基于RGB彩色模型的草莓图像色调分割算法

针对目前草莓采摘机器人草莓图像分割运算量大、耗时多等问题,根据CIE-XYZ颜色模型及其色度图,提出了一种在RGB彩模型中进行草莓图像色调分割的方法。该方法无需彩色模型转换,时间复杂性能较Lab彩色模型下a通道阈值分割算法与BP神经网络分割算法优越。对该算法进一步改进后,只需加减运算,无需乘除运算。试验结果表明:该算法能很好地实现成熟草莓果实与图像背景的分离,并较好的保存草莓轮廓信息,分割效率>85%;进一步对分割后的图像进行形态学处理,如膨胀、腐蚀等,有效消除了孔洞现象。     

基于等间距平行线区域填充算法

多边形区域填充的递归种子填充算法存在一个点多次进入堆栈和扫描线种子填充算法重复判断大量像素点的缺陷,为此提出一种基于等间距平行线区域填充新算法,首先采用Douglas-Peuker算法对复杂多边形化简,其次采用等间距平行线绘制多边形区域,最后计算每条平行线经过内点的个数及相应的行列值,完成区域填充。实验数据验证,该算法填充效率良好,无需对内点重复判断,特别适合于多边形嵌套的区域填充。     

草莓采摘机器人的研究:Ⅰ.基于BP神经网络的草莓图像分割

草莓成熟度和空间位置的识别是草莓采摘机器人研究的重要环节,解决此问题必须首先对采集的草莓图像进行分割.采用三层BP神经网络,通过分析选取3×3邻域像素的H通道值作为草莓图像的特征;选取HSV模型中与亮度无关的通道以排除图像的明暗对分割效果的影响;采用单通道以缩短图像处理时间.选取20幅图像作为训练样本,以人工借助Photoshop软件分割后的图像作为教师信号,采用BP算法对神经网络的权值进行训练.经过100次循环后(误差为0.001),获得了有效的网络权值.试验结果表明,利用BP神经网络能较好地实现成熟草莓果实与背景的分离,经过提取大区域和腐蚀、膨胀等算法的进一步处理后,效果更好;而且,只要改变训练时的教师信号,即可实现对草莓果梗、萼片等图像的分割.     

草莓罐头加工技术研究

本文通过研究,筛选出5倍和10倍浓度的黑穗醋栗(Ribes mgrum L)天然果汁稀释液作草莓罐头的抽空液和填充液。填充后果品色泽鲜艳;抽空后果实饱满,保持果形。     

草莓采摘机器入的研究：Ⅰ.基于BP神经网络的草莓图像分割

草莓成熟度和空间位置的识别是草莓采摘机器人研究的重要环节 ,解决此问题必须首先对采集的草莓图像进行分割。采用三层BP神经网络 ,通过分析选取 3× 3邻域像素的H通道值作为草莓图像的特征 ;选取HSV模型中与亮度无关的通道以排除图像的明暗对分割效果的影响 ;采用单通道以缩短图像处理时间。选取 2 0幅图像作为训练样本 ,以人工借助Photoshop软件分割后的图像作为教师信号 ,采用BP算法对神经网络的权值进行训练。经过 10 0次循环后 (误差为 0 0 0 1) ,获得了有效的网络权值。试验结果表明 ,利用BP神经网络能较好地实现成熟草莓果实与背景的分离 ,经过提取大区域和腐蚀、膨胀等算法的进一步处理后 ,效果更好 ;而且 ,只要改变训练时的教师信号 ,即可实现对草莓果梗、萼片等图像的分割     

草莓采摘机器人的研究:Ⅱ.基于图像的草莓重心位置和采摘点的确定

成熟草莓果实重心和采摘点的确定是草莓采摘机器人采摘收获作业中的关键问题。采用LRCD (lumi nanceandredcolordifference)方法分割草莓图像。在RGB色彩模型中 ,求得图像中每个像素的色差 ,在灰度图像中显示以色差值为灰度值的色差图像 ,取合适的阈值对该图像二值化 ,得到分割后的草莓图像 ;提取分割后草莓图像的几何特征 ,从而确定草莓的重心位置和采摘点。采用本文所述的机器人视觉系统 (CCD成像像素 75 3× 5 82 ,像素中心距 10 μm× 10 μm)的试验结果表明 ,其采摘点位置误差 <3mm。利用LRCD方法能够很好的将成熟草莓与背景分离 ,通过提取分割后草莓图像的几何信息 ,可确定草莓重心和采摘点的位置。该处理方法适用于从复杂背景中提取红色目标     

一种基于位存储的种子填充算法

为了提高利用简单种子填充算法对区域填充的效率,主要方法是改进基本的算法思想,改变像素点着色和入栈的顺序,从而减少像素点入栈的次数,达到降低算法执行时所占空间的目的.在具体的程序实现时对像素点坐标的存储采用占用空间较多的整型,没有考虑到像素点坐标取值的实际情况,消耗空间较多.改进的种子填充算法就是在程序实现时采用位的形式来表示像素点的坐标,降低程序执行时所占空间,实验结果也表明了方法的有效性.     

