检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

自然环境下葡萄采摘机器人采摘点的自动定位

农业工程学报 2015年第2期31卷 14-21页

作者：罗陆锋邹湘军熊俊涛张宇彭红星林桂潮华南农业大学南方农业机械与装备关键技术教育部重点实验室广州510642 天津职业技术师范大学机械工程学院天津300222

针对葡萄果梗颜色复杂多变、轮廓不规则等影响因素使得采摘机器人难以准确对采摘点进行定位的问题,该文提出一种基于改进聚类图像分割和点线最小距离约束的采摘点定位新方法。首先通过分析葡萄图像的颜色空间,提取最能突显夏黑葡萄的HS... 详细信息

针对葡萄果梗颜色复杂多变、轮廓不规则等影响因素使得采摘机器人难以准确对采摘点进行定位的问题,该文提出一种基于改进聚类图像分割和点线最小距离约束的采摘点定位新方法。首先通过分析葡萄图像的颜色空间,提取最能突显夏黑葡萄的HSI色彩空间分量H,运用改进的人工蜂群优化模糊聚类方法对葡萄果图像进行分割;然后对分割图像进行形态学去噪处理,提取最大连通区域,计算该区域质心、轮廓极值点、外接矩形;再根据质心坐标与葡萄簇边缘信息确定采摘点的感兴趣区域,在区域内进行累计概率霍夫直线检测,求解所有检测得出的直线到质心之间的距离,最后选取点线距离最小的直线作为采摘点所在线,并取线段中点坐标作为采摘点。以从晴天顺光、晴天遮阴、阴天光照下采集的300幅夏黑葡萄进行分类试验,结果表明,该方法的采摘点定位准确率达88.33%,平均定位时间为0.3467 s,可满足采摘机器人对采摘点的定位需求,为葡萄采摘机器人提供了一种新的采摘点求解方法。

关键词：机器人图像分割定位葡萄采摘点

在线全文

学校读者我要写书评

暂无评论

扰动柑橘采摘的实时识别与采摘点确定技术

农业机械学报 2014年第8期45卷 38-43页

作者：熊俊涛邹湘军彭红星陈文光林桂潮华南农业大学信息学院广州510642 华南农业大学南方农业机械与装备关键技术教育部重点实验室广州510642

对成熟柑橘果实在扰动状态下的视觉识别定位技术进行研究。利用ANSYS进行了扰动柑橘的动力学分析,结合图像处理分析结果,确定了微扰动柑橘的运动规律为类单摆运动;对采集的微扰动柑橘视频进行图像处理,设定规则选取视频中的图像,利用改... 详细信息

对成熟柑橘果实在扰动状态下的视觉识别定位技术进行研究。利用ANSYS进行了扰动柑橘的动力学分析,结合图像处理分析结果,确定了微扰动柑橘的运动规律为类单摆运动;对采集的微扰动柑橘视频进行图像处理,设定规则选取视频中的图像,利用改进的K-means聚类分割法结合优化Hough圆拟合方法实现柑橘果实的分割;根据图像分割结果,对柑橘的二值图像进行Hough直线拟合,结合直线斜率在-0.45~0.45的约束条件,确定扰动柑橘的有效采摘点。试验结果表明该方法能有效地识别自然环境中的微扰动柑橘,确定扰动果实采摘点的准确率达85%,采摘点确定的处理时间在7.58~9.24 s范围内。

关键词：柑橘采摘机械手扰动采摘点动力学分析视觉识别

基于RGB-D信息融合和目标检测的番茄串采摘点识别定位方法

在线全文

学校读者我要写书评

暂无评论

农业工程学报 2021年第18期37卷 143-152页

作者：张勤陈建敏李彬徐灿华南理工大学机械与汽车工程学院广州510641 华南理工大学自动化科学与工程学院广州510641 广东省现代农业装备研究所广州510630

采摘点的识别与定位是智能采摘的关键技术,也是实现高效、适时、无损采摘的重要保证。针对复杂背景下番茄串采摘点识别定位问题,提出基于RGB-D信息融合和目标检测的番茄串采摘点识别定位方法。通过YOLOv4目标检测算法和番茄串与对应果... 详细信息

