本文選題：圖像處理 + 最大穩(wěn)定極值區(qū)域��； 參考：《天津理工大學》2017年碩士論文

【摘要】：我國是農(nóng)業(yè)大國,農(nóng)業(yè)人口在世界上最多,農(nóng)業(yè)是我國賴以生存的基礎產(chǎn)業(yè)。我國的耕地面積僅占世界7%,卻要承載占世界1/5的人口。隨著我國老齡化趨勢的加劇,導致從事農(nóng)業(yè)生產(chǎn)的人口逐年下降,因此解決這一問題刻不容緩。隨著機器人技術和人工智能的發(fā)展,機器人進入農(nóng)業(yè)生產(chǎn)領域成為可能。引進農(nóng)業(yè)機器人進行農(nóng)業(yè)生產(chǎn)可以有效的緩解當前矛盾,在促進機器人行業(yè)發(fā)展的同時解放有限的勞動力資源,還可以大大降低黃瓜的生產(chǎn)成本,提高生產(chǎn)率。農(nóng)業(yè)機器人的機械收獲需要自動檢測和計數(shù)樹冠的果實。由于顏色相似,形狀不規(guī)則,背景復雜等問題造成果實識別非常困難而難以執(zhí)行采摘動作。因此基于所有上述問題,在復雜背景下識別黃瓜是一項具有挑戰(zhàn)性的任務。在本文中,提出了一種基于紋理分析和顏色分析的技術用于檢測溫室中的黃瓜。RGB圖像轉換為灰度圖像和HSI圖像分別執(zhí)行算法。在第一階段進行顏色分析以除去背景,例如土壤,樹枝和天空,同時保持盡可能多的綠色水果像素呈現(xiàn)黃瓜和葉子。同時,MSER和HOG應用于灰度圖像中的紋理分析。通過MSER獲得候選區(qū)域,這些候選區(qū)域有的是包括黃瓜的候選區(qū)域。HOG+SVM用于區(qū)分黃瓜目標和背景消除不是黃瓜的候選區(qū)域。為了進一步消除非目標區(qū)域,通過SIFT算法檢測關鍵點,根據(jù)SIFT的疏密特征確定黃瓜區(qū)域。然后,將顏色分析和紋理分析的結果合并以獲得候選黃瓜區(qū)域。最后階段應用數(shù)學形態(tài)學操作以獲得完整的黃瓜。經(jīng)過以上操作后可以得到相較于一般分割方法更加精確的黃瓜輪廓,在農(nóng)業(yè)大棚中的自然光照環(huán)境下進行測試識別率高于普通的分割方法,保證了農(nóng)業(yè)機器人后續(xù)的準確采摘。
[Abstract]:China is a large agricultural country with the largest agricultural population in the world. Agriculture is the basic industry on which our country depends for survival. China's arable land accounts for only 7 percent of the world's population, but it is responsible for a fifth of the world's population. With the aggravation of the aging trend in China, the population engaged in agricultural production is decreasing year by year, so it is urgent to solve this problem. With the development of robot technology and artificial intelligence, it is possible for robots to enter the field of agricultural production. The introduction of agricultural robots to agricultural production can effectively alleviate the current contradictions, promote the development of the robot industry while liberating limited labor resources, but also greatly reduce the production costs of cucumber, improve productivity. The mechanical harvesting of agricultural robots requires automatic detection and counting of tree crown fruits. Because of similar color, irregular shape and complex background, fruit recognition is very difficult to carry out picking. Therefore, it is a challenging task to identify cucumber in complex background based on all the above problems. In this paper, a technique based on texture analysis and color analysis is proposed to detect the conversion of cucumber image into gray-scale image and HSI image in greenhouse. Color analysis is performed in the first phase to remove the background, such as soil, branches and sky, while maintaining as many green fruit pixels as possible to present cucumber and leaves. At the same time, MSER and HOG are applied to texture analysis in grayscale images. Candidate regions were obtained by MSER. These candidate regions include cucumber candidate regions. Hog SVM is used to distinguish between cucumber target and background elimination is not a cucumber candidate region. In order to eliminate the non-target region further, the key points were detected by SIFT algorithm, and the cucumber area was determined according to the density characteristics of SIFT. The results of color analysis and texture analysis were combined to obtain candidate cucumber regions. In the final stage, mathematical morphology was used to obtain the complete cucumber. After the above operation, the cucumber contour is more accurate than the general segmentation method, and the test recognition rate in the natural light environment in the agricultural greenhouse is higher than that in the ordinary segmentation method, which ensures the accurate picking of the agricultural robot.
【學位授予單位】：天津理工大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：S626;S642.2;TP391.41

