本文關(guān)鍵詞：玉米苗基部圖像定位方法設(shè)計　出處：《沈陽農(nóng)業(yè)大學(xué)》2017年碩士論文　論文類型：學(xué)位論文

  更多相關(guān)文章： USB攝像頭 圖像處理 邊緣檢測 玉米苗 定位

【摘要】：傳統(tǒng)的人工作業(yè)對玉米苗基部進行施肥、注水、撒藥在現(xiàn)階段已經(jīng)不適用,這樣會浪費大量人力和時間,效率很低,工作量極大。因此,利用圖像處理的方法對玉米苗基部進行定位,實現(xiàn)田間智能化作業(yè),智能的為玉米苗基部進行施肥、注水、撒藥已成為未來的一種趨勢。本文在閱讀了大量的國內(nèi)外相關(guān)文獻的基礎(chǔ)上,研究了對玉米苗基部圖像定位方法設(shè)計的方法和具體操作流程,為今后的智能化田間作業(yè)提供了可行性。本文著重從以下幾方面進行了研究:(1)對影響圖像采集質(zhì)量的因素和圖像的去噪及灰度化處理進行了試驗研究。通過圖像采集系統(tǒng)對采集高度、角度和光照的研究,試驗研究出了較清晰的靜態(tài)采集圖像的三要素,在采集到清晰圖像的基礎(chǔ)上選擇用3×3的均值濾波法對玉米苗圖像進行去噪處理;為了保證后續(xù)處理的速度盡可能快速、準(zhǔn)確,最終選用加權(quán)平均值法對玉米苗圖像進行灰度化處理。(2)在灰度圖像的基礎(chǔ)上對圖像分割和連通區(qū)域提取主干、形態(tài)學(xué)處理進行了研究。為了使目標(biāo)信息與背景信息區(qū)分更加明顯,選擇Ostu閾值方法對圖像進行分割;為了使目標(biāo)信息更加簡潔,方便后續(xù)處理,本文對分割后的二值圖像進行連通區(qū)域提取主干和形態(tài)學(xué)處理。(3)對圖像的邊緣檢測方法進行了研究。為了使目標(biāo)信息清晰完整,本文采用Canny算子對圖像進行邊緣檢測,將邊緣圖像與二值圖像重合再次進行形態(tài)學(xué)處理,形成最終清晰、完整二值圖。(4)對玉米苗基部定位方法和生長角、莖粗和莖桿識別方法進行研究。通過幾種定位方法對比研究,選擇旋轉(zhuǎn)投影定位法對玉米苗基部進行定位處理,在圖像旋轉(zhuǎn)的基礎(chǔ)上提取出了生長角,并對莖粗和莖桿進行了識別。
[Abstract]:Traditional artificial work on the base of maize seedlings fertilization, water injection, spraying at this stage has not been applicable, this will waste a lot of manpower and time, low efficiency, great workload. The image processing method is used to locate the base of maize seedling, to realize intelligent field operation, to apply fertilizer to the base of maize seedling intelligently, and to inject water into the base of maize seedling. Spraying medicine has become a trend in the future. On the basis of reading a large number of domestic and foreign literature, this paper studies the design method and operation flow of the image location method of maize seedling base. It provides feasibility for intelligent field operation in the future. This paper focuses on the following aspects: 1). The factors that affect the quality of image acquisition and image denoising and grayscale processing are studied experimentally. The height of image acquisition is analyzed through the image acquisition system. On the basis of the research of angle and illumination, the three elements of the relatively clear still image were studied. On the basis of collecting the clear image, the 3 脳 3 mean filter method was selected to remove the noise of the maize seedling image. In order to ensure the speed of follow-up processing as fast and accurate as possible. Finally, the weighted average method is used to grayscale the maize seedling image. (2) on the basis of gray image, the main trunk is extracted from the image segmentation and connected area. In order to distinguish the target information from the background information more obviously, the Ostu threshold method is chosen to segment the image. In order to make the target information more concise and convenient for subsequent processing. In this paper, the edge detection method of the segmented binary image is studied in order to make the target information clear and complete. In this paper, the Canny operator is used to detect the edge of the image, and the edge image is overlapped with the binary image again for morphological processing, resulting in the final clarity. Complete binary figure. (4) the methods of maize seedling base location, growth angle, stem diameter and stem identification were studied. The comparison of several localization methods was carried out. The rotation projection positioning method was selected to locate the base of maize seedling. The growth angle was extracted on the basis of image rotation, and the stem diameter and stem were recognized.
【學(xué)位授予單位】：沈陽農(nóng)業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：TP391.41;S513