采摘点的识别与定位是智能采摘的关键技术,也是实现高效、适时、无损采摘的重要保证。针对复杂背景下番茄串采摘点识别定位问题,提出基于RGB-D信息融合和目标检测的番茄串采摘点识别定位方法。通过YOLOv4目标检测算法和番茄串与对应果梗的连通关系,快速识别番茄串和可采摘果梗的感兴趣区域(Region of Interest,ROI);融合RGB-D图像中的深度信息和颜色特征识别采摘点,通过深度分割算法、形态学操作、K-means聚类算法和细化算法提取果梗图像,得到采摘点的图像坐标;匹配果梗深度图和彩色图信息,得到采摘点在相机坐标系下的精确坐标;引导机器人完成采摘任务。研究和大量现场试验结果表明,该方法可在复杂近色背景下,实现番茄串采摘点识别定位,单帧图像平均识别时间为54 ms,采摘点识别成功率为93.83%,采摘点深度误差±3 mm,满足自动采摘实时性要求。

关键词：图像识别对象识别提取番茄串 RGB-D图像信息融合目标检测采摘点

自然环境中鲜食葡萄快速识别与采摘点自动定位方法

在线全文

学校读者我要写书评

暂无评论

智慧农业（中英文） 2023年第2期5卷 23-34页

作者：朱衍俊杜文圣王春颖刘平李祥山东农业大学机械与电子工程学院/智能化农业机械与装备实验室/山东省园艺机械与装备重点实验室山东泰安271018 山东交通学院工程机械学院山东济南250357 山东农业大学生命科学学院小麦育种全国重点实验室山东泰安271018

[目的/意义]自然环境中鲜食葡萄的快速识别与精准定位是实现鲜食葡萄机器人自动采摘的先决条件。[方法]本研究基于改进的K-means聚类算法和轮廓分析法提出一种鲜食葡萄采摘点自动定位的方法。首先,采用加权灰度阈值作为聚类算法相似度... 详细信息

[目的/意义]自然环境中鲜食葡萄的快速识别与精准定位是实现鲜食葡萄机器人自动采摘的先决条件。[方法]本研究基于改进的K-means聚类算法和轮廓分析法提出一种鲜食葡萄采摘点自动定位的方法。首先,采用加权灰度阈值作为聚类算法相似度的判定依据,并以此为基础提出一种自适应调整K值的K-means聚类算法,实现鲜食葡萄的快速有效识别检测;然后,利用提出的轮廓分析法获得果梗轴和采摘点感兴趣区域,利用几何方法实现鲜食葡萄采摘点快速准确定位;最后,利用采集的917张鲜食葡萄图像对本研究提出的算法进行实验验证。[结果和讨论]本研究提出算法定位的鲜食葡萄采摘点与最优采摘点的误差小于12个像素的成功率为90.51%,平均定位时间为0.87 s,实现鲜食葡萄采摘点的快速准确的定位。在篱壁式种植方式与棚架式种植方式下分别进行50次模拟仿真试验,结果表明,篱壁式紫葡萄采摘点定位成功率为86.00%,棚架式紫葡萄识别定位成功率达到92.00%,篱壁式绿葡萄采摘点定位成功率为78.00%,棚架式绿葡萄识别定位成功率为80.00%,整体试验效果较好。[结论]本研究可为鲜食葡萄采摘机器人实现精准采摘葡萄提供技术支撑。

关键词：鲜食葡萄 K-means聚类算法轮廓分析法果梗轴采摘点采摘机器人

一种基于改进YOLOv4算法的茶树芽叶采摘点识别及定位方法

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

复旦学报（自然科学版） 2022年第4期61卷 460-471页

作者：徐凤如张昆明张武王瑞卿汪涛万盛明刘波饶元安徽农业大学信息与计算机学院安徽合肥230036

针对复杂环境下农业采茶机器人无法快速、准确地识别与定位茶树芽叶采摘点的问题,本文采用改进型YOLOv4-Dense算法和OpenCV图像处理方法,对茶树芽叶采摘点的定位问题进行研究。首先,基于YOLOv4算法,将CSPDarkNet53主干特征提取网络中的R... 详细信息

