检索结果-南通市图书馆

维普期刊数据库博看期刊

基于两级分割与区域标记梯度Hough圆变换的苹果识别

在线全文

学校读者我要写书评

暂无评论

农业工程学报 2022年第19期38卷 110-121页

作者：张彦斐刘茗洋宫金良兰玉彬山东理工大学农业工程与食品科学学院淄博255049 山东理工大学机械工程学院淄博255049

自然环境下果实的准确分割与快速识别是采摘机器人作业面临的难题之一。针对自然环境中的成熟苹果,该研究提出一种基于Otsu与分水岭相结合的两级分割算法与区域标记梯度Hough圆变换的苹果识别方法。首先,使用亮度自适应校正算法对表面... 详细信息

自然环境下果实的准确分割与快速识别是采摘机器人作业面临的难题之一。针对自然环境中的成熟苹果,该研究提出一种基于Otsu与分水岭相结合的两级分割算法与区域标记梯度Hough圆变换的苹果识别方法。首先,使用亮度自适应校正算法对表面亮度分布不均的苹果图像进行校正,增强图像的细节信息。结合果实颜色特征,提取YCbCr颜色空间的Cr分量图像作为预处理样本。然后,采用改进后的Otsu算法进行初次分割,得到苹果目标的二值图像,该算法通过引入形态学开-闭重建滤波去除大量背景噪声,通过缩减灰度级遍历范围提高分割速率。采用基于距离变换的分水岭算法进行二次分割,分离粘连果实区域,提取目标苹果的外部轮廓。最后,在轮廓外设置最小外接矩形标记有效区域,在标记区域内进行梯度Hough圆变换实现苹果目标的自动识别。对自然环境中采集的200幅苹果图像进行测试,并与传统梯度Hough圆变换方法进行对比,该文方法在顺、逆光下的识别准确率为90.75%和89.79%,比传统方法提高了15.03和16.41个百分点,平均识别时间为0.665和0.693 s,比传统方法缩短了0.664和0.643 s。所提的两级分割算法不仅可以从复杂环境中准确分割果实目标区域,而且可以从粘连果实区域中提取单个果实边界。利用区域标记的梯度Hough圆变换方法能够快速准确地对果实进行识别。研究结果能满足苹果采摘机器人对不同光照下目标识别速度和精度的要求,可为苹果等类球形果实的快速识别提供参考。

关键词：图像处理分水岭苹果识别 YCbCr Otsu 梯度Hough圆变换

在线全文

学校读者我要写书评

暂无评论

基于VGG-16和迁移学习的苹果识别

武汉轻工大学学报 2022年第5期41卷 109-115页

作者：谭炎金陈西曲武汉轻工大学电气与电子工程学院湖北武汉430023

针对传统苹果识别方法通用性差、识别精度低等问题,提出了一种基于VGG-16的改进模型,并与AlexNet、VGGNet16、GoogleNet等经典模型从训练集、验证集上的精度和损失方面进行对比,发现改进模型不仅比其它经典模型的收敛速度更快而且精度... 详细信息

针对传统苹果识别方法通用性差、识别精度低等问题,提出了一种基于VGG-16的改进模型,并与AlexNet、VGGNet16、GoogleNet等经典模型从训练集、验证集上的精度和损失方面进行对比,发现改进模型不仅比其它经典模型的收敛速度更快而且精度也更高,接近100%。利用改进模型从迁移学习和数据增强技术方面解决了数据集样本有限的问题,结果表明,改进模型结合迁移学习在不同数据集上的表现基本一致,精度方面均可以达到98%以上。实验方法可以应用于工业或者农业领域中的苹果识别和分类,有效地提高生产效益。

关键词：苹果识别卷积神经网络迁移学习数据增强

自然环境中基于双目视觉的苹果识别与定位研究

在线全文

学校读者我要写书评

暂无评论

自然环境中基于双目视觉的苹果识别与定位研究

作者：胡浩波燕山大学

学位级别：硕士

为了解决劳动力不足以及劳动力成本升高的问题,有必要进行果蔬采摘机器人的研究,而果蔬采摘机器人研究的重难点在自然环境中果实的识别和定位上。本文以苹果的识别和定位为研究对象,利用双目视觉技术,探讨了苹果图像的分割、成簇及被遮... 详细信息

