本文關(guān)鍵詞：基于機器視覺的鋤草機器人快速作物識別方法研究

  更多相關(guān)文章： 除草 機器視覺 圖像處理 作物識別

【摘要】：隨著人們對食品安全問題日漸重視和環(huán)保意識的不斷提高,化學(xué)除草受到越來越多的限制。機械除草相比化學(xué)除草和人工除草具有污染少、效率高的優(yōu)點,順應(yīng)農(nóng)業(yè)可持續(xù)發(fā)展的趨勢。鋤草機器人被認(rèn)為是實現(xiàn)高效、自動化的機械除草作業(yè)的可行方案。精確、快速地獲得作物或雜草的位置信息是實現(xiàn)自動化精準(zhǔn)除草作業(yè)的必要條件,是鋤草機器人的關(guān)鍵技術(shù)之一。由于機器視覺系統(tǒng)具有信息量大、精度較高、成本較低、與被測對象無接觸等優(yōu)點,是目前田間苗草信息獲取的主要手段。本研究結(jié)合鋤草機器人作業(yè)工況、作物種植模式和鋤草機器人總體設(shè)計,設(shè)計了機器視覺系統(tǒng)結(jié)構(gòu)�；谛】壮上裨斫⒘艘曈X系統(tǒng)成像模型。測試表明,視覺系統(tǒng)定位誤差小于± 15mm�；赩isualStudio2010編程環(huán)境開發(fā)了系統(tǒng)軟件,作為快速作物識別圖像處理算法的載體,并提供了系統(tǒng)參數(shù)設(shè)置、工作信息顯示等人機交互功能。在作物識別方法研究中,針對三種田間實際作業(yè)工況,研究了用于實時作物識別的快速圖像處理算法:(1)針對田間移栽作物苗期的除草工況特點,研究了基于像素直方圖的快速作物識別方法。該方法根據(jù)這一時期苗、草長勢懸殊,作物規(guī)則分布而雜草無序分布的特點,先利用顏色特征分割田間圖像中的綠色植物與土壤背景,再利用面積、位置等特征,基于像素直方圖區(qū)分田間圖像中的作物和雜草,并對作物進(jìn)行識別和定位,從而計算出鋤草機器人控制系統(tǒng)所需刀苗距和對行偏差。三種光照條件下的田間試驗表明,該方法對花椰菜、玉米、生菜三種作物的正確識別率均大于95%,對640 × 480分辨率的圖像的平均處理時間為31ms。(2)針對雜草茂盛、葉片相互粘連,但苗、草在顏色上有較明顯差異的工況,研究了基于顏色特征和馬氏距離分類器的快速苗草分離方法,從而實現(xiàn)在該工況下的快速作物識別。該方法將田間圖像從RGB顏色空間變換到HSI顏色空間中,以色調(diào)(H)和飽和度(S)作為特征變量,利用馬氏距離構(gòu)建分類器,將雜草從圖像中分離,從而實現(xiàn)快速作物識別與定位。試驗表明,通過該方法對基于像素直方圖的作物識別方法進(jìn)行加強后,使其對周圍雜草茂盛的西蘭花的正確識別率從80.65%提高到93.55%以上。處理一幅640 × 480分辨率的圖像平均耗時112ms。(3)針對中后期除草工況下作物周圍出現(xiàn)較大的雜草和自生作物時對作物識別造成干擾的問題,研究了基于卷積神經(jīng)網(wǎng)絡(luò)的苗草快速分類方法,搭建了包含3層卷積層、3層下采樣層和單層感知器的卷積神經(jīng)網(wǎng)絡(luò),作為植物樣本圖像的分類器,從而進(jìn)一步提高機器視覺系統(tǒng)在復(fù)雜工況下的識別率和魯棒性。通過測試,該方法對一系列包含田間作物和雜草的圖像正確分類率高于96%,處理一幅76 × 76分辨率的圖像平均耗時小于lms。本研究緊密結(jié)合自動化除草作業(yè)工況特點,開展了視覺系統(tǒng)設(shè)計和快速作物識別方法研究,為鋤草機器人勝任大田作業(yè)奠定了基礎(chǔ)。
【學(xué)位授予單位】：中國農(nóng)業(yè)大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2017
【分類號】：TP391.41;TP242

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 李彥冬;郝宗波;雷航;;卷積神經(jīng)網(wǎng)絡(luò)研究綜述[J];計算機應(yīng)用;2016年09期

2 王璨;李志偉;;利用融合高度與單目圖像特征的支持向量機模型識別雜草[J];農(nóng)業(yè)工程學(xué)報;2016年15期

3 張新明;涂強;馮夢清;;基于改進(jìn)概率神經(jīng)網(wǎng)絡(luò)的玉米與雜草識別[J];山西大學(xué)學(xué)報(自然科學(xué)版);2015年03期

4 張志斌;趙帥領(lǐng);羅錫文;魏鳳岐;;基于SURF算法的綠色作物特征提取與圖像匹配方法[J];農(nóng)業(yè)工程學(xué)報;2015年14期

5 王宏艷;呂繼興;;基于紋理特征與改進(jìn)SVM算法的玉米田間雜草識別[J];湖北農(nóng)業(yè)科學(xué);2014年13期

6 喬永亮;何東健;趙川源;唐晶磊;;基于多光譜圖像和SVM的玉米田間雜草識別[J];農(nóng)機化研究;2013年08期

7 李穎;張立福;嚴(yán)薇;黃長平;童慶禧;;地面成像光譜數(shù)據(jù)的田間雜草識別[J];遙感學(xué)報;2013年04期

8 胡煉;羅錫文;曾山;張智剛;陳雄飛;林潮興;;基于機器視覺的株間機械除草裝置的作物識別與定位方法[J];農(nóng)業(yè)工程學(xué)報;2013年10期

9 朱寶偉;;機器視覺中的光源照明設(shè)計[J];電子科技;2013年03期

10 趙川源;何東健;喬永亮;;基于多光譜圖像和數(shù)據(jù)挖掘的多特征雜草識別方法[J];農(nóng)業(yè)工程學(xué)報;2013年02期

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 吳正文;卷積神經(jīng)網(wǎng)絡(luò)在圖像分類中的應(yīng)用研究[D];電子科技大學(xué);2015年

，

本文編號：1297183