共查询到20条相似文献,搜索用时 15 毫秒
1.
为了提高采摘机器人自动识别果实成熟度的智能化水平,提高果实识别的准确性,实现机器人自主定位和自动规划路径能力,设计了一种新的自动化采摘机器人。该机器人利用图像分割技术和近红外信号处理技术,实现了果实成熟度的自动定位和判别。对采摘机器人的性能进行了测试,包括苹果图像的分割和提取、果实成熟度的判断和机器人路径规划。通过测试发现:机器人可以在复杂采摘背景下准确地识别苹果果实,并可以通过红外线探测实现果实成熟度的判别,最终规划出来合理的采摘路径,实现果实的精准采摘,为果蔬采摘机器人的研究提供了较有价值的参考。 相似文献
2.
3.
4.
为了实现自动化的番茄分类采摘,基于视觉识别技术设计了识别系统。首先,基于HSV视觉体系中的H分量,采用聚类分析的方法,依据成熟度将番茄分为不熟,半熟和全熟3类,并计算3类番茄成熟度对应的H分量分布范围;其次,根据半熟和全熟番茄H分量的分布范围进行番茄图像分割,并利用形态学的方法得到图像中番茄区域的轮廓曲线;再次,采用椭圆拟合方法实现对番茄轮廓拟合,计算得到图像中番茄区域的中心坐标;最后,采用双目视觉系统实现图像中番茄区域中心坐标向实际空间坐标转化。对番茄轮廓曲线拟合精度和视觉定位精度进行测试,表明系统具有良好的可靠性。 相似文献
5.
6.
基于改进随机Hough变换的棉桃识别技术 总被引:1,自引:0,他引:1
为准确识别自然环境中被遮挡的棉花,提出一种基于随机Hough变换的棉花识别方法。为了减小运算量,首先基于RGB彩色模型的(R-B色差通道进行图像分割,利用区域标记获取棉花最小外接矩形区域。然后在有效区域内采用边界跟踪方法获取轮廓信息,根据棉桃轮廓的数学模型进行随机Hough变换。仿真表明:当棉花轮廓信息丢失量小于1/2时,识别效果良好。而且由于轮廓提取和Hough变换均在有效区域进行,参数空间大大压缩,能满足采棉机器人对目标识别精度和速度的要求。 相似文献
7.
为了实现猕猴桃采摘自动化,设计了采摘机器人导航行走系统。该系统基于图像处理,以种植垄和杂草空地分界线作为导航轨迹,主要包括以下内容:①图像处理,采用HSV系统中色调H分量,实现图像灰度处理,采用同态滤波和阈值分割,实现图像二值化,最终找到导航轨迹离散点;②对离散导航像素进行拟合,并将图像中导航方程转化到实际空间坐标系中,得到实际导航方程;③对系统导航精度和抗光照干扰性能测试,表明系统能有效抑制光强变化带来的影响。系统结构简单,性能可靠,适宜大范围推广。 相似文献
8.
9.
基于HSV模型与改进的OTSU算法花椒图像分割 总被引:1,自引:0,他引:1
为实现农业智能机器人对作业现场花椒的识别,提出了一种基于HSV模型与改进的Otsu算法相结合的图像分割方法:以现场图像的H分量图像作为处理样本,先采用中值滤波滤除噪声,再利用改进的Otsu算法进行阈值分割,达到对花椒目标辨识的目的。通过对采摘现场成熟的大红袍花椒在顺光、背光、遮阴3种情况下采集的图像进行分割,结果表明:在顺光、背光、遮阴条件下,分割识别率分别为93.3%、90%、88.3%,且与传统的Otsu算法相比,图像分割时间缩短20%以上,为现场机器人花椒采摘识别提供了一种方法。 相似文献
10.
11.
12.
RGB与HSI颜色空间下番茄图像分割的对比研究 总被引:6,自引:0,他引:6
针对番茄收获机器人视觉系统在自然光照条件下对田间成熟番茄图像进行分割的问题,研究了基于(R-G)色差特征的阈值分割方法和基于HSI颜色空间H色调的统计阈值分割方法,并对其进行了对比分析。在RGB颜色空间,首先提取了RGB彩色图像的R、G分量并做代数减运算得到色差灰度图像RG,然后对该色差灰度图像RG使用Otsu阈值法进行自适应分割;在HIS颜色空间下,统计番茄与叶子的H色调分布差异,然后对H色调灰度图像进行阈值分割。通过大量试验表明:基于(R-G)色差特征的阈值分割方法能够实现自适应阈值处理,能对不同自然光照强度下的生长状态为相互分离的多目标番茄图像进行有效分割;同时,对番茄的成熟度及品种差异也具有很好的鲁棒性,其性能大大优于基于HSI颜色空间H色调的统计阈值分割。 相似文献
13.
