本文選題：機器視覺　切入點：圖像處理　出處：《浙江大學》2016年博士論文

【摘要】：機器視覺和圖像處理技術大范圍地應用在品質檢測與分級、農業(yè)生產目標識別與定位、植物長勢檢測、病害檢測、精準管控等農業(yè)工程領域。本研究采用機器視覺與圖像處理技術、高光譜技術、LiDAR技術和嵌入式機器視覺技術,研究了在植物信息采集與處理方面的處理算法,并通過葉片面積測量、甘蔗莖節(jié)識別、樹木冠層投影面積和體積測量、水果體積和表面積測量的應用研究,驗證算法和平臺的可靠性。植物的葉片面積、果實體積和表面積等器官參數的測量對植物生長狀態(tài)診斷及其生長預測模型有重要的指導意義,甘蔗莖節(jié)等植株信息的獲取對自動化種植具有重要意義,樹木等植被的群體信息的獲取可用于高效地科學管理和決策。這些方面的研究是從微觀到宏觀,從器官(葉片、果實)到植株(甘蔗),再到群體(大范圍的樹木),最后研究了基于Android平臺的信息采集和處理的具體應用,都是基于信息采集技術、特征提取技術和信息分析技術提出的。本文的主要工作如下：(1)提出葉片三維建模及曲面面積測量方法。通過多視角拍攝校準網格,采用校準算法獲取相機參數,并對相機進行校正,提高建模測量的精度。從多角度拍攝自然生長狀態(tài)下的葉片,利用PhotoModeler軟件對圖像進行處理,獲得葉片三維點云模型；接著利用MATLAB編程實現葉片的三維曲面建模并計算曲面面積；最后采用掃描儀和Photoshop相結合的測量方法與所提出的方法對比。實驗結果表明,本文提出的方法對自然狀態(tài)下的葉片測量效果良好,精度高達99%。(2)基于高光譜成像技術的甘蔗莖節(jié)識別。采用高光譜成像技術對甘蔗莖節(jié)進行識別,運用SPA算法提取莖節(jié)的5個特征波段,建立SPA-PLS判別模型,校正集和預測集的識別率分別為99.44%和98.31%,對莖節(jié)判別效果非常好。運用該模型5個敏感波段組合的圖像進行莖節(jié)識別與定位,定量地檢測出莖節(jié)的位置,并將識別模型及定位方法應用于另外20個樣本,同樣取得良好效果,這為甘蔗莖節(jié)的識別與定位儀器的開發(fā)提供理論基礎和依據。(3)基于機載LiDAR的樹木信息采集與提取。采用機載LiDAR獲取點云,利用點云分類算法,分別過濾地面和建筑物點云,實現城區(qū)樹木點云的提取。采用角度法搜索邊界,并在相應的CCD影像上顯示,采用任意多邊形面積算法和體積計算公式計算各連通區(qū)域的冠層投影面積和體積。在研究區(qū)域隨機選出10個外業(yè)樣地進行傳統(tǒng)的人工測量,將基于LiDAR的激光測量與人工測量2種方法進行比較,驗證本文方法的可靠性,為植被冠層和生物量的高精度定量估算提供了優(yōu)質數據源,具有精度高、測量范圍大等優(yōu)點,將其引入到林業(yè)領域具有廣闊的應用前景,有助于政府等相關部門進行高效合理地科學管理和決策。(4)基于Android的柑橘信息測量系統(tǒng)開發(fā)。利用Java結合OpenCV函數庫編寫軟件,以Android平板電腦為工作平臺,采用圖像處理技術對體積和表面積進行測量。測量步驟分為：圖像獲取、圖像分割、圖像二值化、濾波去噪、三維線框模型的坐標點計算、體積和表面積計算。采用該方法分別對多個直徑的圓在100mm到350 mm之間間隔為50mm的6個距離段進行了測量,驗證了攝像頭自身的畸變在0.3%以內,被測物輪廓的大小對測量精度無影響。應用本文提出的方法測量了10組不規(guī)則形狀的柑橘的體積和表面積,并與排水法和掃描圖像處理法的測量結果比較,準確率在98%以上。測試了采集圖像數量分別為5-15,測量準確率隨圖像數量的增加而提高,計算時間都在5s內。實驗結果表明,該方法具備精確測量類球體農產品的體積和表面積的能力。
[Abstract]:......
【學位授予單位】：浙江大學
【學位級別】：博士
【學位授予年份】：2016
【分類號】：TP391.41
，

本文編號：1690758