本文選題：農(nóng)業(yè)機械　切入點：機器視覺　出處：《農(nóng)業(yè)機械學(xué)報》2016年06期 　論文類型：期刊論文

【摘要】：針對農(nóng)業(yè)機械視覺導(dǎo)航線提取易受光照變化影響及常規(guī)導(dǎo)航線識別算法實時性低、抗干擾能力差等問題,對自然光照條件下基于機器視覺的農(nóng)業(yè)機械導(dǎo)航路徑識別技術(shù)進行了研究。首先,在YCr Cb顏色模型的基礎(chǔ)上構(gòu)建與光照無關(guān)的Cg分量,選擇2Cg-Cr-Cb特征因子對圖像進行灰度化處理,以降低光照變化對圖像分割的影響;然后,采用改進K-means聚類方法進行圖像分割,將綠色作物信息從土壤背景中分離出來,并通過形態(tài)學(xué)濾波方法濾除二值圖像中存在的雜草干擾信息;最后,根據(jù)圖像中作物行的特點建立作物行直線方程約束模型,利用粒子群算法對作物行直線進行尋優(yōu)求解,進而得到導(dǎo)航線。實驗結(jié)果表明,不同光照條件下對2Cg-Cr-Cb灰度圖像進行圖像分割,可以清晰完整地將作物從土壤背景中分離出來,分割圖像受光照變化影響較小并且不會引入背景噪聲;基于粒子群算法的導(dǎo)航線檢測方法可以快速準確地提取出導(dǎo)航路徑,對于不同農(nóng)田作物和作物不同生長階段具有較高的適應(yīng)性,相比于常規(guī)導(dǎo)航線識別算法具有實時性高、魯棒性好等優(yōu)點。
[Abstract]:According to the agricultural machinery navigation line extraction is easily affected by illumination changes and conventional navigation line recognition algorithm of low real-time problems, poor anti-interference ability, the natural light condition of machine vision recognition technology based on agricultural machinery navigation path is studied. Firstly, the construction and light independent Cg component based on YCr Cb the color model, 2Cg-Cr-Cb feature selection factor on gray image processing, in order to reduce the illumination effect on image segmentation; then, using the improved K-means clustering method for image segmentation, green crop information from the soil background, and through filtering the morphological filtering method of two value of weed interference information in an image finally, the establishment of crop rows; linear equation constraint model according to the characteristics of image in crop rows, optimization of crop line using particle swarm algorithm, and obtain the Route. The experimental results show that under different illumination conditions on 2Cg-Cr-Cb image segmentation, can be clearly separated from the crop soil background, image segmentation illumination changes is small and does not introduce background noise; navigation line detection method based on particle swarm algorithm can extract the navigation path quickly and accurately. Has high adaptability for different crops and different crop growth stages, compared to the conventional navigation line recognition algorithm has high real-time performance and good robustness.

【作者單位】： 天津職業(yè)技術(shù)師范大學(xué)自動化與電氣工程學(xué)院;天津市信息傳感與智能控制重點實驗室;中國農(nóng)業(yè)大學(xué)現(xiàn)代精細農(nóng)業(yè)系統(tǒng)集成研究教育部重點實驗室;
【基金】：國家自然科學(xué)基金項目(31571570) 國家國際科技合作專項(2015DFG12280)
【分類號】：TP391.41;TP18

【相似文獻】

相關(guān)期刊論文 前10條

1 秦玉靈;孔憲仁;羅文波;;混沌量子粒子群算法在模型修正中的應(yīng)用[J];計算機工程與應(yīng)用;2010年02期

2 陳治明;;新型量子粒子群算法及其性能分析研究[J];福建電腦;2010年05期

3 牛永潔;;一種新型的混合粒子群算法[J];信息技術(shù);2010年10期

4 全芙蓉;;粒子群算法的理論分析與研究[J];硅谷;2010年23期

5 劉衍民;趙慶禎;邵增珍;;一種改進的完全信息粒子群算法研究[J];曲阜師范大學(xué)學(xué)報(自然科學(xué)版);2011年01期

6 朱童;李小凡;魯明文;;位置加權(quán)的改進粒子群算法[J];計算機工程與應(yīng)用;2011年05期

7 熊智挺;譚陽紅;易如方;陳賽華;;一種并行的自適應(yīng)量子粒子群算法[J];計算機系統(tǒng)應(yīng)用;2011年08期

8 孟純青;;非線性粒子群算法[J];微計算機應(yīng)用;2011年08期

9 任偉建;武璇;;一種動態(tài)改變學(xué)習(xí)因子的簡化粒子群算法[J];自動化技術(shù)與應(yīng)用;2012年10期

10 劉飛,孫明,李寧,孫德寶,鄒彤;粒子群算法及其在布局優(yōu)化中的應(yīng)用[J];計算機工程與應(yīng)用;2004年12期

相關(guān)會議論文 前10條

1 朱童;李小凡;魯明文;;位置加權(quán)的改進粒子群算法[A];中國科學(xué)院地質(zhì)與地球物理研究所第11屆（2011年度）學(xué)術(shù)年會論文集(上)[C];2012年

