基于机器视觉的智能植物养护系统

发布时间：2020-12-07 14:07

　　近年来,随着科技与经济的高速发展,人们对生活质量的要求越来越高,许多人开始选择通过培育盆栽植物的方式来提升家居环境。然而面对紧张繁忙的现代生活,人们往往缺乏时间与精力去对所养植物进行照顾,因此常常出现植物枯萎、衰败、甚至凋亡。与此同时,智能家居作为一种新兴技术,开始广泛受到人们关注。在这两方面的作用之下,针对植物的智能养护研究应运而生。本文旨在研究开发一款基于机器视觉的智能植物养护系统,通过CMOS摄像头对植物进行位置定位与生长信息接收,并设计了一套针对室内环境光干扰的解决方案,实现了对植物所在位置的准确定位与基于摄像头的信息通信。利用STM32嵌入式技术,结合多种传感器获取植物生长信息,包括湿度、光照等数据。实现了对植物的全天候生长监控,保证了植物的生长状态。并通过基于直流电机移动平台的养护机器人完成植物补水补光操作,实现了对室内盆栽植物的全自动养护。本文提出的智能植物养护系统与目前市场上的产品相比,其自动化水平更高,实用性更强,能够更加广泛的适用于家居环境下多盆植物的智能养护工作。 

【文章来源】：黑龙江大学黑龙江省

【文章页数】：66 页

【学位级别】：硕士

【文章目录】：
中文摘要
Abstract
第1章 绪论
    1.1 课题研究的背景和意义
        1.1.1 智能家居与智能植物养护
        1.1.2 图像处理技术与机器视觉
    1.2 国内外研究现状及应用
        1.2.1 国内外研究现状
        1.2.2 智能植物养护发展趋势
    1.3 论文主要工作内容和结构安排
第2章 系统方案设计与实验环境搭建
    2.1 系统需求分析
    2.2 系统开发工具
        2.2.1 OpenCV算法库
        2.2.2 STM32微控制器
    2.3 系统功能模块
    2.4 本章小结
第3章 基于机器视觉的室内定位与信息传输
    3.1 视频图像预处理
        3.1.1 色彩空间转换
        3.1.2 图像的形态学处理
    3.2 目标植物视觉定位的研究
        3.2.1 基于视觉的定位方法
        3.2.2 基于HAAR算子的特征识别
        3.2.3 基于红外标识法的全局定位
    3.3 基于摄像头的红外光通信技术
        3.3.1 需求分析与数据发送
        3.3.2 基于摄像头的数据接收
    3.4 数据信息处理
    3.5 本章小结
第4章 植物生长监测端的设计与实现
    4.1 监测端总体设计
    4.2 传感器原理与应用
        4.2.1 土壤湿度传感器
        4.2.2 光敏传感器
    4.3 信息处理与显示
        4.3.1 基于STM32的模数转换
        4.3.2 基于1602LCD液晶屏的状态显示与按键控制
    4.4 监测端外围电路设计
        4.4.1 电压控制电路
        4.4.2 红外LED驱动电路
    4.5 本章小结
第5章 植物养护机器人设计与实验
    5.1 养护机器人总体设计
    5.2 基于脉宽调制的电机控制
        5.2.1 脉宽调制技术
        5.2.2 直流电机与水泵控制
    5.3 基于STM32的蓝牙通信
    5.4 机器人运动路径设计与实验讨论
        5.4.1 运动方案设计
        5.4.2 实验讨论
    5.5 本章小结
结论
参考文献
致谢


【参考文献】：
期刊论文
[1]OpenCV应用现状综述[J]. 李越.  工业控制计算机. 2017(07)
[2]室内视觉定位与导航综述[J]. 刘康.  黑龙江科技信息. 2017(08)
[3]绿色植物对室内空气污染的净化作用[J]. 倪菲菲,谢平凡,李金炜,陈伊蕾,吴苏剑,陈珍.  中国农学通报. 2017(04)
[4]手机摄像头基础下的可见光通信技术[J]. 王豪,周宇,周洁城.  赤子(下旬). 2017(01)
[5]膨胀与腐蚀算法的改进及并行实现[J]. 杜慧敏,蒋忭忭,常立博,郭冲宇,季凯柏.  西安邮电大学学报. 2017(01)
[6]室内定位技术综述及发展前景展望[J]. 王杨,赵红东.  测控技术. 2016(07)
[7]2.4GHz WiFi及蓝牙对ZigBee干扰分析[J]. 胡思雨.  科技视界. 2016(14)
[8]工业机器人视觉定位技术研究与应用[J]. 傅华强,房芳.  工业控制计算机. 2016(03)
[9]温室对作物生长光环境的影响分析[J]. 丁小明.  农业工程技术. 2015(28)
[10]机器视觉检测技术在工业检测中的应用[J]. 陈英.  电子测试. 2015(18)

博士论文
[1]高精度实时视觉定位的关键技术研究[D]. 卢维.浙江大学 2015
[2]RGB颜色空间及其应用研究[D]. 黄国祥.中南大学 2002

硕士论文
[1]基于WiFi与Android的智能家居监控系统设计[D]. 徐文.西南交通大学 2017
[2]大型停车场车位检测及停车导航技术的研究[D]. 赵晓磊.黑龙江大学 2017
[3]基于物联网的智能花卉养护系统的研究[D]. 李阳.黑龙江大学 2017
[4]视觉室内定位中图像特征点匹配算法研究[D]. 万柯.哈尔滨工业大学 2016
[5]局部对比度增强的彩色图像灰度化参数化算法研究[D]. 肖剑雄峰.温州大学 2016
[6]基于双目立体视觉系统的深度信息提取研究[D]. 陈纪友.暨南大学 2016
[7]基于OpenCV的GPU并行加速图像匹配算法研究[D]. 毛星云.南京航空航天大学 2016
[8]基于Android手机摄像头的可见光通信技术研究[D]. 邹鑫.大连海事大学 2015
[9]智能家居系统中家庭控制中心机器视觉信息处理算法研究[D]. 周耳江.北京工业大学 2015
[10]基于机器视觉的目标分类与场景定位研究[D]. 彭晖.杭州电子科技大学 2015



本文编号：2903389