隨著農(nóng)業(yè)智能機(jī)械化水平的持續(xù)提升,有關(guān)無人駕駛農(nóng)機(jī)進(jìn)行獨(dú)立作業(yè)的研究也在飛速發(fā)展。及時(shí)、精準(zhǔn)地對插秧機(jī)的栽植狀況和工況進(jìn)行監(jiān)測,以及在故障發(fā)生時(shí)能實(shí)時(shí)地報(bào)警是插秧機(jī)安全、高效作業(yè)的重要保證,可以有效提升作業(yè)效率、降低安全風(fēng)險(xiǎn)。本文在江蘇省重點(diǎn)研發(fā)計(jì)劃（現(xiàn)代農(nóng)業(yè)）重點(diǎn)項(xiàng)目“無人插秧機(jī)研制”（BE2015351）研究經(jīng)費(fèi)的支持下,設(shè)計(jì)并研制了一套基于機(jī)器視覺的無人插秧機(jī)作業(yè)質(zhì)量監(jiān)控系統(tǒng)。插秧機(jī)是現(xiàn)代農(nóng)業(yè)自動化發(fā)展的重要手段,由于地理環(huán)境和設(shè)備等因素的影響,插秧機(jī)在工作中難免會出現(xiàn)缺秧和漂秧等情況。傳統(tǒng)的缺秧和漂秧識別主要依靠經(jīng)驗(yàn)和人工作業(yè),效率低下、準(zhǔn)確度不高,因此本文以機(jī)器學(xué)習(xí)和深度學(xué)習(xí)相關(guān)算法為基礎(chǔ),設(shè)計(jì)出了一套有效識別缺秧和漂秧的監(jiān)控系統(tǒng)。本文主要研究內(nèi)容如下:1.缺秧和漂秧樣本的制作。因?yàn)樗镅砻鐦颖緵]有公開的數(shù)據(jù)集,因此本文在水田現(xiàn)場采集秧苗原始圖片,然后結(jié)合OpenCV數(shù)據(jù)庫對秧苗進(jìn)行標(biāo)注,制作了大量的數(shù)據(jù)集,為之后的訓(xùn)練測試奠定了基礎(chǔ)。2.基于傳統(tǒng)機(jī)器視覺的缺秧識別算法的設(shè)計(jì)與實(shí)現(xiàn)。首先利用基于RGB的顏色通道算法將采集的秧苗圖片中的綠色秧苗和背景進(jìn)行分離,然后利用腐蝕膨脹算... 

【文章來源】：江蘇大學(xué)江蘇省

【文章頁數(shù)】：71 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 課題研究背景與意義
    1.2 智能化農(nóng)業(yè)機(jī)械國內(nèi)外發(fā)展現(xiàn)狀
        1.2.1 國外研究現(xiàn)狀
        1.2.2 國內(nèi)研究現(xiàn)狀
    1.3 機(jī)器視覺研究現(xiàn)狀及其應(yīng)用
        1.3.1 機(jī)器學(xué)習(xí)、深度學(xué)習(xí)研究現(xiàn)狀
        1.3.2 深度卷積神經(jīng)網(wǎng)絡(luò)在監(jiān)控系統(tǒng)中的應(yīng)用
    1.4 論文研究內(nèi)容
    1.5 論文組織結(jié)構(gòu)
第2章 無人插秧機(jī)作業(yè)質(zhì)量監(jiān)控系統(tǒng)的總體設(shè)計(jì)方案
    2.1 引言
    2.2 系統(tǒng)總體設(shè)計(jì)
        2.2.1 系統(tǒng)需求分析
        2.2.2 系統(tǒng)結(jié)構(gòu)組成
        2.2.3 系統(tǒng)工作原理
    2.3 基于OpenCV視覺庫的研究
        2.3.1 OpenCV簡介
        2.3.2 為什么選擇OpenCV
        2.3.3 OpenCV在無人插秧機(jī)遠(yuǎn)程監(jiān)控系統(tǒng)中的應(yīng)用
    2.4 基于RGB的顏色通道算法
        2.4.1 RGB顏色通道介紹
        2.4.2 腐蝕膨脹算法原理
        2.4.3 識別缺秧的簡單方法
    2.5 報(bào)警系統(tǒng)的設(shè)置
    2.6 本章小結(jié)
第3章 基于深度學(xué)習(xí)的無人插秧機(jī)作業(yè)質(zhì)量監(jiān)控系統(tǒng)
    3.1 秧苗圖像的采集和獲取
        3.1.1 無人插秧機(jī)作業(yè)環(huán)境特點(diǎn)和要求
        3.1.2 圖像采集的方式和要求
    3.2 CNN卷積神經(jīng)網(wǎng)絡(luò)
        3.2.1 CNN卷積神經(jīng)網(wǎng)絡(luò)的原理
        3.2.2 RCNN目標(biāo)檢測算法介紹
        3.2.3 利用RCNN識別秧苗狀態(tài)
    3.3 基于YOLO的缺秧漂秧識別算法的研究和設(shè)計(jì)
        3.3.1 YOLO目標(biāo)檢測算法介紹
        3.3.2 環(huán)境搭建與數(shù)據(jù)集制作
    3.4 基于YOLOv3 的缺秧漂秧識別網(wǎng)絡(luò)訓(xùn)練
    3.5 本章小結(jié)
第4章 秧苗圖像二次定位技術(shù)研究
    4.1 引言
    4.2 秧苗圖片的局部圖像預(yù)處理
    4.3 圖像降噪
        4.3.1 方框?yàn)V波
        4.3.2 均值濾波
        4.3.3 高斯濾波
        4.3.4 中值濾波
        4.3.5 雙邊濾波
    4.4 秧苗輪廓提取
        4.4.1 圖像二值化
        4.4.2 秧苗輪廓的查找與擬合
    4.5 本章小結(jié)
第5章 實(shí)驗(yàn)結(jié)果與分析
    5.1 實(shí)驗(yàn)環(huán)境準(zhǔn)備
    5.2 基于RGB的顏色通道,RCNN與 YOLOv3 秧苗狀態(tài)算法實(shí)驗(yàn)結(jié)果對比分析
    5.3 本章小結(jié)
第6章 總結(jié)與展望
    6.1 論文總結(jié)
    6.2 論文展望
參考文獻(xiàn)
致謝
攻讀碩士學(xué)位期間發(fā)表論文及參加科研項(xiàng)目


