共查询到20条相似文献，搜索用时 31 毫秒
1.
2.
水果识别是自动化采摘过程中的关键步骤,为了提高水果识别的准确性和实时性,利用深度学习方法,设计了一种水果采摘机器人视觉识别系统。首先,采用多种预处理方法对样本数据进行扩充,并对图像进行缩放和灰度化处理;然后,构建了一个多层卷积神经网络,通过多次训练得到网络最优超参数;最后,利用所构建的卷积神经网络对水果图像进行训练,同时采用多种训练策略得到最终的识别模型。实验结果表明:系统具有识别速度快、准确率高的特点,可以快速、准确地对水果图像进行识别,单张水果图像的识别速度只需0.2s,识别精度高达97%以上。该方法具有重要的理论和应用价值,可为水果的自动化识别提供有力手段。 相似文献
3.
针对农业生产领域存在的劳动力资源紧缺、人工采摘成本较高等问题,提出一种基于STM32的水果采摘机器人控制系统设计方案。该方案主要采用自动化采摘的方式,实现成熟水果的智能识别与采摘,利用STM32单片机作为该系统的主控芯片,视觉识别部分采用Open MV图像处理功能作为核心。通过试验验证方式对系统的可行性进行了分析,结果表明该系统可满足用户的实际使用要求。 相似文献
4.
5.
王瑞柴瑞强 《农业装备与车辆工程》2019,(12):78-82
开发了一辆能够识别赛道并自动巡线行驶的单目视觉智能模型车。包括自制的系统板、数字CMOS摄像头、传感器、编码器、转向舵机及驱动电机。传感器模块采用OV7620摄像头和编码器分别采集赛道图像和车轮转速并传输给单片机作为控制依据,小车采用BTN7971的H桥驱动实现电机的正反转,并通过改变PWM信号的占空比调节电机转速和舵机转向的角度;软件程序部分采用MK60单片机对赛道图像进行基于动态阈值的二值化处理,根据二值化处理所得到的赛道黑白图像提取出赛道中线和小车位置偏差等信息并进行赛道识别,小车依据赛道信息采用PID控制算法实现电机转速和舵机转向的闭环反馈调节。整个系统的电路结构简单,控制决策优良,可靠性能高,实验测试结果满足要求。 相似文献
6.
为了解决目前阴极铜喷码作业中存在的问题,实现在阴极铜板面上找到最佳喷码位置,将图像处理技术应用于阴极铜板面检测。对采集到的板面图像进行预处理,并对预处理后的图像采用基于大津算法的阈值分割进行特征提取,将阈值分割处理后的图像进行切割分块处理,分别计算每块图像的面积比,并比较大小,输出最大值对应的子图像编号。实验表明,检测系统的正确率和时效性较高,验证了系统的有效性。 相似文献
7.
为了实现可以实时跟踪人体并测量体温的功能,利用嵌入式、图像处理、温度传感器距离补偿等技术,基于树莓派在Python语言环境下使用第三方库OpenCV设计了一种人体随动测温系统。系统首先通过摄像头获得图像,然后提取人体的Gabor特征,两轴云台可以保持摄像头对人体的跟踪;同时,通过集成在摄像头上的温度传感器实时获取人体的温度。实验结果表明,本系统能够很好地对人体进行识别、跟踪以及测温,具有推广价值。 相似文献
8.
9.
以割草机器人作业系统为研究对象，通过对割草机器人作业过程进行分析，利用高清摄像头进行目标区域草地图像采集，采用视觉算法进行草地图像转换，获取草地图像的颜色和边界特征集合，实现草地识别和草地形状识别，并根据结果进行割草作业自动化控制。试验表明：基于视觉算法建立的割草机器人作业控制系统，草地面积识别误差不大于1.5%,草地图像像素识别误差不大于3%,系统在进行草地状态识别时具有较高的可靠性。 相似文献
10.
11.
基于MATLAB与VB混合编程的哈密大枣品质检测研究 总被引：3，自引：1，他引：2
基于Visual Basic 6.0设计了应用软件的用户界面,用SOLIOS图像采集卡与CCD摄像头连接采集数据,构建了基于机器视觉的哈密大枣自动检测系统,并利用Matlab7.6图像处理工具箱,通过各种算法的比较和验证,确定了最佳背景分割方法,找到有利于哈密大枣的特征提取、品质(缺陷、大小、颜色等)自动识别的方法,为哈密大枣自动化检测生产奠定了基础。在图像采集中,调用图像采集卡驱动程序,实现图像的储存。图像处理中,应用颜色空间转换、小波消噪、阈值分割和数学形态学处理等方法,快速准确识别其品质,利用VB的ActiveX组件,在Visual Basic中直接调用Matlab图像处理程序,实现对哈密大枣品质的自动检测。 相似文献
12.
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
13.
基于机器视觉的花生品种识别系统研究 总被引：1，自引：0，他引：1
为了实现花生品种自动识别,收集了12个花生品种的600粒籽仁作为实验样本,利用计算机视觉和图像处理技术对图像进行处理;然后,对每幅样本图像提取形态、颜色和纹理等3大类共48个特征,建立人工神经网络（ ANN ）和支持向量机（ SVM ）识别模型对这些特征进行分析识别,并基于 Visual C＋＋6．0环境构建识别系统。运行结果表明,SVM 方法识别效果比较稳定,对12个花生品种自我识别率达到100％,测试识别率达到83％;另外,基于Visual C＋＋的识别系统在识别效果与效率方面比Matlab 都有了较大的提高。该花生品种识别系统对于花生品种识别具有积极意义。 相似文献
14.
