基于主动计算机视觉的茶叶采摘定位技术

为解决名优茶智能采摘的茶叶嫩梢定位问题,提出了一种基于主动视觉的嫩梢定位方法,并据此开发了一套视觉定位系统。针对茶叶采摘工作面特点设计了交叉投影与摄像光路;基于色彩因子法实现了自然环境下茶叶嫩梢的识别;重点研究了利用光栅投影轮廓术实现茶叶嫩梢高度信息获取。光栅投影轮廓术采用时间相位法获取光栅场的相位,并利用判别机制和形态滤波器去除噪声点,以多项式逼近法计算高度克服非线性误差。试验结果表明,基于光栅投影法的茶叶嫩梢定位系统,能够有效识别嫩梢并获取其三维信息,为研究名优茶智能采摘机解决了茶叶嫩梢定位问题。     

冠层反射光谱测量中主动光源光谱稳定性控制

结合自主研发的冠层反射光谱测量装置,对装置主动光源采用的波长730 nm和810 nm两种窄带LED的光谱稳定性进行了研究。实验结果表明:两种LED在未加特殊控制、按照测量要求高频脉动点亮时,结温均显著升高,造成光源光谱峰值波长的线性红移和发光强度的线性降低,严重影响测量装置测量结果的稳定性和可靠性。提出了一种间歇式脉动驱动LED的方法,该驱动方法使LED工作时结温的升高幅度保持在2℃以内,峰值波长的波动小于1 nm。最后该驱动方法被嵌入到反射光谱测量装置中,进行了室内及田间稳定性测试实验,反射光谱响应值最大相对波动率小于5%。     

机器视觉技术在农业机器人定位中的作用

随着科学技术的飞速发展,机器视觉技术在不同的应用场景下取得了良好的效果。机器视觉技术通过卷积神经网络、YOLO等模型,可以实现目标检测、目标分类、位置识别等。实践证明,农业机器人进一步结合机器视觉技术可以极大地提高农业智能化水平。基于此,课题组介绍了机器视觉技术在农业中的应用场景,详细分析了农业机器人的定位解决方案,结合单目相机提出了实现目标定位的方法,结合图像特征点提出了农业机器人位置的确定方法。结果表明,机器视觉技术能够实现农业机器人的精确定位,有利于农业的智慧化、自动化发展。     

苹果着色面积的计算机视觉研究

计算机图像处理技术适用于设计制造水果自动分级流水线,因其大大减轻了分级时的劳动强度,因而应用计算机图像处理技术进行农产品质量检测与分级有非常好的应用前景。为此,根据图像中三原色R、G、B值,通过1931色度图,进行了颜色测量,用像素点变换法恢复苹果在二维投影图像中真实几何信息,重新计算像素点的面积,从而计算了苹果的着色面积,得到了满意的结果。     

基于双目视觉的农业机器人运动定位与避障研究

针对当前机器人定位避障技术中,感知外界环境信息单一及误差大等问题,提出了一种基于双目视觉的农业机器人运动定位和避障系统,可以通过双目视觉采集农业机器人周边的环境信息,实现农业机器人运动定位和避障。MatLab实验结果表明:农业机器人从起点成功到达终点,算法路径为最优避障路径,证明了系统的准确性和可行性。     

基于视觉定位的按摩机器人穴位跟踪系统设计与研究

机器视觉定位是机器人智能化程度的重要指标,基于中医按摩视觉定位,研制出一种能够实现实时图像采集分析、坐标变换的按摩穴位跟踪系统。视觉定位跟踪系统利用摄像头获取图像,并对图像进行处理,判断患者在按摩过程中是否发生移动,实现对按摩穴位的动态跟踪,保证了按摩穴位的准确性。     

基于主动光源的作物冠层反射光谱测量方法

结合自主研发的测量装置,对实现基于主动光源的冠层反射光谱测量方法进行了阐述。对测量装置的测量原理进行了论述,分析了高频调制光源模块、光电池响应一级放大模块、高通滤波模块、二级放大模块和信号提取模块5大功能模块。对其中一级放大电路的参数设计和信号提取模块的算法设计2个关键环节进行了理论分析与推导。应用自制测量装置对小麦冠层进行反射测量实验,实验结果表明：测量装置可以有效滤除环境光引起的响应,测量值稳定可靠,最大相对波动率小于4.97%。     

