机器视觉在农业中的应用研究进展

机器视觉在农业中的应用研究进展

ID:20559411

大小:55.50 KB

页数:8页

时间:2018-10-13

机器视觉在农业中的应用研究进展_第1页
机器视觉在农业中的应用研究进展_第2页
机器视觉在农业中的应用研究进展_第3页
机器视觉在农业中的应用研究进展_第4页
机器视觉在农业中的应用研究进展_第5页
资源描述:

《机器视觉在农业中的应用研究进展》由会员上传分享,免费在线阅读,更多相关内容在工程资料-天天文库

1、机器视觉在农业中的应用研究进展李方圆1于功志1,21,大连海洋大学2,大学生“蔚蓝”科技创新创业基地116023摘要:机器视觉技术因其具有非接触式性、速度快、精度高等特点,被广泛应用于现代农业生产的各个环节。基于对近几年成果和文献的分析,综述机器视觉技术在质量分级与检测、农作物生长过程信息采集、果实自动采摘系统、机械设备导航等方面研宄进展,并对机器视觉技术在农业领域的研究情况进行分析和总结,提出目前存在的问题和未来的研究发展方向。关键词:机器视觉;质量分级;信息釆集;导航0引言随着计算机技术的快速发展,计算机图像处理技术不断进步,机器视觉技术广泛应用到农业生产中。

2、在农业生产过程中,在对农产品或农作物进行外观判断和信息釆集过程中,如品质检测、成熟度判断、作物生产状况等,运用机器视觉技术代替人工,降低了人的劳动强度,并实现农业生产现代化。对国内外研究进展及应用情况进行综述,总结了应用中存在的问题,并对该技术的发展前景和研宄方向进行讨论。1机器视觉机器视觉系统是指通过机器视觉设备将被摄取目标转换成图像信号,传送给专用的图像处理系统,根据像素分布和亮度、颜色等信息,转变成数字化信号;图像系统对这些信号进行各种运算来提取目标的特征,进而根据判别的结果来控制现场的设备运作。机器视觉典型结构包括五大块:照明、镜头、高速相机、图像采集卡和

3、视觉处理器(图1-1)。2机器视觉在农业上的应用机器视觉广泛应用于农业生产当中,在农产品质量分级、检测、农产品自动采摘系统、农W检测以及自动化机械的导航等方面均有技术突破。虽然机器视觉技术识别方面比人眼更准确,并具有非接触的特点,但由于农业生产环境的复杂多变,使得机器视觉在农业生产中的应用还不成熟。图1-1机器视觉系统示意图1-照明,2-高速相机和镜头,3-光源箱,4-被测物体,5-计算机2.1机器视觉在农业分级检测上的应用农产品分级和分类检测是0前机器视觉一个重要的研宄方向。传统人工分选耗吋耗力,且分选精度不高;特别是一些农产品外观特性对产品质量和经济效益影响较

4、大,人的主观判断很容易改变该产品的分级等级。运用机器视觉对农产品进行分级分选,根据设定好的分级标准自动分级,避免了人为影响,还具有较高的处理效率。机器视觉在农产品的质量分级、检测中,运用CCD摄像头采集图像信息,经过MATLAB软件处理,采用RGB、HIS等颜色模型变换,对特征分量进行大津展(Ostu)阈值法分割、中值滤波等方式提取图像边缘特性,并去除噪声,得到被测物体的数字图像特征。最后运用相关的图像算法,将数字图像特征转化为分级数字信号完成分级。刘同海等[1】设计了一种复杂背景下猪体体尺测点坐标提取的算法,解决了机器视觉提取自然站立姿态下猪体体尺测点识别率低的

5、问题。人连理工人学林艾光等[2]利用摄像头捕获扇W图像,建立扇W模型并识别大小。解决了采用筛子和分级机筛分,会损伤扇W边缘,影响生长发育,人工分选效率低下的问题。李聪等、Whitelock等[3-4]通过提取形状和缺陷等特征对成熟苹果进行分级检测,但提取算法单一,不能提取多种缺陷,识别效果欠佳。王海青、方政、邢作常、胡发焕等[5-7]通过对农作物果实外形特点的研究,提取外观综合特征,利用matlab软件的函数变换,可以识别果实的大小和外观缺陷,效果可以满足实吋环境下的分级检测。高新浩等[8】对数字图像采用小波分析方法,分析鲜食玉米图像的纹理特征,设计出•一种分级方

6、式,降低人工对玉米表皮的破损以及主观因素对产品质量检测的影响。在农业生产中,机器视觉技术己经比较成熟地应用在农产品分选设备中;然而,在实际应用当中,一部分产品的质量标准是由质量、甜度等苏他特征决定。在后续的研究过程中,应将其他特征对产品分级和检测的影响考虑进来。2.2机器视觉在农产品自动采摘上的应用农村劳动力匮乏,农业机器人取代人工进行采摘已经成为趋势,机器视觉的应用提高了农业机器人的采集的精度和效率。刘志刚等[9】采用双B视觉相机、路标识别相机和声纳传感器三者相结合的方式,控制采集机器人进行采摘。张宾、王政、张丽等[10-12]利用相机获取果树周围环境的反射图像

7、,对果实进行精确定位,提高了采摘的效率。郭素娜、何婕等[13-14]利用机器视觉对主要颜色特征提取的灰度直方图来判断果实的成熟度,避免采摘未成熟的果实。薛亮等[15]利用机器视觉系统获得障碍物的信息,运用RBF设汁网络算法控制机器手躲避障碍物,解决了采集过程中机器手的蔽障问题。宣峰等[16]设计了以单片机为核心处理器的农业采摘机器人,降低了图像处理吋间,同吋也缩小了机器人的体积,对采摘机器人的设计具有十分重要的意义。目前,基于机器视觉的自动采摘机器人,对于颜色信号明显的果实能够很好地进行辨别。但由于果实受光照、生长位置等因素影响,果实定位仍存在一定的困难。对于部分

8、农作物果实

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。