共查询到20条相似文献，搜索用时 375 毫秒
1.
《江苏农业学报》2017,(3)
为更好地实现在实际农业作业环境下智能农业车辆的自主导航,提出了基于全景视觉的同时定位与地图创建方法(PV-SLAM)。首先对惯性测量单元(IMU)的姿态进行了解算分析,并设计实现了惯性测量单元的硬件电路模块。其次研究建立了农业车辆运动模型和全景视觉系统观测模型。然后将多目全景视觉(PV)和惯性测量单元(IMU)结合,采用扩展卡尔曼滤波(EKF),实现了自主导航农业车辆的PV-SLAM过程,并具体分析阐释了算法实现流程和步骤。试验结果表明,相较传统视觉SLAM算法,本研究提出的PV-SLAM方法,在较少或无固定路标情况下,获取的环境路标数平均增加80.2%,成功率平均提高15.8个百分点,在x和y方向的平均精度分别提高35.3%和37.8%,定位平均精度提高36.2%。PV-SLAM能较准确完整地提取环境路标信息,且对环境固定路标的依赖较小,因此在实际农业路径作业中运行效果较好。 相似文献
2.
《沈阳农业大学学报》2014,(5)
针对水稻插秧机视觉导航的基准线提取问题,探索采用基于垂直投影法为基础的识别算法识别水稻稻田图像导航基准线。首先人工读取稻田图像中秧苗、水、秸秆残茬、泡沫和泥的R、G、B像素值,绘制RGB、HSI、I1I2I3颜色空间的各颜色分量灰度直方图,分析差异,选取正交彩色空间的I3颜色分量灰度值分割图像;用最大类间方差法求取分割阈值,成功地把秧苗和背景分割开得到二值图像;在分割后的二值图像上添加掩膜,去除图像上部左、右角断垄秧苗图像,提高基准线识别精度;采用垂直投影法提取定位点,经过分析判断后用稳健回归法拟合成直线,该直线作为水稻插秧机自主行走的导航基准线。将20幅稻田图像采用该算法提取基准线,并与人工提取的基准线进行比较。结果表明:单幅图像最小平均误差率为0.78%,20幅图像均误差率为2.33%,说明该方法具有一定的可行性,能够为水稻插秧机自主行走提供导航信息。 相似文献
3.
基于机器视觉的叶菜类蔬菜菜垄识别算法 总被引：1，自引：1，他引：0
针对目前叶菜类蔬菜田间作业自动化程度低,缺乏适用自主导航技术等问题,提出一种基于机器视觉的叶菜类蔬菜菜垄识别算法。利用改进超绿算法(Gray=2Cg-Cr-Cb)对菜地图像进行灰度化,通过二值形态学变换和连通区域提取获得菜垄区域和边界,基于Huber损失函数进行边界曲线拟合,最终提取导航基准线。图像处理结果表明:1)本研究提出的识别算法在不同光照环境下具有较好的鲁棒性,自然综合光照条件下导航基准线提取成功率为97.5%;2)基于Huber损失函数获取到的导航基准线,平均均方根误差为0.668像素,比最小二乘法高72.5%,平均角度偏差为0.273°,比最小二乘法高72.6%,且处理速度与最小二乘法相似。试验证明本研究算法可实现在自然光照条件下对叶菜类蔬菜图像的菜垄识别和导航基准线提取。 相似文献
4.
[目的]使用改进的自适应高斯滤波算法对农作物叶片病虫害图像进行降噪处理,为叶片病虫害图像提供前期预处理的优化手段,从而提高诊断的准确性.[方法]通过计算图像像素矩阵区域内中心点邻域方差与二维高斯滤波函数的比值,确定高斯标准差,动态生成高斯卷积核,从而形成改进的自适应高斯滤波算法,对病斑图像进行降噪平滑处理;然后分别模拟不同噪声强度,比较算法的降噪效果;最后通过峰值信噪比(Peak signal-to-noise ratio,PSNR)定量计算改进前后高斯滤波算法的优化程度.[结果]首先,使用MATLAB 2014b对密刺黄瓜枯萎病斑RGB图像模拟出3组不同噪声强度下的干扰场景,并进行归一化处理;然后,分别利用3种算法对噪声图像进行降噪处理,得出当噪声强度较弱时,改进算法对高斯白噪声抑制效果明显;噪声强度增大时,改进算法的优化程度逐渐下降;其次,分别计算各算法改进前后的PSNR,得出当噪声强度为0.01、0.02和0.03时,即改进的自适应高斯滤波算法PSNR值分别比传统高斯滤波提升6.942、6.965和6.718 db;最后,通过计算100组采集叶片图像降噪处理后的PSNR值,得到改进的自适应高斯滤波的PSNR值平均提高13.8%.[建议]采集的农作物叶片图像试验材料需广泛化;推动优化图像预处理的进程;提升图像匹配准确性,推动叶片诊断专家系统的研究. 相似文献
5.
