基于机器视觉的番茄果实图像分割方法研究

为了改善番茄采摘机器视觉系统中番茄果实图像的分割效果,对基于二维直方图的阈值分割方法的理论进行了分析,针对番茄果实图像的特点将阈值点附近的区域信息引入分割算法中,提出了一种改进的基于二维直方图的Otsu阈值分割方法,改善了图像的分割效果。     

基于高斯自适应拟合的苹果目标分割方法研究

苹果目标的准确识别是苹果机械化采摘需要解决的关键问题之一。为此,基于YUV颜色空间模型,提出了一种结合色差分量与高斯自适应拟合算法的苹果目标分割方法。该方法采用首先将苹果目标由RGB颜色空间转换至YUV颜色空间,并利用色差分量V建立果实与背景分割的高斯分布拟合模型,根据拟合结果自动获取分割阈值,以实现自然场景下苹果目标的准确分割。为了验证文中算法的有效性,利用多幅图像进行了试验并与Otsu自适应阈值分割算法进行了比较。试验结果表明,采用文中算法得到的苹果果实的平均检出率达87.08%,识别率领先Otsu算法9.91%。因此,对于着色度较为均匀的苹果目标,采用高斯自适应拟合方法可以有效提高其识别率。     

基于改进PCNN的番茄植株夜间图像分割算法

为实现番茄植株夜间图像分割,设计了一种基于最大类间方差法的改进脉冲耦合神经网络(PCNN)图像分割算法。该算法对传统PCNN模型中的链接输入项进行加权处理,在进行图像分割前,先基于最大类间方差(Otsu)算法获得阈值,再将该阈值赋值给改进PCNN模型中的链接输入项权值、突触链接系数β、链接权放大系数VE和阈值迭代衰减时间常数αE。对849幅番茄植株夜间图像进行试验,结果表明,图像分割正确率平均值为90. 43%,平均每幅图像分割时间为0. 994 4 s;输入链接项的加权处理可减少PCNN的迭代次数,提高算法的实时性;基于Otsu算法可实现改进PCNN模型的网络参数自适应设置。基于视觉效果、最大熵及分割正确率这3项评价指标的对比分析显示,改进PCNN模型的分割效果优于Otsu算法和传统PCNN模型,实时性优于传统PCNN模型。     

基于IMFO-Otsu的果实深度图像多阈值分割

为了解决传统果实图像进行阈值分割易受颜色、光照等因素影响的问题,提出一种基于改进飞蛾火焰算法（Improved Moth flame Optimization,IMFO）的多阈值分割算法（IMFO-Otsu）。算法在构建深度直方图后,根据多阈值Otsu准则获取最佳分割阈值。为了提高获取最佳阈值的计算效率,对多阈值Otsu准则进行剪枝处理,并使用提出的改进飞蛾火焰算法对算法进行加速。为验证IMFO-Otsu算法的效果,使用该算法对采集得到的果实图像进行多阈值分割,结果表明提出的算法具有良好的性能。由于提出的算法没有用到彩色图像的颜色信息且简单有效,能在夜间环境等复杂情况对果实识别与定位提供支持。     

自然场景下树上柑橘实时识别技术

采用G-B色差分量,通过Otsu自适应阈值分割算法分割成熟柑橘图像,采用基于距离变换的分水岭分割将遮挡、重叠柑橘逐个分开,利用凸包算法修复遮挡区域,设定圆度阈值去除误分割区域,然后提取柑橘轮廓,并运用基于Tukey权重函数的最小二乘圆拟合特征圆,提取了柑橘的中心坐标及半径.对87幅图像中592个柑橘进行了识别试验,总体识别率达87.2%,遮挡或重叠柑橘识别率均超过80%.     

基于改进AdaBoost算法的秸秆识别与覆盖率检测技术

针对目前秸秆覆盖率自动识别准确率低的问题,提出了一种秸秆图像畸变校正与Otsu算法阈值分割相结合的图像处理算法,并采用该方法计算田间秸秆覆盖率。首先,通过单目摄像头采集免耕播种机的作业环境信息,采用改进的AdaBoost算法对目前工作环境是否为免耕地进行自动判断;其次,对现场采集的秸秆覆盖图像进行预处理,通过彩色空间距离化、图像增强等方式提高图像中秸秆的可识别特征;然后,建立逆向映射模型并结合最邻近插值的方法解决图像畸变问题;最后,裁剪出用于秸秆识别的图像部分,通过Otsu算法进行阈值分割、计算秸秆覆盖率。通过实验对AdaBoost算法分类与秸秆覆盖率的检测效果进行验证,结果表明,运用AdaBoost算法能有效识别免耕播种机的工作环境,采用本文图像处理算法计算田间秸秆覆盖率,与实际测量误差在5％以内。     

基于MRFO的茶叶嫩芽图像分割方法

针对名优茶早期嫩芽检测问题,提出一种基于魔鬼鱼觅食优化(MRFO)的颜色因子与阈值的嫩芽图像分割算法.首先,利用MRFO优化算法训练得到ExG系数,用ExG对嫩芽RGB彩图进行灰度化,并归一化处理得到灰度图;然后,利用Otsu进行图像阈值计算;最后,对阈值进行偏移校正,获得最佳阈值.正视图和斜视图试验结果显示,此算法能...     

