基于机器视觉的植物表型研究现状

传统基于人工的植物表型检测方法存在效率低下、主观性严重和测量误差大等问题,已难以满足现代农林业生产实践的要求。文章在分析植物表型研究必要性的基础上,系统综述国内外开展的植物表型检测技术研究,探讨了基于机器视觉的大田复杂环境下植物表型检测技术,并指出农林植物表型检测技术的发展必将推动农林植保的智能化。     

基于机器视觉的大田环境小麦麦穗计数方法

基于机器视觉技术研究了一种低成本、针对局部小范围的小麦麦穗计数方法。通过部署的田间摄像头采集大田环境下小麦麦穗低分辨率群体图像,实现了复杂大田环境下小麦麦穗图像的降噪增强处理;提取麦穗的颜色、纹理特征,采用SVM学习的方法,精确提取小麦麦穗轮廓,同时构建麦穗特征数据库,对麦穗的二值图像细化得到麦穗骨架;最后通过计算麦穗骨架的数量以及麦穗骨架有效交点的数量,即可得到图像中麦穗的数量。经过2014年5月和2015年5月在方城县赵河镇示范区的试验测试,以小麦麦穗图像640像素×480像素（约250穗）为例,小麦麦穗计数平均耗时1.7 s,准确率达到93.1%,满足大田环境下小麦麦穗计数要求,可以为小麦估产提供可靠的参考数据。     

基于三维机器视觉的植物叶片萎蔫预测模型

采用基于激光斜射测距原理的三维扫描装置实时获取植株三维图像,从中提取叶面卷曲统计指数、分形维数和二维傅里叶变换直流分量作为萎蔫指数来定量研究植物的萎蔫程度,采用西葫芦、葫芦、南瓜及秋葵4种植物的嫩叶期体态变化检验了3种萎蔫指数与萎蔫程度的相关性,结果表明:3种萎蔫指数与萎蔫程度均具有较好的相关性,相关系数都达到了0.82以上。在此基础上,运用SPSS软件建立了3种萎蔫指数与环境饱和水气压差VPD及光合有效辐射的多元线性回归统计模型。     

基于机器视觉的玉米苗期土壤湿度检测试验研究

在玉米苗期进行土壤湿度动态监测是提供精准灌溉的重要依据,对于玉米在此阶段快速健康生长具有重要意义。本文模拟超低空图像采集设备的试验方式,通过试验平台采集玉米苗期土壤水分的变化情况,以期建立图像与土壤水分数据的联系。利用超绿特征(2G-R-B)对采集到的玉米苗期土壤图像进行分割以排除植株本身对图像的影响。对试验中分割处理后的土壤图像的均值、归一化方差特征参数与试验平台测得土壤水分数据进行分析比较,分析后对所处理图像采用4G-R-B颜色特征修正,通过计算归一化方差σ_(4G-R-B)作为特征参数与实测土壤湿度进行线性回归分析,二者相关性验证结果为:R~2=0.73,RMSE=3.2%。表明修正处理后图像归一化方差σ_(4G-R-B)图像特征参数能够较好的表征土壤的水分变化。     

机器视觉技术的发展和应用

1机器视觉系统的概述 机器视觉(又称计算机视觉)是指用计算机来实现人的视觉功能,也就是用计算机来实现对客观的三维世界的识别.简言之,机器视觉就是用机器代替人眼来做测量和判断.机器视觉系统是指通过机器视觉产品(即图像摄取装置,分CMOS和CCD两种)将被摄取目标转换成图像信号,传送给专用的图像处理系统,根据像素分布和亮度、颜色等信息,转变成数字信号;图像系统对这些信号进行各种运算来抽取目标的特征,进而根据判别的结果来控制现场的设备动作.     

