针对目前草莓采摘机器人草莓图像分割运算量大、耗时多等问题,根据CIE-XYZ颜色模型及其色度图,提出了一种在RGB彩模型中进行草莓图像色调分割的方法。该方法无需彩色模型转换,时间复杂性能较Lab彩色模型下a通道阈值分割算法与BP神经网络分割算法优越。对该算法进一步改进后,只需加减运算,无需乘除运算。试验结果表明:该算法能很好地实现成熟草莓果实与图像背景的分离,并较好的保存草莓轮廓信息,分割效率>85%;进一步对分割后的图像进行形态学处理,如膨胀、腐蚀等,有效消除了孔洞现象。

草莓成熟度和空间位置的识别是草莓采摘机器人研究的重要环节 ,解决此问题必须首先对采集的草莓图像进行分割。采用三层BP神经网络 ,通过分析选取 3× 3邻域像素的H通道值作为草莓图像的特征 ;选取HSV模型中与亮度无关的通道以排除图像的明暗对分割效果的影响 ;采用单通道以缩短图像处理时间。选取 2 0幅图像作为训练样本 ,以人工借助Photoshop软件分割后的图像作为教师信号 ,采用BP算法对神经网络的权值进行训练。经过 10 0次循环后 (误差为 0 0 0 1) ,获得了有效的网络权值。试验结果表明 ,利用BP神经网络能较好地实现成熟草莓果实与背景的分离 ,经过提取大区域和腐蚀、膨胀等算...

[目的]为克服光照不均引起的低对比度、反光、阴影、光斑及遮挡等对大田复杂背景下小麦冠层图像分割的干扰。[方法]本文设计了一种结合脉冲耦合神经网络(Pulse Coupled Neural network,PCNN)与同态滤波的自适应图像增强和基于L*a*b*颜色空间α角度模型的K均值聚类分割算法。首先,将小麦冠层图像转换到HSI颜色空间,采用自适应算法对HSI空间的I分量进行增强处理,适当调节饱和度S分量,补偿光照强度分布不均,去除阴影及拉大对比度;其次,将增强处理后的图像映射到L*a*b*颜色空间,提取

以自然光下大田油菜幼苗图像为研究对象,运用超红指数ExR、超绿指数ExG、超绿超红差分指数ExGR、归一化植被指数NDI、植被提取颜色指数CIVE、植被指数组合COM等6种常用植被指数和阈值算法分割具有阴影区域的大田油菜图像,同时试验中引入定量评价标准客观评价常用RGB空间植被指数的分割效果。结果表明:定性分析中COM指数优于其他5种植被指数,能够减少阴影带来的分割影响,并在局部叶片分割试验中保留完整叶片轮廓;定量分析中COM指数提供最佳分割精度、灵敏度和特指度分别为94.1%、97.2%、90.9%,其相应标准差为1.1、1.3和0.06。

[目的]以草莓为代表的浆果果实收获方式仍然以人力为主，随着近年来农业生产人员老龄化及人工费用的激增，机器（人）全自动采摘已是必然趋势，目前的难点在于机器视觉的识别与定位，相比2D视觉，3D视觉不仅具有更丰富的语义信息，而且在空间定位上有着明显的优势。本文旨在利用3D视觉技术实现草莓的准确识别和定位，为机器人自动采摘提供技术支持。针对田间背景噪声干扰、草莓果实体积小且伴随遮挡的难点，本文采用点云滤波技术进行点云降噪，利用3D视觉技术实现了草莓与复杂背景的语义分割。[方法] 使用IntelRealsenseD435i深度相机采集了不同光照、不同季节和遮挡条件下的草莓点云数据，构建了一个包含三个类别的数据集，分别为无遮挡、低遮挡、高遮挡。首先结合多阈值统计滤波和ROI提取技术对点云数据进行预处理，过滤噪声；以PointNet++为基础模型，对点云数据直接提取特征，并在PointNet++的基础上提出了一种针对复杂背景下小尺度目标的语义分割模型SS-PointNet++，利用点云的多种特征信息作为网络的输入特征，构建采样层、分组层，并通过PointNet提取局部特征，使用最远点采样法对点云取样并最大程度的覆盖到整个点集，针对小尺度目标设计了三种不同半径的球查询(BallQuery)来获取局部特征，改进了SA层和FP 层的结构，使其能够适应低密度点云。[结果]对未经预处理的点云进行分割时，有 0.74%的概率出现离群点的误判问题，而对预处理后的单张点云图像进行语义分割的用时平均减少了 3.47 s。点云图像测试结果表明，SS-PointNet++模型的平均准确率达到了 86.95%，比优化前提升了 19.54百分点，平均交并比为 0.740。在光照充足且无遮挡的草莓上，该模型的语义分割准确率高达 95.36%，而在暗光环境下，该模型的平均准确率也能达到 81.34% 。[结论] SS-Pointnet++模型提升了小尺度目标点云的语义分割效果，对不同光照条件具有较强的鲁棒性，为基于 3D 点云的小物体和遮挡物体的分割提供了一种有效的方法；本文提出的草莓遮挡类型的划分，对后续草莓遮挡问题提供了数据分析支持，对其他基于3D点云的小尺度物体的目标检测和遮挡问题也起到借鉴作用。

