基于中值点Hough变换玉米行检测的导航线提取方法

为解决机器视觉对早期玉米苗带在多环境变量下导航线提取耗时长、准确率低的问题,该研究提出了一种基于中值点Hough变换作物行检测的导航线提取算法。首先,改进了传统的2G-R-B算法,再结合中值滤波、最大类间方差法和形态学操作实现土壤背景与玉米苗带的分割。其次,通过均值法提取玉米苗带特征点,然后采用中值点Hough变换拟合垄间两侧玉米苗列线,最后将检测出的双侧玉米苗列线为导航基准线,利用夹角正切公式提取导航线。试验结果表明：改进的灰度化算法能够正确分割玉米苗带与土壤,处理一幅640×480像素彩色图像平均耗时小于160 ms,基于中值点Hough变换检测玉米苗列再提取导航线的最大误差为0.53°,相比于传统Hough变换时间上平均快62.9 ms,比最小二乘法平均精确度提高了7.12°,在农田早期玉米苗带多环境变量影响因素下导航线提取准确率均达92%以上,具有较强的可靠性和准确性。     

基于FoxPro的某型导航装备维修信息研究

结合某型导航装备维修记录信息,建立维修信息分解结构,架构了基于FoxPro的维修信息管理系统,同时分析维修信息,得出了有效结论.     

政策导航

<正>1河南省新乡市的读者曹先生(139×××38471)来电咨询:我现在正在筹建奶牛养殖小区,想建成国家规定的那种标准化养殖小区,但我不知道应该符合哪些标准,请给解答一下。     

政策导航

<正>1近来,有几位读者打来电话,咨询有关兽药企业申报产品批准文号的问题,现将华北制药集团公司唐枫等人撰写的一篇文章予以刊登,供大家参考。     

农业机器人视觉导航技术发展与展望

概述了农业机器人主要的导航方式，综合分析了目前国内外视觉导航研究现状及存在的问题，并提出了进一步研究的方向与途径。     

基于SVR逆向模型的拖拉机导航纯追踪控制方法

针对行驶过程中轮胎侧滑量、路面性质等不确定性因素导致传统拖拉机二轮运动学模型难以准确描述拖拉机运动轨迹的问题,提出了一种基于SVR(Support vector regression)逆向模型的拖拉机导航纯追踪控制方法。采用粒度支持向量回归(Granular support vector regression,GSVR)方法建立了拖拉机前进航向的逆向模型,实时获得实际转弯曲率与运动学理论转弯曲率的函数关系,逆向模型对纯追踪导航模型输出进行,校正提高了纯追踪导航控制方法的适应性和动态性能。拖拉机导航系统的路径追踪路面试验结果表明:当行驶距离大于125 m、行驶速度为1.2 m/s时,直线追踪最大横向偏差小于0.061 4 m,较常规纯追踪模型导航方法具有更好的直线追踪性能;田间试验结果表明:该导航控制方法适用于2BFQ-6型油菜精量联合直播机自动对行作业。     

基于模糊Stanley模型的农机全田块路径跟踪算法研究

为实现农业机械全田块高效自主作业,提出一种增益系数自适应的Stanley模型路径跟踪算法。以横向偏差和航向偏差为输入变量构建隶属度函数,设计模糊推理和解模糊化过程实时确定控制模型增益系数,提高Stanley模型对不同曲率路径的自适应能力。为验证所提算法有效性,以移动小车为平台开展联合收获机回字形全田块自主作业路径跟踪试验,结果表明所提算法显著改善Stanley模型路径跟踪精度,直线作业速度2.5m/s、转弯速度1m/s时,直线段和曲线段最大跟踪误差均小于3cm。大初始横向偏差路径跟踪试验表明,模糊Stanley模型较Stanley模型大幅度减小路径跟踪上线距离,满足农业机械全田块高效自动导航作业要求。     

机器视觉技术在精细农业中的研究进展

精细农业以节约投入、增加产出、提高投入物利用率、减少环境污染为目的.快速、准确地采集各种农田信息,有效地监测农业对象是实施精细农业的重要基础.机器视觉技术由于其非破坏性、精度高、成本效率高、信息量大、灵活等特点,在精细农业中得到了广泛的应用.为此,通过对大量参考文献进行分析,发现机器视觉在精细农业中的主要研究方向集中在农业机械自动导航、作物生长信息检测、变量控制等方面.同时,对机器视觉技术在上述领域中的研究情况进行分析和总结,并讨论了未来机器视觉技术在精细农业中应用存在的问题以及发展前景.     

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%.     

基于机器视觉的果园导航中线提取算法研究

为实现果园作业自动化,对基于机器视觉的果园自然情况下的导航路径拟合方法进行了研究。针对果园环境特点,基于HSV色彩模型和最大类间方差法对果园果树树行特征进行了增强。同时,使用Hough变换对果树树行线进行了拟合,并最终获得了相邻两树行的中线作为导航路径。最终试验结果表明:该方法能有效克服行间生草、光照阴影和修剪枯枝的干扰,可提取果园果树树行线并拟合出果园导航中线。