受采摘作業(yè)及風(fēng)力等因素影響,果實(shí)目標(biāo)多處于振蕩狀態(tài),實(shí)現(xiàn)振蕩影響下果實(shí)目標(biāo)的自動(dòng)識(shí)別與快速跟蹤是提升果實(shí)采摘機(jī)器人采摘效率、果實(shí)表型最佳監(jiān)測(cè)幀選取的關(guān)鍵。為了實(shí)現(xiàn)振蕩影響下果實(shí)目標(biāo)的準(zhǔn)確識(shí)別與跟蹤,提出了一種基于YCbCr顏色空間的果實(shí)目標(biāo)自動(dòng)識(shí)別方法;在此基礎(chǔ)上,利用Meanshift算法實(shí)現(xiàn)了振蕩果實(shí)軌跡跟蹤;最后,通過(guò)對(duì)振蕩果實(shí)運(yùn)動(dòng)軌跡跟蹤結(jié)果得到果實(shí)的運(yùn)動(dòng)速度及加速度曲線,可為采摘機(jī)器人判定最佳采摘時(shí)機(jī)、最佳果實(shí)表型監(jiān)測(cè)幀篩選奠定基礎(chǔ)。結(jié)果表明,Meanshift跟蹤方法適合于振蕩果實(shí)目標(biāo)的自動(dòng)跟蹤,可為提高振蕩果實(shí)采摘效率和果實(shí)的生長(zhǎng)狀態(tài)無(wú)損監(jiān)測(cè)提供借鑒。 

【文章頁(yè)數(shù)】：7 頁(yè)

【文章目錄】：
1 材料與方法
    1.1 試驗(yàn)材料
    1.2 方法
        1.2.1 待跟蹤區(qū)域的自動(dòng)識(shí)別方法
        1.2.2 Meanshift算法原理
            1.2.2.1 建立目標(biāo)模型
            1.2.2.2 建立候選模型
            1.2.2.3 相似性函數(shù)
            1.2.2.4 定位目標(biāo)
2 結(jié)果與分析
    2.1 基于Meanshift算法的果實(shí)目標(biāo)跟蹤
    2.2 振蕩果實(shí)運(yùn)動(dòng)軌跡的獲取
    2.3 試驗(yàn)結(jié)果分析
3 結(jié)論


【參考文獻(xiàn)】：
期刊論文
[1]基于歷史幀路徑搜索的紅棗動(dòng)態(tài)圖像采集[J]. 吳俊杭,曾窕俊,馬本學(xué),汪傳建,羅秀芝,王文霞.  江蘇農(nóng)業(yè)科學(xué). 2019(10)
[2]基于CLAHE和開閉運(yùn)算的綠色蘋果圖像分割[J]. 王帆,呂繼東,申根榮,馬正華.  計(jì)算機(jī)測(cè)量與控制. 2017(02)
[3]基于單目視覺(jué)與超聲檢測(cè)的振蕩果實(shí)采摘識(shí)別與定位[J]. 李國(guó)利,姬長(zhǎng)英,顧寶興.  農(nóng)業(yè)機(jī)械學(xué)報(bào). 2015(11)
[4]基于視覺(jué)組合的蘋果作業(yè)機(jī)器人識(shí)別與定位[J]. 王輝,毛文華,劉剛,胡小安,李樹君.  農(nóng)業(yè)機(jī)械學(xué)報(bào). 2012(12)
[5]蘋果采摘機(jī)器人對(duì)振蕩果實(shí)的快速定位采摘方法[J]. 呂繼東,趙德安,姬偉,陳玉,沈惠良,張穎.  農(nóng)業(yè)工程學(xué)報(bào). 2012(13)
[6]基于支持向量機(jī)的葡萄病害圖像識(shí)別方法[J]. 田有文,李天來(lái),李成華,樸在林,孫國(guó)凱,王濱.  農(nóng)業(yè)工程學(xué)報(bào). 2007(06)



本文編號(hào)：3648091