平行线填充算法在区域面积量算中的应用

基于平行线原理提出一种新的区域填充算法并运用于环形多边形的面积量算中。首先,绘制一组等间距平行线并计算与多边形边界的交点值;其次,从第二条平行线开始,依次和前一条平行线配对组成一个矩形区域并计算面积;最后,利用自定义的算法判断每个矩形区域两端的小三角形区域是否保留或删除,从而计算出整个环形多边形区域的面积。通过对单一、相交、凹进和凸起、复杂多边形区域面积量算得出的数据表明,该算法能快速准确计算指定区域面积且具有较好的通用性。     

蜜蜂授粉与人工授粉对温室草莓生长动态及品质的影响

【目的】研究蜜蜂授粉和人工授粉对温室草莓生长动态及果实品质的影响,为规范草莓蜜蜂授粉管理措施和提高草莓果实品质提供参考依据。【方法】设置蜜蜂授粉和人工授粉区域,观测草莓果实纵、横径生长动态,落果波相及座果率,测定可溶性固形物、Vc、总糖和总酸等营养指标含量。蜜蜂授粉区域草莓果实果径整个生长发育过程的生长速度均显著高于人工授粉区域(P0.05,下同)。【结果】2种授粉模式草莓坐果阶段的第1、3次落果期落果率差异不显著(P0.05,下同),第2次落果期蜜蜂授粉区域草莓果实的落果率显著低于人工授粉区域。除总酸含量外,总糖含量、糖酸比、Vc含量、可溶性固形物含量及畸形果率均以蜜蜂授粉区域果实的品质显著优于人工授粉区域。【结论】蜜蜂授粉可改善设施草莓果实品质,提高产量,是一项安全有效的温室配套技术,可在温室草莓种植中推广应用。     

一种草莓图像立体匹配方法

提出了一种基于尺度不变特征变换和随机抽样一致算法的立体匹配方法。首先采用SIFT算法提取左右草莓图像的特征向量,再运用RANSAC和极线约束法对两幅图像进行特征点匹配,以降低特征点对之间的错配率,提高图像匹配精度。最后利用双目立体视觉原理对图像各目标进行匹配试验。结果表明,该算法较传统方法平均匹配精度提高50%,算法时间缩短66%,可满足草莓收获机器人视觉系统在自然采摘作业环境下的工作要求。     

基于ISODATA算法的草莓图像分割

应用ISODATA算法对成熟草莓图像进行分割,该方法具有迭代自组织性,通过预先设定的迭代参数,在随机选定初始聚类中心的基础上,使用分裂与合并的机制。结果表明,该算法应用于成熟草莓图像的分割效果较好。     

耕地质量评价缺失数据填充方法研究

在耕地质量数据调查与采集过程中会由于人为、环境等因素造成数据缺失,而目前数据缺失填充方法都存在适用性不足的问题,为完善耕地质量数据库从而提高耕地质量评价精度,对耕地质量评价缺失数据填充方法的研究是十分重要的。本研究以广州市从化区耕地质量数据库为样本集,根据空间相关性和空间分布将数据集划分为空间关联性数据集和非空间关联性数据集,利用多种填充方法对其进行缺失填充模拟,采用十字交叉法进行精度验证。结果表明：选取数据整体异常值比例不足1.2%,且高程、气温、有效锌等25组因素具有空间相关性。对空间关联性数据填充精度最高的是四象最近邻算法,在缺失率20%以下时精度仍高达80%,精度随缺失率增大而降低,其次为K最邻近（KNN）算法、期望最大化法、多重填充法、回归模型算法,四象最近邻算法相较于KNN算法在数据密集时精度更好。对非空间关联性数据填充精度最高的是相似聚集填充算法,在缺失率25%以下时精度超过80%,其次为期望最大化法、多重填充法、回归模型算法。综上,本研究提出的四象最近邻算法和相似聚集填充算法相比其他算法在耕地质量评价缺失数据填充中精度更高,效果更稳定,且实用性更广。     

基于YOLOv4的草莓目标检测技术研究

草莓目标检测对草莓智能化监测和自动化采摘具有非常重要的意义。本文提出了一种基于YOLOv4的草莓目标检测方法。针对复杂环境下采集到的草莓数据集,首先采用LabelImg进行数据类型标注,然后采用改进的Kmeans聚类算法进行先验框尺寸的计算,最后采用分阶段训练方法对搭建的YOLOv4模型进行训练和模型评估。结果表明,该方法的测试集平均精度均值达到97.05%,单张图像检测时间平均为74 ms,能够满足草莓的高精度实时检测需求。     

草莓的科学贮藏与保鲜技术

一、草莓的科学采收技术 1、采收前的处理:草莓采收前用0.1-0.5%的氯化钙溶液喷施果实,或在采收后用氯化钙溶液浸果,可抑制草莓软化. 2、采收时间:草莓采收最好在晴天进行,草莓先开花的果实先成熟,整个采收时间历时20天左右,分次分批采收,一般每日或隔天采收一次.一般在草莓表面3/4颜色变红时采收为宜,过早采收,果实颜色和风味都不好.采收应该在露水干后进行,气温高时应避免在中午采收.     

