下载文档原格式
树莓剪枝机器人设计孟繁佳;刘泰阳【摘要】树莓在我国边疆地区大面积种植,如要有良好的长势,剪枝尤为重要,需要大量的人力.受地理条件限制,边疆地区地广人稀、人力成本高,为降低生产成本,研制树莓剪枝机器人非常必要.为此,针对早春时节树莓需要定植修剪的实际需要,研发了一款树莓剪枝机器人.工作时,以上位机与下位机进行串口通信的控制系统为核心,利用机器视觉技术,对采集到的图像进行实时处理,控制剪枝机器人前进,左右机械臂同时工作,高效地实现对细弱枝、破损枝的识别与剪除.试验表明:树莓剪枝机器人工作时有极大的可靠性与自适应能力,能适应各种复杂环境,可在早春时节实现智能化树莓定植修剪,对过密的细弱枝、破损枝可以齐地剪除.【期刊名称】《农机化研究》【年(卷),期】2019(041)001【总页数】6页(P138-142,147)【关键词】剪枝机器人;树莓定植;机器视觉;图像识别;串口通信【作者】孟繁佳;刘泰阳【作者单位】中国农业大学信息与电气工程学院, 北京 100083;中国农业大学信息与电气工程学院, 北京 100083【正文语种】中文【中图分类】S224;TP2420 引言农业机器人将信息技术进行综合集成，集感知、传输、控制、作业为一体，将农业的标准化、规范化大大向前推进了一步。
其不仅节省了人力成本，也提高了品质控制能力，增强了自然风险抗击能力。
与国外相比，我国农业机器人研究与开发方面尚处于起步阶段，20世纪90年代中期，国内才开始了农业机器人技术的研发。
树莓是灌木型果树，是生态经济型水土保持灌木树种，在欧、美一些国家早已广泛栽培，并形成产业化发展，引入中国后也得到了快速发展，在很多省、市、自治区都得到广泛种植。
因其具有很好的营养价值、药用价值和食用价值，所以经济效益较好。
在早春进行定植修剪，需对过密的细弱枝、破损枝齐地剪除，以保证植株的长势均匀。
由于树莓多种植于中国东北、甘肃、青海、新疆、西藏等地广人稀的地区，定植修剪又需要大量的人力，面临劳动力大量短缺的困境；雇佣外来务工人员又面临劳务工资急剧上升的局面，用工成本严重制约了树莓产业的发展。
复杂背景下黄瓜病害叶片的分割方法研究张芳;王璐;付立思;田有文【摘要】利用图像处理和模式识别技术进行复杂背景下黄瓜叶部病害的自动识别，需要先把目标叶片从复杂背景中分割出来，才能进行后续的特征提取和病害识别。
为实现复杂背景下黄瓜叶片的分割，首先利用K-均值聚类算法去除图片中的非绿色部分，再采用基于laplacian of gaussia （ LOG）算子的方法对待分割的叶片进行区域检测，然后进行基于形状上下文（shape context ）的模板匹配和分割。
为了提高匹配速度，先检测叶片的生长点和叶尖，以确定叶片的位置、尺寸和方向；然后使用基于超像素（ superpixel ）的最优匹配搜索方法来减少搜索的复杂度。
对20幅黄瓜叶部病害图像进行分割测试，并与人工分割法进行对比，结果表明，本文所采用的分割算法能较好地从复杂背景下提取出黄瓜叶部病害图像，分割准确率达94.7％，为后期黄瓜病斑的特征提取等工作奠定了良好的基础。
%In orderto realize automatic identification of cucumber disease leaves in the complex background , target leaves should be segmented from the complex background first to facilitate the subsequent feature extraction and dis -ease recognition .For this purpose , K-means clustering algorithm was initially used to remove the non-green parts of the image, and thenthe approach based on LOG operator was proposed to select the candidate leaf areas .Finally, template matching was conducted based on shape context .During the matching process , the position, size and direc-tion of the leaves were firstly identified via the detection of the growing point and apex of leaves to improve the matc -hing efficiency , along with the search for the optimal matching based on superpixel to reduce thesearch complexity . To evaluate the feasibility of the proposed segmentation approach , 20 images of cucumber diseased leaves were seg-mented, and the result was compared with manual segmentation .It was shown that the proposed segmentation ap-proach could extract images with cucumber diseased leaves from the complex background , and the average segmenta-tion accuracy rate was 94.7%, which built a solid foundation for the subsequent feature extraction of cucumber le -sion.