基于视觉与图像的植物信息采集与处理技术研究

发布时间：2018-03-31 12:34

  本文选题：机器视觉　切入点：图像处理　出处：《浙江大学》2016年博士论文

【摘要】：机器视觉和图像处理技术大范围地应用在品质检测与分级、农业生产目标识别与定位、植物长势检测、病害检测、精准管控等农业工程领域。本研究采用机器视觉与图像处理技术、高光谱技术、LiDAR技术和嵌入式机器视觉技术,研究了在植物信息采集与处理方面的处理算法,并通过叶片面积测量、甘蔗茎节识别、树木冠层投影面积和体积测量、水果体积和表面积测量的应用研究,验证算法和平台的可靠性。植物的叶片面积、果实体积和表面积等器官参数的测量对植物生长状态诊断及其生长预测模型有重要的指导意义,甘蔗茎节等植株信息的获取对自动化种植具有重要意义,树木等植被的群体信息的获取可用于高效地科学管理和决策。这些方面的研究是从微观到宏观,从器官(叶片、果实)到植株(甘蔗),再到群体(大范围的树木),最后研究了基于Android平台的信息采集和处理的具体应用,都是基于信息采集技术、特征提取技术和信息分析技术提出的。本文的主要工作如下：(1)提出叶片三维建模及曲面面积测量方法。通过多视角拍摄校准网格,采用校准算法获取相机参数,并对相机进行校正,提高建模测量的精度。从多角度拍摄自然生长状态下的叶片,利用PhotoModeler软件对图像进行处理,获得叶片三维点云模型；接着利用MATLAB编程实现叶片的三维曲面建模并计算曲面面积；最后采用扫描仪和Photoshop相结合的测量方法与所提出的方法对比。实验结果表明,本文提出的方法对自然状态下的叶片测量效果良好,精度高达99%。(2)基于高光谱成像技术的甘蔗茎节识别。采用高光谱成像技术对甘蔗茎节进行识别,运用SPA算法提取茎节的5个特征波段,建立SPA-PLS判别模型,校正集和预测集的识别率分别为99.44%和98.31%,对茎节判别效果非常好。运用该模型5个敏感波段组合的图像进行茎节识别与定位,定量地检测出茎节的位置,并将识别模型及定位方法应用于另外20个样本,同样取得良好效果,这为甘蔗茎节的识别与定位仪器的开发提供理论基础和依据。(3)基于机载LiDAR的树木信息采集与提取。采用机载LiDAR获取点云,利用点云分类算法,分别过滤地面和建筑物点云,实现城区树木点云的提取。采用角度法搜索边界,并在相应的CCD影像上显示,采用任意多边形面积算法和体积计算公式计算各连通区域的冠层投影面积和体积。在研究区域随机选出10个外业样地进行传统的人工测量,将基于LiDAR的激光测量与人工测量2种方法进行比较,验证本文方法的可靠性,为植被冠层和生物量的高精度定量估算提供了优质数据源,具有精度高、测量范围大等优点,将其引入到林业领域具有广阔的应用前景,有助于政府等相关部门进行高效合理地科学管理和决策。(4)基于Android的柑橘信息测量系统开发。利用Java结合OpenCV函数库编写软件,以Android平板电脑为工作平台,采用图像处理技术对体积和表面积进行测量。测量步骤分为：图像获取、图像分割、图像二值化、滤波去噪、三维线框模型的坐标点计算、体积和表面积计算。采用该方法分别对多个直径的圆在100mm到350 mm之间间隔为50mm的6个距离段进行了测量,验证了摄像头自身的畸变在0.3%以内,被测物轮廓的大小对测量精度无影响。应用本文提出的方法测量了10组不规则形状的柑橘的体积和表面积,并与排水法和扫描图像处理法的测量结果比较,准确率在98%以上。测试了采集图像数量分别为5-15,测量准确率随图像数量的增加而提高,计算时间都在5s内。实验结果表明,该方法具备精确测量类球体农产品的体积和表面积的能力。
[Abstract]:......
【学位授予单位】：浙江大学
【学位级别】：博士
【学位授予年份】：2016
【分类号】：TP391.41
，

本文编号：1690758