共查询到20条相似文献，搜索用时 15 毫秒
1.
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
2.
3.
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
4.
基于SOM-K-means算法的番茄果实识别与定位方法 总被引：5，自引：0，他引：5
为解决多个番茄重叠黏连时难以识别与定位的问题,提出一种基于RGBD图像和K-means优化的自组织映射(Self-organizing map,SOM)神经网络相结合的番茄果实识别与定位方法。首先,利用RGBD相机拍摄番茄图像,对图像进行预处理,获取果实的轮廓信息;其次,提取果实轮廓点的平面和深度信息,筛选后进行处理;再次,将处理后的数据输入到采用K-means算法优化的SOM神经网络中,得到点云聚类结果;最后,根据聚类点,通过坐标转换得到世界坐标信息,拟合得到各个番茄的位置和轮廓形状。以果实识别的正确率和定位结果的均方根误差(RMSE)为指标对该算法进行验证和分析,采集80幅图像共366个番茄样本,正确识别率为87.2%,定位结果均方根误差(RMSE)为1.66 mm。与在二维图像上利用Hough变换进行果实识别的试验进行对比分析,进一步验证了本文方法具有较高的准确性和较强的鲁棒性。 相似文献
5.
为准确定位叠贴情况下的葡萄目标,提出了一种基于轮廓分析的双串叠贴葡萄目标识别方法。首先提取最能突显夏黑葡萄的HSV颜色空间中的H分量,通过改进K-means聚类方法对葡萄图像进行分割,运用形态学去噪等处理获取葡萄图像区域,再提取该区域边缘轮廓和左右轮廓的类圆中心。然后以该中心点为原点建立基于轮廓分析的叠贴葡萄串分界线几何求解与计算模型,分别在逆时针方向45°~135°和225°~315°区域内沿葡萄轮廓搜索距离原点最近的点,进而确立两叠贴葡萄轮廓拐点及其分界线,最终实现对叠贴葡萄目标的分别提取。对从果园采集的27幅双串叠贴葡萄图像进行试验,结果显示:24幅图像中的叠贴葡萄串被正确识别和提取,成功率达88.89%,目标像素区域的识别精准度为87.63%~96.12%,算法处理时间在0.59~0.68 s之间。将算法移植到自主研制的机器人上进行视觉定位试验,结果表明所提方法可很好地用于两叠贴葡萄目标的识别与定位。 相似文献
6.
7.
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
8.
为了实现棉花依据成熟度进行采摘，基于图像传感器设计图像处理方法，完成棉桃图像特征提取，进而实现棉花成熟度评估和空间棉桃定位。采用HSV方案进行图像灰度处理，采用二维大津法进行图像分割，提取棉桃特征参数。对成熟棉花和未成熟棉花图像样本分析发现，棉桃图像轮廓周长L和面积S比大于0.31时棉花成熟，从而建立棉花采摘标准，并采用双目图像系统，实现目标棉桃的图像坐标向空间坐标的转换。对图像分割精度，棉桃提取精度和视觉定位精度进行测试，结果表明：系统具有较高的可靠性。 相似文献
9.
基于机器视觉定位的家禽屠宰净膛系统设计与试验 总被引：3，自引：0，他引：3
针对国内家禽屠宰净膛作业中存在的劳动强度大、工作效率低、作业环境差等问题,设计了一种基于机器视觉定位的家禽屠宰净膛机械手系统。系统由家禽胴体悬挂输送装置、双直角坐标式机械手本体、机器视觉系统和PLC控制系统组成。通过视觉系统在线采集家禽胴体和膛口图像,采用中值滤波和灰度增强对胴体图像进行预处理,然后用全固定阈值法进行图像的二值化,设定面积阈值后通过闭运算以及孔洞填充得到分割掉家禽翅膀和腿部的二值图像,计算二值图像轮廓,获取质心坐标;采用最大内接圆法对家禽膛口进行定位,得到膛口中心坐标;坐标变换后将数据传输到PLC控制器中,指导机械手完成净膛工作。试验结果表明,该系统对家禽外形轮廓质心坐标、膛口中心坐标的重复定位精度分别达到±1.6、±1.52像素,净膛机械手能够准确抓取内脏,内脏平均残留率为7.63%,内脏平均破损率为23%。 相似文献
10.
