苹果采摘机器人振荡苹果跟踪识别算法
发布时间：2021-06-23 04:08
苹果营养丰富,深受人们喜爱。但是目前苹果采摘作业绝大多数都是以人工采摘为主,机械化程度低。因此研究苹果采摘机器人,实现苹果的自动化采摘具有重要意义。苹果在环境风或者采摘作业的影响下会产生晃动,传统苹果识别算法得到的位置只是某一瞬间的位置,无法精确指导苹果采摘机器人采摘,需要对苹果位置进行实时的跟踪。为了实现苹果采摘机器人在运动状态下对振荡果实的精确快速采摘,提出了一种苹果采摘机器人振荡苹果跟踪识别方法。本文主要研究内容和成果如下:（1）在实验室环境下模拟果园环境搭建了实验平台。本文首先对图像进行中值滤波,用于在减少噪声的同时,尽可能地保护苹果边缘。在对比了多种颜色特征后,提出使用2R-G-B颜色特征对原始图像进行处理,提高苹果与背景的区分度,同时将三通道RGB图像转化为单通道灰度图像。之后使用动态阈值法（OTSU）分割得到苹果二值图像。（2）提出了一种苹果快速识别算法。本文首先使用孔洞填充算法填补苹果果实尾部花萼形成的孔洞。然后使用半径为5个像素的圆形模板对图像进行开运算去除小的噪点。在去除非感兴趣连通区域后,针对拍摄角度不同、苹果形状各异和苹果存在遮挡重叠等等缺陷的情况,以及全局霍夫...
【文章来源】：浙江工业大学浙江省
【文章页数】：75 页
【学位级别】：硕士
【部分图文】：
中值滤波算法流程图
浙江工业大学硕士学位论文12其公式如下：II*G=(2-4)2221exp()22xyG+=(2-5)式中，σ——高斯滤波器的标准差；*——卷积运算；G——高斯滤波模板，一般取3×3或者5×5大小窗口，其中3×3大小如式(2-6)所示。121124216121(2-6)可以从高斯滤波模板可以看出，离模板中心位置越远的像素权值越小；越近，像素值越大。相比简单的均值滤波，由于权重的影响，高斯滤波的边缘保护效果要好一些。2.2.4去噪效果实验由于实验条件限制，实验对象为在实验室环境下模拟板型种植的果园环境布置的假苹果树。采集到的源图像如所示。图2-2源图像Figure2-2．Sourceimage使用均值滤波、中值滤波和高斯滤波分别对图像进行去噪处理，去噪效果如图2-3所示。每一种滤波算法分别采用3×3、5×5和7×7大小的滤波模板。可以看出，对于三种滤波算法来说，相比源图像，噪声都得到了一定程度的去除。并且随着滤波器模板增大，图像的模糊程度都随着增大，噪声去除的效果也越好。但是需要注意到，去除噪声不是没有代价的。由于图像边缘在图像中也表现为高
(a)均值滤波(3×3) (b)均值滤波(5×5) (c)均值滤波(7×7) (d)中值滤波(3×3) (e)中值滤波(5×5) (f)中值滤波(7×7)
【参考文献】：
期刊论文
[1]基于开源项目的苹果采摘系统设计及视觉算法改进[J]. 刘岳开,高宏力,张洁. 江苏农业科学. 2019(04)
[2]基于机器视觉的水果采摘机器人目标识别方法[J]. 初广丽,张伟,王延杰,丁南南,刘艳滢. 中国农机化学报. 2018(02)
[3]基于半实物仿真的采摘机器人视觉定位研究[J]. 陈科尹,邹湘军,彭红星,梁海英,胡元闯. 系统仿真学报. 2017(08)
[4]自然背景下计算机视觉技术在西红柿采摘中的应用[J]. 李思广. 农机化研究. 2017(07)
[5]西红柿采摘机器人视觉系统的研究[J]. 郭凯敏,崔天时,张桢,郭志强,朱铁欣,谢学刚. 农机化研究. 2016(12)
[6]自然光照条件下苹果识别方法对比研究[J]. 麦春艳,郑立华,肖昌一,李民赞. 中国农业大学学报. 2016(11)
[7]基于激光视觉的智能识别苹果采摘机器人设计[J]. 张宾,宿敬肖,张微微,邓明华,汪小志. 农机化研究. 2016(07)
[8]苹果采摘机器人夜间图像边缘保持的Retinex增强算法[J]. 姬伟,吕兴琴,赵德安,贾伟宽,丁世宏. 农业工程学报. 2016(06)
[9]基于单目视觉与超声检测的振荡果实采摘识别与定位[J]. 李国利,姬长英,顾宝兴. 农业机械学报. 2015(11)
[10]基于ZY-3影像潮水沟槽线的提取[J]. 周虹宏,丁贤荣,葛小平,康彦彦. 地理空间信息. 2015(02)
硕士论文
[1]说话人唇部特征提取算法的研究及实现[D]. 崔三帅.兰州大学 2018
