基于双目视觉的果叶病虫害定位及喷药均匀度检测技术研究
发布时间：2021-06-18 12:32
为确保高纺锤形种植模式下机械化施药作业方式不造成药品浪费、均匀施药、精准施药,对喷药情况和病虫害严重程度进行检测,并对喷药机械进行精准控制。双目视觉技术的进步为这种检测和控制提供了良好的技术手段。本文研究了在机械化喷药情况下如何通过双目视觉方法定位病虫害果叶并在喷洒农药后检测农药喷洒的均匀程度。该研究将有助于提升高纺锤形果园的自动化施药程度,减轻劳动强度,提高农药的有效利用率,减少病虫害的发生,促进农产品更高质量的产出。果树农药的自动喷洒方法是:拖拉机牵引着药桶,左右各有三个风机,通过平行双目摄像头检测病虫害和判别喷洒均匀度。在已有的机械装置基础上,本文的主要研究内容如下:1、提出了无明显特征区域的双目视觉像素点匹配方法。在本课题的双目视觉配准中,经常涉及到需要匹配的无明显特征区域,提出了针对该类型区域的双目配准方法。基本思路是利用该区域周边丰富的SIFT特征点与目标区域待匹配点的相对距离和方位信息对无明显特征区域像素点进行匹配。结果表明,该方法能准确地对无明显特征区域像素点进行匹配。2、实现了双目视觉测距。在双目视觉测距中,采用棋盘标定法对双目摄像头进行标定,获取摄像机的内外参数并对...
【文章来源】：济南大学山东省
【文章页数】：63 页
【学位级别】：硕士
【部分图文】：
高纺锤形果树和果园图
在双目视觉匹配中，针对许多需要匹配的无明显特征区域，提出了无明显特征区域目视觉像素点匹配方法。首先，对摄像机进行棋盘标定，得到摄像机的内、外参数图像畸变；其次，使用 SIFT 提取特征点，欧氏距离阈值进行初次配准，RANSA误匹配；最后，综合利用该区域周边的 SIFT 特征点与目标匹配点的距离、方向信无明显特征区域像素点进行匹配。在双目测距中，通过对校正后的图像进行匹配获标点像素坐标及视差，带入测距公式中得到目标点的深度信息。在对果叶病虫害以及喷药均匀度检测及定位中我们选取了 Mobile Net 网络进行检首先，人工拍摄并整理训练数据集，并进行预处理，包括图像分割、旋转、缩放然后，将整理好的数据放到 Mobile Net 模型中训练，测试网络得到的模型，评价的好坏，并与传统的图像处理方法以及现有的神经网络方法进行对比；最后，将训型转化为 pb 文件，调用模型，在单幅图像中以一定大小的窗口进行遍历判断是否常区域，并结合无明显特征点匹配方法和改进后的测距方法得到该区域的深度信本文技术路线如图 1.2 所示：
第二章 基础知识所涉及到的基础知识包括双目视觉基础和深度学习。在双目视觉基础部成像模型、摄像机标定、双目视觉原理、图像匹配方法；在深度学习部神经网络的结构和卷积神经网络的优点。视觉机成像模型成像模型是摄像机标定和双目测距的基础，在相机成像模型中有四个坐像素、摄像机、图像物理及世界坐标系[25]。如图 2.1 所示。
【参考文献】：
期刊论文
[1]基于动态集成的黄瓜叶部病害识别方法[J]. 王志彬,王开义,王书锋,王晓锋,潘守慧. 农业机械学报. 2017(09)
[2]玉米叶片病斑多光谱特征提取及识别方法[J]. 李妍,朱景福,罗文博,王孟博,高寒,于成江. 江苏农业科学. 2017(09)
[3]基于PCA和Whitening算法的水稻病害图像预处理研究[J]. 路阳,衣淑娟,张勇,安杏杏,邵晓光. 黑龙江八一农垦大学学报. 2017(02)
[4]卷积神经网络研究综述[J]. 周飞燕,金林鹏,董军. 计算机学报. 2017(06)
[5]基于深度信念网络的苹果霉心病病害程度无损检测[J]. 周兆永,何东健,张海辉,雷雨,苏东,陈克涛. 食品科学. 2017(14)
[6]基于改进RANSAC算法的单应矩阵鲁棒估计方法[J]. 夏克付,李鹏飞,陈小平. 计算机工程与应用. 2017(23)
[7]采用复合式靶标的近景大视场相机标定方法[J]. 刘巍,李肖,马鑫,贾振元,陈玲,刘惟肖. 红外与激光工程. 2016(07)
[8]深度学习方法研究新进展[J]. 刘帅师,程曦,郭文燕,陈奇. 智能系统学报. 2016(05)
[9]基于Harris算法的直线提取方法[J]. 杨旭,赵径通,高升久. 电子技术与软件工程. 2016(04)
