首页> 中文学位 >基于纹理颜色的温室大棚黄瓜图像识别
【6h】

基于纹理颜色的温室大棚黄瓜图像识别

代理获取

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪论

1.1 研究背景

1.2 果实识别的国内外研究现状

1.3 目前存在的问题

1.4 本文工作内容

1.5 本章小结

第二章 MSER检测候选区域

2.1最大稳定极值区域

2.2特征区域的提取

2.3 MSER对目标区域的椭圆筛选

2.4 MSER颜色通道的选取

2.5本章小结

第三章 HOG特征的支持向量机训练分类

3.1 HOG 特征提取

3.2支持向量机

3.3 HOG+SVM的训练分类

3.4本章小结

第四章 去除错误分类

4.1 SIFT特征点检测

4.2利用SIFT消除错误分类点

4.3 黄瓜的颜色通道分割

4.4形态学操作

4.5本章小结

第五章 分割结果比较分析

5.1 分割结果比较

5.2 分割结果统计

5.3问题分析

5.4本章小结

第六章 总结与展望

6.1总结

6.2展望

参考文献

发表论文和科研情况说明

致谢

展开▼

摘要

我国是农业大国,农业人口在世界上最多,农业是我国赖以生存的基础产业。我国的耕地面积仅占世界7%,却要承载占世界1/5的人口。随着我国老龄化趋势的加剧,导致从事农业生产的人口逐年下降,因此解决这一问题刻不容缓。随着机器人技术和人工智能的发展,机器人进入农业生产领域成为可能。引进农业机器人进行农业生产可以有效的缓解当前矛盾,在促进机器人行业发展的同时解放有限的劳动力资源,还可以大大降低黄瓜的生产成本,提高生产率。
  农业机器人的机械收获需要自动检测和计数树冠的果实。由于颜色相似,形状不规则,背景复杂等问题造成果实识别非常困难而难以执行采摘动作。因此基于所有上述问题,在复杂背景下识别黄瓜是一项具有挑战性的任务。在本文中,提出了一种基于纹理分析和颜色分析的技术用于检测温室中的黄瓜。RGB图像转换为灰度图像和HSI图像分别执行算法。在第一阶段进行颜色分析以除去背景,例如土壤,树枝和天空,同时保持尽可能多的绿色水果像素呈现黄瓜和叶子。同时,MSER和HOG应用于灰度图像中的纹理分析。通过MSER获得候选区域,这些候选区域有的是包括黄瓜的候选区域。HOG+SVM用于区分黄瓜目标和背景消除不是黄瓜的候选区域。为了进一步消除非目标区域,通过SIFT算法检测关键点,根据SIFT的疏密特征确定黄瓜区域。然后,将颜色分析和纹理分析的结果合并以获得候选黄瓜区域。最后阶段应用数学形态学操作以获得完整的黄瓜。经过以上操作后可以得到相较于一般分割方法更加精确的黄瓜轮廓,在农业大棚中的自然光照环境下进行测试识别率高于普通的分割方法,保证了农业机器人后续的准确采摘。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
代理获取

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号