基于单目多视角机器视觉的珍珠在线分类装置

利用摄像机前放置多枚平面镜组成的对称斗型腔体构成以物为中心的单目多视角摄像装置,在摄像机投影平面上直接获取从不同视角拍摄的珍珠表面图像;然后对不同视角的珍珠表面图像进行处理,获得反映珍珠品质的各种特征值;最后用特征融合的方式判定珍珠的品质。实验结果表明,设计的基于单目多视角机器视觉装置能保证在一个统一的颜色系统中一次获得珍珠整个球体表面的图像,实时完成珍珠的大小、形状、光泽、瑕疵和颜色等外观品质指标的视觉检测与分类。     

基于机器视觉的玉米收获机器人路径识别

我国玉米种植面积和产量都很大,在农业中占有重要的地位,但收获环节耗费的成本惊人。玉米收获机器人能提高作业效率,极大地降低生产成本,具有广阔的应用前景。路径识别能力是机器人环境适应性的一个重要方面,而机器视觉主要用于农业机器人的路径识别。为此,设计了一种基于机器视觉的玉米收获机器人路径识别方法,并进行田间的实时图像处理试验。结果表明:该路径识别方法具有较好的田间适应性和实用性,经过载机结构改进和内部参数优化后能为玉米收获的智能化和信息化提供技术支撑。     

基于机器视觉的LCD屏点缺陷检测技术研究

课题组研究了一种基于机器视觉的汽车仪表LCD显示屏的点缺陷自动检测系统.以OpenCV作为图像处理软件,利用机器视觉技术,能够完成图像预处理和图像识别.采用阈值分割与创建包围轮廓的矩形和圆形边界框相结合的方法,实现汽车仪表LCD显示屏的点缺陷检测.研究结果表明:这种方法能准确、快速地检测出LCD显示屏上的点缺陷,减少了...     

基于机器视觉的杂草实时采集与处理算法的研究

随着计算机技术的不断进步,机器视觉技术在包括农业工程的各个领域的应用与研究中得到了广泛的发展,机器视觉在杂草实时采集与识别的技术研究中已成为科学工作者们的主要研究方向。为此,研究了杂草图像的实时采集、处理算法以及软件系统的开发,并利用现有的实验平台作为模拟试验系统。     

基于单目多视角视觉的珍珠品质检测

利用单目多视角摄像装置直接获取5个不同视角的珍珠表面图像,对其进行图像预处理并按照成像规则进行融合拼接,从融合拼接的珍珠全景图像中提取出珍珠表面颜色、光泽度及均匀度等特征参数;依据与国家标准相一致的判断指标与相应的检测算法来识别和检测珍珠品质。实验结果表明,设计的基于单目多视角机器视觉装置能保证在一个统一的颜色系统中一次获得珍珠整个球体表面的图像,可实时完成珍珠的颜色、光泽度及均匀度等外观品质指标的视觉检测与分类,各个指标的检测精度均达到了80%以上。     

基于机器视觉的玉米果穗性状参数测量方法研究

在玉米育种、田间测产和提高玉米产量的过程中,均需要对玉米果穗考种,即需要对玉米果穗的穗长、穗粗、穗行数、行粒数和穗粒数等性状参数进行测量。人工考种不仅花费大量的人力物力,而且在考种过程中普遍存在人工劳动强度大、观测效率低、人为干扰导致测试结果不客观及不准确等问题,在很大程度上限制了考种的速度与精度。针对上述问题,利用所研制的自动考种设备和机器视觉方法,通过USB工业相机获取玉米果穗单面性状彩色图像,利用|B-R|模型、（G+B）/2模型将彩色图像分别进行灰度化,利用改进后的一维最大熵阈值分割方法对灰度图像进行二值化,分别得到果穗轮廓二值图像和果穗特征二值图像;通过轮廓二值图像计算果穗放置后的倾斜角,实现果穗轮廓二值图像和特征二值图像的自动纠偏;通过相机标定,得到单位像素对应的实际值,进而得到穗长及穗粗;通过提取局部籽粒特征二值图像,利用水平黑背景点扫描及对扫描曲线的修正获取穗行宽度,通过穗行数修正模型得到果穗的穗行数;通过提取局部单行籽粒特征二值图像,利用垂直黑背景点扫描及对扫描曲线的修正得到行粒数;根据行粒数和穗行数得到穗粒数。试验结果表明,穗长和穗粗平均测量精度分别为98.05%和97.99%,穗行数测量正确率为95%,行粒数平均测量精度为96.29%,穗粒数平均测量精度为95.67%,和实际值相比,穗粗、穗长、行粒数及穗粒数的测量值差异无显著性。单穗玉米果穗机器视觉平均测量速度为600ms/穗,考种设备测量速度为6s/穗,能够满足自动考种设备的使用需求。     