基于RGB颜色相似度的成熟草莓图像分割

针对复杂背景下的成熟草莓图像,提出了一种基于RGB颜色相似度的成熟草莓图像分割算法（CS\|BASED RSIS）。首先提取成熟草莓区域,确定成熟草莓的主颜色,然后遍历待分割的图像,求出每个像素点相对于主颜色的颜色比和相似度,进行颜色相似度的阈值分类,最后经多次膨胀和去除小面积对象的数学形态学处理,输出分割结果。试验结果表明,在无粘连无遮挡、无粘连有遮挡、有粘连有遮挡3种复杂环境下,与OTSU等图像分割算法相比,CS\|BASED RSIS算法不仅能达到更好的分割效果,而且平均分割时间仅为0965 s,能满足成熟草莓机械化采摘的实时性要求。     

Lab色彩模型下梯度Hough圆变换的成熟草莓识别

自然生长状态下的草莓,果实密集,形状多变,枝叶遮挡率较高,使用机器采摘对成熟草莓的图像识别具有一定的难度。针对这个问题,提出了Lab色彩模型下采用梯度Hough圆变换的成熟草莓识别方法。以自然生长状态下的草莓图像为研究对象,在Lab色彩模型空间里对图像分割及阈值化并采用梯度Hough圆变换等方法,识别成熟草莓并计算出草莓中心。试验结果表明,对随机选取的100张草莓图片,该方法识别成熟草莓的相对偏差为1.07%,对枝叶遮挡、成熟草莓相互遮挡等情况,具有较好的识别效果。与传统的Hough变换相比,这一方法节省了运行内存,提高了时间效率,能够满足机器采摘对成熟草莓识别率与定位的要求。     

草莓花瓣脱落对果实灰霉病的影响

【目的】明确衰老花瓣在草莓果实灰霉病中的作用以及草莓花瓣脱落早晚与果实灰霉病发病的关系,为果实灰霉病的防控和抗（耐）灰霉病品种选育提供理论依据。【方法】试验1：以草莓品种‘甜查理’为材料,进行田间试验,摘除至少2 000个果实表面的衰老花瓣,以不摘除花瓣的处理为对照。保持塑料棚内高湿度8 d后,调查不同处理草莓果实灰霉病发病率。试验2：分别在2013、2014和2015年3月草莓盛花期,对11个草莓品种的田间花瓣脱落动态进行调查,每个品种选择20朵刚现蕾的花,记录现蕾后第7、14、21和28天果实上残留的花瓣数量,计算花瓣脱落率;于果实灰霉病发病高峰期,调查不同草莓品种果实灰霉病的发病率,分析现蕾后第7天花瓣脱落率与果实灰霉病发病率的相关性。试验3：对33个草莓品种现蕾后不同天数的花瓣脱落率与果实上残留花瓣数量进行调查,并分析两者的相关性。【结果】试验开始前棚内的草莓果实灰霉病发病率为4.2%;利用自然雨雪天气保持塑料棚内高湿度8 d后,摘除果实上残留衰败花瓣的处理,果实灰霉病的平均发病率为7.3%,对照小区果实灰霉病的平均发病率为25.3%,大部分果实均从与花瓣接触的地方开始感染。在不同试验年份,草莓品种之间的花瓣脱落趋势始终一致。所有草莓品种在花朵现蕾后,随时间延长,花瓣脱落率不断提高,但是不同草莓品种的花瓣脱落速度却有显著差异。不同年份草莓品种‘晶瑶’在现蕾后7 d的花瓣脱落率分别为99.0%、79.8%和94.4%,显著高于‘晶玉’（61.0%、24.0%和62.5%）和‘甜查理’（26.0%、3.8%和31.9%）。2013年调查的5个草莓品种的果实灰霉病发病率与花朵现蕾后第7天花瓣脱落率显著负相关 (P＜0.05);2014年调查的6个草莓品种,2015年调查的11个草莓品种的果实灰霉病发病率与花朵现蕾后第7天花瓣脱落率都显著负相关 (P ＜ 0.01)。对33个草莓品种的调查发现,不同草莓品种现蕾后第7天花瓣脱落率与果实上残留花瓣数量显著负相关(P ＜0.01)。【结论】衰老花瓣是灰葡萄孢（Botrytis cinerea）侵染果实的主要途径,摘除草莓果实上衰老花瓣可显著降低果实灰霉病的发病率。现蕾后第7天的草莓花瓣脱落率与果实灰霉病的发生具有显著负相关性,利用这种避病性,在选育抗灰霉病草莓品种时可优先考虑花瓣脱落早的材料。     