【參考文獻(xiàn)】：
期刊論文
[1]基于大津法分割和局部最大梯度的自動聚焦算法[J]. 包丞嘯,姜威,王玉瀟.  光學(xué)技術(shù). 2019(06)
[2]基于深度學(xué)習(xí)的圖像識別技術(shù)研究綜述[J]. 張琦,張榮梅,陳彬.  河北省科學(xué)院學(xué)報(bào). 2019(03)
[3]基于CNN和農(nóng)作物光譜紋理特征進(jìn)行作物分布制圖[J]. 周壯,李盛陽,張康,邵雨陽.  遙感技術(shù)與應(yīng)用. 2019(04)
[4]基于Mask R-CNN的復(fù)雜背景下柑橘樹枝干識別與重建[J]. 楊長輝,王卓,熊龍燁,劉艷平,康曦龍,趙萬華.  農(nóng)業(yè)機(jī)械學(xué)報(bào). 2019(08)
[5]人工智能在農(nóng)業(yè)領(lǐng)域的應(yīng)用現(xiàn)狀與未來趨勢[J]. 馬菁澤,甘詩潤,魏霖靜.  軟件導(dǎo)刊. 2019(10)
[6]全卷積神經(jīng)網(wǎng)絡(luò)仿真與遷移學(xué)習(xí)[J]. 付鵬飛,許斌.  軟件. 2019(05)
[7]基于大數(shù)據(jù)的智慧農(nóng)業(yè)物聯(lián)網(wǎng)系統(tǒng)實(shí)現(xiàn)[J]. 徐建國,肖海峰.  軟件導(dǎo)刊. 2018(08)
[8]卷積神經(jīng)網(wǎng)絡(luò)架構(gòu)及其應(yīng)用的研究[J]. 劉方園,王水花,張煜東.  新型工業(yè)化. 2017(11)
[9]智能革命:人工智能、機(jī)器學(xué)習(xí)、生物學(xué)習(xí)和智能材料的合力[J]. 黃廣斌.  軟件和集成電路. 2017(04)
[10]基于機(jī)器視覺的凍干粉中的異物檢測分類技術(shù)研究[J]. 丁金如,孟志剛,楊燕鶴.  計(jì)算機(jī)與數(shù)字工程. 2017(01)

碩士論文
[1]基于無人駕駛的步行插秧機(jī)輔助行走機(jī)構(gòu)及其控制系統(tǒng)優(yōu)化設(shè)計(jì)[D]. 陳訓(xùn)教.東北農(nóng)業(yè)大學(xué) 2017
[2]插秧機(jī)智能作業(yè)的遠(yuǎn)程監(jiān)控系統(tǒng)研究[D]. 熊中剛.湖南農(nóng)業(yè)大學(xué) 2013
[3]小型無人插秧機(jī)關(guān)鍵部件動力學(xué)分析與實(shí)驗(yàn)研究[D]. 蔣鵬鵬.浙江理工大學(xué) 2012
[4]基于GPS與GPRS的車載終端的設(shè)計(jì)[D]. 馬志強(qiáng).武漢理工大學(xué) 2012
[5]基于嵌入式系統(tǒng)的智能巡檢機(jī)器人研制[D]. 矯德余.中國石油大學(xué) 2010



本文編號：3156759