共查询到20条相似文献，搜索用时 281 毫秒
1.
基于最小二乘法的温室番茄垄间视觉导航路径检测 总被引：10，自引：0，他引：10
针对温室非结构作业环境和复杂背景下作业机器人路径识别检测问题开展研究。在HSI颜色空间分析番茄垄间道路图像在各分量的分布特性,提出了基于机器视觉的垄间加热管敏感区域提取方法,依据I分量直方图采用最大类间方差法进行图像自适应阈值分割,对分割后二值图像利用目标区域的边缘提取算法获得导航离散点簇。根据最小二乘法原理对导航离散点簇拟合得到2条加热管边缘线,在此基础上给出中心导航基准线检测算法,并针对光照不均和作物遮挡对导航路径检测进行了实验。实验表明,与Hough变换算法相比,该算法简单快速,对光照不均具有良好的鲁棒性,能够准确提取目标敏感区域的边缘信息,对不同遮盖率番茄垄间导航路径提取正确率达91.67%。 相似文献
2.
针对玉米种粒在收获、脱粒、贮藏时因各种因素造成损伤和人工选种耗时耗力的问题,提出了一种基于机器视觉的玉米种粒破损检测方法。首先,利用图像获取装置得到单粒玉米种粒图像,通过差影法确定图像噪声种类,采用中值滤波方法对图像进行降噪;其次,标记图像边界,运用灰度阈值法完成玉米种粒图像分割。根据玉米种粒的形态特征分别提取玉米种粒的周长、面积、周长面积比、长轴长、短轴长、长宽比6个几何特征和矩形度、圆形度、紧凑度、7个Hu不变矩10个形状特征,共16个特征。完整玉米种粒和破损玉米种粒图像各50幅作为训练样本,将提取的16个特征分量作为输入量,对支持向量机(Support Vector Machine,SVM)进行训练,输出量为1、0,分别代表"合格""不合格",训练完成后获得玉米种粒的SVM识别模型;另取完整的玉米种粒和破损的玉米种粒图像各50幅作为测试样本,对训练好的SVM模型进行测试。结果表明:该检测方法对玉米种粒破损识别准确率达95%以上,识别100幅玉米种粒图像的时间为1.27s。研究结果为玉米种粒的实时破损检测提供了参考。 相似文献
3.
基于多元图像分析的包装罐内壁缺陷检 总被引：1，自引：0，他引：1
为提高包装罐生产线内壁缺陷检测准确性与可靠性,研究了一种采用单摄像机的内壁缺陷检测系统.利用基于形态学的区域提取算法,从罐内图像中分割出内壁检测区域图像.提出基于多元图像分析(MIA)的内壁缺陷检测算法.利用图像融合构成环形合格样本图像,消除罐内焊缝区域的影响,把多个环形合格样本图像与测试样本内壁检测区域图像堆叠起来,用重合区域的图像构造多元测试图像.用基于主成分分析(PCA)的多元图像处理方法获得多元测试图像的主分量表示,将去掉第一主分量和噪声后的Q统计图像作为内壁缺陷特征的检测空间,利用阈值处理检测缺陷,解决了罐体内壁照明困难、亮度不均造成缺陷误检率高的问题,提高了检测系统的准确性和鲁棒性.实验表明对内壁缺陷检测的误检率降低到2%,验证了检测系统的有效性和可靠性. 相似文献
4.
针对背景和杂草干扰下的果树图像冠层提取问题，提出了一种基于M-SP特征加权聚类的冠层分割算法。首先，将采集的原始图像由RGB颜色空间转换到HSI颜色空间，计算果树与背景区域在H、S分量上的马氏距离，构造马氏距离相似度矩阵〖WTHX〗M〖WTBX〗；其次，提取图像像素的垂直位置作为空间特征〖WTHX〗P〖WTBZ〗，在HSI空间内的I分量上，利用最大熵算法提取图像的阴影区域，并进行掩膜处理，将获取的阴影区域作为空间特征的加权区域L，从而构造阴影位置加权的空间特征〖WTHX〗L〖WTBX〗P；最后，对获取的M-LP特征矩阵进行归一化处理，分别进行上背景、下背景、果树冠层、杂草4个类别的K means聚类，最终完成图像分割。为验证算法的有效性，在采集的果树图像上进行了分割试验，结果表明，基于M-LP特征的聚类方法能有效解决重度杂草干扰条件下果树冠层被漏分的问题。采用精确率、召回率和F1值3个评价指标对分割结果进行定量评价，选取不同杂草干扰程度（轻微、中等、较强）和时间段（早晨、中午、傍晚）的果树图像，分别以传统K-means和GMM聚类算法作为对比进行试验，结果表明，相对于未经过特征提取的普通聚类分割方法，本文算法对于不同杂草干扰程度和不同拍摄时间段下的果树冠层分割表现出一定的鲁棒性，平均精确率为87.1%，平均召回率为87.7%，平均F1值为87.1%。分割和验证结果表明，在进行有效图像特征提取的基础上，结合少量标注作为先验知识的无监督分割方法可以准确分割出果树冠层区域。 相似文献
5.