草莓在世界小浆果生产中居于首位,中国草莓出口量世界排名已由1997年的第11位上升到2016年的第5位,分析中国草莓出口变动的影响因素,旨在确定影响中国草莓出口的主导因素及影响程度,探析中国草莓产业出口的优势和不足。文章在对世界草莓和中国草莓的种植情况、出口现状进行描述分析的基础上,选取1997—2016年中国和世界草莓进出口数据分4期(5年为1期),运用恒定市场份额模型(CMS模型)对中国草莓出口变动的影响因素进行分析。结果表明,市场规模效应、市场分布效应、竞争力效应三者作用的方向和大小因时期而异,1～2期促进中国草莓出口增加的主导因素是市场规模效应,2～3期为市场分布效应,3～4期为竞争力效应。鉴于上述研究结果,提出促进中国草莓出口的对策建议。

【目的】图像分割是作物病害自动识别系统实现的难点之一,前人研究大多采用基于阈值或聚类的分割算法,方法简单、易于实现,但分割精度较低。本文引入高斯模型的Markov随机场分割模型(G-MRF),对玉米叶部病斑图像进行分割试验,以期提高分割精度。【方法】在VC6.0下实现了G-MRF分割模型,G-MRF既利用了图像像素的灰度信息,又通过像素类别标记的Gibbs光滑先验概率引入了图像的空间信息,是能较好地分割含有噪声图像的算法。采用该算法对大斑病、小斑病、灰斑病和弯孢菌叶斑病等4种主要玉米叶部病害的图像进行了分割测试,并与基于阈值和基于Gauss模型的分割算法进行比较。【结果】基于G-MRF分割模型...

木材表面缺陷会严重影响木材的质量、性能和使用价值，对木材表面缺陷分割检测有利于提高木材的利用率，节约现有木材资源，缓解森林资源短缺的压力。针对传统的Ｃ－Ｖ（Ｃｈａｎ－Ｖｅｓｅ）模型算法不能分割灰度不均匀图像的缺点，本文采用Ｃ－Ｖ模型与形态学结合的方法与传统的Ｃ－Ｖ模型算法进行对比试验。与此同时，根据Ｃ－Ｖ模型和Ｃ－Ｖ模型结合形态学方法的不足之处，在Ｃ－Ｖ模型基础上，引入局部拟合函数和高斯核函数，提出了一种基于Ｃ－Ｖ模型的改进算法，能够有效地克服Ｃ－Ｖ模型的不足。通过对木材表面缺陷图像分别采用传统Ｃ－Ｖ模型算法、Ｃ－Ｖ模型与形态学结合的方法和改进的Ｃ－Ｖ模型算法进行多组针对单一目标的木材表面缺陷．．．

针对羊体图像背景复杂、分割难以及不同光照条件干扰羊体图像的问题,采用一种基于YCbCr空间改进C-V主动轮廓模型的分割方法,对具有复杂背景的羊体图像分割进行研究。结果表明:1)根据羊体图像的颜色特点,对羊体图像进行从RGB空间到YCbCr空间的转换能克服拍摄环境中光照对羊体的影响;2)利用手动勾画羊体的粗略轮廓构造预处理水平集,对其内部、外部以及边界进行划分后可以演化羊体图像的轮廓。试验证明改进C-V模型能对复杂背景下的羊体图像进行准确分割,分割结果能够应用到后续羊体测量点的识别中。

