中國是一個(gè)水果生產(chǎn)大國,利用機(jī)器視覺技術(shù)實(shí)現(xiàn)自動(dòng)收獲能夠解決我國勞動(dòng)力短缺問題并大幅提高生產(chǎn)力。但由于果樹的生長環(huán)境的非結(jié)構(gòu)化,采摘機(jī)器人的視覺系統(tǒng)獲取的圖像是一幅包含有天空、樹枝、樹葉、土壤和果實(shí)的復(fù)雜圖像,且樹上果實(shí)的生長形態(tài)多種多樣,果園的光線變化無常,所有這些因素決定了建立一個(gè)實(shí)用摘機(jī)器人視覺系統(tǒng)是一個(gè)復(fù)雜的系統(tǒng)工程。本文以在自然光條件下拍攝的果樹圖像為研究對象,結(jié)合圖像處理、計(jì)算機(jī)視覺以及人工智能技術(shù)對果實(shí)采摘機(jī)器人視覺系統(tǒng)中圖像處理關(guān)鍵算法進(jìn)行了深入的研究,主要工作和研究成果如下：1)基于改進(jìn)k-mean均值聚類算法的彩色果實(shí)圖像分割首先對顏色空間進(jìn)行了深入研究,在RGB, HIS, YCgCr, YCbCr和CLE5種顏色空間中選擇21個(gè)顏色特征,利用BP神經(jīng)網(wǎng)絡(luò)系統(tǒng)找出識別率最高、誤分率最低的顏色特征組（H,Cr（YCgCr）, Cr（YCbCr）, R-G,2R-G,Cb-Cr）,并將該特征組作為果實(shí)圖像分割的向量；然后利用變異系數(shù)賦權(quán)法對k-means聚類算法進(jìn)行改進(jìn),并對識別樣本集中的果實(shí)圖像進(jìn)行分割試驗(yàn)。結(jié)果表明,本文提出的算法能夠?qū)ψ匀还庹諚l件下成熟桃子圖像進(jìn)... 