基于改进Otsu算法的生猪热红外图像耳根特征区域检测 总被引：5，自引：0，他引：5
为研究规模化生猪养殖场中非接触式体温检测方法,以自行设计的热红外图像采集器采集生猪图像,选取HSV颜色空间对图像进行变换,生成S层图像,应用形态学特征闭运算对二值化图像去噪。用改进后的Otsu算法,分别对仔猪、育肥猪和妊娠猪图像耳根特征区域进行检测。结果表明,该方法可以100%正确检测具有完整耳根部特征的仔猪、育肥猪、妊娠猪图像;对于耳根部特征不完整的仔猪图像23%可正确进行检测,育肥猪图像25%可正确进行检测,妊娠猪图像33%可正确进行检测;无法检测不具有耳根部特征的图像。 相似文献
6.
病虫害是骏枣缺陷检测的一项重要内容,易受表面皱褶影响而不易识别,为此提出了一种基于彩色分量和图像形态学的骏枣病虫害检测方法。首先获取病虫害枣各彩色空间图像,在各彩色空间截取正常区域图像1幅、病虫害区域图像4幅,统计图像各彩色分量的灰度均值、灰度变换范围及标准差,计算骏枣正常区域与病虫害区域的灰度均值之差,进行彩色分量筛选,结果为RGB的R分量、CMY的C分量、I1I2I3的I2分量、HSV的S分量和V分量。采用自适应阈值法和图像形态学方法,分割出完整的病虫害。取84粒骏枣样本试验,其中病虫害枣61粒,无病虫害枣23粒,检测结果为:CMY的C分量最优,病虫害识别准确率98%,误判率0。试验证明,该方法基本满足骏枣分级精度的要求。 相似文献
7.
田间作物与杂草的识别是实现变量喷洒除草药剂的关键.为此,提出了田间作物和杂草的叶子颜色信息以及HSI颜色模型研究的基础上,提出了一种与HSI空间3分量相互分离的特点相结合的色差边缘检测方法,并将实验结果同传统的Sobel方法进行了比较.结果表明,该方法充分利用了田间作物与杂草的彩色信息,能够快速准确地检测到图像的边缘,边缘连续性好,能很好地与背景分离,而且能够满足实时检测的要求. 相似文献
8.
9.
玉米定向精播种粒形态与品质动态检测方法 总被引：5，自引：0，他引：5
为满足玉米定向精播对种子外形和品质的要求,设计了一种玉米种子精选装置,并研究了玉米种粒动态检测算法。经过脱粒并筛除杂质的种粒投入玉米种子精选装置,分两列两层传输,完成玉米种粒的动态检测。通过计算种子胚根尖端的方向,排除了种粒的重复检测现象;以人工选取的100粒标准种粒外形参数为基础建立合格种粒特征参数库,实现对种粒外形的检测;依据合格种粒和重度霉变种粒表皮亮度差异较大的特点,基于图像饱和度分量对重度霉变种粒加以检测;依据轻度霉变种粒表皮呈现块斑的特点,利用种粒的R、G、B颜色平均值检测轻度黑色霉变;以种粒黄色区域补洞后对应原种粒(B-R)的值,判断种粒的轻度白色霉变和轻度破损;对于外形和霉变检测合格的种粒,通过分析种粒区域中白色区域的大小,进行玉米种粒胚芽朝向的判断,为后续种粒定向包装和定向播种提供了依据。对280粒各品种玉米种子进行实时检测,每粒种子的平均检测时间约为14 ms,重复种粒判断准确率为95%,种粒合格性检测准确率为96.1%,胚芽朝向判断准确率为97.1%。 相似文献
10.