【期刊名称】《浙江农业学报》【年(卷),期】2014(000)005【总页数】10页(P1346-1355)【关键词】图像分割;K-均值聚类;模板匹配;形状上下文;黄瓜叶片【作者】张芳;王璐;付立思;田有文【作者单位】沈阳农业大学信息与电气工程学院，辽宁沈阳 110161;东北大学信息科学与技术学院，辽宁沈阳 110819;沈阳农业大学信息与电气工程学院，辽宁沈阳 110161;沈阳农业大学信息与电气工程学院，辽宁沈阳 110161【正文语种】中文【中图分类】TP751;TP391黄瓜在生长过程中，由于受生长环境等各种因素影响，经常会导致各种病害发生，影响黄瓜的品质。
棉花叶部害螨病斑形态特征提取王云鹏;刁智华;宋寅卯;王欢【期刊名称】《郑州轻工业学院学报（自然科学版）》【年(卷),期】2013(028)004【摘要】针对当前农作物病害诊断存在的效率较低、难以保证精确度等问题,提出运用计算机图像处理技术进行棉花害螨病斑特征提取的方法.该方法以棉花害螨病叶为研究对象,利用中值滤波法对噪声的干扰进行有效的去除；结合运用超绿特征2G-R-B分割算法和面积阈值法将害螨病斑区域从病叶图像中有效分离出来；最后依据分割好的病斑样本图像,运用二值图像区域标记法准确提取出病斑的8个形状特征值.对提取的数据进行分析,得出病斑的圆形度、伸长度紧凑度和内切圆半径等4个相对值特征能有效地体现病斑的形状特征,可以作为识别病害症状的依据.试验结果表明,该方法准确有效.【总页数】5页(P64-68)【作者】王云鹏;刁智华;宋寅卯;王欢【作者单位】郑州轻工业学院电气信息工程学院,河南郑州450002;郑州轻工业学院电气信息工程学院,河南郑州450002;郑州轻工业学院电气信息工程学院,河南郑州450002;郑州轻工业学院电气信息工程学院,河南郑州450002【正文语种】中文【中图分类】TP391.41;TS102.2+11【相关文献】1.棉花红螨病害叶部图像特征提取研究 [J], 宋寅卯;刁智华;王云鹏;王欢2.改进自适应分水岭方法分割棉花叶部粘连病斑 [J], 张建华;韩书庆;翟治芬;孔繁涛;冯鑫;吴建寨3.利用特征分割和病斑增强的杨树叶部病害识别 [J], 明浩;苏喜友4.多尺度U网络实现番茄叶部病斑分割与识别 [J], 顾兴健;朱剑峰;任守纲;熊迎军;徐焕良5.基于U-Net的玉米叶部病斑分割算法 [J], 刘永波;胡亮;曹艳;唐江云;雷波因版权原因，仅展示原文概要，查看原文内容请购买。
基于颜色均值显著点聚类的作物病害叶片图像分割方法摘要：本文提出了一种基于颜色均值显著点聚类的作物病害叶片图像分割方法。
该方法首先利用颜色均值计算每个像素点的相似度，然后通过显著点聚类方法将图像分割成若干个图像区域。
最后，结合形态学处理和阈值分割，实现对病害区域的精确分割。
实验结果表明，该方法能够有效地处理复杂的病害叶片图像，取得了较好的分割效果。
关键词：颜色均值；显著点聚类；形态学处理；阈值分割1. 介绍作物病害是导致农作物减产和质量降低的主要因素之一。
为了及时有效地防治作物病害，需要对病害叶片进行精确的识别和分割。
目前，病害叶片图像分割方法主要有基于阈值分割、边缘检测、区域生长等方法。
但是，这些方法往往对于颜色纹理复杂、受到外部光照等因素影响的图像效果不佳。
2. 方法2.1. 颜色均值计算在本文中，将RGB颜色空间转换为CIExyY颜色空间，以增加颜色分辨率，同时减少颜色分布。
其中，x和y分别表示色度，Y表示亮度。
在CIExyY颜色空间中，对于每个像素点Pi，我们可以计算出其颜色均值μi，如下所示：μi=∑j=1n(Piji)/n其中，n表示像素点Pi的邻域大小，Piji表示像素点Pi邻域内的第j个像素点的CIExyY颜色空间值。
2.2. 显著点聚类基于颜色均值，我们可以计算出相邻像素点之间的相似度，从而实现显著点聚类。
显著点聚类方法是一种基于密度的聚类方法，该方法通过定义颜色均值相似度和距离阈值来区分图像中的不同区域。
具体而言，我们可以通过以下步骤实现显著点聚类：1）初始化聚类中心，将所有像素点看作一个簇；2）计算每个像素点与聚类中心的距离，并将其划分到最接近的簇中；3）更新聚类中心，并重复步骤2，直到聚类中心不再改变为止。
最终，我们可以将图像分割成若干个图像区域，并进一步进行形态学处理和阈值分割，实现对病害区域的精确分割。
2.3. 形态学处理和阈值分割形态学处理是一种通过改变图像形状和大小来实现去除噪声、填充空洞、分割目标等目的的图像处理方法。