针对复杂环境下农业采茶机器人无法快速、准确地识别与定位茶树芽叶采摘点的问题,本文采用改进型YOLOv4-Dense算法和OpenCV图像处理方法,对茶树芽叶采摘点的定位问题进行研究。首先,基于YOLOv4算法,将CSPDarkNet53主干特征提取网络中的ResNet单元替换为DenseNet单元,使用改进后的算法模型对采集的茶树数据集进行芽叶目标检测;其次,运用OpenCV图像处理方法进行RGB-HSV颜色转换获取芽叶的轮廓,并基于形态学算法定位采摘点的位置;最后,开展采摘点定位方法的对比实验,分别与矩函数法、最小外接矩形中心点法的定位结果进行对比。实验结果表明:1)改进型YOLOv4-Dense算法在芽叶目标检测上的精确率为91.83%,召回率为68.84%,AP值为86.55%,F1分数为0.79;与YOLOv4模型的精确率、召回率、AP值、F1分数相比分别提升了2.21%,2.00%;2.05%,0.02;与YOLO v3模型相比它们分别提升了,5.56%,15.26%;9.13%,0.13;2)针对自然条件下的茶树芽叶,采用OpenCV图像处理方法定位采摘点的精确率为80.8%,召回率为83.2%,与矩函数法、最小外接矩形中心点法相比,分别提升了3.5%,7.1%;1.4%,6.1%。实验数据说明本研究方法对于芽叶采摘点的准确识别与定位具有一定的借鉴意义。

关键词：图像处理茶树芽叶采摘点深度学习

基于机器视觉的番茄果实串采摘点的识别方法研究

在线全文

学校读者我要写书评

暂无评论

基于机器视觉的番茄果实串采摘点的识别方法研究

作者：章艳中国计量大学

学位级别：硕士

果实收获机器人多以单个果实采摘为主,采摘效率和质量低。果实采摘过程中,由于采摘动作、自然界风力的作用等导致果实振荡,给采摘工作带来一定的困难。本文以番茄果实串为研究对象,进行果实串最大连通区域整体采摘点计算,并在振荡环境... 详细信息

果实收获机器人多以单个果实采摘为主,采摘效率和质量低。果实采摘过程中,由于采摘动作、自然界风力的作用等导致果实振荡,给采摘工作带来一定的困难。本文以番茄果实串为研究对象,进行果实串最大连通区域整体采摘点计算,并在振荡环境下进行果实串的采摘点识别试验,对提高番茄果实的采摘效率和质量很有意义。主要研究的内容如下:(1)分析了番茄果实串的果实直径、穗梗长度、和番茄质量等植株的物理特性与果实串果梗采摘点位置的计算、研究振荡果实串运动周期的关系。(2)从采集的静态环境下番茄果实串彩色图像中分割出番茄果实串果实区域,并运用灰度均衡化、边界提取、区域填充将番茄果实串连接成无空隙的最大连通区域,根据番茄果实串连通区域的外接矩形和质心求解出果实串穗梗采摘点的参考点。(3)建立了振荡番茄果实串的物理模型和数学模型—类单摆运动,用解析方法和计算机仿真方法分别计算出模型的运动周期,提出在周期点,即番茄果实串运动角度偏移为0的时刻进行番茄果实串整体采摘。运用运动目标轨迹跟踪和视频分帧技术将动态果实串图片处理成静态图片,找出了处于周期点位置的果实串图片,对处于周期点的番茄果实串图片运用静态果实串采摘点的识别方法进行采摘点的位置确认。(4)搭建了视觉平台和振荡平台,完成了相机的参数优化,进行了5次振荡果实串的试验,完成了计算机确定振荡环境中番茄果实串采摘时间点和采摘点位置,得出番茄果实串果实直径72mm-80mm的范围内,进行振荡环境中番茄果实串的运动周期测定以及采摘点位置计算的方法较准确的,运动周期在0.744s-0.764s范围内,采摘点像素坐标误差在6-8个像素点。

关键词：番茄果实串图像分割采摘点类单摆运动计算机仿真振荡试验

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

串番茄采摘点的识别方法

中国农机化学报 2016年第11期37卷 131-134,149页

作者：梁喜凤章艳中国计量大学机电工程学院杭州市310018

为适应番茄果实成串采收、提高农业机器人工作效率和保证果实采摘质量,提出基于提取串番茄果实串连通区域边界的采摘点识别方法。通过图像增强处理获取边界清晰的串番茄图像后,采用多尺度形态学边缘提取法提取串番茄图像边缘;再利用8邻... 详细信息

为适应番茄果实成串采收、提高农业机器人工作效率和保证果实采摘质量,提出基于提取串番茄果实串连通区域边界的采摘点识别方法。通过图像增强处理获取边界清晰的串番茄图像后,采用多尺度形态学边缘提取法提取串番茄图像边缘;再利用8邻域法对区域填充果实空隙后的边缘图进行边界提取,填充串番茄边界图,获得目标连通区域;计算目标连通区域的最小外接矩形和质心,过质心的垂线与最小外接矩形的交点即可作为串番茄采摘点的参考点。串番茄果实串采摘点识别法对垂直向下的串番茄采摘点识别效果较好,为实际番茄采摘机器人作业提供参考。

