基于计算机视觉技术的番茄叶片叶绿素含量的检测

 研究利用计算机视觉技术快速测定叶绿素含量的方法,建立了根据番茄叶片颜色特征确定其叶绿素含量的一元二次拟合模型。在计算机视觉图像采集系统中采集番茄叶片图像,利用MATLAB图像处理工具提取图像的颜色特征参数,对颜色特征参数和番茄功能叶叶绿素含量做相关分析,建立回归模型。结果表明：RGB颜色系统的R/G、(G-R)/(G+R)、G-R、色度坐标r、r-g及HIS颜色系统的H值均与叶绿素含量呈极显著非线性相关性,可用于测定番茄叶片叶绿素含量。从建立的6组模型中筛选出拟合度较高的3组模型进行检验,预测误差在0～22.22%之间。用预测精度最高的G-R颜色特征预测叶绿素含量的模型为Chl.a = 0.0926 + 0.1208 (G-R) - 0.0009 (G-R)²,Chl b = - 0.0252 + 0.0397 (G-R) - 0.0003 (G-R)²和Chl.(a+b) = 0.1271 + 0.1600 (G-R) - 0.0011 (G-R)²。     

基于改进Hough变换的农田作物行快速检测算法

选取苗期农田作为研究对象,采集了包含行栽作物和土壤背景的农田图像,针对现有作物行定位方法易受外界干扰和处理速度较慢的不足,提出将投影法和直接Hough变换法相结合检测作物行的算法.采用2G-R-B 法和OTSU法将图像二值化,通过快速中值滤波算法去除噪声,再利用垂直直方图投影将图像进行水平条划分获取作物垄平均定位点,最后通过Hough变换检测垄定位点,得到作物行中心线.试验结果表明:基于垂直直方图投影的Hough变换检测作物行中心线的算法在保证高定位精度的同时,算法处理速度比直接Hough变换检测法提高了3倍,得到的定位基准线能代表作物行走向.     

基于图像旋转投影的导航路径检测算

提出一种农业车辆视觉导航路径识别算法--旋转投影算法.该算法通过角度枚举对图像ROI实施旋转变换,由旋转后图像的列均值与枚举角度构成旋转投影矩阵R,对其行向量实施差分运算得到差分旋转投影矩阵Rd,由Rd的极值可确定图像导航路径,即航向偏差θ与航位偏差d,进而可以求得世界坐标系下的导航路径参数.同理可以对田头线进行检测.为了提高算法的实时性,提出设定合理的ROI、实施线性压缩、旋转角度先粗分再细分的二步法以及充分利用前帧信息4种处理方法,使处理一帧用时6.2ms左右.通过对不同条件下成熟小麦图像测试表明,该算法识别导航路径准确率达到95%.     

温室环境下黄瓜采摘机器人信息获取

研究基于近红外图像的黄瓜果实与茎叶的信息表达方法,有效实现了近色系生物信息的图像识别。分析了黄瓜采摘深度图像信息的特点,通过建立基于灰度相关与极线几何相结合的匹配策略实现了双目视觉下的黄瓜抓取点的立体匹配和三维重建。研究温室环境下不同时间光照强度变化特点,建立了光照分析模型,提高了不同光照条件下的导航线提取的适应性。试验表明机器人视觉系统能有效识别、定位果实的空间位置,定位误差控制在±5mm以内。     

基于计算机视觉的葡萄茎直径高精度测量方法

提出了基于计算机视觉的葡萄茎直径测量方法,采用双边滤波降低图像噪声,通过Otsu阈值分割和BloB分析实现葡萄茎与背景的分离,应用基于特征点的定位方法得到茎直径测量位置,由茎直径所包含像素数和尺寸当量计算出茎直径值,从而实现茎直径连续测量.实验和现场应用表明,系统测量重复精度可达±0.5μm.     