自然场景下成熟水果的计算机视觉识别 总被引：24，自引：4，他引：20
研究在自然场景下成熟水果的识别技术。比较HSI颜色空间转换的几种方法：球体法、柱体法和双锥体法等。球形：HSI颜色转换系统在本研究中产生较少的奇异数据,被采用。将图像的RGB值转换成色调、饱和度和亮度值,并将色调和饱和度结合产生融合图像,以消除地表、天空等背景的影响。利用Otsu算法自动获取分割阈值,提取目标区域。将提取的区域形态特征进一步分割图像,去除与颜色类似的枯叶和其他背景,提取成熟水果区域,分割效果显著。 相似文献
11.
为建立单粒玉米种子水分含量的高精度检测模型,制备了80份不同水分含量的玉米种子样本。针对玉米种胚朝上和种胚朝下分别进行高光谱反射图像采集,每份样本取样100粒,波长范围为968.05～2 575.05 nm。采用PCA快速提取单粒种子光谱,经多元散射校正预处理后,分别采用随机森林(RF)和AdaBoost算法建立单粒种子水分检测模型,并集成两种算法特征提出基于加权策略的改进RF用于单粒种子水分含量建模。利用单粒玉米种子胚朝上的光谱信息建立的改进RF模型训练集相关系数R为0.969,训练集均方根误差(RMSEC)为0.094%,测试集R为0.881,测试集均方根误差(RMSEP)为0.404%;利用单粒玉米种子胚朝下的光谱信息建立的改进RF模型训练集R为0.966,RMSEC为0.100%,测试集R为0.793,RMSEP为0.544%。实验结果表明：改进RF的泛化能力和预测精度明显优于RF和AdaBoost算法;种胚朝上的单粒玉米种子水分含量检测模型优于种胚朝下的模型。高光谱检测技术结合集成学习算法建立的玉米种子水分检测模型预测精度高,稳健性好。 相似文献
12.
13.
基于KFCM和改进分水岭算法的猪肉背最长肌分割技术 总被引：4，自引：0，他引：4
提出一种利用核模糊C均值聚类(KFCM)和改进分水岭算法分割猪肉眼肌切面图像中背最长肌区域的方法.该算法对经中值滤波去噪后图像的R分量利用最大方差自适应阈值(OTSU)去除背景,再采用KFCM提取出肌肉组织,然后进行空洞填充,最后由改进的分水岭算法分割出背最长肌区域.利用该算法对采集的60幅猪肉眼肌图像进行处理,分割正确率为86.67%;与传统的形态学算法相比,该算法能真实、完整地恢复出背最长肌区域.结果表明:该算法能有效地分割出猪肉眼肌图像中的背最长肌区域,与改进前分水岭算法相比,能避免背最长肌区域出现欠分割. 相似文献
14.
利用波长650 nm、功率13.25 mW的半导体激光照射贮藏期的次郎柿表面,并采集激光光斑特征响应区域图像。通过折半试探方法确定光斑区域的图像分割阈值区间后对目标图像进行分割。再分析计算目标图像分割区域(S1、S2)的像素面积参数(AS1、AS2、AS1-AS2、AS1/AS2),区域的灰度值信息熵(HS1、HS2)以及灰度值标准差(SDS1、SDS2)。将以上参数作为体系的图像参数集,对次郎甜柿的可溶性固形物含量进行主成分分析(PCA)。通过分析,得到对检测次郎甜柿可溶性固形物含量起主导作用的激光图像参数分量组合(AS1/AS2、HS2、SDS2)。以该分量组合建立对次郎甜柿可溶性固形物含量检测的改进型支持向量机(SVM)回归模型。模型性能参数(相关系数R达到0.990 5,决定系数D达到0.870 9)和验证性试验均表明该模型具有较好的稳定性和准确性(检测SSC的准确率平均值达到94.1%,标准差为0.014)。 相似文献
15.
