除草是農(nóng)業(yè)生產(chǎn)的重要組成部分,現(xiàn)在國(guó)內(nèi)主要是中耕除草和除草劑除草,前者效率低,工作量大;后者危害高。隨著機(jī)械和人工智能的發(fā)展,除草機(jī)器人漸漸進(jìn)入人們的視野。但現(xiàn)有的除草機(jī)器人視覺識(shí)別系統(tǒng)一般都體積龐大,其整體價(jià)格較為昂貴。基于傳統(tǒng)除草機(jī)器人視覺系統(tǒng)的缺點(diǎn),本文提出以采用Android智能手機(jī)作為本實(shí)驗(yàn)的視覺識(shí)別系統(tǒng),它同時(shí)具備了圖像采集和預(yù)處理的功能,且自身體積小,功耗低,不會(huì)在除草機(jī)器人本體上占據(jù)大的空間,并且當(dāng)下中等性能的手機(jī)價(jià)格不高,從而降低了除草機(jī)器人整體的成本,進(jìn)而實(shí)驗(yàn)開發(fā)了一款簡(jiǎn)單的具有圖像預(yù)處理功能的APP。傳統(tǒng)圖像識(shí)別過程一般是將采集來的圖像進(jìn)行一步或者幾步的預(yù)處理,然后對(duì)處理后的圖像進(jìn)行分割,提取分割出來的目標(biāo)物體的體征數(shù)據(jù),最后根據(jù)模式識(shí)的方式判斷該物體類別。本文將RGB彩色圖像轉(zhuǎn)換到HSV和L*a*b*色彩空間,使用單通道分離方式獲取灰度圖像,經(jīng)對(duì)比分析選擇a*通道圖像進(jìn)行高斯濾波去噪。然后采用固定閾值分割算法和OTSU閾值分割算法分割灰度圖像,對(duì)比分割結(jié)果,分析得到OTSU閾值分割算法在自然光照下分割效果更好,適應(yīng)性較強(qiáng)。最后根據(jù)同一生產(chǎn)時(shí)期的白菜和雜草特征,選...

【文章頁數(shù)】：88 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 課題研究的背景
    1.2 課題研究意義
    1.3 機(jī)器視覺在農(nóng)業(yè)中的應(yīng)用
        1.3.1 國(guó)外的應(yīng)用狀況
        1.3.2 國(guó)內(nèi)的應(yīng)用狀況
    1.4 雜草識(shí)別的國(guó)內(nèi)外發(fā)展現(xiàn)狀
        1.4.1 國(guó)外發(fā)展現(xiàn)狀
        1.4.2 國(guó)內(nèi)發(fā)展現(xiàn)狀
    1.5 本課題主要完成的工作
第二章 除草機(jī)器人的視覺系統(tǒng)設(shè)計(jì)
    2.1 引言
    2.2 傳統(tǒng)農(nóng)業(yè)機(jī)器人視覺系統(tǒng)結(jié)構(gòu)組成
    2.3 基于Android手機(jī)的視覺檢測(cè)系統(tǒng)
        2.3.1 Android手機(jī)軟硬件介紹
        2.3.2 基于Android手機(jī)視覺系統(tǒng)
        2.3.3 圖像處理APP開發(fā)
    2.4 本章小結(jié)
第三章 基于閾值分割的雜草識(shí)別
    3.1 引言
    3.2 常見的彩色模型
    3.3 圖像預(yù)處理
        3.3.1 圖像灰度化
        3.3.2 圖像去噪
    3.4 閾值分割
        3.4.1 固定閾值分割
        3.4.2 OTSU閾值分割
        3.4.3 分割結(jié)果對(duì)比
    3.5 形態(tài)學(xué)處理
    3.6 雜草識(shí)別
    3.7 本章小結(jié)
第四章 基于Mask R-CNN的實(shí)例分割
    4.1 引言
    4.2 卷積神經(jīng)網(wǎng)絡(luò)發(fā)展
        4.2.1 卷積神經(jīng)網(wǎng)絡(luò)分類模型
        4.2.2 卷積神經(jīng)網(wǎng)絡(luò)的目標(biāo)檢測(cè)模型
    4.3 Mask R-CNN算法
        4.3.1 特征提取
        4.3.2 RPN(Region Proposal Network)網(wǎng)絡(luò)結(jié)構(gòu)
        4.3.3 掩模分支
    4.4 本章小結(jié)
第五章 實(shí)驗(yàn)對(duì)比與分析
    5.1 數(shù)據(jù)集
    5.2 超參數(shù)的選擇
    5.3 實(shí)驗(yàn)對(duì)比分析
    5.4 本章小結(jié)
第六章 總結(jié)與展望
    工作總結(jié)
    展望
致謝
參考文獻(xiàn)
附錄 本人在攻讀碩士學(xué)位期間的科研成果



本文編號(hào)：3752589