我國是青椒種植面積大國,青椒的采摘作業(yè)是密集型的。由于農(nóng)業(yè)勞動力匱乏,為了保證青椒的采摘,需要改善青椒采摘效率,因此實(shí)現(xiàn)青椒的自動化采摘成為現(xiàn)階段急需解決的問題。由于青椒與背景近色的問題,因此能否準(zhǔn)確識別出青椒就成了青椒采摘機(jī)器人的重要任務(wù)。本文結(jié)合目前農(nóng)業(yè)方面利用機(jī)器視覺技術(shù)進(jìn)行研究的熱點(diǎn),以溫室環(huán)境中青椒圖像作為研究目標(biāo),通過研究圖像采集與預(yù)處理、分割圖像、形狀和紋理特征提取以及對青椒目標(biāo)的識別等關(guān)鍵技術(shù),實(shí)現(xiàn)青椒采摘機(jī)器人在近色系背景下對青椒的識別,然后通過實(shí)驗(yàn)驗(yàn)證本文提出方法的可行性與可靠性,主要研究內(nèi)容涉及以下幾方面:(1)在青椒圖像獲取和預(yù)處理的基礎(chǔ)上,采用配置在青椒采摘機(jī)器人上的Uni Fly M088型攝像頭采集溫室中不同背景下的青椒圖像,圖像像素為640×480,每幅圖像中一般包括青椒、葉子、土地等背景,然后直方圖直觀展示近色的特點(diǎn),對主要顏色空間進(jìn)行介紹,最后對采集的圖像進(jìn)行雙邊濾波操作,去除青椒圖像噪聲的同時保留青椒圖像邊緣信息。(2)針對青椒圖像分割與后期處理的問題,采用K-Means分割方法先對青椒圖像進(jìn)行一次分割,由于青椒和背景近色的特點(diǎn),一次分割效果不理想...

【文章頁數(shù)】：72 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 課題研究背景和意義
    1.2 國內(nèi)外目標(biāo)識別研究現(xiàn)狀
        1.2.1 國外目標(biāo)識別研究現(xiàn)狀
        1.2.2 國內(nèi)目標(biāo)識別研究現(xiàn)狀
    1.3 課題主要問題與挑戰(zhàn)
    1.4 本文主要研究內(nèi)容
第二章 青椒圖像采集與預(yù)處理
    2.1 圖像采集與分析
        2.1.1 圖像采集
        2.1.2 青椒圖像特征分析
    2.2 顏色空間概述
        2.2.1 RGB色彩空間
        2.2.2 Lab色彩空間
        2.2.3 HSI顏色模型
    2.3 抑制圖像噪聲
        2.3.1 中值濾波
        2.3.2 高斯濾波
        2.3.3 雙邊濾波
    2.4 本章小結(jié)
第三章 青椒圖像分割方法研究
    3.1 青椒圖像一次分割
        3.1.1 K-Means聚類原理
        3.1.2 K-Means聚類分割
    3.2 青椒圖像二次分割
        3.2.1 閾值分割概述
        3.2.2 二次分割結(jié)果
    3.3 圖像后期處理
        3.3.1 數(shù)學(xué)形態(tài)學(xué)處理
        3.3.2 噪聲去除
        3.3.3 有效連通區(qū)域保留
        3.3.4 處理結(jié)果分析
    3.4 本章小結(jié)
第四章 青椒圖像特征提取
    4.1 形狀特征獲取
        4.1.1 Hu不變矩概念
        4.1.2 Hu不變矩提取圖像特征
    4.2 紋理特征獲取
        4.2.1 Tamura紋理特征
        4.2.2 粗糙度
        4.2.3 對比度
        4.2.4 方向度
        4.2.5 結(jié)果比較
    4.3 數(shù)據(jù)歸一化
    4.4 本章小結(jié)
第五章 青椒目標(biāo)識別及實(shí)驗(yàn)分析
    5.1 最小二乘支持向量機(jī)簡介
        5.1.1 支持向量機(jī)簡介
        5.1.2 廣義最優(yōu)分類面
        5.1.3 最小二乘支持向量機(jī)(LS-SVM)原理
    5.2 粒子群算法
        5.2.1 粒子群算法基本原理
        5.2.2 改進(jìn)粒子群算法優(yōu)化LS-SVM參數(shù)
    5.3 基于改進(jìn)粒子群算法的最小二乘支持向量機(jī)的青椒識別算法流程
    5.4 青椒圖像目標(biāo)識別試驗(yàn)
        5.4.1 實(shí)驗(yàn)環(huán)境
        5.4.2 圖像預(yù)處理
        5.4.3 形狀和紋理特征提取
        5.4.4 IPSO-LS-SVM的識別實(shí)驗(yàn)
        5.4.5 測試實(shí)驗(yàn)
    5.5 實(shí)驗(yàn)分析
        5.5.1 圖像分割及特征提取分析
        5.5.2 訓(xùn)練實(shí)驗(yàn)及測試實(shí)驗(yàn)分析
    5.6 本章小結(jié)
第六章 總結(jié)與展望
    6.1 研究工作總結(jié)
    6.2 后續(xù)工作展望
參考文獻(xiàn)
致謝
攻讀碩士期間完成的研究成果



本文編號：3780037