共查询到10条相似文献，搜索用时 171 毫秒
1.
除草机器人田间机器视觉导航 总被引：9，自引：0，他引：9
建立了除草机器人模型,利用VC 开发了基于机器视觉的除草机器人杂草识别和导航系统应用软件,引导除草机器人沿农作物行自动行走.提出新的图像分割算法,在RGB空间直接将农作物分割出来,再利用优化的Hough变换检测出农作物行中心线,根据摄像头姿态和透视变换原理确定除草机器人位姿.试验表明,分割一幅真彩色图像(分辨率:1 536×1 152)只需450 ms,并能够适应自然光线变化.优化的Hough变换算法使运算时间减少了1/2,导航距和导航角平均误差分别为-0.6 mm和0°,证明了此导航方案的可行性. 相似文献
2.
随着农业自动化水平的不断提高,除草机器人被逐步地应用到了农田生成作业过程中,机器视觉系统是除草机器人自主导航和杂草作物识别的核心部件,其性能的好坏直接影响作业效率和作业质量。为了提高除草机器人的导航效率,提出了一种基于中英混合环境的多模式匹配算法,将该算法应用到了除草机器人的英文和中文导航路标的模式匹配上,并采用相关图像处理算法对路标进行了增强处理,最后对不同环境下导航的可行性进行了验证。结果表明:采用中英文混合环境的多模式匹配算法和图像增强处理功能后,除草机器人机器视觉系统的路标成功识别率较高,导航准确率也较高,从而验证了方案的可行性和可靠性。 相似文献
3.
一种高精度自主导航定位的葡萄采摘机器人设计 总被引：1，自引：0，他引：1
为了提高葡萄采摘机器人自主导航能力,增强对葡萄成熟度的准确识别功能,降低漏采率和误采率,设计了一种新式的基于RSSI自主导航和颜色特征提取的葡萄采摘机器人。该机器人使用RSSI定位技术,首先对装有无线传感器的葡萄树进行定位,然后利用机器视觉系统对葡萄的成熟度进行判断,并对满足采摘条件的葡萄使用机械手进行采摘。对葡萄采摘机器人的性能进行了测试,通过测试发现:机器人对装有传感器的葡萄树的准确识别率达到了95%以上,对葡萄成熟度的判断达到了98%以上,是一种相对高效的葡萄采摘机器人。 相似文献
4.
针对农作物禾苗和杂草辨识和定位不精确,会造成除草机器人除草不净、伤害禾苗、影响产量等问题,提出了一种基于骨架提取算法的作物茎秆中心识别与定位的多级图像识别方法。该方法通过不同图像处理算法的多级式递进融合,实现对农作物茎秆的精确识别与中心定位。首先将采集到的彩色图像转换到HSV颜色空间进行背景分割。然后采用腐蚀算法对图像进行腐蚀操作,腐蚀掉杂草图像信息得到仅含作物的图像信息,最后用Zhang-Suen细化算法对作物图像进行骨架提取操作,并对骨架交叉点进行计算分析,识别与定位作物茎秆中心,实现作物精准辨识和定位。对采集的100幅苗期图像进行实验测试,结果表明农作物禾苗茎秆中心识别和定位精度误差小于12mm。本文方法能实时精准辨识禾苗和杂草,并对禾苗进行精准定位,为实现田间机械化除草提供了一种精准可靠的作物识别和定位方法。 相似文献
5.
6.
《南方农机》2021,(15)
为解决人工除草耗时长、农药除草污染大的问题,需要更准、更快的杂草识别定位算法帮助除草机器人根除农田杂草。课题小组提出了一种基于Faster R-CNN的农田杂草反向识别改进算法,新算法利用循环一致性生成对抗网络(Cycle-GAN)的图像生成能力以解决训练样本稀缺的问题,同时将Cycle-GAN与快速区域卷积神经网络(Faster R-CNN)混合使用,从而提高杂草识别能力。试验结果表明,该方法在正常拍摄的测试集图片中识别率可以达到95.06%,识别结果优于传统Faster R-CNN的87.59%。该算法具有识别速度快、实时性好的优点,在果园、园林除草等方面具有应用价值。 相似文献
7.
园林杂草与景观植物伴随生长,在防控不力的情况下能够很快发展为优势种群,引起自然景观早衰和退化。喷洒除草剂是清除园林杂草的有效方法,但会威胁操作人员的健康。喷药机器人若要准确、高效地完成喷药作业,则必须具备精准喷药和自主导航的功能。为此,将计算机视觉应用在园林喷药机器人上,根据颜色和形状特征识别杂草,根据颜色特征识别路径并规划获得行走路线。试验中,喷药机器人对园林杂草具有较高的识别精度,实际行走路线与规划的路线基本吻合,能够实现精准喷药和自主导航;机器人处理单幅图像仅耗时0. 1 s,可以满足实际作业的需求。 相似文献
8.
为了克服农作物生长大面积遥感监测精度较低的缺陷,实现作物生长态势的自动化监测,提出了一种基于计算机视觉的自主导航作物生长监测车辆,从而有效地提高了作物生长监测的精度和自动化程度。该型自动化车辆通过导航标定线在田间对作物的生长状况进行实时跟踪监测,采用CCD数字摄像头对作物的生长状况进行图像采集,使用PC机对图像进行处理,并将图像利用通信技术传输到远程监控端,并根据图像特征数据建立了作物长势的监测和预测模型。为了验证其可行性,对作物的长势进行了实地测试,通过对叶面指数和作物生物量预测模型的测试表明:数据模型的实测值和理论值基本吻合,利用该方法可以建立多种作物的长势监测和预测模型,具有推广价值。 相似文献
9.
基于视觉的苗期作物目标识别技术逐渐成熟,对作物进行准确识别和精准定位,是实现株间除草的技术关键和难点。本文以苗期玉米为研究对象,提出了一种苗期作物的识别与定位方法,通过作业车辆的图像采集装置来实时获取田间作物的苗期图像,基于HSV色彩空间对输入图像进行预处理,根据作物与土壤背景颜色差异,选取固定取值范围的三通道阈值,通过二值化处理去除土壤背景,再通过深度开运算来去除杂草噪声,对得到的苗期作物提取轮廓信息,经过骨架提取算法后得到作物骨架,并以此确定作物茎秆位置坐标,从而实现对作物的精准定位。作物图像中幼苗的识别率为98.3%,定位误差距离在10 mm以内的定位精准度为85.9%,基本可以满足智能除草机器人实时除草作业要求。 相似文献
10.
从实时性和多特征的综合角度出发,基于虚拟仪器技术的软硬件平台,提出了一种颜色和形态特征相结合的棉田杂草实时识别与定位的方法.在HIS 颜色模型中,以色度H为特征量,用Otsu算法自动取阈值法将植物与背景分离;利用植株的形态特征,结合形态学腐蚀、膨胀方法及骨架长度与面积比得到的识别方法,将棉苗和杂草分离.同时,通过对图像的特征分析和坐标变换,完成准确定位,得到中心坐标等物理参数,从而为后续株间除草机器人控制系统的研究提供重要依据.系统采用Labview和NI-Vision软件平台搭建,多幅杂草图像研究结果表明:该系统杂草的正确识别率平均为85.32% ,处理1幅1024*768的图像平均只需196ms ,识别速度能满足实时除草要求. 相似文献