《江苏农业科学》2015,(8)
近年来,农业智能化水平日趋提高,大量优质的农业视觉图像是准确获取农业产量、制定农药喷洒计划、病虫害分析等的依据,而在大多数情况下,由于图像传感器中电压不稳定、成像环境复杂等因素的存在,导致所获取的图像清晰度不佳。对此,提出了一种改进的自适应中值滤波算法,该算法首先采用基于图像像素灰度值的二步判别法来准确检测图像中的噪声,然后针对图像中目标轮廓的复杂性,设计出3类多方向的滤波模板,并且结合图像中非噪声像素点与噪声像素点间的几何距离,进行加权滤波。以时令水果图像进行测试,结果表明,本研究算法对于图像的滤波处理效果明显好于中值滤波算法及其已有的2类改进型算法。 相似文献
6.
7.
《江苏农业学报》2020,(4)
为了解决常规农业移动机器人导航基准线提取方法存在识别速度慢、检测精度低以及对光照变化敏感等问题,提出1种自然光照环境下基于人工蜂群算法的视觉导航路径提取方法。首先,将视觉传感器获取的作物图像进行灰度化处理,通过图像熵对灰度图像质量进行估计,当光照条件变化时,在线调整摄像机曝光时间,使获取的图像质量达到最佳状态,以提高后续图像处理对光照变化的适应能力。然后,采用类间最大方差法对图像进行分割,将作物信息与土壤背景分离,运用形态学滤波方法消除分割图像中的杂草噪声。最后,对图像顶部和底部分别进行灰度垂直投影,获取作物行区域并提取作物行特征点,利用人工蜂群算法搜索2个特征点,使其构成的直线所含目标点数最多,并将这条直线作为作物行中心线,进而得到导航路径。结果表明,在不同光照度条件下,基于图像熵的曝光时间调整方法可以有效降低光照度变化对后续图像处理的影响;基于人工蜂群算法的导航基准线提取方法可以快速有效地识别作物行与导航路径,处理1幅640×480像素的图像平均耗时76.4 ms,与传统导航基准线提取方法(Hough变换算法、最小二乘法)相比,人工蜂群算法具有检测速度快、准确性高的特点。本研究提高了应用于田间作业的农业移动机器人导航路径识别精度。 相似文献
8.
机器视觉技术在农业领域的广泛应用,使得农业自动化水平有了很大提高;但由于农业视觉图像的获取受气候、温度、光照、成像设备、图像传输等诸多因素的限制,使得所获取的图像或多或少受到噪声干扰,因此图像出现一定程度的失真,给后续农业视觉图像的处理与分析带来了诸多不便。为了有效抑制农业视觉图像中时常出现的噪声,提出了一种具有噪声监测与检测功能的多方向改进加权均值滤波算法,算法首先对含有噪声的农业视觉图像进行粗检测和精检测,以精确标记出噪声点;然后针对图像信息的分布特征分别设计出3类不同尺度的8方向滤波窗口;最后根据粗检测和精检测结果分别对噪声图像进行加权滤波处理。试验结果表明,改进的滤波算法性能优于经典均值滤波法、自适应中值滤波法及加权均值滤波法,提高了农产品视觉图像的清晰度及图像目标识别的准确率。 相似文献
9.
在对直方图均衡化算法基本原理深入分析的基础上,结合图像灰度值分布特征,提出一种改进的直方图均衡化增强算法,该算法首先引入自适应维纳滤波算法,对所获取的降质农作物图像进行预处理,以尽可能排除随机噪声;然后提出一种基于图像灰度信息的自适应子块获取方法,通过图像中灰度值的分布特点来自适应确定子块,对各子块分别进行直方图均衡化处理,从而获得高清晰度的农作物图像。采用峰值信噪比及均方根误差等指标,将图像自适应增强算法与自适应维纳滤波算法、直方图均衡化算法及其改进算法对降质农作物图像的处理性能进行定量评价,结果表明,图像自适应增强算法在去除噪声的同时能够有效提高图像对比度,对于农作物图像处理具有一定的借鉴价值。 相似文献
10.
