共查询到10条相似文献,搜索用时 15 毫秒
1.
受莲蓬形状外观和生长环境影响,传统计算机视觉算法识别莲蓬存在效率与精度不佳的问题。本文研究采用YOLO v2算法进行莲蓬识别的方式,通过扩充莲蓬检测数据集、K-means维度聚类、深度可分离卷积网络结构和多分辨率图像对模型微调等方法实现提高识别精度、鲁棒性与识别速度。对比Darknet-19、Tiny Darknet与DS Tiny Darknet算法,结果表明,本文研究的识别方式可以达到102.1 fps的识别速率,可实现在复杂环境下对莲蓬的快速识别,满足莲蓬采摘机器人在采摘过程中对实时视觉信息的需求。 相似文献
2.
针对当前国内花椒采用传统手工收获,严重影响了椒农的经济收益和产业发展的现状,文章梳理了国内三类花椒采摘机的工作原理和应用特点,包括自带动力和收集装置的全自动花椒采摘机,蓄电池带动无收集装置的半自动式和手动式花椒采摘机,研究表明,全自动式适合于道路条件良好的平、川地大面积收获;半自动式适用于山坡、丘陵和河沟等道路崎岖且能铺设收集料斗的地方;手动式应用于经济水平较低的山区小面积花椒收获。给广大椒农对花椒收获机的选择指明了方向。最后,为花椒收获机的进一步发展提供了几点思路,以供参考。 相似文献
3.
4.
5.
为了提高自然环境下茄子采摘机器人的采摘成功率并缩短采摘周期,对茄子采摘过程的目标识别进行了研究。自然环境下茄子的生长状况较为复杂,枝叶及果实间相互遮挡的情况降低了对目标识别的成功率。针对这一问题,提出了一种基于霍夫变换算法,通过在投票阶段引入条件概率,构建概率检测模型,采用基于最大后验概率的贪婪算法求解概率模型,多次迭代局部最优值确定目标,从而完成对茄子目标的识别。结果表明,对无遮挡及存在遮挡情况的茄子目标的识别正确率都在89%以上,相对于传统识别方法,该方法识别正确率大大提高,且具有较好的抗噪能力,可为茄子采摘机器人的后续开发提供参考。 相似文献
6.
7.
8.
介绍了在聚类中广泛应用的经典κ-均值算法,针对其随机选择初始质心和易受孤立点的影响的不足,给出了一种改进的κ-均值算法。首先使用距离法移除孤立点,然后采用邻近吸收法对初始质心的选择上进行了改进,并做了改进前后的对比试验。试验结果表明,改进后的算法比较稳定、准确,受孤立点和随机选择质心的影响也有所降低。 相似文献
9.
10.
基于机器视觉的丘陵山区田间道路虚拟中线提取方法 总被引:4,自引:1,他引:3
田间道路识别是农业机械在田间道路上自动行驶的基础.针对丘陵山区田间道路复杂多变、无车道线和无明显边界等特点,提出一种基于机器视觉的道路虚拟中线提取算法.首先将道路RGB图像转换到HSI空间,选择与图像彩色信息无关的I分量;然后利用二维Otsu阈值分割法提取道路区域特征,去噪处理后选取目标区域分块求取质心点,对求取的质心点进行基于曲率变化的拟合,得到田间道路的虚拟中线.试验结果表明,在光照、水渍等不利因素影响较小的情况下,该算法拟合确定的道路中线与实际的道路中线相差最大不超过5%,准确性较高,能够有效实现丘陵山区田间道路的识别和虚拟中线的提取. 相似文献