为了解决劳动力不足以及劳动力成本升高的问题,有必要进行果蔬采摘机器人的研究,而果蔬采摘机器人研究的重难点在自然环境中果实的识别和定位上。本文以苹果的识别和定位为研究对象,利用双目视觉技术,探讨了苹果图像的分割、成簇及被遮挡苹果的识别以及苹果的定位方法,解决了部分苹果识别和定位的问题。主要研究内容和结论如下:通过总结色差法应用于苹果图像分割的规律,提出了一种基于迭代法确定分割判据的方法,并确定了迭代的范围,然后制定迭代标准实现了分割判据的确定。进而通过100组不同光照强度下的分割实验,证明选取不同光照强度下的苹果图像进行迭代,得到的分割判据能实现不同光照强度下苹果图像的分割。通过分析苹果轮廓的像素点分布,得到了根据轮廓等间距三点的夹角来提取苹果正常轮廓的方法,然后用最小二乘法拟合苹果的正常轮廓进行了成簇及被遮挡果实的识别。通过实验将该方法和基于曲率来提取苹果正常轮廓的方法进行了对比,结果表明基于轮廓等间距三点像素的夹角的识别方法具有更好的识别效果,正确识别率达到了89.5%。分别利用OpenCV计算机视觉库里的标定函数和Matlab2015b的标定APP实现了双目摄像机的标定,并通过调整OpenCV标定函数的相关参数组合提高了程序的标定精度,最后通过标定实验比较了基于OpenCV和Matlab标定的精度,实验证明在设定相同的畸变模型时,基于OpenCV的标定精度略低于基于Matlab的标定精度。拟定了多果实的匹配准则实现了左右苹果图像中存在多个苹果时的匹配,然后分别基于最小二乘法和视差法实现了苹果的空间定位,通过20组定位实验比较了这两种定位方法的定位精度和实时性,结果表明基于最小二乘法的定位方法具有更高的定位精度和实时性。最后编写了基于MFC对话框的程序实现了苹果的实时定位。

关键词：图像分割苹果识别相机标定多果实匹配双目定位

基于ARM的hough圆优化的苹果识别算法

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

湖北工业大学学报 2018年第4期33卷 22-24,36页

作者：许鹏周敬东郑小玄湖北工业大学农机工程研究设计院湖北武汉430068

以三星EXYNOS4412为主控芯片,通过ARM驱动USB摄像头,调用Linux下的V4L2编程接口动态采集图像;结合采集到图像数据的特性和苹果的颜色特征,在YCrCb色彩空间下,提取Cr通道数据;通过动态阈值分割算法进行图像阈值分割结合优化的hough圆变... 详细信息

以三星EXYNOS4412为主控芯片,通过ARM驱动USB摄像头,调用Linux下的V4L2编程接口动态采集图像;结合采集到图像数据的特性和苹果的颜色特征,在YCrCb色彩空间下,提取Cr通道数据;通过动态阈值分割算法进行图像阈值分割结合优化的hough圆变换算法,实时识别出采集到的图像中的苹果。

关键词：动态阈值分割算法 hough圆优化 YCrCb色彩空间苹果识别

在线全文

学校读者我要写书评

暂无评论

复杂环境下苹果采摘机器人的目标识别算法

复杂环境下苹果采摘机器人的目标识别算法

作者：田玉宇山东师范大学

学位级别：硕士

机器视觉技术的不断创新,推动了诸多行业的进步,对农业领域的影响亦愈加深远,在果蔬采摘机器人、果园测产等研究中,借助视觉系统实现目标果实识别。然而果园实际作业环境较为复杂,呈现非结构化和不确定性,且受机位和生长姿态影响,采集... 详细信息

机器视觉技术的不断创新,推动了诸多行业的进步,对农业领域的影响亦愈加深远,在果蔬采摘机器人、果园测产等研究中,借助视觉系统实现目标果实识别。然而果园实际作业环境较为复杂,呈现非结构化和不确定性,且受机位和生长姿态影响,采集到的图像目标果实姿态多变,严重制约着目标果实的识别效率和精度。本研究以苹果采摘机器人为研究对象,以提高目标果实的识别效率和精度为研究目标,构建基于深度图像的目标果实快速识别与定位算法,创新性地提出先定位后识别的理念;提出基于优化Mask R-CNN的重叠目标果实识别算法,提高采摘机器人的作业能力。具体研究内容如下:（1）基于深度图像的目标果实定位方法,由采集到苹果的通过解析目标图像的深度信息绘制等深图,获取深度图像的梯度场信息,将梯度向量从三维空间向二维空间进行投影。将二维梯度沿同一方向旋转,呈现出大小不等的向量聚集区域,因为目标果实呈球形,所以形成规则的聚集中心即为苹果圆心,而非目标果实区域则呈现出杂乱发散状。利用深度图像能够快速定位目标果实圆心,且不受果实颜色和遮挡限制,解决了复杂背景中目标果实定位难题。（2）由在RGB空间中,引入图的分割算法,通过构造自适应阈值,建立圆心数与k,min两个参数的映射关系,将图像分割成超像素区域。由对应的深度图像得到的圆心,在分割区域遍历圆心所在超像素区域,即为目标果实区域,扫描超像素区域的最大半径作为圆形半径,拟合出目标果实区域。新方法不用设计分类器,能够快速实现苹果的识别与定位。（3）针对枝叶遮挡或重叠目标果实的问题,构建基于优化掩码卷积神经网络重叠目标果实识别模型。利用深度残差网络（Residual Network,ResNet）与密集卷积网络（Densely Connected Convolutional Networks,DenseNet）结合作为整体模型的特征提取网络,用于生成特征图。将特征图输入到区域提议网络（Region Proposal Network,RPN）进行端到端训练以生成感兴趣区域,最后由全卷积网络（Full Convolutional Network,FCN）生成掩码以获取苹果所在的位置的区域形状。构建的深度网络结构通过不断的自身特征提取和对特征自学习不断被优化,大幅提高枝叶遮挡和重叠目标果实识别精度。上述研究提高了目标果实识别定位效率、重叠目标果实识别精度,推动采摘机器人作业效率提高,新方法可进一步推广到其它球形果实的识别和定位,促进农业生产的智能化发展。