农产品图像在采集过程中由于拍摄系统电压不稳定、成像环境的复杂性等因素导致获取的图像中存在一些颗粒噪声点,这些噪声点存在极大模糊了图像中果实复杂的边缘信息。针对该类图像,在对二维多级中值滤波算法(two-dimensional multi-stage median filtering)原理深入分析的基础上,结合农产品图像的特点,提出了一种改进二维多级中值滤波算法(improved two-dimensional multi-stage median filtering)。该算法首先提出一种新型噪声自适应检测方法对图像中的噪声进行检测和标记;然后对检测出的噪声点分别采用8个多方向滤波模板进行处理;最后对8个模板的滤波结果在进行适当取舍的基础上分别进行基于像素点间几何距离的加权滤波,以获得清晰度较高的图像。理论分析和试验结果表明,改进的二维多级中值滤波算法对于农产品图像处理效果优于中值滤波算法、二维多级中值滤波算法、已有的改进二维多级中值滤波算法。 相似文献
11.
油菜直播机导航路径识别方法研究 总被引：2，自引：0，他引：2
针对油菜直播机视觉导航路径识别效果受天气、稻茬噪声等影响的难题,提出一种结合小波变换和改进随机抽样一致性(RANSAC)的导航路径识别方法。首先,对原始图像灰度化后进行小波变换,在大尺度低分辨率下凸显导航路径宏观轮廓;然后利用直播机作业区与未作业区图像对比度大的特点获取导航路径上的特征点集合;最后针对获取的特征点集合运用结合预检验和后处理校正的改进随机抽样一致性算法区分内外点,并对内点集运用最小二乘法进行导航路径直线拟合,从而获取导航路径参数。田间图像测试表明,该方法可以稳定、准确地检测出导航路径,正确率达到96.7%,同时每帧图像的处理时间在31 ms以内,能为油菜直播机的视觉导航提供技术支撑。 相似文献
12.
《山东农业大学学报(自然科学版)》2018,(5)
计算机视觉图像在采集和传输过程中,容易受到噪声的干扰而变得模糊不清,传统的模糊集图像增强算法具有计算量大、参数手动设置和适应性差的缺点,使得图像处理效率低下和增强质量较差,无法满足现实需求。本文将改进的蚁群算法引入计算机视觉图像模糊增强,以模糊熵为图像增强效果的评价指标,并对模糊图像增加参数进行自适应选择。结果表明,本算法可以提高图像的模糊熵、改善图像视觉效果和清晰度,同时可以较好地突出某些特征。 相似文献
13.
14.
去噪滤波技术是数字图像处理中的一个重要内容,是计算机视觉技术、模式识别、图像数据分析的基础,因而受到广泛的研究;并在人脸识别、表情识别、遥感成像等领域获得广泛的应用。通过对多种去噪滤波算法进行比较,选定了一种改进的二维中值滤波快速算法将其应用到表情识别中,得到较好效果。 相似文献
15.
基于冠层颜色特征的大豆缺素症状识别研究 总被引：1，自引：0，他引：1
【目的】针对寒地大豆发生缺素症状时冠层颜色变化复杂性,建立基于冠层图像颜色特征的大豆缺素症状识别新方法。【方法】采用无土盆栽试验,以垦农18为供试大豆品种,设计缺氮、缺磷、缺钾3种营养状况,采集大豆缺素症状的冠层图像样本,利用图像灰度直方图结合主成分分析方法,提取大豆冠层图像的红光值R、绿光值G、蓝光值B,计算最佳颜色特征蓝光标准化值B/(R+G+B)和绿光标准化值G/(R+G+B),将其作为正则化模糊神经网络输入向量,并利用实数编码的遗传算法改进传统梯度下降学习算法,将其作为模糊神经网络的学习方法,同时应用传统梯度下降算法和改进梯度下降算法训练神经网络参数并比较。【结果】应用遗传计算改进的梯度下降学习算法计算时,迭代次数为277次,其各项计算指标均明显优于传统梯度下降算法,大豆缺素症状识别准确率达100%;而采用传统的多元线性回归方程和BP神经网络算法计算时,识别准确率分别为52.50%,68.33%。【结论】以大豆冠层图像颜色特征为基础,利用改进学习算法的神经网络模型,能够快速有效地挖掘出大豆缺素症状与颜色特征向量之间的模糊逻辑映射关系,为大豆缺素症状识别提供了一种快速且准确的方法。 相似文献
16.
