基于视觉里程计的森林样地调查系统研究

以视觉里程计技术恢复连续摄影序列图像位姿,并以恢复位姿的图像为基础构建样地调查系统。该系统通过对图像位姿尺度恢复、定义样地坐标系、标记立木等过程估计样地中立木位置及胸径。用相机对12块半径为7. 5 m的圆形样地进行连续摄影,获取有序图像序列,并使用构建的样地调查系统对图像序列进行处理,以获取样地中立木位置及胸径。实验结果表明,所有样地立木位置估计值x轴与y轴方向的偏差(BIAS)分别为0. 04、-0. 03 m,均方根误差(RMSE)分别为0. 21、0. 17 m;样地中立木胸径估计值的BIAS及RMSE分别为0. 09 cm(0. 51%)和0. 88 cm(5. 03%)。     

单目视觉识别苹果采摘机关键部件及控制系统设计与分析

为了节省劳动力、提高苹果采摘效率,设计了单目视觉识别苹果采摘机。该采摘机可一次性完成苹果识别、定位、采摘、输送功能。整机分为运行、采摘、识别三大系统,主要对单目视觉识别苹果采摘机的总体结构、关键部件及控制系统进行了设计,完善了整机功能,为智能苹果采摘提供了理论基础。     

光电检测技术在马铃薯品质检测中的研究进展

近年来,我国大力推动实施马铃薯主粮化战略,品质控制是重要的支撑技术,需在马铃薯的专用品种选育、主食产品加工、储藏运输及终端消费等多个产业链环节进行检测。为此,围绕马铃薯质量安全管控方面的需求,详细介绍了机器视觉技术、近红外光谱分析技术及高光谱成像技术等光电检测技术在马铃薯外观形态、内部品质及缺陷检测方面的研究和应用现状,并分析了其发展趋势,以期为马铃薯深加工过程中原料筛选和分等分级等提供参考。     

基于分区域特征点聚类的秧苗行中心线提取

为了准确检测水稻秧苗行中心线,提出了基于分区域特征点聚类的秧苗行中心线提取方法。采用2G-R-B特征因子和Otsu法分割秧苗和背景;通过分区域统计秧苗像素点分布提取秧苗行的候选特征点,利用特征点间近邻关系对特征点进行聚类,确定秧苗行数和各秧苗行的起始点;基于秧苗成行栽植特点引入“趋势线”,利用点到该直线的距离与距离阈值作比较,筛选出远离各行趋势线的点,并将其去除;对筛选后的每一行特征点用最小二乘法进行直线拟合,获取秧苗行中心线。实验结果表明,该算法具有较强的抗噪性能,提取秧苗行中心线的准确率达95.6%,与标准Hough变换和随机Hough变换算法相比,处理一幅分辨率为320像素×237像素的彩色图像平均耗时短,能够实现水田秧苗行中心线的准确提取,可为插秧机自主行走提供可靠的导航信息。     

农业机器人并联视觉云台研究

针对智能农用机器人对机器视觉工作范围的需求,提出了一种用于农业机器人的并联视觉云台设计方案。基于双摇杆的输入输出特性,提出了一种运动支链设计方法,用于构建二自由度全球面工作空间解耦并联机构。在此基础上,衍生出两种可行的运动支链P5R和PRR,基于这两种运动支链,设计了2种二自由度全球面工作空间并联视觉云台RRP5R和RRPRR。通过运动学分析,分别建立了2种机构的位置关系表达式;通过尺寸优化,得到了2种机构的最优杆长比;通过对比得出,RRP5R型并联视觉云台具有更好的输入输出性能;通过有限元分析,研究了载荷对RRP5R型并联视觉云台运动精度的影响。结果表明,RRP5R机构强度满足要求,但杆件的累积弹性变形导致运动副的位移偏差较大。     

基于边缘检测和区域定位的玉米根茎导航线提取方法

基于玉米根茎图像信息,提出一种基于边缘检测和区域定位的玉米根茎导航线提取方法。首先,利用最大类间方差法自动分割2G-R-B灰度图像,得到二值化图像,结合形态学处理、位置/面积去噪方法提高二值化图像质量,对去噪图像按列累加得到列像素累加曲线;针对传统方法得到的特征点中伪特征点较多的问题,引入高斯滤波器平滑累加曲线,并运用极值法减少玉米根茎伪特征点的干扰,在提取玉米茎秆边缘直线时,提出基于最远茎秆成像宽度的双侧边缘判别思路,通过扫描每条边缘直线的四边形封闭邻域有效剔除伪边缘直线;最后,根据边缘直线二次定位玉米的根茎区域范围,并剔除伪特征点,采用最小二乘线性拟合方法准确提取导航线。试验表明,本文算法处理一幅1280像素×720像素图像耗时约236ms,特征点拟合准确率为92%。与传统方法相比,本文算法精度高、实时性好,在缺苗、杂草较多和株距不标准的情况下仍具有较强的鲁棒性。     

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。     

机器视觉技术在自动移栽机上的应用

穴苗自动移栽机是温室种植中的一种重要的农业自动化设备.在移栽过程中,判断坏苗、将坏苗从穴盘中去除是穴苗移栽的重要步骤,可以防止病虫害的扩散.机器视觉技术是一种基于机器视觉的智能模式识别判断系统.在这个系统中,通过图像处理,提取每一株穴苗的表面特征并且与坏苗样本库作比较,即可识别坏苗,并将其从穴盘中去除.利用智能识别算法和矢量机.视觉系统更加高效自动化.     

新技术在大树移栽中的应用

近年来,随着我国经济的蓬勃发展和城市化进程的加速,城市绿化也进入了一个有史以来发展最快的时期。大树以它特有的魅力在城市景观绿地中显现,它不仅是一块绿地的视觉中心,而且能让绿地在最短的时间内发挥其景观效果、生态效益和社会效益,缩短了城市绿化建设的周期,在城市绿化中起着举足轻重的作用;特别是一些重要的景点和地段的改、扩建,为了达到环境相互协调、     

视觉特性：道路绿地景观设计的基础因素

道路绿地景观规划设计应遵循人性化的设计理念,行人的视觉特性是道路绿地景观设计的基础。在绿地景观设计中,应充分考虑不同车速带来的不同视觉效果,根据不同的视觉效果对树体的种植间距、高度、群体组合尺度进行确定,使设计的艺术性建立在科学的基础上,使艺术得以完美体现,使道路绿地成为优美、亲切、宜人且富有活力的公共场所。