复杂背景下重叠椭圆形叶片的分割算法

【目的】提出一种复杂背景下重叠椭圆形叶片的分割算法。【方法】利用超绿算法将重叠叶片主 体及部分绿色背景分割出来;通过选择最大连通区域选择重叠叶片的主体,去除叶柄后利用凹点检测和凸点检 测获得叶片重合部位的凹点和叶片的尖端点;利用获得的凹点与尖端点,截取上层叶片未重叠区域的部分边缘 点并以上层叶片的两个尖端点所确定的直线作为对称轴将其翻转至重叠区域作为贪婪算法的初始点寻找重叠区 域的边缘;对获得的边缘进行平滑和凸包处理,即可获得目标叶片的边缘,从而较为正确地分割出上层叶片。 对于重叠的下层叶片,则以整个重叠叶片减去分割出的上层叶片,即可得到下层叶片未被覆盖的区域;将下层 叶片完整的一半以其尖端点形成的直线为对称轴进行翻转,即可得到下层叶片的补全图。【结果】该算法可以 实现复杂背景椭圆形重叠叶片的分割,且平均错分率在 3.0% 以下。【结论】针对复杂背景下椭圆形重叠叶片的 分割,提出结合凸点检测和凹点检测的贪婪算法可以较为准确地分割目标叶片,平均错分率在 3% 以下,即分 割准确率在 97% 以上。     

油茶果的采收与贮藏方法

油茶是我国的主要木本油料树种，油茶果提取的茶油色清味香，是优质的食用油。充分利用山区自然条件栽种油茶，生产优质茶油，对改善人民生活、增加农民经济收入极为重要，对绿化荒山、调节气候、蓄水保土、调节生态平衡也都起着重要的作用。油茶为镇安县主导产业之一，为更好地开发利用油茶资源，现将油茶果采收与贮藏技术介绍如下。     

基于Faster-RCNN的自然环境下油茶果检测研究

利用Faster-RCNN卷积神经网络模型检测了自然环境中的油茶果图像。首先对3820副油茶果图像进行标注,然后通过VGG16网络提取油茶果的特征,送入RPN层进行分类和校准,最后对油茶果进行分类回归。对100幅含有696个油茶果的图像进行检测验证,检测结果表明:平均识别率为92.39%,准确率为98.92%,召回率为93.32%,F1值为96.04%;平均每幅图像的识别时间为0.21 s,能满足油茶果实时检测的要求。     

基于Faster-RCNN的自然环境下油茶果检测研究

利用Faster-RCNN卷积神经网络模型检测了自然环境中的油茶果图像.首先对3820副油茶果图像进行标注,然后通过VGG16网络提取油茶果的特征,送入RPN层进行分类和校准,最后对油茶果进行分类回归.对100幅含有696个油茶果的图像进行检测验证,检测结果表明:平均识别率为92.39％,准确率为98.92％,召回率为...     

自然环境下苹果作业机器人双果重叠目标侦测方法

为进一步提升苹果的侦测精度,从而提高苹果作业机器人的果实作业效率,以果园重叠苹果为对象,研究了自然环境下双果重叠目标的机器侦测方法。首先将采集到的苹果图像在Lab色彩空间中利用K-means聚类算法提取重叠苹果目标区域;其次在得到重叠苹果边界上的Harris角点后,通过关键角点检测算法定位苹果重叠部分的果实轮廓所在区域,并利用Canny边缘检测算子提取出苹果重叠部分的果实轮廓;然后利用Y型节点搜索算法实现重叠苹果目标的单果轮廓分离,并得到未遮挡果实的完整轮廓;最终利用距离最小二乘算法对被遮挡苹果目标进行果实轮廓重建。为验证方法的有效性,将Hough变换法、Spline样条内插法的重叠果实侦测结果与本文方法所得结果进行对比。试验结果显示,本文方法不仅可以侦测出未遮挡果实的完整轮廓,同时对被遮挡苹果目标也有较好的轮廓重建效果,其果实平均重合度和定位误差分别为95.43%和4.44%,侦测性能明显优于前两种方法,表明本文方法可以较好实现自然环境下苹果双果重叠目标的侦测,该结果为苹果作业机器人多果重叠目标的自动化侦测提供参考。     

