實(shí)時(shí)快速的提取植物表型信息已經(jīng)成為農(nóng)業(yè)生產(chǎn)發(fā)展中極為關(guān)鍵的一步,可以為植物的預(yù)測(cè)和檢測(cè)提供幫助。香蕉作為廣西重點(diǎn)發(fā)展的水果,實(shí)時(shí)的測(cè)量香蕉假莖莖寬莖高可以為香蕉植株生長(zhǎng)參數(shù)和后期的產(chǎn)量評(píng)估的提取提供有效的幫助。本文以香蕉植株為研究對(duì)象,通過(guò)雙目立體視覺(jué)與級(jí)聯(lián)分類(lèi)器結(jié)合的方法來(lái)實(shí)現(xiàn)香蕉植株假莖莖寬莖高的快速無(wú)損測(cè)量,設(shè)計(jì)了一種基于雙目相機(jī)的圖像測(cè)量方法。主要的研究?jī)?nèi)容包括:（1）級(jí)聯(lián)分類(lèi)器識(shí)別香蕉假莖。根據(jù)不同的測(cè)量目的,進(jìn)行了兩個(gè)批次的實(shí)驗(yàn),采用了近距離（0.9 m、1.2 m、1.6 m、1.9 m處,可拍攝部分假莖）、遠(yuǎn)距離（1.8m、2.0m、2.2m、2.4m處,可拍攝完整假莖）兩種方式對(duì)香蕉假莖進(jìn)行了雙目圖像的采集,每個(gè)距離分別采集得到100個(gè)樣本。分別針對(duì)兩種方式建立了香蕉假莖的識(shí)別模型。首先通過(guò)雙目標(biāo)定、立體校正、立體匹配得到視差圖,并將其隨機(jī)分為訓(xùn)練集（170個(gè)樣本）與測(cè)試集（230個(gè)樣本）。然后對(duì)訓(xùn)練集中的視差圖假莖進(jìn)行手動(dòng)矩形框（近距離方式選取縱寬比為2:1,遠(yuǎn)距離方式選取縱寬比為7:1）截取正負(fù)樣本。接著采用級(jí)聯(lián)分類(lèi)器對(duì)正負(fù)樣本進(jìn)行訓(xùn)練,得到假莖的自動(dòng)識(shí)別模型。結(jié)... 

【文章頁(yè)數(shù)】：63 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 研究目的與意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 農(nóng)作物莖高莖寬的研究現(xiàn)狀
        1.2.2 基于雙目視覺(jué)的作物物理參數(shù)測(cè)量
    1.3 研究的主要內(nèi)容和技術(shù)路線(xiàn)
        1.3.1 研究的主要內(nèi)容
        1.3.2 技術(shù)路線(xiàn)
第2章 技術(shù)基礎(chǔ)與算法介紹
    2.1 攝像機(jī)模型
        2.1.1 線(xiàn)性成像模型
        2.1.2 非線(xiàn)性攝像機(jī)模型
    2.2 雙目視覺(jué)原理
    2.3 雙目標(biāo)定
        2.3.1 基于MATLAB工具箱的標(biāo)定方法
        2.3.2 標(biāo)定結(jié)果
    2.4 立體校正
    2.5 立體匹配
        2.5.1 BM立體匹配算法
        2.5.2 SGBM立體匹配算法
        2.5.3 結(jié)果與分析
    2.6 形態(tài)學(xué)操作
        2.6.1 膨脹
        2.6.2 腐蝕
    2.7 本章小結(jié)
第3章 實(shí)驗(yàn)數(shù)據(jù)采集及預(yù)處理
    3.1 雙目立體視覺(jué)的圖像采集平臺(tái)
    3.2 圖像預(yù)處理
        3.2.1 OTSU閾值分割算法
        3.2.2 增強(qiáng)圖像對(duì)比度
    3.3 本章小結(jié)
第4章 香蕉假莖識(shí)別
    4.1 級(jí)聯(lián)分類(lèi)器的原理
    4.2 級(jí)聯(lián)分類(lèi)器的訓(xùn)練
    4.3 模型識(shí)別結(jié)果
    4.4 本章小結(jié)
第5章 莖寬和莖高估算方法與結(jié)果分析
    5.1 莖寬估算方法
    5.2 莖寬莖高聯(lián)合估算方法
    5.3 莖寬估算結(jié)果
    5.4 莖寬莖高聯(lián)合估算結(jié)果
    5.5 本章小結(jié)
第6章 結(jié)論與展望
    6.1 全文總結(jié)
    6.2 工作展望
參考文獻(xiàn)
致謝
攻讀學(xué)位期間的研究成果


