花椒采摘机器人视觉识别与定位求解

针对花椒市场需求量大、采摘困难的现状。笔者设计了自动识别花椒系统,通过对比4种识别算法的性能,采用识别效果最好的K-means聚类算法对花椒果实目标进行提取,针对花椒串生长具有离散性特点提出用平面内质点系模型求出花椒串质心。提出了Otsu算法与K-means算法结合图像相减的方法识别出花椒的结果母枝,然后根据小孔成像的基本原理和凸包理论得出单目视觉的花椒深度信息。最后以到花椒质心最短距离为限定条件确定母枝上采摘点所在的直线段,经过坐标转换求出直线段上采摘点的三维世界坐标。     

嵌入SENet的卷积神经网络的零件缺陷检测方法

针对回转体零件的表面倒偏角、拉伤、线形纹等缺陷检测识别效率低、误检、漏检等问题,提出一种在编码器中嵌入特征压缩激活模块的Unet网络的零件缺陷检测方法。通过建立Unet网络架构模型并嵌入SE模块实现缺陷分割,完成缺陷图像的细节特征提取。采用BCEloss和Diceloss的混合损失函数进行训练,缓解缺陷图像分类不平衡的问题。该算法与Seg Net、FCN、Unet模型对比表明,Unet-SE在准确率、召回率和F1分数3个指标中表现最优,分别为0.929 8,0.892 9,0.911 0,且测试集中具有更好的分割效果。     

基于机器视觉的火龙果自动分级系统设计

针对目前水果机械化分级效率低、效果差的现状和机器视觉技术在水果分级检测的应用前景,提出了利用机器视觉的技术对火龙果进行分级的方法。通过利用CCD摄像机和DSP处理器对火龙果进行缺陷检测及大小和色度的分级。试验结果表明:基于机器视觉的火龙果自动分级系统可以高效率、高准确率地实现对火龙果的自动分级,为后续产业化机器视觉水果分级系统提供了技术支持。     

基于图像边缘检测技术的采摘机器人视觉系统设计

采摘机器人作业环境复杂,视觉系统往往不能准确对待采摘的果树或者果实进行准确的定位。为了提高采摘机器人视觉系统的定位精度,引入了图像边缘检测技术,通过提取待采摘果树或者果实的边缘,计算果实的位置坐标,为采摘机器人的自主行走定位和采摘作业提供可靠数据支持。为了验证方案的可行性,以待采摘果树的特征边缘提取为例,对系统的果树边缘提取的可行性及定位准确性进行了实验。实验结果表明:采用基于图像边缘检测技术的采摘机器人视觉系统可以成功地对果树进行定位,并输出果树的位置坐标,将位置坐标和实测位置坐标进行对比发现,其结果基本吻合,具有较高的定位精度。     

除草机器人视觉导航中路面检测方法研究 —基于DSP图像深度处理

除草机器人是自主作业水平较高的一种新型农机设备,由于作业环境复杂,其作业质量和效率受视觉导航系统的影响较大。为了提高除草机器人视觉导航系统的精度及实时处理图像的效率,将DSP图像处理技术引入到了视觉导航系统的设计上。为了验证方案的可行性,结合MatLa软件对系统的图像处理能力进行了仿真实验,首先将采集图像利用MatLab处理为CCS的数据文件,然后传送给DSP处理器进行处理,最后将处理数据利用CSS传给MatLab软件进行图像显示,验证其是否能够成功的提取导航线位置。     

新型高效智能便携式梨果采摘装置的研制

研究和制作一款基于自由变化高低分离及高清视觉定位捕捉的悬挂果高效采摘装置,适用于果树密集、全地形便携高效的采摘工作。主要包括悬挂果采摘机械特性研究、新型百变自由伸缩分离的悬挂果采摘臂的数学分析和机构制作、视觉定位机构、悬挂果定位影像识别技术、剪切机构的研究能通过自由百变伸缩机械臂实现高空和低空的悬挂果的采摘,结合高清影像识别和无线控制技术,能根据果实的大小、颜色、成熟度等属性,选择性采摘并对其进行分类、分级,实现果实的高效采摘,同时不损伤果树,实验表明能大大降低人工劳动强度。     

农用车辆路径跟踪预瞄控制研究 —基于免疫模糊PID算法和视觉导航

在无人驾驶农用车辆过程中,由于作业环境的复杂性,往往会遇到一些突发状况,如急转弯或者突然出现障碍物等,目前的视觉导航技术一般都是获取路径信息后直接进行反馈调节,在遇到突发状况时难以有效的工作。为此,将跟踪预瞄加反馈控制器引入到了无人驾驶农用车辆自动导航系和控制系统中,并使用免疫模糊PID算法对控制系统进行优化,以提高控制的效率、精度及自动化程度。为了验证该方法的可靠性,模拟农用车辆的作业环境,对控制算法的精度和效率进行了验证。仿真结果表明:采用免疫模糊PID算法具有较高的控制精度,且运算效率高,如将其使用在农用车辆自动导航和控制系统中,对于提高导航的精度和智能化程度具有重要作用。     

基于计算机图像处理的自动对靶精准施药平台研究

搭建了自动对靶自动对靶平台视觉模型,并对各个坐标系之间的坐标转换进行了研究。介绍了自动对靶精准施药平台自动对靶与相机标定,并基于极限学习机实现了自动对靶精准施药决策。实验结果表明:自动对靶精准施药平台准确率达到了77%以上,喷药最大时间为8s,效率较高,具有较高的可行性和有效性,能够满足设计需求。     

北京鸭视网膜移动性无长突细胞的分布

利用视神经溃变试验和Nissl染色法研究了北京鸭视网膜移动性无长突细胞 (dACs)的形态、大小与密度分布。北京鸭dACs是位于视网膜节细胞层的小神经元 ,核深染 ,胞质很少 ,细胞体呈圆形或卵圆形 ,细胞大小均一 ,平均面积为 19～ 2 5 μm2 。在视网膜中央有一个dACs高密度区即中央高密度区 (CA ,386 0个·mm-2 ) ,dACs的密度由视网膜中央部向视网膜周边部逐渐降低 (TP ,约为 1780个·mm-2 ;NP ,约为 176 0个·mm-2 )。试验结果表明北京鸭视网膜中央部和周边部的dACs大小差异不明显 ,但dACs在节细胞层密度分布不均 ,呈现由视网膜中央部至周边部密度梯度递减的变化     

机器视觉技术在禽蛋品质和孵化成活性检测中的应用

本文论述了利用机器视觉技术进行禽蛋品质检测分级及种蛋孵化成活性检测的意义，从禽蛋外形、表面缺陷、内部缺陷检测及种蛋孵化成活性检测等方面阐述了国内外研究现状，从硬件和软件两方面分析了在研究和应用中存在的不足，指出了目前尚需解决的难点问题。