基于機(jī)器視覺(jué)的目標(biāo)檢測(cè)技術(shù)將電子技術(shù)、傳感技術(shù)、計(jì)算機(jī)技術(shù)、智能化控制技術(shù)等相結(jié)合,對(duì)于農(nóng)業(yè)機(jī)械自動(dòng)化的實(shí)現(xiàn)起著非常重要的作用。在藍(lán)莓,柑橘等農(nóng)業(yè)采摘機(jī)器人的實(shí)現(xiàn)過(guò)程中,果實(shí)識(shí)別是重點(diǎn)難點(diǎn)問(wèn)題；在種植柑橘果樹(shù)的過(guò)程中,黃龍�。℉uanglongbing or HLB）的危害極大,其檢測(cè)問(wèn)題的解決對(duì)于果樹(shù)的健康成長(zhǎng)起著非常重要的作用。在總結(jié)國(guó)內(nèi)外研究成果的基礎(chǔ)上,以藍(lán)莓估產(chǎn)、綠色柑橘估產(chǎn)、以及黃龍病的檢測(cè)為研究實(shí)例,對(duì)基于機(jī)器視覺(jué)的目標(biāo)檢測(cè)在精細(xì)農(nóng)業(yè)中的關(guān)鍵技術(shù)進(jìn)行研究。主要研究?jī)?nèi)容和成果包括：（1）提出了基于RGB圖像顏色分析的藍(lán)莓果實(shí)檢測(cè)方法。在自然場(chǎng)景下除去自然場(chǎng)景中復(fù)雜背景（天空、土壤、枝葉等）的干擾,對(duì)藍(lán)莓果實(shí)進(jìn)行識(shí)別,并對(duì)同一枝頭不同生長(zhǎng)階段的果實(shí)進(jìn)行分類(lèi)�；趯�(duì)多種顏色模型顏色分量的分析,選出了對(duì)于果實(shí)分類(lèi)最有用的R、B、H三個(gè)分量。通過(guò)交叉驗(yàn)證,比較分析樸素貝葉斯分類(lèi)器,K-近鄰分類(lèi)器（KNN）和提出的監(jiān)督K-means分類(lèi)器（SK-means）的表現(xiàn)。KNN分類(lèi)器在訓(xùn)練集數(shù)據(jù)的分類(lèi)精度最高。（2）以綠色柑橘作為研究對(duì)象,對(duì)綠色果實(shí)在自然光下RGB圖像中的檢測(cè)問(wèn)題進(jìn)一步研... 

【文章來(lái)源】：中國(guó)農(nóng)業(yè)大學(xué)北京市 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：103 頁(yè)

【學(xué)位級(jí)別】：博士

【文章目錄】：
摘要
Abstract
目錄
插圖列表
附表清單
第一章 緒論
    1.1 研究背景及意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀及發(fā)展
    1.3 主要研究?jī)?nèi)容
    1.4 技術(shù)路線(xiàn)
第二章 機(jī)器視覺(jué)及其相關(guān)技術(shù)概述
    2.1 可見(jiàn)光圖像和高光譜圖像
    2.2 光譜學(xué)測(cè)量設(shè)備與原理
    2.3 圖像處理關(guān)鍵技術(shù)
    2.4 降維技術(shù)
    2.5 分類(lèi)方法
    2.6 小結(jié)
第三章 基于自然光下RGB圖像的不同生長(zhǎng)階段藍(lán)莓果實(shí)識(shí)別
    3.1 圖像采集和樣本庫(kù)的建立
    3.2 基于顏色分析的處于不同生長(zhǎng)時(shí)期的藍(lán)莓果實(shí)檢測(cè)方法
    3.3 試驗(yàn)結(jié)果與分析
    3.4 小結(jié)
第四章 基于自然光下RGB圖像的綠色柑橘果實(shí)檢測(cè)
    4.1 圖像采集
    4.2 基于自然光下RGB圖像的綠色柑橘果實(shí)檢測(cè)算法
    4.3 試驗(yàn)結(jié)果與分析
    4.4 小結(jié)
第五章 基于機(jī)載高光譜圖像的柑橘黃龍病檢測(cè)
    5.1 黃龍病的癥狀及蔓延
    5.2 研究材料及圖像獲取
    5.3 使用未降維的數(shù)據(jù)進(jìn)行黃龍病檢測(cè)的研究方法
    5.4 試驗(yàn)結(jié)果與分析
    5.5 小結(jié)
第六章 不同降維方法在黃龍病檢測(cè)中的應(yīng)用
    6.1 材料和方法
    6.2 試驗(yàn)結(jié)果與分析
    6.3 小結(jié)
第七章 總結(jié)與建議
    7.1 工作總結(jié)
    7.2 創(chuàng)新點(diǎn)
    7.3 建議
參考文獻(xiàn)
致謝
個(gè)人簡(jiǎn)介


【參考文獻(xiàn)】：
期刊論文
[1]基于K-均值聚類(lèi)的綠色蘋(píng)果識(shí)別技術(shù)[J]. 司永勝,劉剛,高瑞.  農(nóng)業(yè)機(jī)械學(xué)報(bào). 2009(S1)
[2]基于機(jī)器視覺(jué)的蘋(píng)果識(shí)別和形狀特征提取[J]. 司永勝,喬軍,劉剛,劉兆祥,高瑞.  農(nóng)業(yè)機(jī)械學(xué)報(bào). 2009(08)
[3]柑橘黃龍病研究進(jìn)展[J]. 白華菊,龍夢(mèng)玲.  中國(guó)植保導(dǎo)刊. 2009(03)
[4]基于HSI彩色空間的加權(quán)中值濾波算法[J]. 楊歐,郭寶平,郭軒,胡濤.  科學(xué)技術(shù)與工程. 2007(14)
[5]三種基于空間轉(zhuǎn)換的彩色圖象分割算法比較研究[J]. 張篤振,劉淑娥.  電腦知識(shí)與技術(shù). 2006(20)
[6]圖像的色彩空間研究[J]. 文山,李葆青.  六盤(pán)水師范高等專(zhuān)科學(xué)校學(xué)報(bào). 2005(06)
[7]“精細(xì)農(nóng)業(yè)”發(fā)展與工程技術(shù)創(chuàng)新[J]. 汪懋華.  農(nóng)業(yè)工程學(xué)報(bào). 1999(01)

博士論文
[1]基于高光譜和圖像處理技術(shù)的油菜病蟲(chóng)害早期監(jiān)測(cè)方法和機(jī)理研究[D]. 趙蕓.浙江大學(xué) 2013
[2]面向目標(biāo)探測(cè)的高光譜影像特征提取與分類(lèi)技術(shù)研究[D]. 路威.中國(guó)人民解放軍信息工程大學(xué) 2005



本文編號(hào)：3288907