2 陳龍祥;蔡國平;;基于粒子群算法的時滯動力學(xué)系統(tǒng)的時滯辨識[A];第十二屆全國非線性振動暨第九屆全國非線性動力學(xué)和運動穩(wěn)定性學(xué)術(shù)會議論文集[C];2009年

3 于穎;李永生;於孝春;;新型離散粒子群算法在波紋管優(yōu)化設(shè)計中的應(yīng)用[A];第十一屆全國膨脹節(jié)學(xué)術(shù)會議膨脹節(jié)設(shè)計、制造和應(yīng)用技術(shù)論文選集[C];2010年

4 劉卓倩;顧幸生;;一種基于信息熵的改進粒子群算法[A];系統(tǒng)仿真技術(shù)及其應(yīng)用（第7卷）——'2005系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)交流會論文選編[C];2005年

5 熊偉麗;徐保國;;粒子群算法在支持向量機參數(shù)選擇優(yōu)化中的應(yīng)用研究[A];2007中國控制與決策學(xué)術(shù)年會論文集[C];2007年

6 熊偉麗;徐保國;;單個粒子收斂中心隨機攝動的粒子群算法[A];2009年中國智能自動化會議論文集（第七分冊）[南京理工大學(xué)學(xué)報（增刊）][C];2009年

7 趙磊;;基于粒子群算法求解多目標函數(shù)優(yōu)化問題[A];第二十一屆中國（天津）’2007IT、網(wǎng)絡(luò)、信息技術(shù)、電子、儀器儀表創(chuàng)新學(xué)術(shù)會議論文集[C];2007年

8 張頂學(xué);關(guān)治洪;劉新芝;;多種群并行粒子群算法研究[A];第二十六屆中國控制會議論文集[C];2007年

9 叢亮;胡成全;郭宗鵬;姜宇;沙麗華;;基于模擬退火思想的基本粒子群算法改進[A];第二十七屆中國控制會議論文集[C];2008年

10 宋瑩;陳增強;袁著祉;;一種新型混沌粒子群算法及在非線性系統(tǒng)中的應(yīng)用[A];2006中國控制與決策學(xué)術(shù)年會論文集[C];2006年

相關(guān)博士學(xué)位論文 前6條

1 王芳;粒子群算法的研究[D];西南大學(xué);2006年

2 安鎮(zhèn)宙;家庭粒子群算法及其奇偶性與收斂性分析[D];云南大學(xué);2012年

3 劉建華;粒子群算法的基本理論及其改進研究[D];中南大學(xué);2009年

4 楊輕云;約束滿足問題與調(diào)度問題中離散粒子群算法研究[D];吉林大學(xué);2006年

5 雷開友;粒子群算法及其應(yīng)用研究[D];西南大學(xué);2006年

6 陳晉音;生物啟發(fā)計算若干關(guān)鍵技術(shù)與應(yīng)用研究[D];浙江工業(yè)大學(xué);2009年

相關(guān)碩士學(xué)位論文 前10條

1 張忠偉;結(jié)構(gòu)優(yōu)化中粒子群算法的研究與應(yīng)用[D];大連理工大學(xué);2009年

2 陳長憶;粒子群算法及其工程應(yīng)用研究[D];電子科技大學(xué);2007年

3 周苗;改進粒子群算法及其在機械優(yōu)化中的應(yīng)用[D];煙臺大學(xué);2009年

4 劉錦萍;粒子群算法的改進及其在回歸模型參數(shù)估計中的應(yīng)用[D];華東師范大學(xué);2009年

5 張?zhí)m;量子粒子群算法及其應(yīng)用[D];西北大學(xué);2010年

6 隨聰慧;粒子群算法的改進方法研究[D];西南交通大學(xué);2010年

7 劉子文;改進的粒子群算法在停車場中的應(yīng)用[D];湘潭大學(xué);2010年

8 楊立標;基于混合優(yōu)化策略的粒子群算法及其應(yīng)用研究[D];哈爾濱工程大學(xué);2010年

9 梁毅;粒子群算法搜索模式研究與應(yīng)用[D];華東理工大學(xué);2011年

10 沈亮;基于粒子群算法的聚類及圖聚類研究[D];山西財經(jīng)大學(xué);2011年

，

本文編號：1621208