[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。

为实现自然条件下棉花叶片的精准分割,提出一种粒子群(Particle swarm optimization,PSO)优化算法和K-means聚类算法混合的棉花叶片图像分割方法。本算法将棉花叶片图像在RGB颜色空间模式下采用二维卷积滤波进行去噪预处理,并将预处理后的彩色图像从RGB转换到目标与背景差异性最大的Q分量、超G分量、a*分量;随后在K均值聚类的一维数据空间中,利用PSO算法向全局像素解的子空间搜寻,通过迭代搜寻得到全局最优解,确定最佳聚类中心点,改善K均值聚类的收敛效果;最后,对像素进行聚类划分,

【目的】明确草莓杂交品种及其亲本遗传背景。【方法】试验筛选出10条可用于草莓杂交品种及其亲本遗传背景分析的ISSR引物,利用该组引物对12份遗传背景复杂的草莓试验材料进行遗传背景分析。【结果】亲本之间、亲本与子代之间及亲本与组培变异株之间平均遗传距离分别为0.3258、0.2607和0.1981,平均遗传相似系数分别为0.6551、0.7478和0.7672,聚类分析和多维尺度分析均表明遗传背景比较狭窄,并证明本试验中的10条ISSR引物可成为草莓遗传背景分析的有力工具。【结论】草莓遗传背景分析将为其种质创新奠定基础。

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】探究基于多算法融合的草坪杂草精准定位算法，为草坪杂草的自动识别和清除机器人的除草作业提供技术支撑与理论依据。【方法】提出了一种基于语义分割的多算法融合的草坪定位算法。首先，通过PSPNet网络分割草坪和非草坪轮廓。其次，针对分割出来的非草坪轮廓提取感兴趣的区域，去除非杂草轮廓，保留杂草轮廓。然后，利用ZhangSuen细化算法提取杂草轮廓骨架线，并获取骨架交叉点数量和坐标位置。最后，利用融合算法依据交叉点数量选择不同的定位策略，实现杂草根部的精准定位。【结果】融合算法定位的杂草坐标与真实杂草根部中心坐标的均方根误差为83.17像素，相比平均质心法减少了14%，相比最小外接圆减少了22%。换算到实际场景之下，融合算法定位的杂草坐标与真实杂草根部中心坐标的均方根误差为12.48 mm，误差在可接受的误差范围内。融合算法提高了杂草根部中心的定位精度，降低了杂草定位的误差。【结论】基于语义分割和融合算法的草坪杂草定位方法提高了杂草根部中心的定位精度，降低了单一方法的定位误差，可以为草坪杂草自动识别和除草作业提供技术支持。

针对梅花数据的特点,提出一种基于自然背景下的梅花花朵分割算法T&C(Texture&Color)。该算法综合运用了分形纹理和颜色2种特征,有效分割背景图像中的干扰物,实现梅花图像分割。首先,采用双毯子方法计算图像的局部分形维数图,并对分形维数图采用大津阈值分割去除背景中大部分的干扰物;然后,利用颜色特征对剩余的干扰物进行有效分割。在采用颜色特征进行分割时,改进了色度直方图累加算法,并融合了饱和度特征,取得了很好的分割效果。在分割过程中,算法还采取了形态学操作、去噪和填充等处理技术,得到最终的分割结果。对9种梅花图像(每种20幅,共180幅)进行了分割实验,采用误分率对实验结果进行评价,并分别和...

制度性市场分割是进一步深化经济体制改革的重点问题。从市场经济的长期发展来看，制度性市场分割与竞争政策相背离，有碍竞争机制的运行。但就经济发展的不同时期而言，其在某些阶段依旧具有工具价值。可见，制度性市场分割的治理方案应随经济的发展而调整。然而，现有治理体系未能适时回应统一大市场的建设需求，这主要体现在政绩考核导向存在偏差、竞争审查例外适用缺乏指引与区域性竞争状况评估有待激活。为此，应当及时优化治理对策：其一，以统一大市场的建设为导向完善政绩考核制度，强化行为预防；其二，在竞争审查例外适用中构建“1+N+竞争影响最小化”的论证模式，同时引入社会力量强化实施与监督，明确与其他治理环节的衔接问题；其三，构建区域性竞争状况评估“市场维度、民生维度与政策维度”的三维评估模式，进一步发挥反垄断制度的治理效能。

