搜索结果: 1-15 共查到“农业工程 vision”相关记录29条 . 查询时间(0.046 秒)
基于机器视觉的甘蔗茎节特征提取与识别（Recognition and Features Extraction of Sugarcane Nodes Based on Machine Vision）
甘蔗茎节 识别 机器视觉 支持向量机
2010/12/29
为实现含有蔗芽的有效蔗种片段机器智能切断，引入机器视觉技术识别甘蔗茎节。以甘蔗图像HSV颜色空间的S分量经阈值分割、数学形态滤波处理作为模板，和H分量经阈值分割的反图像进行与运算得到合成图；将合成图划分为64个列块区域，提取质心比、粗度比和白点比等7个特征指标，再用支持向量机分类识别茎节与节间列块，得到茎节与节间的平均识别率为93.359%；对支持向量机分类出的茎节列块进行聚类分析，得到茎...
以面积和宽长比作为稻种类型的特征参数，建立了稻种类型数据库；以等价矩形长、宽的差值最小为标准，进行了未知稻种类型的判断；以扫描线上黑白像素的变化次数和扫描线数来判断稻种的破裂；以不同阈值提取的稻种面积差来判断稻种是否霉变。选取丰源优299等10种稻种进行实验，分别进行了种子类型判断、工位有无种子判断、几何参数判断以及发霉与破损情况判断，检测正确率分别为100%、91.4%、88.9%和76.8%。
基于计算机视觉的玉米单倍体自动分选系统（Sorting System of Maize Haploid Kernels Based on Computer Vision）
计算机视觉 种子分选 单倍体识别 颜色特征
2010/12/29
研究了一种玉米单倍体籽粒分选方法，可自动分选具有Navajo标记的玉米单倍体籽粒。分选系统主要由种子输送单元、图像采集处理单元、分拣卸料单元及系统控制单元组成。图像采集处理单元根据玉米籽粒胚部及胚乳顶部的颜色特征进行单倍体籽粒判断，并将判断结果发送给系统控制单元。系统控制单元根据该结果协调种子输送单元及分拣卸料单元机械臂的运动，实现籽粒位置定位，同时开启与机械臂末端相应电磁阀，采用气吸方式分离杂合...
基于LBM的苹果采摘机器人视觉图像自动修复算法（Automatic Image Inpainting Algorithm for Apple Harvesting Robot’s Vision System Based on LBM）
苹果 采摘机器人 格子波尔兹曼方法
2010/12/29
为恢复被果树枝叶遮挡后丢失的信息，首先通过计算遮挡因子，确定果树枝叶对苹果的遮挡区域；然后，利用格子波尔兹曼方法求解各向异性扩散方程，估计丢失的信息，提出了基于格子波尔兹曼方法的图像修复算法。实验证明，该算法能够有效实现苹果图像中枝叶遮挡部分的修复。与基于曲率驱动扩散的图像修复算法相比，该算法具有较高的峰值信噪比。由于算法的高度并行性，可以将其用于构建并行图像处理系统，并且适合苹果采摘机器人视觉系...
基于双目视觉的树木图像测距方法（Measurement Method of Depth Information of Tree Images Based on Binocular Vision）
智能喷雾 树木图像 测距
2010/12/29
研究了双目视觉技术在智能对靶喷雾中的应用；试验中运用平行光轴的摄像机采集图像，通过寻找树木图像中特征点的方式将两幅图像进行匹配，解决相似性问题；再计算出目标树木到摄像头的距离及其误差，试验的平均偏差率在8%以内；运用该方法能达到智能喷雾中控制施药量的目的，提高精确智能对靶施药效率。
联合收获机视觉导航控制器设计（Design of Vision Navigation Controller for Combine Harvester）
联合收获机 视觉导航 速度自适应控制器
2010/12/28
设计了一种速度自适应导航控制器。在搭建的联合收获机视觉导航试验平台上，提出了双闭环控制结构，采用PD控制，按照导航路径偏差形式，确定了偏差e的构成，试验得到了增益K、控制周期T与行走速度v的关系，设计了小闭环控制方法，并提出了一种后轮中位动态标定方法。路面与田间试验结果表明：联合收获机能在不同速度下沿路面标示线自动行走，跟踪误差最大为0.05m。在田间不同速度下，联合收获机均能跟...
鲜食玉米果穗外观品质分级的计算机视觉方法（Appearance Quality Grading for Fresh Corn Ear Using Computer Vision）
鲜食玉米 果穗 外观品质 分级
2010/12/28
在HSI颜色模型下，通过计算机视觉检测技术实现对鲜食玉米果穗外观品质分级。提出垂直投影法确定秃尖位置并去除秃尖。对H值进行双向一次微分运算以实现缺陷的识别。在此基础上获取果穗缺陷比、穗长、果穗最大直径、长宽比和矩形度作为外观品质特征参数，并以此为输入向量构建广义回归神经网络对果穗外观品质分级。试验结果表明：秃尖位置、穗长和果穗最大直径的平均误差分别为2.27mm、1.96mm和0.54m...