基于视觉显著性图的黄瓜霜霉病识别方法 总被引：1，自引：0，他引：1
为提高黄瓜霜霉病叶部病害机器自动识别的准确性和鲁棒性,提出了一种基于视觉显著性图的黄瓜叶部霜霉病识别方法。首先将图像从RGB色彩空间变换到HSV色彩空间中进行色彩修正,再变换回RGB空间利用R、G、B分量的线性组合生成视觉显著性图,最后通过对生成的视觉显著性图进行阈值分割以识别病害区域。利用从北京市北部郊区日光温室采集到的50幅具有典型霜霉病特征的黄瓜叶片原始图像进行实验,结果表明,该方法能较为准确地从叶部彩色图像中识别出霜霉病病斑区域,平均误分率为6.98%,优于K-means法(11.38%)和OTSU法(15.98%);平均运行时间0.661 4 s,少于K-means法的1.424 9 s;运行时间的均方根误差为0.051 5 s,鲁棒性优于K-means硬聚类算法。 相似文献
16.
基于计算机视觉的成熟番茄识别研究 总被引：1，自引：0，他引：1
以番茄图像为研究对象,提出一种成熟番茄识别方法。首先,以HSI模型中的色调分量为基础进行图像分割,提取出成熟番茄目标图像;然后,再采用最大方差自动取阈值法进行分割处理,对得到的目标图像进行轮廓提取;最后,对轮廓曲线采用Hough变换的方法进行识别,以同一个轮廓圆识别的多个极值点的均值作为最终识别结果,在Hough变换之前采用最小外接矩形法进行有效区域标记,提高了Hough变换的效率。通过多幅番茄果实图像的仿真测试表明:本算法对果实遮掩度为0、小于50%、大于50%这3种情况的识别率分别为78.7%、6 8.1%、4 1.9%,平均识别率达到7 0.6%。本算法对于成熟番茄可以较好识别,尤其对于存在重叠情况的番茄,识别准确率较高。 相似文献
17.
18.
基于图像处理的田间水稻叶瘟病斑检测方法 总被引：1，自引：0，他引：1
针对病斑在叶片上易形成封闭边缘的特性,采用色度学模型、边缘提取和形态学等方法对田间稻叶瘟病斑进行检测。利用2R-G色差分量提取图像上的图斑;采用Canny算法对2R-G色差分量图斑进行边缘检测,通过自定义边缘封闭修复模版对边缘进行修复;利用HIS模型的H分量提取的叶片正常部位信息与修复后图像做掩膜运算,获得叶片范围内的病斑边界,然后,运用形态学运算剔除图斑中未闭合的边缘线;最后,采用归一化绿蓝差值指数(Normalized Difference Green and Blue Index,DNGBI)对封闭的非病斑区域进行阈值过滤,提取出稻瘟病病斑。试验结果表明:对叶瘟病斑的正确识别率可达到90.26%。 相似文献
19.
基于颜色特征的牧草图像分割方法研究 总被引：1，自引：0，他引：1
针对自然光照条件下牧草图像的分割问题,分别研究了在RGB颜色空间和HSI颜色空间中牧草颜色特征的提取。在RGB颜色空间中,利用2G-B色差特征得到牧草和背景差值最大的色差灰度图像,使用最大类间方差图像分割法对色差灰度图像进行了图像分割。在HSI颜色空间中,根据牧草H分量的分布特点,使用模糊C-均值(FCM)的彩色图像分割方法对牧草的彩色图像进行了有效分割。实验表明,基于HIS彩色空间H色调的FCM方法对牧草的分割能够取得比较理想的效果,经二值化处理后得到的牧草轮廓要比基于2G-B色差特征的最大类间方差分割方法得到的牧草轮廓更加完整。 相似文献
20.
采用0.57R-0.18G-0.2B色差分量法对刺梨图像进行处理,通过Ostu自适应阈值分割、形态学滤波和二值图像白色色素面积阈值等方法对图像进行一次分割。根据刺梨果实图像的颜色和纹理特征,再采用YCbCr颜色空间模型中各分量的阈值对图像进行二次分割。通过标记分水岭分割算法对粘连果实连通区域进行分割,利用Hough圆变换对独立、遮挡和重叠情况下的果实外圆进行拟合和修复,最终获取果实质心坐标及其半径。试验结果表明:刺梨果实识别正确率均高于92%,说明本算法能够对刺梨果实进行有效地识别。 相似文献