基于双目立体视觉的机械手移栽穴盘定位方法

为了解决自动化机械手移栽过程中穴盘放置偏斜和底部局部"凸起"而引起的移栽效果不理想的问题,为机械手提供穴盘精准坐标,对穴盘准确定位方法进行研究。首先,根据机械手移栽特点提出穴盘定位总体方法及图像获取手段。其次,利用单目相机获取的图像采用像素标记法和Radon变换法计算穴盘中心坐标和角度,完成穴盘平面定位。再次,对双目相机获取的图像采用SIFT(scale invariant feature transform)特征匹配的算法获得匹配点对坐标,并提出区域整合匹配点的方法。最后,利用整合的区域双目匹配点坐标配合相机标定结果重建匹配点的三维世界坐标,并且与穴盘平面定位结果相结合完成穴盘空间位置重构。试验结果表明,提出的穴盘定位方法能够真实地恢复穴盘空间姿态,中心像素横纵坐标相对误差分别在(-7,+7)和(-6,+7)像素内,角度检测值与实测值相对误差值在(-0.51°,+0.53°)内,利用SIFT特征匹配算法匹配双目图像,在2×4区域内对8对整合匹配点进行三维世界坐标重建,其中7个坐标的三个维度与测量值相对误差在2 mm内,1个坐标与测量值相对误差为4.6 mm内。该方法所应用的算法成熟,可以满足机械手移栽实际应用处理要求。     

Comparison of illuminations to identify wheat classes using monochrome images

Wheat class identification using machine vision is an objective method which can be used for online testing to automate handling, binning and shipping operations in grain industry. The efficiencies of a monochrome camera-based vision system with three different illuminations (incandescent light (IL), fluorescent ring light (FRL), fluorescent tube light (FTL)) were determined to identify eight western Canadian wheat classes at four moisture levels (11%, 14%, 17% and 20%). The monochrome images of the bulk wheat samples were acquired at each moisture level (3 illuminations × 8 classes × 4 moisture contents × 100 replications = 9600 images). A linear discriminant function was used for the classification of wheat samples using 32 gray level textural features extracted from the monochrome images. The mean gray values of the wheat classes were in the ranges of 75–103, 73–115, and 107–143 for IL, FRL and FTL, respectively. The mean gray values of wheat classes were significantly different within each illumination and between different illuminations (α = 0.05). Mean gray value was the highest for FTL and the lowest for IL illumination. The moisture content of the wheat samples had significant effect on the mean gray values. The overall classification accuracies were 90%, 81% and 96% for IL, FRL and FTL, respectively, when all the wheat classes were at the same moisture levels. It was 66%, 53% and 85% for IL, FRL and FTL, respectively, when the wheat classes were at different moisture levels. The classification accuracies of a 2-stage classification system for the classes with different moisture levels were 68%, 56% and 90% for IL, FRL and FTL, respectively.     

植物立体可视化模拟系统原型StereoPlants的构建

随着虚拟植物可视化研究的深入,植物群体以及复杂的植物器官或微观显微结构模拟已成为趋势。目前植物模拟中可视化结果展示方式多是对渲染的图像进行平面显示,不便于对大场景植物群体或复杂微观显微结构可视化结果的认知。为此,该文提出并实现了一个立体显示植物模拟的系统原型,该系统完成植物可视化立体内容的生成到立体展现,系统的软件部分基于跨平台的FLTK界面库与OpenGL图形库完成植物模拟立体可视化架构,支持对现有的基于该图形库的可视化模拟模型的移植,硬件部分由计算机与被动式立体展示系统组成。为了测试系统的可行性与有效性,在立体可视化框架上移植现有植物根系可视化模拟,结果显示,该立体显示植物模拟系统原型可生动地、沉浸地立体显示植物可视化模拟。该原型系统使得植物群体以及复杂的植物器官或微观显微结构的可视化更直观、更容易被认知。     

基于机器视觉印品缺陷检测的滤波算法

彩色印刷品是经过多色印刷后形成的，各色之间不可避免地存在一定程度的套印位置偏差等工艺缺陷．针对这个问题，提出了一种从印刷品差分图像中滤掉边缘噪声的算法．基于印刷工艺因素的影响及标准图像的自身结构特征，设计了滤波算法由图像乘、全局亮度门限和腐蚀／膨胀等部分组成．实验证明该算法能有效地降低边缘噪声。     