双目立体视觉在果树采摘机器人中的应用

果树采摘机器人是未来智能农业机械化的发展方向,具有广阔的应用前景。为此,针对果树采摘机器人作业环境的复杂性与定位目标的特殊性,从双目定位的几何模型出发,归纳了双目定位的基本过程,总结了立体视觉的摄像机标定问题,提出变焦距双目视觉定位果实的研究方向,并对双目图像的匹配问题进行了分析。     

玉米根茬图像的分割方法

对保护性耕作留茬覆盖情况下田间玉米根茬图像进行了分割.选取采集图像的彩度信息作为对象,通过对几种常用的自动阈值选取算法的比较,选择了迭代法对田间图像进行分割.实验结果表明:该方法能够有效地将根茬目标与土壤背景分割开来,为下一步检测行茬直线并将其作为导航基准线进行视觉导航的研究提供了基础.     

驾驶员的视觉特性对道路交通安全的影响研究

为了更好地提高道路交通安全管理水平、减少交通事故,本文对关系驾驶员安全行车的视觉特性如视力、视野、立体视觉、色视觉、视觉适应等因素结合交通事故统计资料进行了分析,阐述了驾驶员的视觉特性对道路交通安全的影响。     

Classification of guppies’ (Poecilia reticulata) gender by computer vision

Labor costs of guppy growers and breeders are largely those of manual sorting (by strain, quality and gender) and counting fish. In most farms, female and male fish are grown together and sold either separately or together. Sorting fish according to gender is important for marketing as well as for breeding programs, so that a device for sorting and counting fish can potentially reduce production costs and improve quality.

A project aiming to develop sorting and counting technologies for ornamental fish growers included development and testing of image-processing algorithms for sorting guppy fish (Poecilia reticulata) by gender. The algorithms are derived from shape and color differences between female and male guppies. An algorithm for the determination of landmarks on fish contours was developed and found to be accurate in accordance with human judgment, enabling extraction of specific shape and color features of the tail and the body.

The algorithms were applied to three sets of images of guppies of the “Red-Blond” strain. Gender identification accuracy was approximately 90% using shape features, approximately 96% using color features and was slightly improved when both color and shape features were used.

Some of the components used are essential for future development of a computer vision based system for sorting and grading ornamental fish by strain and quality.     

利用Kalman滤波和Hungarian算法的多目标奶牛嘴部跟踪及反刍监测

针对奶牛养殖场复杂环境下多目标奶牛嘴部自动跟踪及反刍监测的困难,该研究提出了一种基于嘴部区域跟踪的多目标奶牛反刍行为智能监测方法。在YOLOv4模型识别奶牛嘴部上下颚区域的基础上,以Kalman滤波和Hungarian算法跟踪上颚区域,并对同一奶牛目标的上颚和下颚区域进行关联匹配获取嘴部咀嚼曲线,以此获取反刍相关信息,从而实现多目标奶牛个体的嘴部跟踪和反刍行为监测;为解决奶牛快速摆头运动和棚舍栏杆遮挡引发奶牛标号变化的问题,提出未匹配跟踪框保持及扩大的方法。采集并选择实际养殖场环境下的反刍奶牛视频66段,对其中58段视频采取分帧操作得到图像,制作YOLOv4模型数据集,以其余8段视频验证跟踪方法和反刍行为判定方法的有效性。试验结果表明,YOLOv4模型对奶牛嘴部上颚、下颚区域的识别准确率分别为93.92%和92.46%;改进的跟踪算法可实现复杂环境下多目标奶牛嘴部区域的稳定跟踪,且有效解决了栏杆遮挡、快速摆头运动造成的奶牛标号变化现象,上下颚匹配率平均为99.89%,跟踪速度平均为31.85帧/s;由反刍行为判定方法获取的咀嚼次数正确率的平均值为96.93%,反刍时长误差的平均值为1.48 s。该研究可为实际养殖中多目标奶牛反刍行为的智能监测和分析提供参考,也可供其他群体动物运动部位的跟踪和行为监测借鉴。