發(fā)布時(shí)間：2021-09-16 21:47

　　我國(guó)農(nóng)業(yè)產(chǎn)業(yè)長(zhǎng)期依賴人工生產(chǎn),這會(huì)導(dǎo)致勞動(dòng)強(qiáng)度大且效率低等問(wèn)題,并直接增加了農(nóng)業(yè)生產(chǎn)的成本。使用計(jì)算機(jī)和自動(dòng)控制等技術(shù)替代人工生產(chǎn)是提升農(nóng)業(yè)生產(chǎn)效率和降低成本的重要途徑之一。本文主要研究自然環(huán)境下綠色水果的視覺(jué)檢測(cè)方法,研究對(duì)象為綠色柑橘。對(duì)綠色水果進(jìn)行檢測(cè),能夠?yàn)楣麑?shí)的產(chǎn)量估計(jì)和自動(dòng)采摘提供技術(shù)支持,具有重要的經(jīng)濟(jì)效益。然而自然環(huán)境下綠色水果因顏色與背景相似而造成視覺(jué)識(shí)別困難,一直是農(nóng)業(yè)機(jī)器人研究的難點(diǎn)。對(duì)此,本文提出了一種基于深度邊框回歸森林的綠色柑橘檢測(cè)方法,該方法主要包括了特征提取和分類器設(shè)計(jì)兩部分。在特征提取部分,本文使用紋理、形狀和顏色三種特征對(duì)圖像進(jìn)行描述。在紋理特征部分,本文通過(guò)對(duì)CS-LBP描述子進(jìn)行改進(jìn),提出了一種提升判別LBP描述子。該方法通過(guò)引入監(jiān)督學(xué)習(xí)對(duì)紋理進(jìn)行編碼,使得算法獲得的二進(jìn)制編碼能夠在圖像中更加容易區(qū)分目標(biāo)和背景。在形狀特征方面,本文對(duì)霍夫檢測(cè)方法和HOG描述子進(jìn)行了比較,并且選擇了HOG描述子應(yīng)用到本文的方法中。在顏色特征方面,本文通過(guò)子集搜索方法在多種顏色中選擇了3種性能較好的特征對(duì)圖像進(jìn)行描述。另外,本文還通過(guò)一種簡(jiǎn)單的方法,在不顯著增加圖像... 

【文章來(lái)源】：華南農(nóng)業(yè)大學(xué)廣東省

【文章頁(yè)數(shù)】：74 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

技術(shù)路線圖

圖 2.1 技術(shù)路線圖3 實(shí)驗(yàn)材料與實(shí)驗(yàn)環(huán)境本文研究中的視覺(jué)系統(tǒng)由 CCD 攝像機(jī)和三角立體支架組成，圖 2.2 是拍攝柑示意圖。其中，拍攝攝像機(jī)型號(hào)是 MV-VDM200SM/SC，其視場(chǎng)角為 43.60°，所圖片的分辨率為 996*666 像素。柑橘的拍攝地點(diǎn)都為廣東增城果園。拍攝的柑橘包括皇帝柑和冰糖橘，拍攝時(shí)間為 2016 年 10 月 28 日。

11圖 2.1 技術(shù)路線圖2.3 實(shí)驗(yàn)材料與實(shí)驗(yàn)環(huán)境本文研究中的視覺(jué)系統(tǒng)由 CCD 攝像機(jī)和三角立體支架組成，圖 2.2 是拍攝柑橘的示意圖。其中，拍攝攝像機(jī)型號(hào)是 MV-VDM200SM/SC，其視場(chǎng)角為 43.60°，所采集圖片的分辨率為 996*666 像素。柑橘的拍攝地點(diǎn)都為廣東增城果園。拍攝的柑橘品種包括皇帝柑和冰糖橘，拍攝時(shí)間為 2016 年 10 月 28 日。圖 2.2 視覺(jué)系統(tǒng)與圖像采集示意圖本研究共隨機(jī)采集了 1000 張柑橘圖像，這些圖像共來(lái)自于 30 棵樹(shù)。所采集的柑橘圖像有兩個(gè)品種，皇帝柑和冰糖橘各 500 張。拍攝距離主要在 40-90cm 之間。部分圖像如圖 2.3 所示

【參考文獻(xiàn)】：
期刊論文
[1]采摘機(jī)器人作業(yè)行為虛擬仿真與樣機(jī)試驗(yàn)[J]. 羅陸鋒,鄒湘軍,盧清華,楊自尚,張坡,熊俊濤.  農(nóng)業(yè)機(jī)械學(xué)報(bào). 2018(05)
[2]我國(guó)柑橘園病蟲(chóng)害有機(jī)防控現(xiàn)狀和展望[J]. 毛加梅,付小猛,王自然,李進(jìn)學(xué),郭俊,龍春瑞,劉紅明,岳建強(qiáng).  中國(guó)果樹(shù). 2018(02)
[3]自然環(huán)境下綠色柑橘視覺(jué)檢測(cè)技術(shù)研究[J]. 熊俊濤,劉振,湯林越,林睿,卜榕彬,彭紅星.  農(nóng)業(yè)機(jī)械學(xué)報(bào). 2018(04)
[4]基于機(jī)器視覺(jué)的水果采摘機(jī)器人目標(biāo)識(shí)別方法[J]. 初廣麗,張偉,王延杰,丁南南,劉艷瀅.  中國(guó)農(nóng)機(jī)化學(xué)報(bào). 2018(02)
[5]基于多尺度的Canny邊緣檢測(cè)算法研究[J]. 劉威,趙西安,高東陽(yáng).  北京測(cè)繪. 2018(01)
[6]溫室采摘機(jī)器人技術(shù)研究進(jìn)展分析[J]. 劉繼展.  農(nóng)業(yè)機(jī)械學(xué)報(bào). 2017(12)
[7]我國(guó)柑橘產(chǎn)銷現(xiàn)狀、發(fā)展趨勢(shì)及對(duì)策建議[J]. 沈兆敏.  果農(nóng)之友. 2017(09)
[8]基于實(shí)例學(xué)習(xí)和協(xié)同子集搜索的特征選擇方法[J]. 許小媛,黃黎.  電信科學(xué). 2017(06)
[9]基于輪廓分析的雙串疊貼葡萄目標(biāo)識(shí)別方法[J]. 羅陸鋒,鄒湘軍,王成琳,陳雄,楊自尚,司徒偉明.  農(nóng)業(yè)機(jī)械學(xué)報(bào). 2017(06)
[10]世界柑橘產(chǎn)業(yè)現(xiàn)狀及發(fā)展趨勢(shì)[J]. 齊樂(lè),祁春節(jié).  農(nóng)業(yè)展望. 2016(12)

碩士論文
[1]蘋(píng)果采摘機(jī)器人重疊果實(shí)快速動(dòng)態(tài)識(shí)別及定位研究[D]. 沈甜.江蘇大學(xué) 2016



本文編號(hào)：3397352