排序方式: 共有22条查询结果,搜索用时 15 毫秒
1.
2.
3.
4.
针对设施移动机器人工作环境的复杂性,如光照多变性等,提出了基于L模型的一种新的目标识别方法。L模型是一种新的颜色模型,能够在一定程度上克服光照变化带来的影响。通过对不同光照下的作物果实等目标物进行分割识别结果的实验比较,表明该方法相对于其他常见的识别方法,在各种光照变化条件下均能保持较好的识别效果。 相似文献
5.
自走式宽幅喷雾机现场作业时,经常由于机组速度的变化导致喷施差异,影响了喷雾效果,甚至造成药害.为此,开发了基于嵌入式处理器和多传感器高效融合的变量喷雾控制系统,实现了喷洒压力和机组行走速度的在线协调控制.系统采用PID参数模糊自整定控制器,可自动根据作业速度调整喷雾压力和喷雾量,提高了单位面积施药量的均匀程度.通过对自主开发的变量喷雾样机进行实验表明,该模糊PID 控制器响应快速、适应性强,能迅速消除系统余差,使变量喷雾控制系统具有良好的动态和稳态特性. 相似文献
6.
7.
基于视觉的甜瓜形态信息的无损获取 总被引:1,自引:1,他引:1
以甜瓜果实的直径微变测量为目标,提出了基于数学形态学和改进的spline插值的图像处理算法,开发了基于视觉的高分辨无损检测系统,实现了甜瓜面积和纵横径等表征形态信息的高精度非接触提取。该算法运算简单,相比传统边缘检测算法更易于提取出较为理想的边缘信息,为揭示甜瓜形态与关键环境因子间的组合响应关系和时空变化特征提供了理论依据。 相似文献
8.
【目的】探讨‘巨峰’葡萄果实发育期适宜的灌溉阈值,为鲜食葡萄的精准灌溉提供试验依据。【方法】以8 a(年)生盆栽‘巨峰’葡萄植株为试材,通过器官的连续摄像测量、根域土壤水势的实时监测和叶片日光合速率(Pn)的测定,建模分析果实发育期新梢、果实生长以及叶片净光合速率与土壤水势下降之间的关系。【结果】在果实第一次快速膨大期和转色期,新梢日最大收缩量(MDS)显著增大时对应的土壤水势分别为-8.89 kPa和-9.21kPa。当土壤水势分别低于-17.34 kPa和-16.46 kPa时,新梢日最大值生长量(MXDG)和日最小值生长量(MNDG)均开始负增长。果粒随着土壤水势下降,其生长过程可分为急速膨大、快速膨大、缓慢膨大和收缩四个阶段。果实第一次快速膨大期各阶段对应的土壤水势范围依次为>-9.37 kPa、-9.37~-21.14 kPa、-21.14~-27.86 kPa和<-27.86 kPa;转色期则分别为>-10.31 kPa、-10.31~-22.05 kPa、-22.05~-32.83 kPa和<-32.83 kPa。叶片Pn日最大值在果实第一次快速膨大期土壤水势为0~-27.3 kPa无显著降低,而在转色期土壤水势降至-36.8kPa时显著降低。【结论】确定出既促进果实膨大、又防止新梢旺长且不会显著抑制叶片P_n的指导‘巨峰’葡萄果实第一次快速膨大期和转色期灌溉阈值为-12.83~-15.67kPa和-16.46~-22.05 kPa。 相似文献
9.
为解决青菜包装生产线在加工过程中的杂质在线检测问题,提出一种基于SSA-Kmeans的青菜杂质图像分割算法。首先利用直方图均衡化进行彩色图像增强以降低光照影响;其次基于麻雀搜索算法对初始聚类中心寻优,根据得到的最佳聚类中心,选取包含颜色信息的ab二维数据进行Kmeans聚类;然后对聚类后的图像二值化处理并用形态学滤波方法校正,最终完成图像分割。利用该算法对落叶、枯叶和黄叶等杂质进行图像分割试验,杂质平均匹配率为93.22%,平均误分率为0.70%,平均准确率为92.52%。与FCM算法、Kmeans算法、PSO-Kmeans算法的对比试验表明:本文算法分割精度更优,对不同杂质的分割均表现出良好的鲁棒性,为实现青菜杂质在线检测提供一种新方法支撑,对提高青菜机械化生产水平具有一定的实用价值。 相似文献
10.
基于形态学图像处理的重叠葡萄果径无损测量 总被引:9,自引:4,他引:5
葡萄果实尺寸变化能用来评价葡萄生长及诊断植株水分亏损状况。为实现重叠葡萄果实尺寸的非接触和精确测量,该文提出基于数学形态学的重叠葡萄果实直径测量方法,该方法首先通过内外对象标记消除图像中存在的伪极小值点,再对去除伪极小值点后图像进行分水岭变换得到目标果实的精准轮廓,从而依据目标果实区域计算果实当量直径。试验和现场应用表明,该方法具有好的定位精度,能为葡萄果实直径测量提供精确的轮廓信息;测量系统具有非接触和高精度等优点,测量的重复精度可达±9 μm,为葡萄生长规律研究及葡萄缺水诊断提供了参考。 相似文献