中國是茶葉的主要原產(chǎn)地,是世界上最大的茶葉種植、消費和出口國家之一。近年來,我國茶產(chǎn)業(yè)發(fā)展迅速,競爭也日趨激烈。大規(guī)模的茶葉種植導(dǎo)致人工成本越來越高。據(jù)統(tǒng)計,采茶工工資每年上漲10%以上,人工工資的支出占銷售收入的40%以上。即便如此,在內(nèi)陸的四川等地以及東南沿海地區(qū)仍會出現(xiàn)有茶無人采的現(xiàn)象。因此,必須推廣機采、機制來解決勞動力緊缺的問題。針對大宗茶,目前其主要的采摘方式為人工采摘以及手提式或背負式機器采摘,這些采摘方式不僅消耗了大量人力物力,而且采摘效率低下。采摘過程易受采摘人員的主觀因素影響,對茶樹造成機械性損傷。針對目前大宗茶采摘的現(xiàn)狀,本文設(shè)計并實現(xiàn)了一種基于機器視覺的智能化自動切割式采茶機。本文主要研究工作和成果包括:1.根據(jù)采集的茶葉圖像特征,本文研究了相應(yīng)的一系列圖像預(yù)處理算法,實現(xiàn)圖像去噪、灰度化、圖像旋轉(zhuǎn)以及圖像畸變矯正等操作。2.為了實現(xiàn)嫩葉的快速識別及提取,本文提出了一種復(fù)雜度低并且高效的算法。首先,利用OTSU（最大類間差分法）對整幅圖像進行處理,剔除背景后的即為僅包含茶葉的圖像;然后對茶葉圖像利用OTSU進行二次處理,處理結(jié)果為嫩葉區(qū)域,其中包含少量孔洞以及毛... 

【文章來源】：浙江工業(yè)大學(xué)浙江省

【文章頁數(shù)】：74 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 課題研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 機器視覺在農(nóng)業(yè)工程領(lǐng)域的發(fā)展現(xiàn)狀
        1.2.2 機器視覺在茶葉檢測領(lǐng)域的研究現(xiàn)狀
        1.2.3 智能采茶機研究中的技術(shù)難點
    1.3 本文的主要工作
    1.4 論文的章節(jié)安排
    1.5 本章小結(jié)
第2章 智能化自動切割式采茶機總體設(shè)計
    2.1 引言
    2.2 智能化自動切割式采茶機總體架構(gòu)設(shè)計
    2.3 系統(tǒng)硬件設(shè)計
        2.3.1 乘用型采茶機的機體結(jié)構(gòu)
        2.3.2 采茶機控制部分設(shè)計
        2.3.3 SMP8048伺服電機
    2.4 采茶機智能化自動切割系統(tǒng)軟件設(shè)計
        2.4.1 軟件總體架構(gòu)設(shè)計
        2.4.2 主要功能模塊介紹
    2.5 本章小結(jié)
第3章 采茶機割刀伺服控制
    3.1 引言
    3.2 Modbus協(xié)議
    3.3 割刀位置伺服控制
        3.3.1 位置伺服控制原理
        3.3.2 位置伺服控制實驗研究
    3.4 割刀水平度伺服控制
        3.4.1 傳感器標(biāo)定
        3.4.2 水平度伺服控制原理
        3.4.3 水平度伺服控制實驗研究
    3.5 割刀視覺伺服控制
        3.5.1 視覺伺服控制原理
        3.5.2 視覺伺服控制微調(diào)流程
    3.6 本章小結(jié)
第4章 割刀刀刃線檢測定位
    4.1 引言
    4.2 圖像畸變矯正
        4.2.1 相機標(biāo)定
        4.2.2 畸變矯正原理
        4.2.3 雙線性插值法
        4.2.4 畸變矯正實驗
    4.3 橫梁的檢測識別
        4.3.1 圖像的顏色模型
        4.3.2 橫梁下邊緣線檢測
        4.3.3 橫梁下邊緣線檢測實驗
        4.3.4 邊緣直線擬合
        4.3.5 橫梁直線擬合精度實驗
    4.4 割刀刀刃線的檢測定位
        4.4.1 割刀模型
        4.4.2 基于模板匹配定位割刀
    4.5 本章小結(jié)
第5章 嫩葉檢測識別
    5.1 引言
    5.2 嫩葉分割方法研究
        5.2.1 常用的閾值分割方法
        5.2.2 茶葉顏色特征實驗研究
        5.2.3 嫩葉檢測識別
    5.3 基本形態(tài)學(xué)運算
    5.4 基于兩次OTSU分割實驗
    5.6 本章小結(jié)
第6章 智能化自動切割系統(tǒng)實現(xiàn)
    6.1 引言
    6.2 系統(tǒng)開發(fā)環(huán)境及其相關(guān)技術(shù)的介紹
    6.3 主要模塊實現(xiàn)
        6.3.1 圖像預(yù)處理模塊
        6.3.2 嫩葉檢測模塊
        6.3.3 割刀刀刃線檢測定位模塊
        6.3.4 伺服控制模塊
    6.4 智能化自動切割系統(tǒng)界面介紹
    6.5 本章小結(jié)
第7章 總結(jié)與展望
    7.1 總結(jié)
    7.2 展望
參考文獻
致謝
攻讀學(xué)位期間參加的科研項目和成果