农作物无损检测的机器视觉系统标定方法研究

基于机器视觉的无损检测是植物生长建模的关键技术之一,对图像采集系统进行标定是实现无损检测的基本步骤.目前,摄像机标定的方法有传统标定方法、主动视觉标定法、自标定方法等.为此,对现有标定方法分别进行了讨论与比较,结果表明,传统线性标定法可以满足农作物无损检测的要求.     

基于机器视觉的大豆机械化收获质量在线监测方法

针对大豆机械化收获过程中缺少联合收获机作业质量(破碎含杂率)在线监测装置的问题,提出了基于机器视觉的大豆机械化收获图像采集系统、大豆成分分类识别算法和谷物联合收获机作业质量监测方法.采用改进分水岭算法对大豆图像进行有效分割,筛选RGB和HSV颜色空间特征值,基于颜色特征值对分割后大豆图像各闭合区域进行分类识别,构建了量...     

基于机器视觉的澳洲坚果分级研究

应用机器视觉技术对澳洲坚果进行自然光线下的识别分级研究。通过试验,分析得出实测果重、果实直径与识别果实当量直径之间的数学模型,其决定系数分别达0.9468和0.9928。检测试验表明,果实尺寸平均相对误差仅为0.781%,果重平均相对误差仅为1.544%,能够通过机器视觉技术对坚果进行准确识别分级。     

基于机器视觉的茶陇识别与采茶机导航方法

为提高机器采摘茶叶整体质量及采摘效率,提出一种基于机器视觉的机采茶陇识别与采茶机导航的方法。在采茶机器的前方配置摄像头用于获取待采摘茶陇的视频图像,对安装在采茶机上的摄像机内外参数进行离线标定;对茶陇的视频图像用高斯滤波、颜色坐标系转换、局部OTSU多阈值法图像分割、最小二乘法直线拟合等算法进行处理,提取出茶陇的左右边缘线;根据标定结果计算出茶陇中心线,并在驾驶座的显示屏上标识出目前采茶机的采摘状态,包括茶陇中心线和采茶机的偏移情况,提示驾驶员根据识别结果进行适当调整。实验结果表明,提出的基于机器视觉的机采茶陇识别及采茶机导航的方法能有效解决目前机采茶叶老嫩茶叶一刀切下的弊端,为完全自动化采摘奠定了基础。     

基于机器视觉的紧固套缺陷检测方法估计

针对紧固套缺陷检测中人工检测效率低等问题,设计了基于机器视觉的紧固套缺陷检测方法.首先根据紧固套的特点搭建了图像采集平台,突出缺陷特征;然后基于Halcon设计了相应的缺陷检测方法:先通过模板匹配的方法对检测区域定位;再使用基于频域图像差分的方法抑制干扰,突显缺陷特征;然后使用改进的动态阈值法得到缺陷备选图;最后使用面...     

基于机器视觉的芒果果形评价方法研究

果形是芒果分级的重要指标.为避免人为主观因素对芒果分级的影响,采用图像处理技术对芒果果形进行自动检测,提出芒果果形评价指标及方法,对50个芒果的果形指标进行聚类分析,确定各评价指标的分级依据.并对该评价方法进行试验验证,结果表明采用芒果果形指数和饱满度相结合的方法对芒果果形进行评价其准确率可达92％ .     

基于机器视觉的苹果大小自动分级方法

介绍了采用机器视觉的苹果大小自动分级方法,利用CCD摄像机获取苹果的样本图像,应用MATLAB软件编程实现了对样本图像的背景去除、二值化、图像平滑、特征量提取和图像标定等处理,参照苹果分级的国家标准完成了苹果自动分级.试验表明,此方法分级精度高,且速度快.