基于条件随机场的农业环境推理研究

发布时间：2021-08-12 08:05

　　现代农业的发展,要求作业效率更高,作业质量更优,作业成本更低。这在农业机械方面,要求其具有越来越高的自动化、智能化水平,农业机器人应运而生。农业机器人在农业环境中实现自主作业,首先需要农业机器人能够理解农业环境,获取场景知识。本文通过视觉传感器获取农业环境场景信息,构建了一种以超像素作为图像处理单元、通过条件随机场融入图像空间上下文信息的图像分割分类算法,主要内容和结论如下：针对农业环境场景不确定性和模糊性的特点,提出了通过条件随机场融入图像空间上下文信息,提高图像分割分类算法的精确性。针对以单一像素作为图像处理单元容易受噪声影响、且算法效率低下的问题,提出了以超像素作为图像处理单元,并定义了邻域超像素。介绍了一种梨园场景分割的算法。首先,将已标记的场景图像分割为超像素,将超像素的特征向量和标记的类别作为样本整合到类别数据库中,然后,利用条件随机场模型对未标记超像素的特征向量和空间关系进行建模,最后,经过训练获取模型参数,利用最大后验边缘准则对未标记超像素进行类别推理。将本算法与最近邻算法分割结果进行对比,本算法对梨园场景中的光照不均匀分布、杂草随机分布、田头场景内容突变等情况都具有很... 

【文章来源】：南京农业大学江苏省 211工程院校 教育部直属院校

【文章页数】：81 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第一章 绪论
    1.1 选题的背景及意义
    1.2 基于视觉的农业机器人场景推理研究现状
        1.2.1 国外研究现状
        1.2.2 国内研究现状
    1.3 概率图模型在图像识别中的研究现状
    1.4 研究内容
    1.5 论文介绍
第二章 概率图模型
    2.1 概述
    2.2 无向概率图模型
        2.2.1 马尔可夫随机场
        2.2.2 条件随机场
        2.2.3 马尔可夫随机场与条件随机场的对比
    2.3 条件随机场模型的实现
        2.3.1 模型选择
        2.3.2 参数学习
        2.3.3 模型推理
    2.4 本章小结
第三章 基于条件随机场的梨园场景分割
    3.1 概述
    3.2 类别数据库的构建
        3.2.1 超像素分割及其邻域描述
        3.2.2 样本获取与特征向量
        3.2.3 增量式整合策略
    3.3 模型选择
        3.3.1 一元势能
        3.3.2 二元势能
    3.4 模型训练
    3.5 模型推断
    3.6 结果分析
    3.7 本章小结
第四章 农业移动机器人平台及导航场景地形推理试验
    4.1 概述
    4.2 农业移动机器人平台介绍
        4.2.1 基于立体视觉的地形类别信息获取
        4.2.2 农业移动机器人运动学分析
        4.2.3 导航路径的提取
        4.2.4 基于Ackerman转向原理的转速分配
    4.3 导航场景地形推理试验及结果分析
        4.3.1 农业移动机器人导航场景地形推理试验设计
        4.3.2 软件设计
        4.3.3 实验结果及分析
    4.4 本章小结
第五章 结论与研究建议
    5.1 研究结论
    5.2 主要创新点
    5.3 研究建议
参考文献
致谢
攻读硕士学位期间发表的论文



本文编号：3337937