成熟草莓果实重心和采摘点的确定是草莓采摘机器人采摘收获作业中的关键问题。采用LRCD (lumi nanceandredcolordifference)方法分割草莓图像。在RGB色彩模型中 ,求得图像中每个像素的色差 ,在灰度图像中显示以色差值为灰度值的色差图像 ,取合适的阈值对该图像二值化 ,得到分割后的草莓图像 ;提取分割后草莓图像的几何特征 ,从而确定草莓的重心位置和采摘点。采用本文所述的机器人视觉系统 (CCD成像像素 75 3× 5 82 ,像素中心距 10 μm× 10 μm)的试验结果表明 ,其采摘点位置误差

针对植物病害图像的病斑区域边缘像素存在模糊性和不确定性,利用T-S模型的模糊规则后件是输入语言变量的函数特性,提出线性清晰化的自适应五层模糊神经网络模型作为植物病害图像模式分类的决策系统,并利用量子遗传算法对模型系统的可调整参数的初始值进行全局优化。试验结果表明:该模型对马铃薯早疫病的彩色图像的有效病班区域分割精确达到100%,学习算法速度快、收敛稳定、鲁棒性较好,避免了传统梯度下降学习算法的局部最小值,并且简单易于实现。

为了更好地对板材表面的节子和虫眼进行快速有效的分割，对局部二值拟合（ｌｏｃａｌ ｂｉｎａｒｙ ｆｉｔｔｉｎｇ，ｌｂｆ）模型进行了深入研究，从而提出一个改进的ｌｂｆ模型，即在ｌｂｆ模型的基础上，添加一个新的水平集线性正则化项，与此同时引入一个以高斯函数为核函数的局部二值拟合能量。改进算法能够克服ｌｂｆ模型的分割缺点，使得分割过程对初始轮廓的大小和位置不敏感，同时增强算法的抗噪性，能够分割出灰度不均匀的图像。经实验验证，该算法可以比较完整地提取出单一目标和多目标的板材节子和虫眼的图像，以及对应得出与缺陷图像相对应的水平集演化图像。

为尽可能地去除人为主观性对草莓分类结果的影响,简化形状分类算法,采用多元聚类分析对草莓进行分类。按一定顺序和位置在草莓轮廓上选取12条直线作为草莓形状的特征参数,对特征参数作归一化处理消除草莓大小对形状的影响;对特征参数进行多元聚类后,从聚类结果中每类选取一定数量的多维参数,作为该类草莓形状的标准特征参数;根据待分草莓的特征参数与各类标准特征参数距离的远近,将其分入相应的类中。选用不同形状的80个草莓进行试验验证,结果表明:草莓分类准确率达90%以上,每个草莓的平均处理时间≤1 s,满足实时分类处理要求。

为解决强光照射导致的草莓图像分割后的内部孔洞问题,采用扫描线填充算法对孔洞进行填充。首先提取图像中整个草莓果实区域的轮廓线,在分析水平扫描线和区域轮廓线相交的各种可能性后,快速求取扫描线和轮廓线的交点,然后进行交点配对和区域填充,通过对整个草莓果实区域的填充实现孔洞填充。对150幅有孔洞的草莓图像进行填充试验,结果表明,采用该算法可以填充目标图像中的所有孔洞,填充准确率为100%,填充效果与孔洞位置、大小、数量等因素无关。与其他填充算法相比,该算法流程简单,复杂度低,填充结果准确可靠,可推广进行其他图像孔洞的填充。

为了获取温室中植物生长图像信息,设计了一款能够监测温室内植物生长信息的无线智能图像采集节点,引入了休眠-唤醒机制大幅降低节点能耗。节点采用STM32ZET6芯片作为微控制器,CC1101为射频模块,扩展了OV7670图像传感器。将SimpliciTI射频网络协议移植到STM32处理器中,将采集的图像信息经过JPEG2000压缩后,分包多跳无线传输至服务器,服务器接收图像,利用改进型LoG算子实现图像分割,得到图像分割结果。结果表明:在温室环境中最大通信距离110 m,节点丢包率较低。一帧JPEG2000格式的温室内植物生长信息图像大小约18 kB,传输时间较短,节点在3.6 V锂电池供电下能工...