基于YOLON网络的多形态油茶果实夜间检测方法研究

【目的】提出了一种YOLON目标检测网络,为油茶果采收装置夜间非结构化环境下果实目标的精准识别提供技术支持。【方法】在改进YOLOv3的基础上建立YOLON目标检测网络,先在图像输入端添加照度调整模块(LA)对输入图像的照度进行自适应调整,以加强前景图像特征的显著程度,利用特征提取网络对输入图像进行多次卷积以得到对应的特征图;然后在特征融合层添加夜间隐性知识模块(NPK),以先验信息的形式辅助网络预测,提高夜间果实目标的识别准确性;最后对网络特征图进行解码处理得到对应的目标检测框,从而完成对夜间油茶果实目标的检测。为验证所提出网络的有效性,采用准确率(P)、召回率(R)、平均精度均值(mAP)和综合评价指标(F1)对YOLON及对比网络YOLOv3、YOLOv4、YOLOv5s的检测效果进行定量评价。【结果】用YOLON和各对比网络在夜间油茶果数据集上进行训练和测试,YOLON网络的P、R、mAP、F1分别为94.00%,83.63%,94.37%和89.00%,mAP分别较YOLOv3、YOLOv4、YOLOv5s提高2.32%,4.93%和2.33%;对不同果实数量油茶果图像进行测试,YOLON在单果、双果和多果测试数据集上均有较好表现,其对这3类果实目标检测的mAP为98.34%,分别较YOLOv3、YOLOv4、YOLOv5s提高2.17%,8.99%和4.35%;对整树小尺寸油茶果实的检测效果,YOLON的mAP可达93.56%,分别较YOLOv3、YOLOv4、YOLOv5s高1.24%,8.66%和5.57%;在对整树油茶果实图像进行检测时,YOLON的平均置信度为0.69,分别较YOLOv3、YOLOv4、YOLOv5s高0.09,0.22和0.14;此外,用YOLON对夜间采集的处于重叠、遮挡、复杂背景等多态耦合下的油茶果实图像进行检测,也均具有较高的检测置信度。【结论】YOLON可以满足油茶果采收机器人果实定位精度的要求,将其应用于油茶果夜间图像的检测是可行的。     

基于双目立体视觉的重叠柑橘空间定位

果实的精准识别和定位是智能采摘面临的难题之一。基于双目立体视觉,提出了一种针对户外重叠柑橘的三维空间定位方法。首先,从双目左右图像中提取重叠柑橘果实轮廓并进行高斯平滑,通过曲率分析,找出异常的轮廓像素点;其次,依次连接相邻两个异常像素点,分析该线段上的像素点到柑橘轮廓的距离,在相邻两正常线段的交点处完成重叠柑橘轮廓分割,并通过寻找异常线段剔除对应的非柑橘轮廓像素点;再者,采用最小二乘椭圆拟合方法重建柑橘目标轮廓,并获取柑橘的中心;最后,根据双目极线约束和图像相似度,对重叠柑橘中心点进行匹配,并基于视差原理计算柑橘中心的深度值及三维空间坐标,确定重叠柑橘的遮挡关系。户外实验结果表明,所提出的方法定位误差为6.38 mm,满足柑橘采摘机器人户外采摘作业的定位精度要求。     

基于双目立体视觉的重叠柑橘空间定位

果实的精准识别和定位是智能采摘面临的难题之一。基于双目立体视觉,提出了一种针对户外重叠柑橘的三维空间定位方法。首先,从双目左右图像中提取重叠柑橘果实轮廓并进行高斯平滑,通过曲率分析,找出异常的轮廓像素点;其次,依次连接相邻两个异常像素点,分析该线段上的像素点到柑橘轮廓的距离,在相邻两正常线段的交点处完成重叠柑橘轮廓分割,并通过寻找异常线段剔除对应的非柑橘轮廓像素点;再者,采用最小二乘椭圆拟合方法重建柑橘目标轮廓,并获取柑橘的中心;最后,根据双目极线约束和图像相似度,对重叠柑橘中心点进行匹配,并基于视差原理计算柑橘中心的深度值及三维空间坐标,确定重叠柑橘的遮挡关系。户外实验结果表明,所提出的方法定位误差为6.38 mm,满足柑橘采摘机器人户外采摘作业的定位精度要求。     

棉田复杂背景下棉花叶片分割方法

【目的】解决棉田复杂背景下棉花叶部病害快速识别问题,为提出一种快速提取棉花植株和分割棉花叶片的方法。【方法】通过棉花植株的RGB颜色特征将植株与土壤进行分离,结合形态学处理技术和彩色分割方法,将植株的茎秆去除,保留棉花叶片部分;分别使用广度搜索分割算法、分水岭分割算法和轮廓搜索分割算法,对棉花叶片图像进行分割提取。【结果】基于广度搜索的分割算法将叶片轮廓搜索出来与原图融合分离出叶片,该算法对于图像结构简单的情况分割效果较好,通过对应的drawContours函数将每个轮廓画出,再与原图定位,将叶片的完整信息也轮廓结合,实现叶片的分离。【结论】基于距离变换的分水岭分割算法存在过分割问题,基于广度搜索分割算法与边缘检测结合对于叶片结构清楚图像分割效果显著,与轮廓搜索算法相比,后者的适用性更广,提取的轮廓层次结构也清楚,分割效果最佳。     