【文章來源】：南京農(nóng)業(yè)大學(xué)江蘇省 211工程院校 教育部直屬院校

【文章頁數(shù)】：145 頁

【學(xué)位級別】：博士

【文章目錄】：
目錄
圖目錄
表目錄
摘要
ABSTRACT
第一章 緒論
    1.1 課題研究的意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 果蔬采摘機(jī)器人的研究國內(nèi)外現(xiàn)狀
        1.2.2 采摘機(jī)器人視覺系統(tǒng)的研究現(xiàn)狀和關(guān)鍵技術(shù)
    1.3 本文的研究內(nèi)容和方法
        1.3.1 研究內(nèi)容
        1.3.2 研究方法
        1.3.3 技術(shù)路線
    參考文獻(xiàn)
第二章 基于改進(jìn)K-MEAN聚類算法的彩色果實(shí)圖像分割
    2.1 基本顏色空間特點(diǎn)分析
        2.1.1 色彩空間模型的分類
        2.1.2 常見的色彩模型
        2.1.3 彩色空間之間的轉(zhuǎn)換
        2.1.4 彩色空間特點(diǎn)討論
    2.2 基于反向傳播(BP)神經(jīng)網(wǎng)絡(luò)分類器的顏色特征選擇
        2.2.1 反向傳播(BP)神經(jīng)網(wǎng)絡(luò)分類器基本原理
        2.2.2 I-J-1型BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型算法
        2.2.3 反向傳播(BP)神經(jīng)網(wǎng)絡(luò)分類器實(shí)現(xiàn)顏色特征的選擇
        2.2.4 顏色特征選擇實(shí)驗(yàn)對比
    2.3 基于改進(jìn)K-MEAN聚類算法實(shí)現(xiàn)果實(shí)目標(biāo)的識別
        2.3.1 k-means聚類算法的基本思想
        2.3.2 加權(quán)歐氏距離的k-means聚類算法實(shí)現(xiàn)初始分割
    2.4 試驗(yàn)結(jié)果與分析
        2.4.1 試驗(yàn)裝置
        2.4.2 實(shí)驗(yàn)結(jié)果及分析
        2.4.3 試驗(yàn)結(jié)果討論和本章結(jié)論
    參考文獻(xiàn)
第三章 基于紋理和顏色兩步法實(shí)現(xiàn)彩色果實(shí)圖像分割
    3.1 基于空間性質(zhì)的紋理模型
        3.1.1 基本紋理特征
        3.1.2 共生矩陣矩陣(Gray Level Co-occurrence Matrix)模型
    3.2 基于小波域的紋理模型
        3.2.1 小波理論基礎(chǔ)
        3.2.2 基于小波域的共生矩陣模型
    3.3 基于灰度共生矩陣的圖像分割
        3.3.1 試驗(yàn)裝置
        3.3.2 試驗(yàn)方法及結(jié)果分析
        3.3.3 基于小波域灰度共生矩陣的圖像分割
    3.4 神經(jīng)網(wǎng)絡(luò)分類器實(shí)現(xiàn)紋理特征選擇
        3.4.1 紋理特征選擇算法步驟
        3.4.2 紋理特征選擇實(shí)驗(yàn)對比
    3.5 基于紋理和顏色兩步法實(shí)現(xiàn)圖像分割
        3.5.1 分割方法和步驟
        3.5.2 分割結(jié)果比較
    3.6 本章小結(jié)
    參考文獻(xiàn)
第四章 基于改進(jìn)的HOUGH變換的果實(shí)目標(biāo)和樹枝障礙物的定位和檢測
    4.1 HOUGH變換基本原理
        4.1.1 基本Hough變換
        4.1.2 改進(jìn)的兩點(diǎn)Hough變換
    4.2 基于改進(jìn)HOUGH變換的獨(dú)個(gè)類圓果實(shí)的定位和檢測
        4.2.1 類圓果實(shí)圖像的預(yù)處理
        4.2.2 改進(jìn)的圓形RHT算法
        4.2.3 試驗(yàn)結(jié)果與分析
        4.2.4 結(jié)論
    4.3 基于凹點(diǎn)搜索的重疊類圓果實(shí)的定位檢測算法研究
        4.3.1 果實(shí)圖像預(yù)處理
        4.3.2 凹點(diǎn)搜索和匹配
        4.3.3 確定重疊果實(shí)的形心和半徑
        4.3.4 試驗(yàn)結(jié)果及分析
        4.3.5 結(jié)論
    4.4 改進(jìn)的HOUGH變換用于樹枝的識別和定位
        4.4.1 算法背景
        4.4.2 基于梯度相位編組的直線檢測算法
        4.4.3 實(shí)驗(yàn)及結(jié)果分析
        4.4.4 結(jié)論
    參考文獻(xiàn)
第五章 獨(dú)立生長蘋果的生長姿態(tài)識別
    5.1 常見的果實(shí)姿態(tài)
    5.2 四種方法確定果實(shí)生長姿態(tài)
        5.2.1 二階矩法
        5.2.2 最短距離法
        5.2.3 斜率方差法
        5.2.4 三點(diǎn)一線法三種果實(shí)姿態(tài)識別方法
    5.3 四種識別方法存在的不足之處
    5.4 多方法融合的姿態(tài)識別算法
        5.4.1 試驗(yàn)裝備和試驗(yàn)樣本
        5.4.2 多方法融合的姿態(tài)識別算法
        5.4.3 試驗(yàn)結(jié)果分析
    5.5 結(jié)論
    參考文獻(xiàn)
第六章 研究結(jié)論與今后研究工作的建議
    6.1 研究結(jié)論
    6.2 本研究的創(chuàng)新點(diǎn)
    6.3 存在的問題與今后研究工作的建議
    參考文獻(xiàn)
攻讀博士學(xué)位期間發(fā)表的論文
致謝