【參考文獻(xiàn)】：
期刊論文
[1]基于雙目立體視覺(jué)的目標(biāo)物測(cè)距研究[J]. 楊晨曦,華云松.  軟件. 2020(01)
[2]大視場(chǎng)下荔枝采摘機(jī)器人的視覺(jué)預(yù)定位方法[J]. 陳燕,王佳盛,曾澤欽,鄒湘軍,陳明猷.  農(nóng)業(yè)工程學(xué)報(bào). 2019(23)
[3]基于數(shù)字圖像處理技術(shù)的測(cè)樹(shù)儀立木胸徑測(cè)量算法研究[J]. 李偉,岳德鵬,張啟斌.  林業(yè)調(diào)查規(guī)劃. 2019(05)
[4]基于地面三維激光掃描技術(shù)的單木胸徑樹(shù)高提取精度研究[J]. 旦增,賀鵬,孫華.  中南林業(yè)調(diào)查規(guī)劃. 2019(03)
[5]基于邊緣檢測(cè)的視差圖效果優(yōu)化[J]. 王安,王芳榮,郭柏蒼,岳欣羽.  計(jì)算機(jī)應(yīng)用與軟件. 2019(07)
[6]基于雙目機(jī)器視覺(jué)的菠蘿自動(dòng)采收機(jī)設(shè)計(jì)[J]. 何東健,張連兆,李響,李萍,王滔鋆.  安徽農(nóng)業(yè)科學(xué). 2019(13)
[7]植物表型組學(xué)大數(shù)據(jù)及其研究進(jìn)展[J]. 趙春江.  農(nóng)業(yè)大數(shù)據(jù)學(xué)報(bào). 2019(02)
[8]基于無(wú)人機(jī)可見(jiàn)光遙感的冬小麥株高估算[J]. 劉治開(kāi),牛亞曉,王毅,韓文霆.  麥類(lèi)作物學(xué)報(bào). 2019(07)
[9]基于單站三維激光掃描數(shù)據(jù)的林木胸徑提取方法[J]. 柯敏,解靜,劉昔.  浙江林業(yè)科技. 2019(02)
[10]基于改進(jìn)的Adaboost算法的人臉檢測(cè)系統(tǒng)[J]. 馮小建,馬明棟,王得玉.  計(jì)算機(jī)技術(shù)與發(fā)展. 2019(03)

博士論文
[1]手持式超站測(cè)樹(shù)儀研制及功能測(cè)試研究[D]. 徐偉恒.北京林業(yè)大學(xué) 2014

碩士論文
[1]雙目立體視覺(jué)測(cè)距系統(tǒng)的研究[D]. 潘慶甫.安徽理工大學(xué) 2019
[2]基于車(chē)載激光的樹(shù)木胸徑測(cè)量[D]. 張健.北京林業(yè)大學(xué) 2019
[3]基于智能手機(jī)的多株立木因子測(cè)量方法[D]. 武新梅.浙江農(nóng)林大學(xué) 2019
[4]基于計(jì)算機(jī)視覺(jué)的測(cè)距技術(shù)研究[D]. 姜映舟.桂林電子科技大學(xué) 2019
[5]基于地面激光掃描的樹(shù)木胸徑提取方法研究[D]. 劉暢.東北林業(yè)大學(xué) 2019
[6]基于雙目立體視覺(jué)的汽車(chē)測(cè)距避障和目標(biāo)識(shí)別研究[D]. 宋子豪.華中科技大學(xué) 2019
[7]基于智能手機(jī)的立木高度測(cè)量方法研究[D]. 高莉平.浙江農(nóng)林大學(xué) 2019
[8]廣西香蕉產(chǎn)業(yè)發(fā)展現(xiàn)狀與對(duì)策研究[D]. 凌榮娟.廣西大學(xué) 2018
[9]生物法提取香蕉假莖纖維素及其性能研究[D]. 胡佳丹.海南大學(xué) 2018
[10]履帶式激光樹(shù)測(cè)車(chē)的設(shè)計(jì)與研究[D]. 李國(guó)輝.東北林業(yè)大學(xué) 2018



本文編號(hào)：3655810