研究了破损棉种的机器视觉识别方法，采用均值、方差、均方比等统计特性参数，计算棉种边界破损参数。通过实验确定均方比分类阈值为0.58，将棉种分为破损棉种和正常棉种。选取正常棉种330粒、破损棉种110粒，利用该检测系统进行检测，其识别精度达93%。
基于计算机视觉的葡萄茎直径高精度测量方法（High Accuracy Measurement of Grape Stem Diameter Based on Computer Vision）
萄萄 茎直径 计算机视觉 非接触测量 图像处理
2009/12/28
提出了基于计算机视觉的葡萄茎直径测量方法，采用双边滤波降低图像噪声，通过Otsu阈值分割和BloB分析实现葡萄茎与背景的分离，应用基于特征点的定位方法得到茎直径测量位置，由茎直径所包含像素数和尺寸当量计算出茎直径值，从而实现茎直径连续测量。实验和现场应用表明，系统测量重复精度可达±0.5μm。
基于机器视觉和信息融合的邻接苹果分割算法（Separating Adjoined Apples Based on Machine Vision and Information Fusion）
苹果 机器视觉 信息融合
2009/11/24
提出了利用亮度和颜色的信息融合来分割邻接苹果的方法。首先使用Lab模型对苹果图像进行分割，然后计算分割后每个区域的面积，并判断其是否为邻接苹果区域。接着在邻接区域内计算亮度信息，利用亮度产生的亮斑对邻接苹果进行分割。这样，在邻接区域以外的部分，亮度信息产生的噪声被Lab模型的信息屏蔽，而邻接区域以内的部分，具有惟一性的亮度信息可以较好分割经Lab模型处理后的邻接苹果。实验表明，此算法对邻接苹果识别...
提出了一种基于计算机视觉技术的山竹大小和颜色分级方法。针对以蓝色滚子为背景的山竹图像，在RGB色彩空间使用双阈值对图像进行初步分割；然后通过形态学运算、轮廓跟踪、区域填充提取出整个山竹目标；最后由颜色因子2G-R-B和G识别出果柄、果蒂和果皮。由果柄、果蒂区域形心和果皮区域形心位置判断水果的姿态，提取水果的最大横径作为大小分级指标；在HIS颜色空间以果皮区域的饱和度S和色调H的差值作为颜色分级指标...
基于机器视觉的农业车辆路径跟踪（Path Tracking of Agricultural Vehicle Based on Machine Vision）
机器视觉 自动导航 随机霍夫变换 模糊逻辑
2009/11/3
简述了一种基于机器视觉的农业车辆自动导航系统。提出了直线检测算法，显著降低了内存需求和时间消耗；以横向偏差和航向偏差作为输入量，构建了二维模糊决策器，对期望前轮转角进行决策；构建了基于PID的转向控制器，实现前轮转向控制，并采用简化的两轮车运动学模型进行了仿真。仿真和实验结果表明，该导航系统可以有效地实现直线路径跟踪。当车速为0.3m/s时，最大跟踪横向偏差不超过5cm，平均偏差不超过2cm；当车...
基于计算机视觉的新疆棉种颜色分选系统设计（Xinjiang Cotton Seed Color Separation System Based on Computer Vision）
棉花 种子 机器视觉
2009/11/3
设计了一套基于机器视觉的脱绒棉种在线分选系统，采用种子平抛和气吹分离的方式实现了新疆地区红棕色棉种与黑色棉种的自动分选。研究了无序状态下的种子图像采集方法，并通过区域细分的方式解决了无序种子与气流喷嘴的对应关系。提出了种子位置跟踪和分离算法，实现了对棉种图像处理结果的延时分离操作。实验结果表明：在传送带速度为0.50 m/s时，分选精度为88.6%，选出率为80.7%。
农田非结构特征视觉导航研究（Vision Navigation Based on Agricultural Non-structural Characteristic）
视觉 农田环境 聚类
2009/11/3
研究了农田非结构环境下，通过机器视觉提取导航线的处理算法。首先，根据农作物的特点提出了使用聚类的方法检测作业区域终点；其次，为避免噪声干扰，利用移动窗口检测二值图像白色像素的个数，确定导航路径区域；最后，使用改进的Hough变换提取导航线。实验表明，该算法可以准确提取绿色植物的行信息，处理一帧分辨率为320×240像素的彩色图像平均需要57.404ms，正确识别率达99%。
农业车辆杂草环境下视觉导航路径识别方法（Path Recognition for Vision Navigation System of Agricultural Vehicle in Weed Environment）
杂草环境 视觉导航 路径识别 BP神经网络
2009/11/3
在普通环境导航路径识别方法的基础上，分析了株间杂草和垄间杂草对农业车辆导航路径的影响。针对影响较大的垄间杂草环境，提出一种基于BP神经网络的杂草环境下导航路径识别方法。田间实验证明，该方法对杂草的影响具有较好的适应性，能够快速、可靠、准确地提取导航路径特征，识别率为97%，单幅图像平均耗时560ms。