在中国经济转型的过程中,对外开放无疑是最重要的决策之一。少数学者开始从经济全球化的角度对中国国内市场分割进行探索性研究,得出了不尽相同的结论。本文通过构建一个经济全球化背景下地方政府间的动态博弈模型,分析了具有地方保护动机的地方政府是如何博弈从而设置地区间贸易壁垒的,从而对经济全球化、地方政府行为及国内市场分割的关系进行了探讨,最后对如何缓解地方保护行为提供了一些建设性的政策建议。本文认为,要打破地方市场分割、建立全国统一市场,一方面,中央政府要采取行之有效的监管措施;另一方面,地方政府从增长型政府向民生型政府转变。

随着我国参与全球经济合作深度和广度的不断提升,利润分割法在特别纳税调整中的重要性日益增加,而我国目前在运用利润分割法的政策和实务层面都存在一些难点。本文在分析我国运用利润分割法的现状及困难的基础上,结合OECD利润分割法应用指南及美国对利润分割法的运用情况,提出利润分割法在我国实践应用的具体思路。

[目的]奶牛的臀宽是奶牛生长繁殖的重要评判标准，但目前臀宽测量依旧以人工测量为主，费时费力、容易受主观因素影响。本文为了实现奶牛臀宽的自动提取，提出一种基于点云精准分割的奶牛臀宽自动测量方法。[方法]搭建奶牛后俯视深度图像采集系统，对原始数据进行处理，利用DBSCAN方法剔除奶牛周围的背景。其次，基于PointNet++神经网络，将奶牛坐骨结节进行分割并获取臀部区域。最后检测奶牛臀部区域的轮廓线，利用坐骨结节与尾巴之间的凹陷来判定坐骨结节的位置，最终计算出奶牛的臀宽。[结果]试验结果表明，点云分割模型AP50可达94.2%，体尺测量的最大绝对误差为-5.53 cm，平均相对误差为5.84%。而奶牛在尾巴自然下垂状态时绝对误差在-2.02～2.22 cm范围内，平均相对误差为3.79%。[结论]本文方法在奶牛尾巴自然下垂时效果最好，能够较好地实现奶牛臀宽自动检测。

该文提出一种基于SLAM定位的多位置和姿态点云的拼接与分割方法，可提供信息量大且准确的点云样本数据。首先，利用RTAB-MAP框架构建SLAM算法，由KinectV2传感器采集获得带有位姿信息的多角度RGBD图像样本，并转化为三维点云场景数据；其次，改进ICP算法并基于SVD算法设计多位姿点云的拼接算法；再次，根据原始点云的RGB信息与凹凸性特征，设计三维点云分割算法，以此形成一系列点云目标；最后，开展点云拼接和点云分割实验，实验结果验证了该文所提算法的正确性和有效性。

[目的] 目标分割是通过为果园喷雾机提供树木的表征信息，使喷雾机能够实现精准喷雾的一项基本视觉任务。在分割过程中，对苗圃中的树冠、树干等不同部位进行分割，可以帮助喷雾机对喷雾部分的对靶，实现在果园或苗圃景观中无需人工干预的自动导航以及精准喷药等操作。与图片相比，点云能够更好地表征树木的三维结构并且受照明条件影响小，因此针对点云树木设计分割算法更适合应用在果园、苗圃等室外环境中工作的农业机械上。[方法] 本文介绍了一种分割精度准确、参数量小的点云分割网络，TSNet，它可以很容易地被部署在果园喷雾机上。该网络主要具有以下特点：1）该网络基于DGCNN改进，可以更好地实现点云分割任务；2)网络引入了连续递归门控卷积模块 （g~(n)Conv），可以提高树木分割的准确率；3）为了避免全局信息损失并增加信息传递效率，我们设计了权重通道用于特征传递。[结果] TSNet分割树木的mIoU达到了90.08%，模型大小为0.72 M，优于常用的点云分割算法，PointNet、PointNet++、DGCNN、CurveNet、PointMLP和D-PointNet++。[结论] 所提方法能够为苗圃树木检测识别和农业机器人作业提供更准确地感知信息。

树木图像提取是将树木地面摄影图像中的单株树木与其周围景物分离的技术,为计算机技术在林业中的应用提供基础数据和技术支撑。在自然场景中拍摄的背景具有不确定性的树木图像,其提取是一项探索性很强的工作,具有重要的实用价值和现实意义。本文分析了复杂背景下树木图像的特点和提取的难点等问题;把近年来出现的树木图像提取方法按照图像分割和自然图像抠图分成两大类,并分别对每种方法中的典型算法进行了详细阐述。在此基础上,对图像分割与自然图像抠图技术在树木图像提取应用中的优势和局限性进行了分析和比较,提出把图像分割和自然图像抠图技术合理结合,针对树木图像特征,设计出准确、快速、实时的树木图像提取技术是未来研究的重点和...