【參考文獻】

相關(guān)期刊論文 前10條

1 房愛青;李長勇;黃艷華;陳雪麗;;草莓采摘機器人的草莓定位算法研究[J];現(xiàn)代制造技術(shù)與裝備;2016年10期

2 胡穎;郁蕓;周蕾蕾;胡新華;楊坤;;幾種圖像去噪算法的仿真分析及其在fMRI數(shù)據(jù)處理中的應(yīng)用[J];北京生物醫(yī)學(xué)工程;2016年02期

3 郭孟杰;陳麗君;楊帆;趙萍;;基于USB攝像頭的田間圖像采集方法研究[J];農(nóng)機化研究;2015年12期

4 閆如忠;林宇超;;面向智能除草機植株圖像識別及根部定位測量系統(tǒng)[J];機床與液壓;2015年15期

5 刁智華;趙明珍;宋寅卯;吳貝貝;毋媛媛;錢曉亮;魏玉泉;;基于機器視覺的玉米精準(zhǔn)施藥系統(tǒng)作物行識別算法及系統(tǒng)實現(xiàn)[J];農(nóng)業(yè)工程學(xué)報;2015年07期

6 王玲;;基于Matlab的圖像分割和邊緣檢測教學(xué)的研究[J];電腦知識與技術(shù);2015年08期

7 賈洪雷;王剛;郭明卓;Dylan Shah;姜鑫銘;趙佳樂;;基于機器視覺的玉米植株數(shù)量獲取方法與試驗[J];農(nóng)業(yè)工程學(xué)報;2015年03期

8 李小琦;;基于Matlab的圖像閾值分割算法研究[J];軟件導(dǎo)刊;2014年12期

9 孫玉蘭;;數(shù)字圖像處理技術(shù)的應(yīng)用現(xiàn)狀與發(fā)展研究[J];電腦知識與技術(shù);2014年26期

10 高俊梅;黃忠文;;圖像處理技術(shù)在農(nóng)業(yè)上的應(yīng)用[J];農(nóng)業(yè)網(wǎng)絡(luò)信息;2014年05期

相關(guān)會議論文 前1條

1 劉新海;方康玲;;一種基于投影法的運動目標(biāo)快速定位算法[A];2003年中國智能自動化會議論文集（上冊）[C];2003年

相關(guān)博士學(xué)位論文 前2條

1 陽樹洪;灰度圖像閾值分割的自適應(yīng)和快速算法研究[D];重慶大學(xué);2014年

2 吳蘭蘭;基于數(shù)字圖像處理的玉米苗期田間雜草的識別研究[D];華中農(nóng)業(yè)大學(xué);2010年

相關(guān)碩士學(xué)位論文 前9條

1 趙曉莉;基于圖像識別的冬小麥葉部主要病害診斷研究[D];河南農(nóng)業(yè)大學(xué);2014年

2 劉曉俊;運動目標(biāo)空間定位實時圖像處理技術(shù)[D];南京航空航天大學(xué);2014年

3 周果;基于圖像處理技術(shù)的大田玉米苗期雜草識別方法研究[D];吉林農(nóng)業(yè)大學(xué);2013年

4 孫玉芹;車牌自動識別方法研究[D];吉林大學(xué);2011年

5 張濤;基于圖像的車牌定位算法研究[D];西華大學(xué);2011年

6 梁軍;基于投影模板法的車牌圖像定位算法研究[D];重慶大學(xué);2010年

7 田超;汽車車牌自動檢測的圖像識別和處理[D];西安科技大學(xué);2009年

8 陳虹;汽車車牌的自動檢測與識別[D];蘇州大學(xué);2008年

9 朱莉;基于馬爾可夫隨機場的運動目標(biāo)分割算法研究[D];蘇州大學(xué);2004年

，

本文編號：1359644