【相似文獻】

相關期刊論文 前10條

1 胡波;毛罕平;張艷誠;;用于識別田間空心蓮子草的顏色特征的研究[J];農(nóng)機化研究;2006年09期

2 李久永,李學群,普園媛,李天牧;計算機輔助農(nóng)產(chǎn)品分類應用中顏色特征的表征和提取[J];云南大學學報(自然科學版);1998年S1期

3 成芳,應義斌;基于顏色特征的稻種霉變檢測算法[J];農(nóng)業(yè)機械學報;2004年04期

4 李志臣;姬長英;安秋;;基于顏色特征的作物與背景分割的對比研究[J];東北農(nóng)業(yè)大學學報;2008年09期

5 楊冬風;陳爭光;;基于顏色特征的馬鈴薯綠皮檢測[J];黑龍江八一農(nóng)墾大學學報;2011年01期

6 劉立強;項建廷;吳澤全;;基于顏色特征的健康苗快速識別方法研究[J];農(nóng)業(yè)科技與裝備;2012年06期

7 王書志;張建華;馮全;;基于紋理和顏色特征的甜瓜缺陷識別[J];農(nóng)業(yè)機械學報;2011年03期

8 宋健;;基于顏色特征的茄子病害圖像檢索方法[J];安徽農(nóng)業(yè)科學;2011年19期

9 瞿端陽;王維新;馬本學;丁志鋒;;基于顏色特征的棉株株頂識別研究[J];農(nóng)機化研究;2013年04期

10 劉華波;賀立源;馬文杰;李翠英;;透射圖像顏色特征在煙葉識別中應用的探索[J];農(nóng)業(yè)工程學報;2007年09期

相關會議論文 前10條

1 崔翔宇;許百華;;顏色特征信息對客體檔案保持的影響[A];第十二屆全國心理學學術大會論文摘要集[C];2009年

2 朱嘉瓏;;俄語顏色詞意義淺析[A];福建省外國語文學會2009年年會暨學術研討會論文集[C];2009年

3 委福祥;曲彥平;苑瑋琦;;鍍層腐蝕形貌圖像顏色特征的提取與分析[A];首屆信息獲取與處理學術會議論文集[C];2003年

4 黃勃;王寬全;李乃民;;基于像素的舌象顏色分析[A];第四次全國中西醫(yī)結合診斷學術研討會論文集[C];2010年

5 翟文鵬;吳愛國;杜春燕;;基于煙霧顏色特征和運動特征分析的視頻煙霧探測[A];第二十九屆中國控制會議論文集[C];2010年

6 吳成玉;邰曉英;趙杰煜;;基于顏色特征的圖像檢索方法與實現(xiàn)[A];第二十一屆中國數(shù)據(jù)庫學術會議論文集（研究報告篇）[C];2004年

7 朱偉濤;劉士榮;邱雪娜;;基于顏色和粒子濾波的視頻目標檢測與跟蹤[A];PCC2009—第20屆中國過程控制會議論文集[C];2009年

8 郭忠偉;李洪峰;;C~3 I系統(tǒng)中基于顏色特征的戰(zhàn)場圖像快速檢索[A];中國造船工程學會電子技術學術委員會2006學術年會論文集（上冊）[C];2006年

9 林名強;張陳斌;陳宗海;;運動與顏色特征相融合的目標跟蹤算法[A];系統(tǒng)仿真技術及其應用學術論文集（第15卷）[C];2014年

10 郝婷;孟正大;;機器人在復雜環(huán)境下的火炬識別[A];2005全國自動化新技術學術交流會論文集（二）[C];2005年

相關重要報紙文章 前5條

1 董嵐;藍色藍寶石之顏色分級[N];中國黃金報;2004年

2 成都監(jiān)測臺 吳或;基于顏色特征的網(wǎng)絡不良視頻檢測技術研究[N];電子報;2013年

3 張仁山;翡翠名稱的特征[N];中國礦業(yè)報;2003年

4 白毅;中科院上海神經(jīng)所：發(fā)現(xiàn)果蠅具有基于經(jīng)驗的學習能力[N];中國醫(yī)藥報;2007年

5 劉占軍;“紅藍黃綠”任我搜[N];中國電腦教育報;2009年

相關博士學位論文 前10條

1 王娟;基于計算機視覺的棉花干旱診斷研究[D];石河子大學;2014年

2 白雪峰;足球視頻內(nèi)容分析關鍵技術研究[D];哈爾濱工業(yè)大學;2014年

3 遲瑩瑩;新舊客體顏色比例對預覽效應的影響機制[D];東北師范大學;2016年

4 劉麗;聯(lián)合信息在價值驅動注意捕獲中的作用[D];天津師范大學;2017年

5 陳雁;紡織服裝顏色風格的原理與應用[D];蘇州大學;2002年

6 肖學中;基于實例的顏色處理新技術研究[D];上海交通大學;2009年

7 陸榮秀;基于顏色特征的鐠/釹萃取過程組分含量檢測方法研究[D];南昌大學;2015年

8 戴天虹;基于計算機視覺的木質板材顏色分類方法的研究[D];東北林業(yè)大學;2008年

9 蔣孝鋒;服裝顏色明度對人情感的影響機制[D];蘇州大學;2011年

10 張可為;基于顏色標記圖像著色的關鍵技術研究[D];中南大學;2014年

相關碩士學位論文 前10條

1 趙穎;有關歷代主要字詞典所收顏色詞的系統(tǒng)研究[D];山西師范大學;2010年

2 許媛;洱海藍藻爆發(fā)識別的研究及工程實現(xiàn)[D];昆明理工大學;2015年

3 沈新寧;基于顏色特征的快速圖像檢索技術的研究[D];復旦大學;2014年

4 張晶晶;基于高光譜成像技術的杏成熟度判別研究[D];山西農(nóng)業(yè)大學;2015年

5 韓大洋;提高人眼匹配顯示器到投影儀顏色再現(xiàn)精度的方法研究[D];云南師范大學;2015年

6 唐欽;基于紋理和顏色特征的植物葉片識別方法研究[D];浙江大學;2015年

7 任天威;基于stm32微處理器的顏色采集與分析[D];黑龍江大學;2015年

8 許世杰;基于色差模型的色盲輔助矯正方法研究[D];西安電子科技大學;2014年

9 周國慶;基于視覺顯著性的圖像目標檢測設計與實現(xiàn)[D];西安電子科技大學;2014年

10 王婧;紡織品顏色分類及色差檢測系統(tǒng)研究[D];西安工程大學;2015年

，

本文編號：1978257