草莓果实发育过程中Ca、K、Fe、P的变化动态研究

对达赛莱科特和447-3草莓果实发育期Ca、K、Fe、P含量的变化规律进行研究,进一步明确矿质元素对草莓果实品质的影响,旨在为草莓施肥和品质调控提供科学依据。结果表明:草莓果实发育期间果实内4种矿质元素含量大小顺序为K>Ca>Fe>P;K在整个草莓果实的发育过程中维持较高水平;Ca、P含量在果实发育前期较高,随果实发育成下降的趋势;Fe含量在果实发育过程中呈现出高—低—高—低—高—低的趋势。     

基于极限腐蚀的重叠苹果果实分割方法

针对采摘机器人无法对重叠苹果准确分割的问题,提出了一种基于改进极限腐蚀和控制标记符分水岭分割苹果图像的方法。首先,利用果实色差分量的关系,采取R-G颜色分量作为颜色特征向量对图像进行初分割,然后采用OTSU方法分割、孔洞填充、去除小面积等方法获得完整果实二值图像,对二值图像通过改进极限腐蚀的方法来获取种子点,即局部最小区域,通过获得图像的内外标记符使用控制标记符分水岭算法,形成最终的分割图像并标记出分割线。结果表明:这种方法能够很好地改善传统方法出现错误分割的问题,找出清晰的分割线,正确分割率能够达到96.5%,较传统分水岭法和快速聚类分割算法分别提高了7.8个百分点和4.9个百分点,能够满足采摘机器人对重叠苹果图像的分割要求。     

自然光温室草莓叶片图像边缘提取的新多尺度分析算法

本研究提出了一种基于四级daubechies 5('db5')小波分解提取自然光温室中草莓叶片图像边缘的新算法。该算法对不同尺度的重建图像采用不同的分割和运算方法,以去除叶片目标边缘的外部背景和内部纹理干扰。这种方法有两个优势:一是从不同的尺度空间来获取相应映射区域的重建图像,可以为相应的各层空间区域提供不同的图像抽象特征。另一方面,在某个尺度空间中特定映射区域的某些图像特征难以获得,而其它尺度空间中特定映射区域的这种特征则容易得到。在本文中对不同尺度重建的图像处理时,主要采用Otsu阈值分割获得不同尺度重建图像得到相应空间位置的二值图像区域,并用canny分割不同尺度相应映射区域的重建图像获取相应空间位置的准确梯度的边缘,并通过不同尺度空间相应映射区域的两种分割的综合,得到精确完整的叶片边缘。但是由于草莓叶片图像各自不尽相同,自然光温室的光辐射和反射环境下叶片图像的局部非均匀照度,导致canny边缘提取会产生大量非叶片边缘的伪边缘,所以必须对在不同尺度之间相应的空间映射区域内的重建图像,进行分割处理和边缘提取处理,对其结果进行跨尺度的形态学和逻辑运算,用以避免叶片图像的canny伪边缘造成叶片的内部分割不完整碎片和叶片内部区域与叶片外部区域的粘连。为此,本研究将尺度重建叶片图像的canny伪边缘分为三类。第一类canny伪边缘是第一层小波分解重建的叶片图像边缘外部区域的canny伪边缘。第二类和第三类canny伪边缘在第三层小波分解重建图像的第一次Otsu分割的前景区域中。这两类映射区域中canny伪边缘都是映射第一层小波分解重建图像的相应空间区域的canny边缘,只是利用了第三层小波分解重建叶片图像的第一次Otsu分割的前景区域,通过分类划分该区域对canny伪边缘进行分类处理。其中第二类canny伪边缘的区域是通过以第三层小波分解重建图像的第一次Otsu分割得到的前景区域作为掩模,对第三层小波分解重建图像进行第二次Otsu分割获得的亮度突出的叶片图像边缘内部前景区域;第三类canny伪边缘的区域同样是通过以第三层小波分解重建图像的第一次Otsu分割得到的前景区域作为掩模,对第三层小波分解重建图像进行第二次Otsu分割获得的叶片图像边缘内部区域内灰度差异明显的背景区域。本文根据多尺度重建图像的区域类别划分,构造了针对这三种不同区域的纹理特征的不同处理方法,得到了完整的、无干扰的精确的叶片canny边缘。最后,对多尺度方法进行了简化,给出了温室草莓叶片自然光的有效分割算法。