马铃薯典型病害图像自适应特征融合与快速识别

针对自然条件下马铃薯典型病害区域定位和识别难的问题,提出了一种马铃薯典型病害图像的自适应特征融合与快速识别方法。该方法利用K-means、Hough变换与超像素算法定位叶片,结合二维Otsu与形态学法分割病斑区域,通过病斑图像颜色、形状、纹理的自适应主成分分析(PCA)特征加权融合,进行支持向量机(SVM)病害识别。对3类马铃薯典型病害图像进行识别试验,结果表明:SVM识别模型下,自适应特征融合方法相比PCA降维、特征排序选择等传统自适应方法,平均识别率至少提高了1.8个百分点;13个自适应融合特征下,识别方法平均识别率为95.2%,比人工神经网络、贝叶斯分类器提高了3.8个百分点和8.5个百分点,运行时间为0.600 s,比人工神经网络缩短3 s,可有效保证识别精度,大大加快了识别速度。     

果园视觉导航基准线生成算法

针对果园导航环境的复杂性,提出了一种基于图像处理的果园导航基准线生成算法。采用二维Otsu算法获取最优分割阈值,对色差R-B分量图进行二值化处理;根据水平投影曲线的一阶导数变化规律,提取树的主干区域(ROI);根据区域中邻近像素灰度值的变化规律,提取主干与地面的交点作为特征点;根据点的分布特性对其进行归类,并利用最小二乘法拟合左右边界线,提取边界线上各行中心点生成果园导航基准线。在不同场景中的实验结果表明,该算法对噪声的干扰有较强的鲁棒性,使导航基准线的生成准确率高于90.7%;处理一幅640×480像素的图像平均耗时小于119 ms,具有较好的实时性。     

基于ComⅥ和双阈值OTSU算法的农作物图像识别

针对农作物图像中依附泥土和杂质噪声呈现不规则性和复杂性特点,提出了一种基于植被指标合成双阈值OTSU算法的农田作物图像识别方法.该方法根据农作物充分显露和部分被遮盖2类图片特点,将图像识别过程分为3个阶段：首先利用植被指标合成获取农作物图像灰度图,然后根据双阈值OTSU自适应算法进行二值化处理与图像分割,再进行正常的形态学运算,将3个阶段所分割的图像叠加形成最终的农作物与土壤识别图像,并将该算法与双阈值迭代设定法进行了对比.试验研究表明该算法克服了传统灰度图算法和阈值迭代算法的缺点,能有效提取和识别过渡区域的边缘,图像识别的准确率为92.7%以上.最后,采用Visual Basic2010和Matlab 2012软件设计了农作物图像识别系统,从应用角度实现了图像识别的可视化与自动化.     

地下水源热泵地下水渗流场自适应网格法

快速高效的数值计算方法对于地下水源热泵采能技术的发展及应用具有重要的实际工程意义．地下含水层的边界通常较为复杂,和非结构化网格相比,采用结构化网格计算方法可以有效减小数学方程离散的复杂度,并有利于发展地下水源热泵系统地下水渗流场自适应网格计算方法．为发展结构化网格计算方法,对位于含水层边界处的网格提出了一个在数学上简单有效的预处理方法,在计算过程中采用界面渗透率取代网格自身渗透率参与实际计算,并对含水层边界处网格的界面渗透率给出相应的计算方法．三维验证算例显示,对于非规则边界,即使采用网格尺度较大的正交规则网格,计算解也十分接近收敛解．提出仅对温度梯度变化较大的区域采用较小尺度的精细网格计算,而温度变化较缓的区域则采用不同层次的粗网格计算,利用自适应网格法计算地下水源热泵地下水渗流场,在保持计算精度的同时,计算速度得到了大幅度提高．     

苹果采摘机器人目标果实快速跟踪识别方法

为了减少苹果采摘机器人采摘过程处理时间,对苹果采摘机器人目标果实的快速跟踪识别方法进行了研究。对基于R-G颜色特征的OTSU动态阈值分割方法进行首帧采集图像分割,采用图像中心原则确定要采摘的目标果实;利用所采集图像之间的信息关联性,在不断缩小图像处理区域的同时,采用经过加速优化改进的去均值归一化积相关模板匹配算法来跟踪识别后帧图像的目标果实,并进行不同阈值分割方法实现效果,不同灰度、亮度和对比度的匹配识别以及新旧方法识别时间对比试验,从而验证了所采用和设计方法的有效性;其中所设计跟踪识别方法的识别时间相比于原方法,减少36%。     

3-RPS并联机构正解快速数值算法

提出了一种求解3-RPS并联机构正解的快速数值解法.利用3-RPS型并联机构的结构特征,首先计算出一组位姿坐标作为迭代初值,然后通过逆解求出上平台各个铰支点的坐标,并对其进行修正,得到一组新的位姿坐标.如此反复迭代,最终得到精确解.新算法物理模型清晰,计算公式简单.由于不需要计算雅可比矩阵及其逆阵,所以计算工作量较小....     