复杂背景下黄瓜病害叶片的分割方法研究

利用图像处理和模式识别技术进行复杂背景下黄瓜叶部病害的自动识别,需要先把目标叶片从复杂背景中分割出来,才能进行后续的特征提取和病害识别。为实现复杂背景下黄瓜叶片的分割,首先利用K-均值聚类算法去除图片中的非绿色部分,再采用基于laplacian of gaussia(LOG)算子的方法对待分割的叶片进行区域检测,然后进行基于形状上下文(shape context)的模板匹配和分割。为了提高匹配速度,先检测叶片的生长点和叶尖,以确定叶片的位置、尺寸和方向;然后使用基于超像素(superpixel)的最优匹配搜索方法来减少搜索的复杂度。对20幅黄瓜叶部病害图像进行分割测试,并与人工分割法进行对比,结果表明,本文所采用的分割算法能较好地从复杂背景下提取出黄瓜叶部病害图像,分割准确率达94.7%,为后期黄瓜病斑的特征提取等工作奠定了良好的基础。     

复杂背景下多种树形果树树冠的检测与识别方法研究

针对多种树形果园环境下,由于树冠背景复杂导致的树冠分割、检测及树形识别困难的问题,本研究提出了1种改进Mask R-CNN的B-Mask R-CNN检测模型,实现自然复杂环境下的果树树冠检测与树形识别。该模型引入了IoU(Intersection over Union)平衡采样,提高了模型的训练效果;其次,在边界框损失中引入平衡L1损失,使得多分类损失与边界框损失更快地收敛;另外,在区域推荐网络中调整锚框比例适应数据集中的目标,提升了模型准确率。该研究搜集矮化密植形、小冠疏层形、自然开心形、自然圆头形以及Y形5种常见修剪树形制作数据集,应用5个检测模型进行对比试验。试验结果表明,B-Mask R-CNN检测模型平均检测精度达到98.7%,与Mask R-CNN、Faster R-CNN、U-Net以及K-means模型相比检测精度更高,对复杂背景下的树形识别具有更好的鲁棒性,能够为后续精准喷施中喷施模式和控制参数的分析及应用奠定基础。     

野生动物定位监测数据处理方法研究

以样线法作为野生动物定位监测野外调查的方法 ,对监测样线上的定位监测数据计算以截线抽样法为主、丰富度指数法为辅 ,并将截线抽样法制作成计算机软件 ,用以对大量野外调查数据进行计算、分析 ,从而求得大熊猫或其他珍稀动物的调查数量     

基于HSI颜色模型的杂草与 土壤背景分割方法研究

针对杂草识别中如何将杂草与土壤背景分离问题,提出了利用HSI颜色模型中的H分量分割杂草和土壤背景的方法:该方法首先把RGB彩色空间转换到HSI彩色空间,然后根据色度分量(H)确定阈值将灰度图像转化为二值图像,并在此基础上进行适当腐蚀、膨胀,实现了杂草和土壤背景的准确分割.实验结果表明,该方法的准确率达到90%,验证了该...     

基于LAMP的果蔬斯高维尔炭疽菌可视化检测方法

为果蔬斯高维尔炭疽菌检测提供高效便捷、特异性好、可视化的检测方法,以果蔬斯高维尔炭疽菌内部转录间隔区ITS序列为靶基因,设计4条LAMP引物和1条环引物,通过对引物比例、反应时间、反应体系等条件的选择,建立对果蔬斯高维尔炭疽菌具有特异性扩增的LAMP检测方法.特异性试验结果显示:所建立的LAMP反应体系在最佳反应温度6...     

一种去除高光和阴影的桃蛀螟图像分割方法

[目的]经典的阈值分割方法(OSTU法)在桃蛀螟图像分割中会出现过度分割和错误分割.针对这种情况,提出一种去除高光和阴影的桃蛀螟图像分割方法.[方法]算法过程:第一,将图像从RGB颜色空间转换为YUV颜色空间,利用一个5次多项式转换亮度信息,去除高光.第二,将去除高光的图像在RBG颜色空间归一化,根据阈值找到图像的阴影区域.第三,利用贝叶斯公式计算每个像素的归属,实现图像分割.[结果]经过试验,取得了较好的图像分割效果.     

