一种快速判别梨果梗的方法

果梗完好与否是梨品质检测的指标之一,因而对果梗情况进行准确判别具有重要意义。为此,通过计算机视觉系统摄取梨的图像,利用图像处理技术提出了一种能快速判别梨果梗有无的算法。该算法的识别正确率达90%,识别速度大约在20～30ms,实现了对梨果梗进行高速检测的目标。     

基于小波分析的玉米籽粒图像正形研究

近年来,通过对玉米籽粒的尺寸、外形、色泽等方面的研究,已获得了一些必要的单籽粒的视觉信息。但是,对于粮食作物而言,只有实现了作物籽粒的大规模、快速识别,才有可能在实际生产中得到广泛应用。为此,采用图像标记法,对含有众多的、散放的玉米籽粒图像进行处理,对标记图像中的像素进行逻辑判断,采用多尺度小波分析算法,实现籽粒分割、定位及正形。     

基于计算机视觉技术的水果分级研究进展

较为全面地介绍了国内外基于计算机视觉技术的水果外观品质的单指标分级、多指标综合分级和水果内部品质检测分级的研究现状与方法,指出了现有研究中研究对象较单一、图像采集不全面、图像处理算法不多、精度不高等存在的主要问题.同时,提出了未来水果分级的发展方向,认为水果内外品质融合的一体化分级技术是未来的发展趋势.     

机器人在设施农业领域应用现状及发展趋势分析

机器人技术在设施农业领域的广泛应用,不仅大幅提升农业产量,也能够体现一个国家农业现代化科技水平。机器人操作系统ROS的兴起,逐渐成为国内外设施农业机器人研究开发的热点。对国内外机器人设施农业领域相关研究探讨分析,综述当前机器人在种苗嫁接移栽、喷药施肥、果蔬收获加工、畜禽健康养殖等设施农业领域方面的应用现状,总结归纳SLAM地图构建、自主导航、机器视觉三种机器人关键技术研究趋势,并对比分析路径规划中Dijkstra算法、BFS算法、A*算法的优缺点以及机器视觉在果蔬采摘分选等领域的发展趋势。面对农业向智慧农业方向发展,总结并展望设施农业机器人未来发展趋势。     

自主式移动机器人定位坐标平滑算法研究

为了提高基于全局视觉导航的移动机器人的全局绝对定位精度，提出了一种适用于较大工作空间的摄像机参数分区标定方法，并借用数字图像中邻域的概念，定义了小区域的8—邻域关系，利用模糊数学的方法确定了中心区域及其邻域的权值函数，有效解决了各小区域边界的定位坐标平滑过渡问题。该平滑算法是一种计算模板，计算量不会因小区域的面积和小区域的个数的增加而增加，对于区域的内部和边缘计算一样有效。     

基于计算机视觉的规模化蛋鸡场产蛋计数方法

本文提出了一种基于计算机视觉和图象处理的规模化蛋鸡场产蛋量计数方法,通过分析摄像机获取的图像中鸡蛋和传送带背景信息来有效的检测鸡蛋个数.本方法经试验表明:鸡蛋计数的准确率为95%,并对统计鸡蛋枚数效率高,实用性强,克服了人工计数带来的不便,因而可以进行推广.     

玉米中耕除草复合导航系统设计与试验

为了实现玉米中耕除草过程中的自动导航作业,提高自动除草的效率和准确性,设计了一种玉米中耕除草复合导航系统。系统由基于GNSS的农机自动导航部分和基于机器视觉的农具自动导航部分组成,可通过GNSS位置信息进行农机自动导航,同时根据摄像头获取的玉米作物行信息控制农具铲刀进行行间除草。对农机的转向控制部分和前轮转角检测部分进行了机械改装,以PLC和步进电机驱动器为基础设计了农机转向控制电路和农具液压控制电路;以横向偏差和横向偏差变化率作为模糊控制的输入变量设计了自适应模糊控制方法;采用摄像头获取玉米作物行,通过扫描滤波方法进行作物行检测。农机独立导航除草试验和农机具复合导航试验结果表明：在车速为0.6 m/s时,农机自动导航最大横向偏差为10.04 cm,平均偏差为4.62 cm;农机具复合导航时的最大偏差为6.35 cm,平均偏差为2.73 cm;农机具复合导航系统能较好地满足玉米中耕除草的要求。     

基于视觉的苗期作物株间除草关键技术研究现状

基于视觉的苗期作物和杂草的图像分割技术逐渐成熟,通过视觉技术对苗期作物进行精准识别和定位,是实现株间除草的关键技术和难点。作物的精准识别首先需要利用颜色特征将图像中的作物、杂草和土壤背景进行分割;其次利用实际识别对象的位置特征,形状特征,纹理特征,光谱特征等构造新的特征向量,结合成熟的分类算法对作物和杂草进行特征分类识别。针对棉苗和大豆苗,主要提取位置特征、形状特征,多采用支持向量机为主分类算法;针对玉米,主要提取位置特征、纹理特征,多采用人工神经网络为主的分类算法;针对部分蔬菜苗,主要提取形状特征、光谱特征,多采用算法结合的优化算法,具体实现时需要根据离线样本学习的结果来平衡苗期作物的识别准确率与实时性。在目前的算法中,主要存在三方面的问题:作物特征提取效果易受到遮挡、光照等干扰;分类算法目前还不能得到非常令人满意的准确性和实时性;目前算法一般是针对某种时段的作物,不具有通用性。这些都是后续算法研究中需要进一步解决的问题。     

农产品品质检测中常用的图像背景分割方法

利用机器视觉对农产品进行无损检测和自动分级时，对实时拍摄的农产品图像，在进一步的特征提取、模式识别等图像处理之前，采用适当、有效的方法把农产品图像从背景中分剖出来是一个非常重要的预处理步骤。其分割效果的好坏将直接影响到农产品分级的最终效率和准确性。为此，介绍了农产品品质无损检测中常用的图像背景分割方法。     

计算机视觉描述缺素番茄叶片颜色变化的研究

利用计算机视觉系统代替人眼对番茄缺素进行自动识别的方法，通过对缺素番茄叶片彩色图像的分析研究，利用图像处理技术中的颜色分析方法，分析缺N和正常叶片的特征量随着缺素时间的变化规律．提出用G体均值、H色调均值来定量描述缺N叶片随时间的变化。结果表明：利用计算机视觉能定量描述缺N叶片颜色随缺素时间的变化。