除草是農(nóng)業(yè)生產(chǎn)的重要組成部分,現(xiàn)在國內(nèi)主要是中耕除草和除草劑除草,前者效率低,工作量大;后者危害高。隨著機械和人工智能的發(fā)展,除草機器人漸漸進入人們的視野。但現(xiàn)有的除草機器人視覺識別系統(tǒng)一般都體積龐大,其整體價格較為昂貴�；趥鹘y(tǒng)除草機器人視覺系統(tǒng)的缺點,本文提出以采用Android智能手機作為本實驗的視覺識別系統(tǒng),它同時具備了圖像采集和預處理的功能,且自身體積小,功耗低,不會在除草機器人本體上占據(jù)大的空間,并且當下中等性能的手機價格不高,從而降低了除草機器人整體的成本,進而實驗開發(fā)了一款簡單的具有圖像預處理功能的APP。傳統(tǒng)圖像識別過程一般是將采集來的圖像進行一步或者幾步的預處理,然后對處理后的圖像進行分割,提取分割出來的目標物體的體征數(shù)據(jù),最后根據(jù)模式識的方式判斷該物體類別。本文將RGB彩色圖像轉(zhuǎn)換到HSV和L*a*b*色彩空間,使用單通道分離方式獲取灰度圖像,經(jīng)對比分析選擇a*通道圖像進行高斯濾波去噪。然后采用固定閾值分割算法和OTSU閾值分割算法分割灰度圖像,對比分割結(jié)果,分析得到OTSU閾值分割算法在自然光照下分割效果更好,適應(yīng)性較強。最后根據(jù)同一生產(chǎn)時期的白菜和雜草特征,選...

【文章頁數(shù)】：88 頁

【學位級別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 課題研究的背景
    1.2 課題研究意義
    1.3 機器視覺在農(nóng)業(yè)中的應(yīng)用
        1.3.1 國外的應(yīng)用狀況
        1.3.2 國內(nèi)的應(yīng)用狀況
    1.4 雜草識別的國內(nèi)外發(fā)展現(xiàn)狀
        1.4.1 國外發(fā)展現(xiàn)狀
        1.4.2 國內(nèi)發(fā)展現(xiàn)狀
    1.5 本課題主要完成的工作
第二章 除草機器人的視覺系統(tǒng)設(shè)計
    2.1 引言
    2.2 傳統(tǒng)農(nóng)業(yè)機器人視覺系統(tǒng)結(jié)構(gòu)組成
    2.3 基于Android手機的視覺檢測系統(tǒng)
        2.3.1 Android手機軟硬件介紹
        2.3.2 基于Android手機視覺系統(tǒng)
        2.3.3 圖像處理APP開發(fā)
    2.4 本章小結(jié)
第三章 基于閾值分割的雜草識別
    3.1 引言
    3.2 常見的彩色模型
    3.3 圖像預處理
        3.3.1 圖像灰度化
        3.3.2 圖像去噪
    3.4 閾值分割
        3.4.1 固定閾值分割
        3.4.2 OTSU閾值分割
        3.4.3 分割結(jié)果對比
    3.5 形態(tài)學處理
    3.6 雜草識別
    3.7 本章小結(jié)
第四章 基于Mask R-CNN的實例分割
    4.1 引言
    4.2 卷積神經(jīng)網(wǎng)絡(luò)發(fā)展
        4.2.1 卷積神經(jīng)網(wǎng)絡(luò)分類模型
        4.2.2 卷積神經(jīng)網(wǎng)絡(luò)的目標檢測模型
    4.3 Mask R-CNN算法
        4.3.1 特征提取
        4.3.2 RPN(Region Proposal Network)網(wǎng)絡(luò)結(jié)構(gòu)
        4.3.3 掩模分支
    4.4 本章小結(jié)
第五章 實驗對比與分析
    5.1 數(shù)據(jù)集
    5.2 超參數(shù)的選擇
    5.3 實驗對比分析
    5.4 本章小結(jié)
第六章 總結(jié)與展望
    工作總結(jié)
    展望
致謝
參考文獻
附錄 本人在攻讀碩士學位期間的科研成果



本文編號：3752589