【參考文獻】：
期刊論文
[1]計算機圖像處理技術(shù)在茶葉品質(zhì)檢測中的應(yīng)用[J]. 陳修齊,方柯.  福建茶葉. 2016(06)
[2]自然條件下茶葉嫩芽圖像分割方法的研究[J]. 張可,呂軍.  黑龍江八一農(nóng)墾大學(xué)學(xué)報. 2016(02)
[3]基于雙線性插值法的圖像縮放算法的設(shè)計與實現(xiàn)[J]. 張洋.  電子設(shè)計工程. 2016(03)
[4]基于機器視覺的茶隴識別與采茶機導(dǎo)航方法[J]. 湯一平,王偉羊,朱威,翔云.  農(nóng)業(yè)機械學(xué)報. 2016(01)
[5]基于機器視覺的番茄顏色分級檢測研究[J]. 于桓.  機電技術(shù). 2015(04)
[6]基于機器視覺的荔枝果實采摘時品質(zhì)檢測技術(shù)[J]. 熊俊濤,鄒湘軍,劉念,彭紅星,李錦鴻,林桂潮.  農(nóng)業(yè)機械學(xué)報. 2014(07)
[7]馬鈴薯缺陷透射和反射機器視覺檢測方法分析[J]. 李小昱,陶海龍,高海龍,李鵬,黃濤,孫金風(fēng).  農(nóng)業(yè)機械學(xué)報. 2014(05)
[8]基于機器視覺的干制紅棗大小分級方法研究[J]. 李景彬,鄧向武,坎雜,田緒順,謝凡.  農(nóng)機化研究. 2014(02)
[9]基于流形學(xué)習(xí)算法的馬鈴薯機械損傷機器視覺檢測方法[J]. 汪成龍,李小昱,武振中,周竹,馮耀澤.  農(nóng)業(yè)工程學(xué)報. 2014(01)
[10]基于閾值分割法的茶葉嫩芽識別研究[J]. 唐仙,吳雪梅,張富貴,顧金梅.  農(nóng)業(yè)裝備技術(shù). 2013(06)

博士論文
[1]基于機器視覺及光譜技術(shù)的茶葉品質(zhì)無損檢測方法研究[D]. 李曉麗.浙江大學(xué) 2009
[2]茄子收獲機器人視覺系統(tǒng)和機械臂避障規(guī)劃研究[D]. 姚立健.南京農(nóng)業(yè)大學(xué) 2008
[3]稻種質(zhì)量的機器視覺無損檢測研究[D]. 成芳.浙江大學(xué) 2004
[4]蘋果自動分級中計算機視覺信息快速獲取與處理技術(shù)的研究[D]. 李慶中.中國農(nóng)業(yè)大學(xué) 2000

碩士論文
[1]基于SVM的柑橘品質(zhì)檢測技術(shù)[D]. 方東玉.中南林業(yè)科技大學(xué) 2015
[2]基于彩色線陣CCD的茶葉分選控制系統(tǒng)設(shè)計[D]. 劉希.南京林業(yè)大學(xué) 2014
[3]基于計算機視覺的龍井茶葉嫩芽識別方法研究[D]. 邵明.中國計量學(xué)院 2013
[4]基于區(qū)域生長和聚類的花卉圖像分割算法研究[D]. 張燕群.成都理工大學(xué) 2012
[5]基于統(tǒng)計形狀特征的茶葉梗分離與識別[D]. 張俊峰.安徽大學(xué) 2012
[6]基于機器視覺的柑橘水果外形識別方法研究[D]. 白菲.中國農(nóng)業(yè)大學(xué) 2005
[7]基于機器視覺的番茄收獲機器人目標(biāo)定位技術(shù)研究[D]. 仲琴.江蘇大學(xué) 2005
[8]Hough變換及改進算法與線段檢測[D]. 陳洪波.廣西師范大學(xué) 2004
[9]基于機器視覺的蘋果形狀分級系統(tǒng)研究[D]. 李秀智.南京農(nóng)業(yè)大學(xué) 2003
[10]玉米苗期雜草識別的機器視覺研究[D]. 龍滿生.西北農(nóng)林科技大學(xué) 2002



本文編號：3430611