长白落叶松人工林木材构造计算机视觉分析的研究

应用计算机视觉技术对长白落叶松人工林木材解剖特下及其材性变异规律进行分析，建立了木材解剖特征计算机视觉分析系统，提出了适合木材解剖牲的图象处理分析方法。对木材解剖特征灰度图象的二值化处理过程中，最佳阈值的判定与选择、图象质量的改善等提出了具体的实现方法。测量了长白落叶松人工林木材分子的几何尺寸，如管胞的径向和弦向外径和内径，管胞的壁厚，以及生长轮内木材的胞壁率等，并对管胞分子的边缘进行检测。得出了     

基于流域算法的谷物籽粒图像分割技术

为解决谷物外观品质检测过程中获取图像的籽粒粘连问题,提出了一种基于先验知识的流域分割算法。首先,设定合理的区域面积阈值Ath,标记并去除图像中的单个籽粒区域,结果记为M;然后,设定有效腐蚀次数Eth,对粘连籽粒区域进行流域分割,结果记为Mc;最后,取Ms与Mc的并集,作为分割结果。试验结果表明,该算法分割效果较好,分割精度达到95．4％。     

基于图像处理与人工神经网络的小麦颗粒外观品质评价方法

综合利用计算机视觉、图像处理、人工神经网络技术,实现小麦品质评价自动化。通过比较不同背景,发现在黑色毛面纸板背景下,使用数码像机获得容易处理的小麦图像。应用分水岭算法自主开发了图像分割处理软件,分割小麦图像并识别提取出完整的小麦颗粒,针对每个小麦颗粒,计算了其12个形态学特征、12个色泽参数等图像特征参数。利用所提取的24个小麦图像特征参数,采用人工神经网络BP算法建立起小麦粒径外观品质评价模型,并应用于小麦的品质识别,取得了良好的试验结果。多次建模运算证明,该方法具有较好的稳定性,对小麦粒径外观品质评价的平均识别准确率可达93%。     

基于双目立体视觉的重叠柑橘空间定位

果实的精准识别和定位是智能采摘面临的难题之一。基于双目立体视觉,提出了一种针对户外重叠柑橘的三维空间定位方法。首先,从双目左右图像中提取重叠柑橘果实轮廓并进行高斯平滑,通过曲率分析,找出异常的轮廓像素点;其次,依次连接相邻两个异常像素点,分析该线段上的像素点到柑橘轮廓的距离,在相邻两正常线段的交点处完成重叠柑橘轮廓分割,并通过寻找异常线段剔除对应的非柑橘轮廓像素点;再者,采用最小二乘椭圆拟合方法重建柑橘目标轮廓,并获取柑橘的中心;最后,根据双目极线约束和图像相似度,对重叠柑橘中心点进行匹配,并基于视差原理计算柑橘中心的深度值及三维空间坐标,确定重叠柑橘的遮挡关系。户外实验结果表明,所提出的方法定位误差为6.38 mm,满足柑橘采摘机器人户外采摘作业的定位精度要求。     

基于机器视觉的小粒咖啡豆的检测技术

设计搭建了基于机器视觉的小粒咖啡豆检测分级系统,系统由进料部、匀料筛分部、色选部、气动部、收料部以及电控箱组成。开发了基于OpenCV和visual studio的系统分析与控制软件,实现咖啡豆果径宽度和烘焙程度的检测分级。基于Blob分析方法对小粒咖啡生豆进行图像分割,利用最小外接矩形方法对果径宽度进行特征提取,采用HSV颜色空间模型提取小粒咖啡豆的颜色特征值,最终将小粒咖啡生豆分为5个等级,将烘焙程度分为浅度、中度、深度3个程度。系统运行验证试验结果表明,对小粒咖啡生豆的果径宽度检测的平均误差为1.275%,烘焙程度检测的准确率为88.9%。     

基于二维熵的农业图像目标分割

农业图像的目标分割是在农业领域应用机器视觉技术的基础,采用阈值法进行图像的目标分割,能够克服一些图像缺陷。首先将彩色数字图像转换成像素灰度级分布与其邻域平均像素灰度级分布所构成的二维灰度图,再根据图像分割后的最大熵计算分割阈值,然后由计算出的阈值分割农业田间图像,分割的结果显示,二维熵法分割农业田间图像的效果很好,分割质量的优秀率达到了98%。