基于近红外光谱技术的茶油脂肪酸含量的快速检测

为快速准确地测定茶油中脂肪酸含量,建立了应用近红外光谱技术检测茶油中脂肪酸含量的方法。选取市售的156份茶油样品,利用气相色谱仪测定其脂肪酸组成及含量,同时采用近红外光谱仪采集油样的光谱数据,并分析原始(R)光谱、SG平滑(SG)光谱和二阶导数变换(SD)光谱与茶油中脂肪酸含量的相关性,采用偏最小二乘回归法(PLSR)比较全光谱波段与显著性波段对建模精度的影响,优选出茶油中脂肪酸含量的定量检测模型。结果表明:茶油中棕榈酸、油酸和亚油酸含量较高,分别为4.428%~10.931%、78.036%~84.621%、7.013%~9.863%;采集的茶油近红外光谱曲线特征变化较为明显,光谱特征峰的位置分布于8 600~8 200、7 300~6 900、6 000~5 500、4 800~4 500和4 500~4 000 cm–1;茶油中棕榈酸含量与R、SG光谱吸光度呈正相关,油酸和亚油酸含量与R、SG光谱吸光度呈负相关,SD光谱数据与棕榈酸、油酸和亚油酸含量之间的相关系数与R和SG光谱吸光度比较,相关性极大被削弱;基于全波段建立的PLSR模型对棕榈酸、油酸和亚油酸含量的整体预测精度略高于显著性波段所建立的模型,校正集相关系数RC和预测集相关系数RP分别为0.837~0.956和0.818~0.938。从模型的复杂程度分析,采用显著性波段建模的输入变量的数量可压缩至全波段建模的25%以下;SG–PLSR模型对棕榈酸、油酸和亚油酸含量的综合预测性能最优,相应的RP和预测集均方根误差(RMSEP)分别为0.938、0.930、0.925和0.560、0.438、0.287。     

苹果树图像分割算法研究综述

在国内外图像处理和机器视觉技术在苹果树图像分析应用相关研究的基础上,总结了专门针对苹果树图像分割技术的研究进展。按照图像分割的技术体系,分析了苹果树图像分割技术的主要研究进展,系统地总结了图像分割算法及其在苹果树图像应用上的特点,提出了苹果树图像分割算法的演进图,展望了苹果树图像分割算法研究发展的趋势,为基于图像处理及机器视觉技术的苹果信息化技术研究提供了参考。     

基于高光谱技术的茶鲜叶茶多酚含量的估算模型

选取长势、色泽差异较小的9个茶树品种,使用ASD Field Spec Hand Held 2光谱分析仪采集茶树冠层的光谱数据,通过对原始数据进行预处理去除噪音干扰,采用主成分分析方法得到茶树冠层特征波段520、765、821、940 nm,提取特征波段的反射率值,运用多元线性回归、一元线性回归、最小二乘法建立了光谱反射率与茶鲜叶茶多酚含量关系的估算模型。结果表明:最小二乘法模型的决定系数达到0.99;另选23个样品对模型进行验证,真实值与预测值的相关系数为0.97,相对误差为2.99%。     

新疆车前属杂草果实及种子分类特征研究

详细研究了新疆车前属杂草７个种的果实和种子分类特征，编制分种检索表，对外部形态特征进行了描述和绘图。     

基于YOLOv5s的筐装禽蛋上料机器人视觉定位方法

针对国内禽蛋制品加工过程中,散装蛋水中上料时筐装蛋搬运自动化程度低的问题,设计一种自动上料机器人的视觉定位方案。该方案采用YOLOv5s和图像处理相结合的方法,在复杂环境中对散装禽蛋筐进行定位识别。建立最佳分割阈值T与图像平均灰度值M之间的关系模型,使用动态阈值分割法对图像中的堆垛整体进行分割,通过堆垛最小外接矩形的长宽比区分2种筐装禽蛋堆垛类型,堆垛类型识别准确率为100%。使用YOLOv5s对堆垛顶层的单个蛋筐进行定位识别,模型识别精确率为98.48%,检测单幅图片用时为0.005 4 s。根据YOLOv5s输出的定位结果对图片进行裁剪,通过图像分割将蛋筐边框分割出来并用Canny算子检测其边缘信息,计算所有蛋筐旋转角度,平均角度误差为0.41°。结合蛋筐高度得出筐装禽蛋堆垛中所有蛋筐的位姿信息。结果表明,基于YOLOv5s和图像处理的筐装禽蛋定位方法可以准确识别出筐装禽蛋堆垛中所有蛋筐的位姿信息,该系统具有较好的鲁棒性和可行性。