复杂背景下棉花病叶害螨图像分割方法刁智华;王欢;宋寅卯;王云鹏【期刊名称】《农业工程学报》【年(卷),期】2013(000)005【摘要】为提高棉花害螨图像分割的效果，根据棉花害螨图像的特点，该文提出一种在复杂背景条件下棉花害螨病斑的图像分割方法.首先利用超绿特征2G-R-B 提取出复杂背景下彩色图像中的类病斑(具有相同红色的害螨病斑和茎秆).然后对类病斑区域与非类病斑区域的灰度图像进行二值化处理.最后利用面积阈值法将类病斑中的害螨病斑分割出来.试验结果表明，该算法能有效的提取出棉花害螨病斑，准确率可达97.83%.该研究可为复杂背景下的害螨图像的分割提供参考.%According to the properties of cotton disease image, we propose a segmentation method under the condition of complex background for improvement on segmentation precision of cotton mite disease image. The proposed algorithm is comprised of three main steps. First, we extract the analogous disease spots (disease spots and stems with red color) from green plants by Excess green feature 2G-R-B, then some different gray-scale images would be obtained. Second, the targets would be extracted from the background by thresholding according to the double-peak feature presented in the gray Histogram of the gray-scale images. After this procedure, we can get the binary image that contained only analogous disease spots. According to the further amplification researches on the binary images of the large quantities of cotton mite disease image samples,we can find that the segmented images are constituted by a large number of independent 8-connected region, and the connected region of stems are larger than cotton mite disease spots’. On the basis of this feature, the image can be grouped into two categories in order to remove the stems from the whole analogous disease spots in the binary image:the one is small connected region composed by cotton disease spots; and the other is large connected region composed by cotton stems. Finally, compare the disease spots’area with stems’and then segmented binary images by using area thresholding, By observing the segmentation results in different thresholding values, select a optimal one to eliminate stem regions that larger than the value. On the contrary, the cotton mite disease area that smaller than the value will be remained. The experiment results show that this algorithm is of effective in segmenting cotton disease spot, and the correctness rate of the algorithm can reach 98.1%. At last, In order to test the validity and generality of this proposed method, 30 color images of cotton mite-disease are picked out to segment by the proposed algorithm, a split plot with repeated measures in the error extraction rate was used as the experimental design. From the statistics, we can know that the average error extraction rate of 30 color images of cotton mite-disease is 2.17%, the average correct extraction rate could reach 97.83%. This proposed algorithm combined 2G-R-B、single threshold and area thresholding to segment the disease spots from image with complex background plays well. It can lay a foundation for automatic identification of cotton mite disease.