基于视觉与激光雷达融合的棚内农业机器人定位和检测研究分析

【目的】探究视觉与激光雷达融合在棚内农业机器人中的应用,解决复杂环境下机器人自主导航的关键问题,提高机器人的感知能力和环境适应性。【方法】首先,采用高精度的视觉传感器捕捉棚内农业场景,通过图像处理技术提取关键特征,建立视觉地图以支持机器人的定位。同时,引入激光雷达传感器获取场景的三维点云数据,从而实现对环境深度和形状的准确感知。视觉与激光雷达信息的融合构建了综合感知系统,为机器人提供了更全面、可靠的定位信息。其次,针对棚内农业作业中常见的障碍物,设计了基于深度学习的障碍物检测算法。通过训练神经网络,机器人能够在实时环境中快速而准确地识别障碍物,并进行相应的避障决策。【结果】本研究提出的基于视觉与激光雷达融合的农业机器人定位和障碍物检测系统在不同棚内环境中表现出卓越的性能。【结论】机器人能够实现高精度的定位,并对障碍物做出及时准确的响应,为棚内农业的自动化精准作业奠定了坚实的技术基础。     

基于实例分割的番茄串视觉定位与采摘姿态估算方法

准确识别定位采摘点,根据果梗方向,确定合适的采摘姿态,是机器人实现高效、无损采摘的关键。由于番茄串的采摘背景复杂,果实颜色、形状各异,果梗姿态多样,叶子藤枝干扰等因素,降低了采摘点识别准确率和采摘成功率。针对这个问题,考虑番茄串生长特性,提出基于实例分割的番茄串视觉定位与采摘姿态估算方法。首先基于YOLACT实例分割算法的实例特征标准化和掩膜评分机制,保证番茄串和果梗感兴趣区域(Region of interest, ROI)、掩膜质量和可靠性,实现果梗粗分割;通过果梗掩膜信息和ROI位置关系匹配可采摘果梗,基于细化算法、膨胀操作和果梗形态特征实现果梗精细分割;再通过果梗深度信息填补法与深度信息融合,精确定位采摘点坐标。然后利用果梗几何特征、八邻域端点检测算法识别果梗关键点预测果梗姿态,并根据果梗姿态确定适合采摘的末端执行器姿态,引导机械臂完成采摘。研究和大量现场试验结果表明,提出的方法在复杂采摘环境中具有较高的定位精度和稳定性,对4个品种的番茄串采摘点平均识别成功率为98.07%,图像分辨率为1 280像素×720像素时算法处理速率达到21 f/s,采摘点图像坐标最大定位误差为3像素...     

基于视觉测量的茶叶嫩芽定位方法研究

针对目前名优茶采摘效率低以及名优茶的采摘具有较强的时效性等问题,提出用双目摄像头定位茶叶嫩芽,以此推动自动化采茶设备的研发。采用双目立体视觉技术获取茶叶嫩芽的三维坐标信息,用于引导采摘机械臂进行自动化采摘作业。试验以茶园中的茶树为研究对象,根据SGBM算法获得一幅视差图像。然后通过OpenCV中reprojectImageTo3D函数得到深度图像,最后对照左摄像机中嫩芽形心在深度图像中的位置,获取茶叶嫩芽的三维坐标信息。实验结果表明,所采用的方案能够较为精确地定位出茶叶三维立体坐标,为后续自主采茶机器人的研发提供了技术支持。     

深松试验测试系统的研究

利用SDY2101型动态应变仪和Vib’sys处理分析系统组成测试系统,并使应变片构成4个测点,构建4个半桥电路来测量对应处的应变,建立工作阻力计算方程,为深松试验打下基础。为此,介绍土槽试验深松铲工作阻力测试系统及工作阻力计算方法。     

数字农业平台及位置测量系统

随着现代科学技术的迅速发展。信息时代的经济也打上了数字化的烙印。具有明显的数字化特征。为此，阐述了数字农业精准生产技术平台的构成、工作原理及要实现的目标。着重介绍了高精度的摩擦轮光电位置测量系统的设计，解决了数字农业精准生产技术平台在轨道行驶时的位置测量问题。     