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
11.
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
12.
13.
14.
根据温室番茄智能管理作业视觉信息获取需求，研究了番茄植株主茎动态跟踪与立体测量方法，以提高对叶、果和花等目标的搜索效率。结合工厂化番茄种植特征，采用二自由度双目云台摄像机采集植株主茎图像；在对摄像机与旋转云台之间坐标关系进行标定的基础上，提出针对番茄植株主茎图像跟踪采集的云台伺服控制方法，对作业区域内植株进行自下而上多视角图像动态采集；对相邻视场主茎重叠区域的图像匹配方法进行研究，实现了植株离散图像的拼接和形态恢复；基于主茎跟踪参考点的空间坐标信息，研究了作业区域主茎长度、高度和生长倾角等立体形态参数的测量方法；最后，通过现场试验对主茎拼接与测量方法进行验证。结果表明，在距地面高度600~1500mm作业区域内，视觉系统跟踪采集的主茎3个区域图像的平均拼接偏差为3.77°；以人工测量结果为对照，采用视觉系统测量主茎长度、高度和生长倾角的决定系数分别为0.9933、0.8426、0.9793，平均测量偏差分别为46.20mm、18.60mm和4.33°。本研究可为番茄智能化整枝、采摘和授粉等作业视觉信息获取提供技术支撑。 相似文献
15.
【目的】机器视觉技术具有无损、快速、准确、智能化程度高等优点,被广泛应用于水果检测中,替代人工对水果的检测分级,因此研究小组基于机器视觉技术,来探究蜜柑横径的测量方法和过程。【方法】研究小组在试验研究过程中,通过图像采集系统获取蜜柑样本图像,并对其进行灰度化、中值滤波等预处理,采用阈值分割的方法将蜜柑图像和背景图像进行分割。对蜜柑图像区域进行填充和形态学处理等,提取蜜柑的边缘轮廓图像;运用Canny算子的边缘检测技术,最终提取出蜜柑的轮廓;依据轮廓图像,采用拟合圆法,将拟合出的圆的直径作为蜜柑横径数据,并和人工实测的蜜柑横径数据进行比对和分析。【结果】从测试样本中随机取出9个蜜柑样本进行试验,通过相对误差数据表明,机器视觉技术能够比较合理、准确地计算出蜜柑的横径。【结论】将机器视觉技术应用到蜜柑横径的测量中,通过采用相关的图像处理方法和数据运算,探讨出了蜜柑横径的测量过程和方法,为蜜柑乃至柑橘类水果的智能化分级提供了方法理论和数据基础。 相似文献
16.
基于Kinect相机的穴盘苗生长过程无损监测方法 总被引：2，自引：0，他引：2
为实现工厂化穴盘苗的无损测量,提出一种基于Kinect相机的穴盘苗生长过程无损监测方法。以黄瓜穴盘苗为监测对象,在穴盘苗正上方架设Kinect相机,获取穴盘苗的彩色图像和深度图像,并进行彩色图和深度图之间的像素匹配;通过对彩色图像进行预处理、阈值分割、形态学运算和连通分量统计,获取穴盘发芽率;同时,由图像分割获取的幼苗轮廓和深度值计算得到叶片中心像素点坐标及其对应的深度,以此得到相机到幼苗叶片中心的高度,结合相机到穴盘格的距离和穴盘高度,实现对穴盘苗株高的监测;将深度图像进行直通滤波、条件滤波、边界保持滤波处理,有效去除穴盘苗周围的背景噪声以及波动幅度大的深度数据,获得幼苗叶片中像素点的有效深度,通过在深度图像中对叶片进行重建实现叶面积分析;基于获取的穴盘苗株高和叶面积建立壮苗指数评价模型。利用穴盘苗生长过程监测数据进行实验验证,结果表明,在发芽后5 d内,发芽率误差不大于1.567%;株高和实际株高之间的拟合优度R2为0.875,RMSE为1.395 mm;叶面积平均误差为2.15%;壮苗指数拟合优度R2为0.958。说明本文设计的穴盘苗监测方法可以实现对穴盘苗的发芽率、株高、叶面积和壮苗指数的无损监测,为工厂化穴盘苗生长过程监测提供了有效的解决方案。 相似文献
17.