14.
农业采摘机械采用机器视觉技术后,可以自动识别成熟果实,然后通过自主路径规划,达到自主定位导航的目的。为了实现这个过程,农机定位导航系统必须具有高精度快速处理图像的相关算法。为此,将极限学习机算法引入到了农机导航系统中,并结合BP神经网络算法,通过对成熟果实和果树图像坐标的确定,实现农机作业的快速导航。为了验证方案的可行性,对算法的计算效率和精度进行了统计,结果表明:采用极限学习机后,采摘效率有了明显的提升,精确性也有所提高,可以满足现代化农机装备的设计需求。 相似文献
15.
针对果实采摘机器人果实识别率低的问题,设计了一组用于西红柿识别和定位的双目立体视觉系统,为机器人的采摘作业提供更有利的条件。为此,采用Bumblebee双目立体视觉系统,基于成熟果实与植株颜色特征的差异进行图像分割,来识别成熟的西红柿;在完成相机标定、特征点提取和特征点匹配的基础上,通过三维空间定位获取果实的三维坐标。实验结果表明:该系统果实识别的整个过程平均耗时150ms,对成熟西红柿的识别率达到99%,测试误差在10mm以内,能够较好地满足西红柿采摘工作的要求。 相似文献
16.
以自然环境下的红提葡萄果穗为研究对象,利用图像识别技术对其果穗成熟度进行研究分析。首先,采用Faster R-CNN卷积神经网络模型识别红提葡萄图像中的果穗,再利用KNN算法分割红提葡萄图像中的果穗和背景,并借助圆形Hough变换法检测出果穗图像中的红提葡萄果粒;最后,结合HSV空间中的H值将果粒成熟度划分为4个等级,并计算各个等级的果粒数量占果穗总果粒数量的比重,以此判断该果穗整体的成熟度,从而确定其是否能够满足采摘的要求。实验结果表明:该方法判断果穗成熟度的准确率能达到90%,满足红提葡萄果穗成熟度判断的需求,可辅助精准采摘作业。 相似文献
17.
采用篮球动作捕捉系统可以实时地对比赛视频进行分析,通过动作捕捉,得到优秀运动员的投篮动作技术特征;但是篮球比赛属于较高强度的对抗性比赛,其移动速度较高,因此捕捉系统需要有较高的精度。将高精度的动作捕捉系统应用在采摘机器人视觉系统设计中,可以有效提高采摘机器人对果实的识别精度,从而提高作业的自动化程度。为了验证方案的可行性,对采摘机器人的视觉系统进行了测试,并以夜间采摘环境为例,对采集的图像进行了平滑和增强处理,成功提取到了果实的边缘特征图像。对采摘机器人视觉系统的目标识别率和定位能力进行了测试,测试结果表明:目标识别率和定位准确率都较高,满足高精度采摘作业的需求。 相似文献
18.
基于Hough变换的成熟草莓识别技术 总被引:6,自引:1,他引:6
基于图像区域特征来识别被遮掩、重叠或紧靠的草莓果实非常困难,提出一种基于Hough变换的成熟草莓识别方法。先对Lab彩色模型下α通道图像进行分割,利用提取的草莓轮廓信息,根据草莓轮廓的数学模型进行Hough变换,实现成熟草莓的识别。为减少运算量,在Hough变换之前,先进行区域标记,获取有效图像信息区域。草莓轮廓信息提取和Hough变换在各个有效区域中进行,由于参数空间大大压缩,运算量也得到减少。试验表明:当成熟草莓轮廓信息丢失小于1/2时,无论单个分离的成熟草莓,还是被遮掩、重叠或紧靠的成熟草莓,皆有很好的识别效果,识别平均相对偏差为4.8%,能满足草莓采摘机器人对目标识别精度的要求。 相似文献
19.
为了实现番茄分类自动化采摘,基于机器视觉和红外图谱技术设计了识别系统。基于可见光分析,分离番茄图像,对RGB和HSI通道强度进行分析,发现色调H可以有效区分除半熟和成熟阶段的番茄成熟度;引入红外图谱分析,采集810nm番茄图谱,发现灰度在半熟和成熟阶段区别明显。因此,建立半熟和成熟阶段区分模型,并以G、R、H、NIR强度以及4个因素标准方差为系统输入,基于色调H处理番茄图像,采用聚类算法计算番茄中心和半径。对成熟度判定与番茄半径精度进行测试,结果表明:成熟度分类准确率在94.8%以上,半径相对误差小于6%。 相似文献