机器视觉技术在农产品破损检测上的应用

农产品的表面缺陷是农产品品质的重要特征,利用机器视觉进行检测具有人工检测所无法比拟的优越性。为此,分析了目前国内外利用机器视觉和图像处理技术进行农产品破损检测研究的现状和存在的问题,提出了今后研究的方向和发展途径。     

全包围光源结构的单粒小麦蛋白质含量检测装置研究

针对单粒小麦蛋白质含量等内部表型的实时检测需求,设计了基于近红外漫反射光谱的无损定量检测装置,阐述了光源结构设计、硬件系统设计和软件系统构建。选用近红外LED微型灯珠,以6行8列形式均匀分布于圆柱形铝合金灯筒壁上,形成向心全包围的物理结构,LED灯珠引脚通过16根导电铜柱并联连接,灯筒上顶部设有红外对射传感器,当检测到谷物经由灯筒内的玻璃滑道时,光谱仪通过一分二型光纤分别从灯筒上顶部和下底部收集漫反射光谱,基于C++语言的上位机软件将其转换为吸光度,再根据嵌入模型进行实时预测。获取了300粒单粒小麦900~1 700 nm范围的全包围漫反射光谱,进行归一化处理后,分别建立了基于全光谱(FS)和连续投影算法(SPA)提取特征波长的单粒蛋白质含量预测模型。试验结果表明,两个模型校正集的R2分别为0.960 4和0.844 6,验证集R2分别为0.801 6和0.819;从实用性和预测效果出发,选择基于SPA特征波长的蛋白质模型作为嵌入式预测模型;分别验证了该装置的波长重复性、吸光度重复性和预测重复性,结果表明,本装置可以用于单粒谷物内部表型的实时、无损、定量检测。     

温室内人参生长区土壤温度变化的试验研究

人参以根入药,在其生长过程中,土壤温度的变化对人参生长速度和品质有着重要的作用,而环境温度的变化对各深度土壤的温度有很直接的影响.为此,对温室人参生长区内的土壤进行了试验研究.试验表明:随着土壤深度的增加,环境温度的影响越来越小,土壤温度有趋于稳定的趋势.     

计算机视觉技术在番茄损伤区域自动检测中的应用

农产品品质检测与分级是流通和加工过程中的一个重要环节,其检测与分级水平不仅直接关系到人民的健康,而且还是国际、国内农产品市场竞争的重要因素。为此,研究了图像处理的去除噪声、图像分割、图像增强等多种低层处理的方法,建立用区域增长法进行番茄表面缺陷区域检测,实验证明番茄损伤检测的准确率不低于90%。     

鸡蛋大小等级模型的修正

在课题组前期研制的基于机器视觉的鸡蛋大小等级模型的基础上,对影响鸡蛋大小的几何因素（包括像素和A、长轴长L、短轴长S、蛋型指数K）做了进一步的分析和探讨,得到修正后的鸡蛋大小等级模型。试验结果表明,鸡蛋的大小不仅与像素和A之间存在着显著线性相关关系,而且与短轴S之间也存在着显著线性相关关系,修正后的模型相关系数达到了0．981。     

基于计算机视觉的滚珠螺母形位误差检测

提出了基于计算机视觉的滚珠丝杠副螺母的形位误差检测方法。使用DH-HV3000FC型数字摄像头采集滚珠螺母的图像,经过IEEE1394数字接口卡传输到计算机。对含有噪声的原始数字图像实施预处理、图像分割及细化等处理,使图像转变成易于检测的单像素宽边缘信息。使用自编程序测量和计算螺母的圆度、圆柱度、滚道跳动及滚道对螺母外径的同轴度,测量值分别为f1=8.34μm,f2=11.94μm,f3=12.76μm,f4=8.87μm。测量结果满足滚珠螺母的形位公差要求,并分析了误差的产生原因。理论分析及实验测量结果表明该方法正确可行。     

基于机器视觉的精播排种器性能检测方法

介绍了采用机器视觉的精播排种器性能检测方法:通过CCD摄像机直接拍摄动态种子流,对获取的样本进行背景去除、二值化、图像平滑、特征量提取、图像标定等处理;构造了基于排种时间序列的型孔种子数频数统计方法,计算出排种器性能指标.试验表明,此方法检测误差小、速度快.