【总页数】6页(P147-152)【作者】刁智华;王欢;宋寅卯;王云鹏【作者单位】郑州轻工业学院电气信息工程学院，郑州 450002;郑州轻工业学院电气信息工程学院，郑州 450002;郑州轻工业学院电气信息工程学院，郑州450002;郑州轻工业学院电气信息工程学院，郑州 450002【正文语种】中文【中图分类】TN911.73【相关文献】1.基于高光谱技术的复杂背景下血指纹图像分割方法研究 [J], 朱镥文;蔡竞2.基于颜色和形状特征的棉花害螨图像分割方法 [J], 刁智华;王欢;宋寅卯;王云鹏3.复杂背景下基于二维OTSU和肤色分割结合的掌纹图像分割方法 [J], 薛延学;刘敏;马思欣;帅建坤;雷丹4.基于颜色和形状特征的棉花害螨图像分割方法 [J], 刁智华;王欢;宋寅卯;王云鹏5.一种复杂背景下的电力设备红外图像分割方法 [J], 王小芳; 毛华敏因版权原因，仅展示原文概要，查看原文内容请购买。
基于数字图像的棉田复杂背景下棉蚜统计方法顾佳敏;王佩玲;刘阳天;高攀;郭文超【摘要】[目的]实现棉田复杂背景下棉蚜快速准确计数,提出一种先彩色分割,后自适应构元素及阈值的棉蚜计数方法.[方法]该方法基于大量棉蚜图像RGB数据进行K-means聚类建模,利用结构元素完成腐蚀去噪,针对黏连区域像素个数进行求模运算.[结果]根据图像颜色特征将噪音分为13类,蚜虫分为7类,得到其RGB值后再次分类,并分析数据建立模型实现蚜虫和噪音的彩色分割;根据统计学原理建立结构元素,对不同噪音的图像自动选择最优结构元素进行腐蚀去噪;计算黏连区域像素个数与单头蚜虫期望大小像素个数的模,实现黏连区域蚜虫计数.[结论]基于结构元素的棉蚜计数方法能有效的对棉田复杂背景下棉蚜快速准确计数,计数平均准确率为86.47％,在图像处理过程中极大降低了算法对阈值的依赖性,有效地解决了棉蚜图像黏连分割的问题,完成基于数字图像的复杂背景下棉蚜计数.【期刊名称】《新疆农业科学》【年(卷),期】2018(055)012【总页数】9页(P2279-2287)【关键词】棉田复杂背景;棉蚜;彩色分割;自动结构元素【作者】顾佳敏;王佩玲;刘阳天;高攀;郭文超【作者单位】石河子大学农学院,新疆石河子 832000;石河子大学农学院,新疆石河子 832000;石河子大学信息科学与技术学院,新疆石河子 832000;石河子大学信息科学与技术学院,新疆石河子 832000;石河子大学信息科学与技术学院,新疆石河子832000【正文语种】中文【中图分类】S126;S435.6220 引言【研究意义】棉蚜的种群密度和危害程度是棉蚜防治决策的重要根据，更是精准喷药的关键信息。
传统上对棉蚜密度的监测主要采用样本抽查和人为估算，在棉蚜爆发高峰期，百株蚜量可达数万头，不仅工作繁重而且估算误差很大。
与传统棉蚜测报方法相比，采用图像处理技术可以大幅降低工作强度，提高蚜虫计数效率和准确率。
基于颜色均值显著点聚类的作物病害叶片图像分割方法随着现代农业技术的不断发展，图像处理技术在农业领域的应用也越来越广泛。
作物病害的早期检测对于农作物的健康生长至关重要，而基于图像处理的作物病害叶片图像分割技术则成为了一种重要的手段。
本文针对此问题，提出了一种基于颜色均值显著点聚类的作物病害叶片图像分割方法。
一、研究背景农作物病害对农作物的产量和质量都会造成重大影响，因此及早发现和治疗病害对于农作物的生长至关重要。
而作物病害叶片图像分割技术则是对农作物病害进行自动化识别与检测的一种重要手段。
目前，常见的作物病害叶片图像分割方法主要包括阈值分割、文本识别等技术。
这些方法均存在一定的局限性，例如对于复杂的叶片图像分割效果较差，无法有效区分病害区域与正常区域。
有必要针对这一问题提出一种新的作物病害叶片图像分割方法。
二、研究内容本文提出了一种基于颜色均值显著点聚类的作物病害叶片图像分割方法。
该方法主要分为以下步骤：1. 预处理：对输入的作物病害叶片图像进行预处理，包括去除噪声、调整图像亮度对比度等操作，以便后续处理。
2. 颜色空间转换：将预处理后的图像转换到Lab颜色空间，Lab颜色空间是一种比较适合于颜色分割的颜色空间，可以较好地将图像中的颜色信息和亮度信息分离开来。
3. 颜色均值计算：在Lab颜色空间中，计算图像中每个像素点的颜色均值，得到一个颜色均值图像。
4. 显著点检测：利用颜色均值图像，检测图像中的显著点，即颜色变化较大的区域，这些区域往往对应着病害区域。
5. 聚类分割：将显著点进行聚类分割，根据颜色相似性将相邻的显著点归为一类，得到最终的分割结果。
三、研究成果针对不同类型的作物病害叶片图像，我们进行了大量的实验验证。
实验结果表明，与传统的阈值分割、文本识别等方法相比，本文提出的基于颜色均值显著点聚类的作物病害叶片图像分割方法在分割效果上有着显著的优势。
该方法能够有效地将病害区域与正常区域进行分割，对于复杂的叶片图像也能够取得较好的效果。