[2]基于机器视觉的四通阀自动钎焊定位系统研究[D]. 贺楚红.中国计量大学 2017
[3]机器视觉中图像检测算法的研究与应用[D]. 杨雪.江南大学 2013
[4]基于肤色分割与AdaBoost分类器的多姿态人脸检测[D]. 崔小静.太原理工大学 2012
[5]基于单目视觉的手势识别算法的研究与实现[D]. 翁汉良.广东工业大学 2011
[6]基于VFW的鸡蛋品质无损检测方法的研究[D]. 祝志慧.华中农业大学 2005
本文编号：3244198
【文章来源】：浙江工业大学浙江省
【文章页数】：75 页
【学位级别】：硕士
【部分图文】：
中值滤波算法流程图
浙江工业大学硕士学位论文12其公式如下：II*G=(2-4)2221exp()22xyG+=(2-5)式中，σ——高斯滤波器的标准差；*——卷积运算；G——高斯滤波模板，一般取3×3或者5×5大小窗口，其中3×3大小如式(2-6)所示。121124216121(2-6)可以从高斯滤波模板可以看出，离模板中心位置越远的像素权值越小；越近，像素值越大。相比简单的均值滤波，由于权重的影响，高斯滤波的边缘保护效果要好一些。2.2.4去噪效果实验由于实验条件限制，实验对象为在实验室环境下模拟板型种植的果园环境布置的假苹果树。采集到的源图像如所示。图2-2源图像Figure2-2．Sourceimage使用均值滤波、中值滤波和高斯滤波分别对图像进行去噪处理，去噪效果如图2-3所示。每一种滤波算法分别采用3×3、5×5和7×7大小的滤波模板。可以看出，对于三种滤波算法来说，相比源图像，噪声都得到了一定程度的去除。并且随着滤波器模板增大，图像的模糊程度都随着增大，噪声去除的效果也越好。但是需要注意到，去除噪声不是没有代价的。由于图像边缘在图像中也表现为高
(a)均值滤波(3×3) (b)均值滤波(5×5) (c)均值滤波(7×7) (d)中值滤波(3×3) (e)中值滤波(5×5) (f)中值滤波(7×7)
【参考文献】：
期刊论文
[1]基于开源项目的苹果采摘系统设计及视觉算法改进[J]. 刘岳开,高宏力,张洁. 江苏农业科学. 2019(04)
[2]基于机器视觉的水果采摘机器人目标识别方法[J]. 初广丽,张伟,王延杰,丁南南,刘艳滢. 中国农机化学报. 2018(02)
[3]基于半实物仿真的采摘机器人视觉定位研究[J]. 陈科尹,邹湘军,彭红星,梁海英,胡元闯. 系统仿真学报. 2017(08)
[4]自然背景下计算机视觉技术在西红柿采摘中的应用[J]. 李思广. 农机化研究. 2017(07)
[5]西红柿采摘机器人视觉系统的研究[J]. 郭凯敏,崔天时,张桢,郭志强,朱铁欣,谢学刚. 农机化研究. 2016(12)
[6]自然光照条件下苹果识别方法对比研究[J]. 麦春艳,郑立华,肖昌一,李民赞. 中国农业大学学报. 2016(11)
[7]基于激光视觉的智能识别苹果采摘机器人设计[J]. 张宾,宿敬肖,张微微,邓明华,汪小志. 农机化研究. 2016(07)
[8]苹果采摘机器人夜间图像边缘保持的Retinex增强算法[J]. 姬伟,吕兴琴,赵德安,贾伟宽,丁世宏. 农业工程学报. 2016(06)
[9]基于单目视觉与超声检测的振荡果实采摘识别与定位[J]. 李国利,姬长英,顾宝兴. 农业机械学报. 2015(11)
[10]基于ZY-3影像潮水沟槽线的提取[J]. 周虹宏,丁贤荣,葛小平,康彦彦. 地理空间信息. 2015(02)
硕士论文
[1]说话人唇部特征提取算法的研究及实现[D]. 崔三帅.兰州大学 2018
[2]基于机器视觉的四通阀自动钎焊定位系统研究[D]. 贺楚红.中国计量大学 2017
[3]机器视觉中图像检测算法的研究与应用[D]. 杨雪.江南大学 2013
[4]基于肤色分割与AdaBoost分类器的多姿态人脸检测[D]. 崔小静.太原理工大学 2012
[5]基于单目视觉的手势识别算法的研究与实现[D]. 翁汉良.广东工业大学 2011
[6]基于VFW的鸡蛋品质无损检测方法的研究[D]. 祝志慧.华中农业大学 2005
本文编号：3244198
本文链接：https://www.wllwen.com/nykjlw/nygclw/3244198.html
