基于机器视觉的草莓识别技术研究

发布时间：2023-06-05 00:43

　　草莓富含多种对人体有益的微量元素,价格低廉,经济价值很高,但其成熟期不一短暂不易存放,需要及时采摘与运输。当前我国草莓采摘依赖人工,效率低下,制约了草莓种植业的发展,因此急需实现草莓采摘自动化,其首要工作是让机器自动识别出草莓位置。本文以地垄草莓为研究对象,围绕草莓图像识别开展了相关研究,提出了基于机器视觉技术的草莓识别方法,主要研究内容如下:(1)分析了国内外果实识别智能检测技术,研究了机器视觉中的多种颜色模型,确定了本研究采用RGB和HIS颜色模型。提出本研究的具体技术路线:以通用摄像头作为图像获取硬件,以MATLAB软件包作为图像处理软件平台,开发基于机器视觉的草莓识别技术。(2)利用草莓模型的图像,研究了草莓图像去噪、分割、增强、特征提取等多种图像预处理技术。在草莓边缘提取技术上,通过比对实际效果,选择Sobel算子作为边缘检测算子,满足了本研究的实际需要。(3)采集了大量田间种植草莓的真实图像,基于K-means聚类算法实现草莓图像果实区域的分割,然后对草莓图像进行边缘识别与拟合等形态学操作,找到了草莓位置。(4)在真实草莓的图像数据上,提取了草莓图像的HOG特性,建立正反样...

【文章页数】：55 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
1 绪论
    1.1 研究背景及意义
        1.1.1 研究背景
        1.1.2 研究意义
    1.2 .国内外研究现状
        1.2.1 国外研究现状
        1.2.2 国内研究现状
    1.3 研究内容及技术路线
        1.3.1 研究内容
        1.3.2 实验实现的技术路线
    1.4 文章的组织结构
2 机器视觉中的色彩模型
    2.1 常用色彩模型相关理论
        2.1.1 RGB色彩模型
        2.1.2 HSV色彩模型
        2.1.3 HIS色彩模型
        2.1.4 Lab色彩模型
        2.1.5 CMYK色彩模型
        2.1.6 YCbCr色彩模型
        2.1.7 YUV色彩模型
    2.2 本研究中色彩模型的选择
    2.3 本章小结
3 草莓的图像增强与分割
    3.1 草莓的图像增强
        3.1.1 直方图均衡化
        3.1.2 中值滤波
        3.1.3 平滑滤波
        3.1.4 低通滤波
    3.2 图像分割
        3.2.1 基于阈值分割
        3.2.2 基于区域分割
        3.2.3 边缘检测
    3.3 本章小结
4 基于K-means聚类算法的草莓识别
    4.1 草莓图像采集
    4.2 K-means聚类算法的基本原理
    4.3 基于K-means聚类的草莓分割
        4.3.1 草莓特征向量的提取
        4.3.2 K-means聚类算法分割结果
        4.3.3 草莓图像二值化
    4.4 草莓图像空洞填充
        4.4.1 草莓图像的膨胀处理
        4.4.2 草莓图像的腐蚀处理
    4.5 目标草莓区域的识别
        4.5.1 基于Sobel算子的草莓边缘检测
        4.5.2 目标草莓的标记
        4.5.3 草莓图像融合
    4.6 本章小结
5 基于HOG特征SVM分类器的草莓识别
    5.1 HOG特征提取
        5.1.1 HOG简介
        5.1.2 HOG特征提取步骤
        5.1.3 获取草莓图像HOG特征
    5.2 SVM简介
        5.2.1 SVM核心思想
        5.2.2 SVM中的核函数
    5.3 基于SVM草莓识别的实现
        5.3.1 搭建SVM操作流程
        5.3.2 草莓样本集建立
        5.3.3 草莓HOG特征提取
        5.3.4 训练及预测结果
    5.4 基于NMS草莓果实的识别
        5.4.1 NMS基本原理
        5.4.2 NMS在目标识别中的应用
        5.4.3 NMS在本研究中的应用
    5.5 本章小结
6 总结与展望
    6.1 总结
    6.2 展望
参考文献
致谢
攻读学位期间的研究成果



本文编号：3831346