关键词：苹果识别区域分割深度图像掩码卷积神经网络密集卷积网络

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

基于深度学习的苹果目标识别与定位算法研究

基于深度学习的苹果目标识别与定位算法研究

作者：张世福浙江工业大学

学位级别：硕士

苹果是我国种植面积最大、产量最高、经济地位最重要的水果。到目前为止,苹果采摘仍然以人工采摘为主,苹果在成熟期内采摘量大、人工采摘劳动强度大,每天采摘量有限,且人工劳动成本高,如果不能尽快采摘将会导致苹果掉落在地,影响苹果质... 详细信息

苹果是我国种植面积最大、产量最高、经济地位最重要的水果。到目前为止,苹果采摘仍然以人工采摘为主,苹果在成熟期内采摘量大、人工采摘劳动强度大,每天采摘量有限,且人工劳动成本高,如果不能尽快采摘将会导致苹果掉落在地,影响苹果质量。苹果快速自动化采摘可以极大地提高苹果采摘效率,降低人工劳动成本,苹果目标识别与定位是苹果快速自动化采摘的关键技术之一,对实现苹果快速自动化采摘具有非常重要的意义。针对自然环境下苹果采摘机器人的应用需求,结合图像处理技术,提出一种基于深度学习的苹果目标识别与定位算法。主要研究内容如下:（1）基于苹果目标识别的图像处理方法研究。为了提高苹果目标的识别率,采集了11080幅自然环境中的苹果图像。并对RGB、HSI和Lab的差别进行了分析与对比,并选取了最为适合的RGB颜色空间。另外对图像进行滤波处理,并对去噪效果进行对比分析。最终利用LabelImg软件对处理后的图像进行位置标定,建立了训练集与测试集。（2）基于MobileNetV1网络的苹果目标特征提取研究。通过对卷积神经网络的流程介绍和对VGG网络、ResNet残差网络、MobileNetV1网络的优缺点分析,最终选取了具有较高性能,以及计算参数量少的MobileNetV1网络,来提取苹果图像的特征,提高苹果目标检测的速度。（3）基于改进的SSD算法的苹果多目标多尺度识别研究。针对于自然环境下苹果多目标多尺度识别的问题,依据Faster R-CNN算法与SSD算法的对比与分析,最终选择利用MobileNetV1、FPN网络以及不同比例的锚框长宽比对SSD算法进行改进,从而完成苹果多目标多尺度检测,获取苹果的采摘中心。实验表明苹果果实的识别AP（Average Precision）为0.925,检测速度为0.072 s/幅。（4）基于苹果采摘中心的三维空间定位研究。利用matlab软件对不平行双目相机进行标定实验,获得左右相机的内外参数和畸变系数。并且采用立体矫正算法,使得左右图像保持在同一水平位置。为了提高立体匹配的精度,运用SIFT特征点匹配、NCC匹配函数和RANSAC算,获取其仿射变换矩阵。通过仿射矩阵求取左图像中的采摘中心在右图像所对应的坐标。并利用三角形测距原理获得苹果果实的三维空间坐标。实验结果表明测量距离和实际距离误差在15 mm以内。经实验结果证明文中采用的算法在识别精度和识别效率都有较好表现,为苹果采摘机器人视觉系统的进一步研究打下了基础。

关键词：苹果识别深度学习图像处理 SSD算法双目立体视觉

融合K-means聚类分割算法与凸壳原理的遮挡苹果目标识别与定位方法

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

智慧农业 2019年第2期1卷 45-54页

作者：江梅孙飒爽何东健宋怀波西北农林科技大学机械与电子工程学院陕西杨凌712100 农业农村部农业物联网重点试验室陕西杨凌712100 陕西省农业信息感知与智能服务重点试验室陕西杨凌712100