[10]摄像机标定的原理与方法综述[J]. 冯亮,谢劲松,李根,霍庆立. 机械工程师. 2016(01)
硕士论文
[1]双目立体视觉系统的研究与实现[D]. 王罕有.西安电子科技大学 2017
[2]视频中人体行为预测的方法研究[D]. 王娜.湖南大学 2016
[3]基于双目视觉的物体运动轨迹研究[D]. 谭艳.西南大学 2014
[4]立体图像对的校正算法研究[D]. 杨晓玫.西安理工大学 2010
[5]喷雾机器人控制系统研制[D]. 陈志青.中国农业大学 2002
本文编号：3236666
【文章来源】：济南大学山东省
【文章页数】：63 页
【学位级别】：硕士
【部分图文】：
高纺锤形果树和果园图
在双目视觉匹配中，针对许多需要匹配的无明显特征区域，提出了无明显特征区域目视觉像素点匹配方法。首先，对摄像机进行棋盘标定，得到摄像机的内、外参数图像畸变；其次，使用 SIFT 提取特征点，欧氏距离阈值进行初次配准，RANSA误匹配；最后，综合利用该区域周边的 SIFT 特征点与目标匹配点的距离、方向信无明显特征区域像素点进行匹配。在双目测距中，通过对校正后的图像进行匹配获标点像素坐标及视差，带入测距公式中得到目标点的深度信息。在对果叶病虫害以及喷药均匀度检测及定位中我们选取了 Mobile Net 网络进行检首先，人工拍摄并整理训练数据集，并进行预处理，包括图像分割、旋转、缩放然后，将整理好的数据放到 Mobile Net 模型中训练，测试网络得到的模型，评价的好坏，并与传统的图像处理方法以及现有的神经网络方法进行对比；最后，将训型转化为 pb 文件，调用模型，在单幅图像中以一定大小的窗口进行遍历判断是否常区域，并结合无明显特征点匹配方法和改进后的测距方法得到该区域的深度信本文技术路线如图 1.2 所示：
第二章 基础知识所涉及到的基础知识包括双目视觉基础和深度学习。在双目视觉基础部成像模型、摄像机标定、双目视觉原理、图像匹配方法；在深度学习部神经网络的结构和卷积神经网络的优点。视觉机成像模型成像模型是摄像机标定和双目测距的基础，在相机成像模型中有四个坐像素、摄像机、图像物理及世界坐标系[25]。如图 2.1 所示。
【参考文献】：
期刊论文
[1]基于动态集成的黄瓜叶部病害识别方法[J]. 王志彬,王开义,王书锋,王晓锋,潘守慧. 农业机械学报. 2017(09)
[2]玉米叶片病斑多光谱特征提取及识别方法[J]. 李妍,朱景福,罗文博,王孟博,高寒,于成江. 江苏农业科学. 2017(09)
[3]基于PCA和Whitening算法的水稻病害图像预处理研究[J]. 路阳,衣淑娟,张勇,安杏杏,邵晓光. 黑龙江八一农垦大学学报. 2017(02)
[4]卷积神经网络研究综述[J]. 周飞燕,金林鹏,董军. 计算机学报. 2017(06)
[5]基于深度信念网络的苹果霉心病病害程度无损检测[J]. 周兆永,何东健,张海辉,雷雨,苏东,陈克涛. 食品科学. 2017(14)
[6]基于改进RANSAC算法的单应矩阵鲁棒估计方法[J]. 夏克付,李鹏飞,陈小平. 计算机工程与应用. 2017(23)
[7]采用复合式靶标的近景大视场相机标定方法[J]. 刘巍,李肖,马鑫,贾振元,陈玲,刘惟肖. 红外与激光工程. 2016(07)
[8]深度学习方法研究新进展[J]. 刘帅师,程曦,郭文燕,陈奇. 智能系统学报. 2016(05)
[9]基于Harris算法的直线提取方法[J]. 杨旭,赵径通,高升久. 电子技术与软件工程. 2016(04)
[10]摄像机标定的原理与方法综述[J]. 冯亮,谢劲松,李根,霍庆立. 机械工程师. 2016(01)
硕士论文
[1]双目立体视觉系统的研究与实现[D]. 王罕有.西安电子科技大学 2017
[2]视频中人体行为预测的方法研究[D]. 王娜.湖南大学 2016
[3]基于双目视觉的物体运动轨迹研究[D]. 谭艳.西南大学 2014
[4]立体图像对的校正算法研究[D]. 杨晓玫.西安理工大学 2010
[5]喷雾机器人控制系统研制[D]. 陈志青.中国农业大学 2002
本文编号：3236666
本文链接：https://www.wllwen.com/nykjlw/nygclw/3236666.html