人工神经网络的混合算法在发动机故障诊断中的应用

提出一种基于混合神经网络的发动机振动故障诊断方法,即迭代前期采用BP算法而迭代后期采用梯度优化法进行计算。通过BP算法和混合算法对相同算例网络权值和阈值的计算,验证所提出的混合算法的有效性和实用性。     

基于最小航道法的实测数字信号奇异值剔除算法

由于使用环境和本身功能的影响,运载机械在进行实测数字信号采集时,常常会出现干扰信号值,即数字信号奇异值。准确地剔除数字信号奇异值是实测数字信号处理中的一项关键工作。提出了基于最小航道法的数字信号奇异值剔除算法,根据数据的变化趋势进行数字信号奇异值的甄别与检测。与幅值门限检测法和梯度门限检测法进行了对比分析,结果表明基于最小航道法的奇异值剔除算法优于幅值门限检测法和梯度门限检测法,处理结果真实可靠。     

基于动态扩展邻域蚁群算法的移动机器人路径规划

针对蚁群算法易陷入局部最优、路径转折点多、收敛速度慢的问题,提出一种基于动态扩展邻域蚁群算法（Dynamic extended neighbourhoods ant colony optimization,DENACO）。在蚂蚁搜索方式上采用动态扩展邻域方法,并定义新的信息素计算方式和增量规则,在取得更优收敛路径长度的同时,减少路径转折点数量及路径节点数量;引入自适应调整因子改进启发函数,提高算法的全局搜索能力,并设定迭代阈值,提升算法的收敛速度;提出一种路径节点双优化策略,对规划好的路径进一步优化,提高路径综合质量。不同复杂度及不同规模栅格地图中的仿真实验表明,DENACO算法所规划的路径更优,路径转折点数量减少,收敛速度加快,路径节点数量明显减少,表明算法具有更高的可行性和适用性。     

基于灰度-梯度特征的改进FCM土壤孔隙辨识方法

土壤孔隙的拓扑结构决定了土壤水分保持和传导能力,对土壤生态过程与功能具有重要影响,但现有土壤孔隙辨识方法存在孔隙边界判别不准确和运行效率较低的问题。为解决这一问题,提出一种基于土壤CT图像灰度-梯度特征的改进模糊C均值(GFFCM)孔隙辨识方法。该方法利用拉普拉斯算子建立灰度-梯度二维特征矩阵,并结合土壤相关先验知识分区构造初始隶属度矩阵和确定聚类数目;然后,基于初始条件实现土壤结构的模糊划分;最后,运用孔隙辨识准则对模糊聚类结果进行优化,完成土壤孔隙结构的精准辨识。以非饱和土壤CT图像为应用对象验证孔隙辨识方法的性能,通过与传统FCM法、快速FCM法(FFCM)的比较,表明GFFCM法有效克服了传统FCM法在隶属度矩阵和聚类数目初始化的不足,解决了初始值制约辨识精确度的问题,在保证孔隙辨识精度的前提下具有较高的执行效率。     

基于卷积型小波包变换的信号降噪研究

提出了一种基于卷积型小波包变换的多尺度降噪方法。采用卷积型小波包变换,克服了传统小波包变换数据点数随分解尺度的增加而呈指数减小的问题;改进了噪声方差估计方法,较好地保留了信号的主要细节;采用了新的阈值函数,其表达式简单易于计算,同Donoho软阈值函数具有相同的连续性,且克服了软阈值函数中估计小波系数与分解小波系数之间存在着恒定偏差的问题。仿真结果表明,新的降噪方法有效抑制了在信号奇异点附近产生的Pseudo-Gibbs现象,在降噪精度上优于传统的小波包降噪方法。     

压缩感知苹果图像并行快速重构方法研究

针对压缩感知重构算法耗时长而影响苹果图像快速获取这一问题,分析了二维正交匹配跟踪重构算法的并行性,借助GPU通用并行计算平台,利用CUDA技术,设计其对应的并行化重构算法,从而得到快速的苹果图像重构方法。实验结果表明,并行化的算法可将苹果图像重构效率提高16~35倍,能在数秒内恢复原始图像,为压缩感知应用到果园远程实时监控及基于图像的苹果质量快速检测与分类等场合提供条件。     

基于导频跟踪的果蔬采摘机器人夜间识别方法研究

为了提高果实采摘机器人在夜间作业的工作效率,提出了一种适用于果实采摘机器人机械手夜间果实定位识别的方法,引入了导频追踪技术,并在此基础上提出了一种基于直接判决的快时变信道估计方法。该方法采用了直接判决算法进行信道估计,根据夜间果实图像的二值化处理阈值,标定发出指令的信道,从而对是否采摘进行快速判决,提高了机器人的工作效率。为了验证该方法的有效性和可靠性,对机械手的夜间作业的效率和准确性进行了测试。通过测试发现:该方法可以快速地对果实进行定位,并通过校正,其有效地降低夜间误操作率,为果实采摘机器人的研究,提供了一种新的可参考的导频技术方法。