近色背景下温室青椒目标视觉识别技术研究

发布时间：2023-04-02 21:57

　　我国是青椒种植面积大国,青椒的采摘作业是密集型的。由于农业劳动力匮乏,为了保证青椒的采摘,需要改善青椒采摘效率,因此实现青椒的自动化采摘成为现阶段急需解决的问题。由于青椒与背景近色的问题,因此能否准确识别出青椒就成了青椒采摘机器人的重要任务。本文结合目前农业方面利用机器视觉技术进行研究的热点,以温室环境中青椒图像作为研究目标,通过研究图像采集与预处理、分割图像、形状和纹理特征提取以及对青椒目标的识别等关键技术,实现青椒采摘机器人在近色系背景下对青椒的识别,然后通过实验验证本文提出方法的可行性与可靠性,主要研究内容涉及以下几方面:(1)在青椒图像获取和预处理的基础上,采用配置在青椒采摘机器人上的Uni Fly M088型摄像头采集温室中不同背景下的青椒图像,图像像素为640×480,每幅图像中一般包括青椒、叶子、土地等背景,然后直方图直观展示近色的特点,对主要颜色空间进行介绍,最后对采集的图像进行双边滤波操作,去除青椒图像噪声的同时保留青椒图像边缘信息。(2)针对青椒图像分割与后期处理的问题,采用K-Means分割方法先对青椒图像进行一次分割,由于青椒和背景近色的特点,一次分割效果不理想...

【文章页数】：72 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第一章 绪论
    1.1 课题研究背景和意义
    1.2 国内外目标识别研究现状
        1.2.1 国外目标识别研究现状
        1.2.2 国内目标识别研究现状
    1.3 课题主要问题与挑战
    1.4 本文主要研究内容
第二章 青椒图像采集与预处理
    2.1 图像采集与分析
        2.1.1 图像采集
        2.1.2 青椒图像特征分析
    2.2 颜色空间概述
        2.2.1 RGB色彩空间
        2.2.2 Lab色彩空间
        2.2.3 HSI颜色模型
    2.3 抑制图像噪声
        2.3.1 中值滤波
        2.3.2 高斯滤波
        2.3.3 双边滤波
    2.4 本章小结
第三章 青椒图像分割方法研究
    3.1 青椒图像一次分割
        3.1.1 K-Means聚类原理
        3.1.2 K-Means聚类分割
    3.2 青椒图像二次分割
        3.2.1 阈值分割概述
        3.2.2 二次分割结果
    3.3 图像后期处理
        3.3.1 数学形态学处理
        3.3.2 噪声去除
        3.3.3 有效连通区域保留
        3.3.4 处理结果分析
    3.4 本章小结
第四章 青椒图像特征提取
    4.1 形状特征获取
        4.1.1 Hu不变矩概念
        4.1.2 Hu不变矩提取图像特征
    4.2 纹理特征获取
        4.2.1 Tamura纹理特征
        4.2.2 粗糙度
        4.2.3 对比度
        4.2.4 方向度
        4.2.5 结果比较
    4.3 数据归一化
    4.4 本章小结
第五章 青椒目标识别及实验分析
    5.1 最小二乘支持向量机简介
        5.1.1 支持向量机简介
        5.1.2 广义最优分类面
        5.1.3 最小二乘支持向量机(LS-SVM)原理
    5.2 粒子群算法
        5.2.1 粒子群算法基本原理
        5.2.2 改进粒子群算法优化LS-SVM参数
    5.3 基于改进粒子群算法的最小二乘支持向量机的青椒识别算法流程
    5.4 青椒图像目标识别试验
        5.4.1 实验环境
        5.4.2 图像预处理
        5.4.3 形状和纹理特征提取
        5.4.4 IPSO-LS-SVM的识别实验
        5.4.5 测试实验
    5.5 实验分析
        5.5.1 图像分割及特征提取分析
        5.5.2 训练实验及测试实验分析
    5.6 本章小结
第六章 总结与展望
    6.1 研究工作总结
    6.2 后续工作展望
参考文献
致谢
攻读硕士期间完成的研究成果



本文编号：3780037