关键词：图像处理采摘点识别串番茄多尺度形态学

基于EP-YOLO v8的瓶栽金针菇最优抓取位置定位方法

在线全文

学校读者我要写书评

暂无评论

农业机械学报 2024年第10期 51-61页

作者：叶大鹏景均吴昊宇李辉煌谢立敏福建农林大学机电工程学院福建省农业信息感知技术重点实验室福建农林大学未来技术学院(海峡联合研究院)

针对工厂化瓶栽金针菇自动切根过程中，夹持末端因结构设计导致行程固定，进而影响抓取效果甚至切根质量的问题，本文基于YOLO v8(You only look once)构建改进的Enoki-pick＿region-YOLO v8(EP-YOLO v8),实现瓶栽金针菇整体及最佳受力... 详细信息

针对工厂化瓶栽金针菇自动切根过程中，夹持末端因结构设计导致行程固定，进而影响抓取效果甚至切根质量的问题，本文基于YOLO v8(You only look once)构建改进的Enoki-pick＿region-YOLO v8(EP-YOLO v8),实现瓶栽金针菇整体及最佳受力区域(关键抓取区域)的精准定位与轮廓提取，保障抓取参数的可靠性。该方法在网络优化基础上，基于最小欧几里得距离(Euclidean distance, ED)构建掩膜关系归属与判断模型，明确金针菇菇体与关键抓取区域掩膜间父子关系并合并优化。通过解析合并前后关键抓取区域的相对位置编码，确定抓取参数并进行坐标转换，为建立末端控制映射模型实现末端机械手运动行程的精确控制提供基础。实验结果表明，本文所提算法的金针菇菇体掩膜识别精确率达99.3%,关键抓取区域掩膜识别精确率达99.6%。同时，对比发现掩膜质量得到了提高，获取的参数抓取区域宽度与实际宽度之间的误差仅为0.7%,抓取参数基本满足抓取条件，能有效实现最优抓取位置的精准识别与定位。

关键词：瓶栽金针菇采摘点采摘机器人 YOLO v8 多目标识别

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于多目标识别的葡萄果串采摘点定位方法

农业工程学报 2023年第22期39卷 166-177页

作者：周馨曌吴烽云邹湘军蒙贺伟张芸齐罗锡文石河子大学机械电气工程学院石河子832003 佛山市中科农业机器人与智慧农业创新研究院佛山528251 广州商学院广州511363 华南农业大学工程学院广州510642 仲恺农业工程学院广州510225

为减少采摘点定位不当导致末端碰撞损伤结果枝与果串,致使采摘失败及损伤率提高等问题,该研究提出了基于深度学习与葡萄关键结构多目标识别的采摘点定位方法。首先,通过改进YOLACT++模型对结果枝、果梗、果串等葡萄关键结构进行识别与分... 详细信息

为减少采摘点定位不当导致末端碰撞损伤结果枝与果串,致使采摘失败及损伤率提高等问题,该研究提出了基于深度学习与葡萄关键结构多目标识别的采摘点定位方法。首先,通过改进YOLACT++模型对结果枝、果梗、果串等葡萄关键结构进行识别与分割;结合关键区域间的相交情况、相对位置,构建同串葡萄关键结构从属判断与合并方法。最后设计了基于结构约束与范围再选的果梗低碰撞感兴趣区域(region of interest,ROI)选择方法,并以该区域果梗质心为采摘点。试验结果表明,相比于原始的YOLACT++,G-YOLACT++边界框和掩膜平均精度均值分别提升了0.83与0.88个百分点;对单串果实、多串果实样本关键结构从属判断与合并的正确率分别为88%、90%,对关键结构不完整的果串剔除正确率为92.3%;相较于以ROI中果梗外接矩形的中心、以模型识别果梗的质心作为采摘点的定位方法,该研究采摘点定位方法的成功率分别提升了10.95、81.75个百分点。该研究为葡萄采摘机器人的优化提供了技术支持,为非结构化环境中的串类果实采摘机器人的低损收获奠定基础。

关键词：机器视觉采摘机器人 YOLACT++ 多目标识别关键结构约束与合并果梗采摘点