自然场景下苹果目标的精确识别与定位是智慧农业信息感知与获取领域的重要内容。为了解决自然场景下苹果目标识别与定位易受枝叶遮挡的问题,在K-means聚类分割算法的基础上,提出了基于凸壳原理的目标识别算法,并与基于去伪轮廓的目标识... 详细信息

自然场景下苹果目标的精确识别与定位是智慧农业信息感知与获取领域的重要内容。为了解决自然场景下苹果目标识别与定位易受枝叶遮挡的问题,在K-means聚类分割算法的基础上,提出了基于凸壳原理的目标识别算法,并与基于去伪轮廓的目标识别算法和全轮廓拟合目标识别算法作了对比。基于凸壳原理的目标识别算法利用了苹果近似圆形的形状特性,结合K-means算法与最大类间方差算法将果实与背景分离,由凸壳原理得到果实目标的凸壳多边形,对凸壳多边形进行圆拟合,标定出果实位置。为验证算法有效性,对自然场景下的157幅苹果图像进行了测试,基于凸壳原理的目标识别算法、基于去伪轮廓的目标识别方法和全轮廓拟合目标识别方法的重叠率均值分别为83.7%、79.5%和70.3%,假阳性率均值分别为2.9%、1.7%和1.2%,假阴性率均值分别为16.3%、20.5%和29.7%。结果表明,与上面两种对比算法相比较,基于凸壳原理的目标识别算法识别效果更好且无识别错误的情况,该算法可为自然环境下的果实识别与分割问题提供借鉴与参考。

关键词：苹果识别遮挡目标凸壳原理伪轮廓 K-means聚类算法

结合纹理分析和SVM的苹果梗蒂和缺陷识别方法

在线全文

学校读者我要写书评

暂无评论

计算机工程与应用 2008年第1期44卷 235-237页

作者：蒋益女徐从富浙江大学计算机学院杭州310027 杭州科技职业技术学院杭州310016

苹果梗蒂和缺陷的识别是苹果检测中的难点,两者的误分类会造成苹果等级的误判。提出了一种基于SVM的苹果梗蒂和缺陷识别方法,用Ostu算法进行区域分割,实现初始目标分割,再把目标区域的纹理特征作为支持向量机的输入向量,对其进行训练识... 详细信息

苹果梗蒂和缺陷的识别是苹果检测中的难点,两者的误分类会造成苹果等级的误判。提出了一种基于SVM的苹果梗蒂和缺陷识别方法,用Ostu算法进行区域分割,实现初始目标分割,再把目标区域的纹理特征作为支持向量机的输入向量,对其进行训练识别。用富士苹果进行实验,得到的平均识别正确率为90.7%。

关键词：苹果识别纹理分析支持向量机特征选择

基于YOLO深度卷积神经网络的复杂背景下机器人采摘苹果定位

在线全文

学校读者我要写书评

暂无评论

农业工程学报 2019年第3期35卷 164-173页

作者：赵德安吴任迪刘晓洋赵宇艳江苏大学电气信息工程学院镇江212013 常州信息职业技术学院电子与电气工程学院常州213164

为提高苹果采摘机器人的工作效率和环境适应性,使其能全天候的在不同光线环境下对遮挡、粘连和套袋等多种情况下的果实进行识别定位,该文提出了基于YOLOv3(you only look once)深度卷积神经网络的苹果定位方法。该方法通过单个卷积神经... 详细信息

为提高苹果采摘机器人的工作效率和环境适应性,使其能全天候的在不同光线环境下对遮挡、粘连和套袋等多种情况下的果实进行识别定位,该文提出了基于YOLOv3(you only look once)深度卷积神经网络的苹果定位方法。该方法通过单个卷积神经网络(one-stage)遍历整个图像,回归目标的类别和位置,实现了直接端到端的目标检测,在保证效率与准确率兼顾的情况下实现了复杂环境下苹果的检测。经过训练的模型在验证集下的m AP(meanaverageprecision)为87.71%,准确率为97%,召回率为90%,IOU(intersection over union)为83.61%。通过比较YOLOv3与Faster RCNN算法在不同数目、不同拍摄时间、不同生长阶段、不同光线下对苹果的实际检测效果,并以F1为评估值对比分析了4种算法的差异,试验结果表明YOLOv3在密集苹果的F1高于YOLOv2算法4.45个百分点,在其他环境下高于Faster RCNN将近5个百分点,高于HOG+SVM(histogram of oriented gradient+support vector machine)将近10个百分点。并且在不同硬件环境验证了该算法的可行性,一幅图像在GPU下的检测时间为16.69 ms,在CPU下的检测时间为105.21 ms,实际检测视频的帧率达到了60帧/s和15帧/s。该研究可为机器人快速长时间高效率在复杂环境下识别苹果提供理论基础。

关键词：收获机机器视觉图像识别深度学习采摘机器人苹果识别 YOLO