基于鸡头特征的病鸡识别方法研究 总被引：2，自引：0，他引：2
健康黄羽鸡鸡冠鲜红、纹理均匀,鸡眼圆润有神,病鸡鸡冠萎缩变色、鸡眼半闭或全闭。本文提出了一种基于鸡冠及鸡眼构成的鸡头特征信息的病鸡识别方法。首先通过R、G、B分量色差信息去除背景,分析鸡身和鸡冠样本区域H分量分布特点,提取H分量分割阈值分割黄羽鸡。再利用H分量进行阈值分割得到黄羽鸡和鸡冠鸡垂。提出一种利用鸡冠和鸡垂轮廓上两点距离小于阈值的鸡头合并算法,再通过修正算法识别鸡头。在鸡头中,分别提取鸡眼瞳孔轮廓并获取形状几何特征,提取鸡冠的H分量共生矩阵特征,构成基于鸡头特征,采用ARA特征选择算法获得病鸡特征向量,采用支持向量机(SVM)分类器进行训练分类。实验结果表明,病鸡识别正确率为92.5%,表明利用机器视觉获取鸡头特征进行病鸡识别具有可行性和研究价值。 相似文献
18.
依据笋芽出土状态的选择性收获是目前白芦笋公认的最佳收获方式。针对采收过程中机器视觉识别笋尖存在笋尖与垄面纹理和颜色相近等识别难题，本研究提出了一种变尺度感兴趣区域（ROI）检测方法，融合图像色域变换、直方图均值化、形态学和纹理滤波等技术，研究了笋尖识别与精准定位方法；在定位多笋尖坐标基础上，提出了多笋芽的采收路径优化方法，解决了因采收路径不合理导致的采收效率低的问题。首先，通过机器人视觉系统实时采集采收区域图像并进行RGB三通道高斯滤波，采用HSV色域变换并进行直方图均值化处理。在此基础上，对笋尖、土壤进行特征聚类分析，根据笋芽抽发程度研究变尺度ROI检测方法，对采集图像中笋尖的形态学以及笋尖和土壤的纹理进行统计学分析，设定笋尖的似圆度阈值，并参考纹理特征参数，判定笋尖位置，计算其几何中心，获得笋尖轮廓中心坐标。其次，为实现白芦笋的高效采收，根据多目标点与集箱点的位置分布，本研究设计了一种基于多叉树遍历的采收路径优化算法，以获得多个目标笋尖的最优采收路径。最后，搭建采收机器人试验平台开展了笋尖定位与采收验证性试验。结果表明，视觉系统对白芦笋的识别率可达98.04%，笋尖轮廓中心坐标的定位最大误差X方向为0.879 mm，Y方向为0.882 mm，采收笋的个数在不同情况下，采用路径优化后的末端执行器运动距离平均可节省43.89%，末端执行器定位成功率达到100%，在实验室环境下的白芦笋采收率达到88.13%，验证了采用视觉定位的白芦笋采收机器人选择性采收的可行性。 相似文献
19.
20.
基于机器视觉的番茄长势信息无损检测的研究 总被引：1，自引：0，他引：1
提出了利用机器视觉的方法在复杂自然条件环境下对番茄的茎粗、株高和果实横截面积进行快速测定方法。通过利用CCD获取不同生长周期下番茄的长势信息,采用中值滤波方法对图像进行预处理;采用基于rg颜色因子的Otsu自动阈值分割法来提取目标区域。同时,通过相关性分析建立作物长势参数与目标图像特征值的拟合函数,实现了番茄长势信息的有效获取。试验结果表明:对番茄茎粗的检测在幼苗期、开花坐果期、结果期的相对误差分别为1.73%~4.04%,0.64%~4.42%,0.46%~4.78%;株高和果实横截面积检测的相对误差分别为1.2%~6.5%,0.8%~3.1%。 相似文献