17.
再生稻收割机的视觉导航路径检测方法 总被引：1，自引：0，他引：1
采用机器视觉技术研究再生稻收割机导航路径检测方法.根据农田再生稻图像特点,基于HSV空间的S分量结合Otsu算法得到初始分割阈值T;为更好地保留不同成熟度再生稻植株特征,加入修正因子-a,得到分割阈值T-a二值化图像.将土壤路径从再生稻植株中分割出来,根据形成的植株左右边界区域特征,提出逐行扫描图像动态检测导航路径的中间离散点集,利用基于已知点的Hough变换检测出稻桩行间导航路径.结果表明:处理一幅像素419×310的图像平均耗时0.064 s,具有较好的实时性,对稻叶交叠现象具有较强的适应性,拟合的导航线符合人眼视觉感官判断. 相似文献
18.
为快速提取皇帝柑图像中的目标,提出一种局部邻域最大差分的过渡区阈值图像分割算法。该方法首先计算图像中每个像素的局部邻域最大差分;再对图像的全部、局部最大差分进行排序,选取值较大的像素作为过渡区的像素点;然后对过渡区的内部进行填充,使过渡区与目标合成一体,最后剔除过渡区中的背景点,获得图像的目标。为检验提出算法的有效性,采用分割误差、假阳性率、重叠系数和运算时间共4个指标与已有算法进行比较,结果表明,本研究算法的平均分割误差只有7.76%,比有效平均梯度法和局部熵法分别降低6.93%、6.24%,假阳性率分别降低3.40%、3.05%,重叠系数分别提高14.6%、11.62%;算法运算速度分别提高约3.6、4.6倍。试验结果表明,本研究算法具有很好的提取皇帝柑图像中目标的性能。 相似文献
19.
基于机器视觉和机器学习技术的鸡胴体质量自动分级方法 总被引：2，自引：0，他引：2
[目的]为实现对鸡胴体质量等级的非接触在线自动判定,本文提出一种基于机器视觉和机器学习技术的鸡胴体等级在线检测方法。[方法]首先用图像采集装置获取鸡胴体图像,对图像进行预处理并提取包括投影面积、胴体长度、轮廓长度、鸡胸长度、鸡胸宽度和鸡胸面积等图像特征参数。在对所得到的数据进行无量纲处理后,再以这6个特征参数为输入、质量为输出,分别利用随机森林(random forest,RF)算法、自适应提升算法(Adaboost,AB)和梯度提升算法(gradient boosting,GB)3种机器学习方法,建立鸡胴体质量等级预测的非线性回归模型,对鸡胴体质量等级进行自动判定。[结果]在对鸡胴体质量进行预测时,梯度提升模型的判定系数最大,为0.996 0,明显优于线性模型,也优于其他2种非线性模型;在对鸡胴体质量等级进行判定时,也是梯度提升模型的判定正确率最高,为96%。[结论]可利用梯度提升模型对鸡胴体质量和等级进行精确预测和判定。 相似文献
20.
基于自适应中心对称局部二值模式的作物病害识别方法 总被引：1，自引：0，他引：1
基于局部二值模式(LBP)算子在模式识别中直方图维数高、判别能力差、具有冗余信息等缺点,针对作物病害叶片图像的特点,提出一种自适应中心对称局部二值模式(Adaptive Center-Symmetric Local Binary Patterns,ACSLBP)算法,并应用于作物病害识别。该算法能够得到光照和旋转不变性的纹理特征,利用模糊C均值聚类算法对病害叶片图像进行分割,再将分割后的病斑图像进行分块,然后采用自适应阈值提取每个子块的ACSLBP纹理直方图,结合作物病害叶片图像的颜色特征,利用最近邻分类器识别作物病害。在黄瓜4种常见病害叶片图像数据库上进行试验,平均识别率高达95%以上,表明该方法是有效可行的。 相似文献