【參考文獻(xiàn)】：
期刊論文
[1]基于梯度相位編組的樹枝識別新算法[J]. 謝忠紅,郭小清,姬長英,朱淑鑫.  計(jì)算機(jī)科學(xué). 2012(05)
[2]基于凹點(diǎn)搜索的重疊果實(shí)定位檢測算法研究[J]. 謝忠紅,姬長英,郭小清,朱淑鑫.  農(nóng)業(yè)機(jī)械學(xué)報(bào). 2011(12)
[3]基于L*a*b*顏色空間與Gabor小波變換的圖像檢索技術(shù)[J]. 曾臺盛.  西南師范大學(xué)學(xué)報(bào)(自然科學(xué)版). 2011(06)
[4]基于計(jì)算機(jī)視覺的蘋果生長姿態(tài)估算多方法融合[J]. 謝忠紅,徐瑩,姬長英,郭小清,朱淑鑫.  農(nóng)業(yè)機(jī)械學(xué)報(bào). 2011(11)
[5]圖像自動(dòng)降色去噪方法研究[J]. 周信,王興東.  計(jì)算機(jī)工程. 2011(12)
[6]基于粒子濾波的蘋果采摘機(jī)器人目標(biāo)姿態(tài)估算[J]. 周俊,張高陽,劉銳,金月.  農(nóng)業(yè)機(jī)械學(xué)報(bào). 2011(03)
[7]基于改進(jìn)K-均值聚類的圖像分割算法研究[J]. 李翠,馮冬青.  鄭州大學(xué)學(xué)報(bào)(理學(xué)版). 2011(01)
[8]基于Hough變換的數(shù)字全息干涉條紋檢測[J]. 郭俊,張婉怡,嚴(yán)飛,周巖,王文生.  光子學(xué)報(bào). 2011(01)
[9]基于光照無關(guān)圖的蘋果圖像識別方法[J]. 屠珺,劉成良,李彥明,周俊,苑進(jìn).  農(nóng)業(yè)工程學(xué)報(bào). 2010(S2)
[10]農(nóng)業(yè)機(jī)器人技術(shù)研究進(jìn)展[J]. 張鐵中,楊麗,陳兵旗,張賓.  中國科學(xué):信息科學(xué). 2010(S1)

博士論文
[1]基于ARM9嵌入式和工業(yè)以太網(wǎng)的礦井瓦斯監(jiān)控系統(tǒng)研究[D]. 徐竟天.西安科技大學(xué) 2011
[2]番茄采摘機(jī)器人真空吸持系統(tǒng)分析與優(yōu)化控制研究[D]. 劉繼展.江蘇大學(xué) 2010
[3]大田小麥葉部病害智能診斷系統(tǒng)研究與應(yīng)用[D]. 刁智華.中國科學(xué)技術(shù)大學(xué) 2010
[4]基于多源圖像融合的收獲目標(biāo)準(zhǔn)確定位研究[D]. 李明喜.江蘇大學(xué) 2008
[5]茄子收獲機(jī)器人視覺系統(tǒng)和機(jī)械臂避障規(guī)劃研究[D]. 姚立健.南京農(nóng)業(yè)大學(xué) 2008
[6]基于四自由度西紅柿采摘機(jī)器人視覺系統(tǒng)的研究[D]. 呂小蓮.沈陽農(nóng)業(yè)大學(xué) 2008
[7]小波與細(xì)分方法在圖像處理中的應(yīng)用研究[D]. 郭顯久.大連理工大學(xué) 2008
[8]棉花收獲機(jī)器人視覺系統(tǒng)的研究[D]. 王勇.南京農(nóng)業(yè)大學(xué) 2007
[9]彩色圖像特征提取與植物分類研究[D]. 黃志開.中國科學(xué)技術(shù)大學(xué) 2006
[10]番茄收獲機(jī)械手機(jī)構(gòu)分析與優(yōu)化設(shè)計(jì)研究[D]. 梁喜鳳.浙江大學(xué) 2004

碩士論文
[1]基于小波分析的超聲波透射法基樁檢測信號處理[D]. 林云飛.長沙理工大學(xué) 2011
[2]基于小波變換的雷達(dá)信號降噪及其FPGA實(shí)現(xiàn)[D]. 王雷.中國艦船研究院 2011
[3]基于MATLAB的LED光譜小波去噪研究[D]. 喬文濤.河南理工大學(xué) 2010
[4]基于顏色降維的彩色圖像邊緣檢測研究[D]. 趙昭.曲阜師范大學(xué) 2010
[5]弧焊過程的網(wǎng)絡(luò)化監(jiān)測與管理系統(tǒng)研究[D]. 張向奎.南京航空航天大學(xué) 2010
[6]柑橘采摘機(jī)器人成熟果實(shí)定位及障礙物檢測研究[D]. 周小軍.江蘇大學(xué) 2009
[7]視頻序列中運(yùn)動(dòng)目標(biāo)檢測技術(shù)研究[D]. 李莉.合肥工業(yè)大學(xué) 2009
[8]蘋果采摘機(jī)器人機(jī)械手結(jié)構(gòu)設(shè)計(jì)與分析[D]. 楊文亮.江蘇大學(xué) 2009
[9]基于圖像多分辨率分析的植物葉片識別系統(tǒng)的研究[D]. 林豐艷.曲阜師范大學(xué) 2009
[10]機(jī)器人雙目視覺定位技術(shù)研究[D]. 林琳.西安電子科技大學(xué) 2009



本文編號：3279939