随着现代农业技术的发展,柑橘的生产与采收自动化是必然趋势,而柑橘的目标识别是实现采摘自动化的重要环节。提出一种基于树莓派的柑橘识别系统,以树莓派作为软件程序平台,应用Python语言构建卷积神经网络模型,利用TensorFlow平台实现柑橘的识别。通过机器视觉采集柑橘树的相关数据,结合深度学习算法,对柑橘树上的柑橘进行识别及计数。经过测试,识别正确率约为92.4%。此外,利用GPS模块进行识别位置定位,确定区域内的柑橘密度及使用光照强度传感器测量环境光照强度对图像进行直方图均衡化处理,降低光照对柑橘识别的影响。 相似文献
15.
针对作物病害识别系统功能单一，缺乏系统升级机制，人工升级系统成本较大的问题，以番茄病害为例，提出了基于OpenCV的番茄叶片图像自动标注算法和改进YOLO v5的番茄病害识别模型；结合数据集自动划分、模型自动训练与评估、手机APP自动创建与更新理念，设计了一种可以自动升级的番茄病害识别系统；引入专家审查校正机制，提高了系统识别结果的可靠性。实验结果表明，该系统实现了对番茄的健康叶片与9类病害叶片进行识别，可以在实际应用中通过手机APP识别番茄病害的同时自动扩充番茄病害图像数据集，并根据数据扩充量自动启动系统的升级优化流程，由此不断提升该系统的番茄病害识别性能。该系统为番茄生产提供了一个便捷、可靠的番茄病害识别工具。 相似文献
16.
由于存在包衣配方不统一、包衣机自动化水平低等问题,目前我国种子包衣合格率检测精度和效率较低。为此设计了一套丸粒化包衣种子识别检测系统,针对形状为类球体的包衣种子进行识别。首先,搭建拍摄平台,拍摄的图像传输至识别控制系统中进行图像前期处理。其次,根据图像处理后不同类型包衣种子特征提出了一种识别检测算法,根据破损包衣种子与其它包衣种子图像面积比例的差异,利用高级形态学处理实现破损包衣种子的识别。根据多籽种子与合格种子颗粒像素值的差异实现对多籽种子以及合格种子的识别。最后,对种子总数、合格数、多籽种子数及破损种子数进行检测,计算得到包衣合格率。以红三叶种子进行试验,结果表明：整套系统图像采集、处理与识别时间约为3s;运用高级形态学处理识别破损包衣种子准确率达98.8%;当试验样本为200粒时,总数识别算法的准确率达到99.1%;对合格包衣种子以及多籽包衣种子识别相对误差分别为1.18%与3.36%。该识别检测系统实现了拍摄、图像处理、检测识别以及结果保存等功能,实现了包衣种子的无损检测。 相似文献
17.
由于存在包衣配方不统一、包衣机自动化水平低等问题,目前我国种子包衣合格率检测精度和效率较低。为此设计了一套丸粒化包衣种子识别检测系统,针对形状为类球体的包衣种子进行识别。首先,搭建拍摄平台,拍摄的图像传输至识别控制系统中进行图像前期处理。其次,根据图像处理后不同类型包衣种子特征提出了一种识别检测算法,根据破损包衣种子与其它包衣种子图像面积比例的差异,利用高级形态学处理实现破损包衣种子的识别。根据多籽种子与合格种子颗粒像素值的差异实现对多籽种子以及合格种子的识别。最后,对种子总数、合格数、多籽种子数及破损种子数进行检测,计算得到包衣合格率。以红三叶种子进行试验,结果表明：整套系统图像采集、处理与识别时间约为3 s;运用高级形态学处理识别破损包衣种子准确率达98.8%;当试验样本为200粒时,总数识别算法的准确率达到99.1%;对合格包衣种子以及多籽包衣种子识别相对误差分别为1.18%与3.36%。该识别检测系统实现了拍摄、图像处理、检测识别以及结果保存等功能,实现了包衣种子的无损检测。 相似文献
18.
提出了一种嵌入式收获前籽棉分级系统的总体设计方案。嵌入式终端以ARM（TMS320DM365）为主处理器,以DSP（TMS320DM6437）为从处理器。在ARM上构建Linux系统环境,并行执行视频采集和人机交互任务：摄像头采集模拟视频流送解码芯片（TVP5146）解码;同时,在用户界面上实时显示数字视频流,并通过SPI向DSP发送视频处理请求。DSP在同步采集视频流的过程中收到请求信号后,对当前帧进行图像分割、特征提取和判别,并将处理结果返回给ARM。田间试验表明,系统能够以90.48%的正确识别率快速地识别籽棉品级。 相似文献
19.
针对水稻的杂株识别,设计了一种基于计算机视觉的水稻杂株识别系统。系统主要由图像获取系统、特征提取系统和模式识别方法系统组成,可利用颜色特征识别图像中的杂株,并对图像进行阈值分割获取二值图像,提取形状特征和纹理特征,通过DS融合理论程序实现水稻杂株的识别。试验结果表明:系统可以准确识别水稻杂株类型,准确率达到了92%以上,能够满足农业人员对水稻杂株识别系统的要求。 相似文献