化管理。采用基于FCN和VGG改进的边缘检测HED(Holistically-Nested Edge Detection)网络,在caffe框架下通过MATLAB实现对奶牛原始图像的边缘特征提取。将HED网络检测出的边缘特征图像与传统优化过的Canny算子作比较,无论从直观的边缘图像对比,还是数据的对比,HED网络的效果远远优于传统算法。用500张奶牛图片在BSDS500上进行性能评估,其中200张为训练图片,200张为测试图片,100张为检验图片。HED网络的奶牛边缘检测效果比Canny算法提高18.6%,大大提高奶牛边缘图像的处理精度、去噪声能力。将HED网络检测出的奶牛边缘图像为奶牛的识别提供重要依据,实现奶牛保险业高效的自动化管理。     

基于机器视觉的喷雾定位系统设计

为实现温室封闭环境下的自动化农药喷洒作业,设计一种基于机器视觉进行喷雾目标检测、以机械臂为喷药执行单元的精准施药系统。该系统可对目标作物大小及位置进行实时获取,并通过DSP控制机械臂完成施药动作。为尽可能保证目标作物位置检测的准确性,本文针对目标作物冠层视觉检测时的特殊性,提出采用基于冗余组合的图像分割算法和引入方差分量的改进SAD(Sum of Absolute Differences)匹配算法。算法在抑制田间背景噪声和提高匹配算法适应性上取得较好的实验效果,可以为喷雾臂控制提供稳定准确的空间三维坐标。     

计算机视觉技术在微小尺寸测量中的应用

应用计算机视觉技术快速测量微小零件的尺寸,研究了CCD图像预处理、图像二值化、边缘处理、标定等技术,发现中值滤波平滑处理图像的精度更高,轮廓跟踪能使图像边缘确定时的运算更简单。图像检测结果与工具显微镜测量进行了比较,结果表明该测量方法可以快速、准确地实现大批量同类零件的尺寸测量及合格度的检验,并可满足100%在线检测要求,检测误差不超过0.0119mm,每件检测时间不超过2s。     

作物数字图像远程实时获取方法研究

作物图像获取方法是应用计算机视觉技术监测作物长势的首要问题。为此,对作物数字图像远程实时获取方法进行了研究。研究的作物数字图像远程实时获取系统由图像获取设备、下位机、数据传输系统、Web服务器和客户端等部分组成,包括用户管理与系统维护、数据库管理、图像获取与设备控制和数据处理与发布4个功能模块。系统利用带无线传输功能的数码相机和高清晰网络工业相机作为作物数字图像获取设备,并给出了图像获取设备的5种安装形式:移动车载、固定形式、滑动导轨、云台和综合形式;系统在图像获取设备到下位机之间采用有线或微波无线的传输方式,从下位机到Web服务器再到客户端采用Internet网络连接,通过增加带宽可以显著提高图像信息的传输速率;系统利用直接存取法建立作物图像数据库,并利用Web信息系统实现了作物图像信息的实时发布。     

视觉传达技术应用于植保无人机的设计研究

为了实现稻瘟病情评估,差异化给药,基于视觉传达技术设计了植保无人机。摄像机拍摄稻田冠层图像,利用MSRCR技术强化图像,进行图像二值化与降噪处理,得到枯黄叶片图像,计算稻瘟病情诊断系数C,进而控制差异化给药。药液喷洒通过控制蠕动泵电机控制占空比,调节喷药流量;通过调整喷雾头离心电机电压,控制药液粒径和喷洒幅度。系统测试表明:流量与沉积密度线性决定系数达到0.9711,均匀性变异系数v范围为6.9%～10%,系统具有良好的控制精度。     

霉变花生的计算机视觉识别

提出一种利用图像处理技术识别霉变花生的方法.首先用微分算子对彩色花生图像进行边缘检测,经过形态学运算、填充、合成后,得到去除背景的彩色花生图像.然后采用H和S的阈值识别霉变区域,根据像素数目计算霉变面积比,从而判断霉变情况.试验表明,这种识别方法的正确率可以达到90%.     

色差边缘检测方法在杂草识别中的研究

田间作物与杂草的识别是实现变量喷洒除草药剂的关键.为此,提出了田间作物和杂草的叶子颜色信息以及HSI颜色模型研究的基础上,提出了一种与HSI空间3分量相互分离的特点相结合的色差边缘检测方法,并将实验结果同传统的Sobel方法进行了比较.结果表明,该方法充分利用了田间作物与杂草的彩色信息,能够快速准确地检测到图像的边缘,边缘连续性好,能很好地与背景分离,而且能够满足实时检测的要求.     

基于信息融合的农业自主车辆障碍物检测方法

针对单一传感器在智能车辆环境感知中的局限性,提出一种基于摄像机与激光雷达信息融合的农业自主车辆前方障碍物检测方法。对单目摄像机获取的图像进行基于Ft（Frequency-tuned）算法的显著性检测,并生成显著图。同时对激光雷达反射点进行基于数据关联性评估的聚类分析,确定障碍物数量、边界与位置等先验信息。然后以激光雷达坐标相对应的图像像素坐标为种子点,由种子点激活经过处理的显著图,基于受限区域生长实现障碍物区域分割。试验结果表明,基于Ft算法的图像显著性检测具有更好的边缘检测效果,基于种子点的受限区域生长法可以有效地进行障碍物分割。在机器视觉的基础上融入激光雷达数据,可以更好地排除非障碍物的干扰,实现了障碍物的完整检出。     

稻米粒型特性参数测试系统的开发

针对优质稻米品质国标参数检测的实际需要,在设计稻米图像采集装置的基础上,给出一种基于嵌入式的稻米粒型特性参数测试方法。系统以基于ARM内核的S3C2410为硬件开发平台,以linux系统为软件开发平台,采用USB数字摄像头,结合图像处理与模式识别技术,利用大津法对图像进行阈值分割,通过边缘检测和最大距离方法获得稻米粒型国标参数,测试误差不超过1%。该系统为稻米国标参数的现场测试奠定了基础。     

基于改进Mask R-CNN的水稻茎秆截面参数检测方法

针对人工测量、统计作物茎秆显微切片图像中维管束数目、面积等关键参数主观性强、费时费力、效率低的问题,提出一种基于图像处理的水稻茎秆截面参数自动检测方法。首先构建了一个基于改进Mask R-CNN网络的水稻茎秆切片图像分割模型。网络以MobilenetV2和残差特征增强及自适应空间融合的特征金字塔网络为特征提取网络,同时引入PointRend增强模块,并将网络回归损失函数优化为IoU函数,最优模型的F1值为91.21%,平均精确率为94.37%,召回率为88.25%,平均交并比为90.80%,单幅图像平均检测耗时0.50 s,实现了水稻茎秆切片图像中大、小维管束区域的定位、检测和分割;通过边缘检测、形态学处理及轮廓提取,实现茎秆截面轮廓的分割提取。本文方法可实现对水稻茎秆截面面积、截面直径,大、小维管束面积,大、小维管束数量等6个参数的自动检测,检测平均相对误差不超过4.6%,可用于水稻茎秆微观结构的高通量观测。