共查询到19条相似文献,搜索用时 62 毫秒
1.
2.
机器视觉在除草机器人中的应用 总被引:2,自引:0,他引:2
随着农业自动化技术和农业机器人技术的发展,许多国家和企业开始致力于机器视觉除草机器人的试验与研究。为此,在介绍机器视觉技术系统的基础上,结合除草机器人苗草识别的试验,讨论了机器视觉系统在除草机器人中的应用,详细分析了基于机器视觉的苗草识别系统,并优化其系统的硬件、软件结构、功能以及原理等。 相似文献
3.
4.
5.
6.
本文主要分析机器视觉技术在机械制造自动化过程中的应用,并描述了其应用的影响.在介绍机器视觉技术的基本概念的基础上,分析机器的视觉自动化在机械制造自动化过程中的用途. 相似文献
7.
随着科技迅猛发展,机器视觉技术在农业机械中的应用越来越广泛,机器视觉技术的发展,不仅体现了一个国家科技能力发展的水平,同时对于提高农业作物的产量和管理效率都有重要意义。机器视觉在农业中的应用为其精细化、自动化生产奠定了基础,不仅有助于解放劳动力,还有助于提高农作物产品的品质和产量。 相似文献
8.
基于机器视觉的玉米收获机器人路径识别 总被引:2,自引:0,他引:2
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。 相似文献
9.
机器视觉又称计算机视觉,指人类设计并在计算机环境下实现的模拟或再现与人类视觉有关的某些智能行为的技术,如对印刷与手写文字识别、图像模式识别和物体三维表面形状知识与距离、速度感知等.机器视觉技术在农业上的研究与应用始于20世纪70年代末期,主要研究集中于农产品分选机械中利用机器视觉对农产品进行品质检测与分级.由于受当时计算机发展水平的影响,检测速度达不到实时要求,处于实验研究阶段.随着电子技术、计算机软硬件技术、图像处理技术及与人类视觉相关的生理技术的迅速发展,机器视觉技术本身在理论和实践上都取得了重大突破,除农产品分选机械外,目前该技术已经渗透到农产品鉴定、农作物生长、农产品收获等多个领域. 相似文献
10.
11.
12.
基于机器视觉的自然环境中猕猴桃识别与特征提取 总被引:10,自引:0,他引:10
研究了综合应用果实颜色和形状特征识别自然环境中猕猴桃果实及特征提取的方法.通过对比不同颜色空间,选用R-G色差分量;再采用基于误分割像素的分割评价方法来确定颜色特征nR-G中最佳分割系数n,最终选取0.9R-G颜色特征.利用0tsu法对其进行阈值分割,形态学运算去除掉残余噪声,实现了目标果实区域和背景区域的分割.然后利用Canny算子提取边界,最后对边界图像进行椭圆形Hough变换,逐个识别出目标果实,并提取出果实的形心坐标、长轴端点坐标和长短轴长度等特征信息.对49幅包含110个果实图像进行识别试验,试验结果表明:相互分离果实的识别率为96.9%,邻接果实识别率为92.0%,被枝叶部分遮挡果实识别率为86.6%,重叠的果实识别率为81.6%. 相似文献
13.
14.
基于机器视觉的苹果识别和形状特征提取 总被引:14,自引:1,他引:14
提出了利用色差R-G和色差比(R-G)/(G-B)相结合的苹果识别方法.在顺光、逆光等不同情况下对拍摄的苹果图像进行了识别,并对识别后的图像进行消除噪声、区域填充等预处理,获得苹果的轮廓图像.针对轮廓图像,采用遗传算法进行形状特征提取.采取多次运行遗传算法,并依次转换目标轮廓点为背景点的方法,处理果实图像邻接、重叠问题.实验结果表明:苹果识别方法在一定程度上消除了阴影、逆光、土壤等影响,识别率达97%.基于遗传算法的形状特征提取方法,可对邻接、重叠图像进行有效分割,快速、准确地实现苹果图像圆心坐标和半径的提取. 相似文献
15.
破损花菇机器视觉检测技术 总被引:1,自引:0,他引:1
为实现基于机器视觉技术的破损花菇自动检测,研究了基于曲线演化和花菇边缘灰度分析的破损检测方法以及破损花菇在线检测系统。去除花菇背景,跟踪花菇边缘,得到花菇边缘坐标曲线,对此曲线的内外部进行曲线演化,并计算内外部演化曲线与原始花菇边缘曲线接近的点的个数(Nin、Nout),以此参数可判定花菇的破损状况;利用形态学腐蚀的方法对花菇边缘进行采样,从采样灰度序列中提取均值(μ)、方差(ρ)、平均波峰宽度(Lp)和最大波峰宽度(Lmax)4个破损特征参数,进而使用模式识别的方法分析此4个破损特征参数,得出花菇的破损状况。结合曲线演化和边缘灰度分析的结果联合判断花菇的破损状况。对180个花菇样本进行测试,得出最终破损识别率为88.33%,检测速度为98个/min。 相似文献
16.
17.
18.
基于机器视觉的荔枝果实采摘时品质检测技术 总被引:4,自引:0,他引:4
为了在荔枝采摘时实时判断果实的品质状态,通过分析自然环境中荔枝不同生长期的图像,对荔枝果实未成熟、成熟、成熟后外表腐烂变质的3种情况进行了图像数据分析。选取了YCbCr颜色模型,利用探索性分析法对荔枝不同部位、不同光照、不同生长期的荔枝图像的Cr分量进行了数据分析与统计,确定了辨识荔枝果实未成熟与成熟的Cr分量的阈值范围;对于成熟的荔枝,采用边缘提取与Hough圆拟合方法对其Cr分量图进行处理,标记出图像的荔枝果实,然后利用纹理统计法、颜色特征与果实不同部分面积比值相结合的方法进行果实变质的判断,最终实现了未成熟、成熟以及腐烂变质的荔枝果实的视觉智能判断,建立了荔枝果实品质辨识的智能系统。试验结果表明,辨识荔枝品质状态的正确率达93%。 相似文献
19.
基于机器视觉的棉种破损检测技术 总被引:1,自引:0,他引:1
研究了破损棉种的机器视觉识别方法,采用均值、方差、均方比等统计特性参数,计算棉种边界破损参数.通过实验确定均方比分类阈值为0.58,将棉种分为破损棉种和正常棉种.选取正常棉种330粒、破损棉种110粒,利用该检测系统进行检测,其识别精度达93%. 相似文献