国家自然科学基金(61105024)
- 作品数：6 被引量：171H指数：5
- 相关作者：项荣应义斌蒋焕煜彭永石饶秀勤更多>>
- 相关机构：中国计量学院浙江大学中国计量大学更多>>
- 发文基金：国家自然科学基金国家高技术研究发展计划浙江省自然科学基金更多>>
- 相关领域：自动化与计算机技术农业科学更多>>
- 番茄采摘机器人夜间照明系统设计与试验被引量：8
- 2016年
- 基于试验设计方法实现了番茄采摘机器人夜间照明系统设计。提出了一种基于前景与背景类间方差和类内方差比值F的图像可分割性评价指标作为确定最佳试验方案即最佳照明系统的评价指标;考虑了光源种类、光源布局及图像采集距离3个试验因子;采用正交试验表L_（18）（6×3^6）安排试验。试验结果表明：光源种类和光源布局是影响番茄采摘机器人夜间照明系统的显著因子,图像采集距离为不显著因子;光源种类因子各水平中,荧光灯照射时图像的F最大,为2.159;光源布局因子各水平中,对角布局时图像的F最大,为2.234。因此,所设计的番茄采摘机器人夜间照明系统的最佳组合为：荧光灯、对角布局。将试验结果与基于归一化R-G色差的OTSU自动阈值图像分割算法的分割效果进行了对比,对比结果验证了基于该图像可分割性评价指标F的夜间照明系统设计方法的有效性。
- 项荣段鹏飞
- 关键词：番茄采摘机器人图像分割
- 基于双目立体视觉的番茄定位被引量：56
- 2012年
- 为提高番茄采摘机器人视觉系统的定位精度,该文提出了一种基于组合匹配方法及深度校正模型的双目立体视觉测距方法。该方法在形心匹配的基础上,将形心匹配得到的视差值作为区域匹配时设定视差范围的参考值。这样可以减小区域匹配计算量及误匹配的概率。区域匹配后,利用三角测距原理得到番茄区域对应的深度图,并将区域的深度均值作为其深度维的坐标。试验发现定位误差与测量距离间具有很好的线性相关性。通过回归分析,建立了线性回归模型,并对深度测量结果进行校正。结果表明,工作距离小于650mm时,定位误差约为-7～5mm,工作距离小于1050mm时,定位误差约为±10mm,可满足番茄采摘机器人视觉系统在大多数采摘作业环境下的工作要求。
- 项荣应义斌蒋焕煜彭永石
- 关键词：机器人双目视觉番茄
- 基于重叠边缘的夜间重叠番茄识别被引量：7
- 2019年
- 为更准确地识别出夜间重叠番茄,提出一种基于重叠边缘检测的夜间重叠番茄识别算法.该算法采用基于OTSU法进行图像分割,利用Canny算子进行边缘检测,并从中识别出重叠边缘,进一步基于重叠边缘应用一种距离就近法判断重叠番茄前后位置关系,最后基于圆拟合对重叠番茄中前未被遮挡番茄进行识别.试验结果表明:无枝叶遮挡时,前后位置关系判断正确率为96%,前未被遮挡番茄识别正确率为91.7%;当有枝叶遮挡时,前后位置关系判断正确率为90%;当被遮挡率低于50%时,前未被遮挡番茄识别正确率为83.3%;该算法可实现夜间双果重叠番茄前后位置关系判断及前未被遮挡番茄识别.
- 项荣段鹏飞
- 关键词：采摘机器人番茄
- 田间环境下果蔬采摘快速识别与定位方法研究进展被引量：77
- 2013年
- 作为实现果蔬采摘作业自动化的关键难题之一,田间环境下的果蔬快速识别与定位受到了广泛的关注。综述了常见的果蔬识别硬件系统和识别算法;总结和分析了果蔬图像预处理、颜色特征选择、图像分割算法设计及图像后处理的研究;综述了常见果蔬识别算法、成簇果蔬识别算法及被遮挡果蔬识别算法的研究;分析和比较了果蔬定位中常用的有源测距法和无源测距法,以及果蔬无源测距中常见的立体匹配算法。分析了田间环境下果蔬识别和定位研究存在的主要问题,并展望了发展趋势。
- 项荣应义斌蒋焕煜
- 关键词：田间果蔬采摘机器人
- 基于边缘曲率分析的重叠番茄识别被引量：31
- 2012年
- 为提高重叠番茄的识别正确率,提出了一种基于边缘曲率分析的重叠番茄识别方法。该方法从二值图像中提取番茄区域的边缘,并且为进一步计算出边缘点曲率,对边缘点按逆时针方向进行排序。计算出边缘点曲率后,剔除掉曲率异常的边缘点。最后通过对各剩余边缘分别进行圆回归,实现重叠番茄的识别。为减小作业环境光照变化及枝叶遮挡等因素给识别带来的影响,采用了基于归一化色差的固定阈值分割方法,6条边缘识别准则及3条圆回归准则。119幅图像的试验结果表明,存在轻微遮挡的重叠番茄识别正确率为90.9%;遮挡率大于25%且小于50%时,识别正确率为76.9%;遮挡率大于50%时,识别正确率为23%。
- 项荣应义斌蒋焕煜饶秀勤彭永石
- 关键词：采摘机器人番茄曲率
- 基于改进Mask R-CNN的番茄茎秆分类方法被引量：3
- 2023年
- 为实现对与背景近色、不规则细长型目标——番茄茎秆的分类,提出了一种基于改进Mask R-CNN的番茄茎秆分类算法.采集日间和夜间番茄植株图像,使用labelme分别制作日间和夜间番茄茎秆分类数据集.结合迁移学习方法,使用两种数据集分别训练Mask RCNN模型.对Mask分支进行了改进,在生成掩膜的同时生成其最小外接矩,并提出了用于评估掩膜边框精确率的评价指标Re及用于综合评估模型性能的像素级评价指标.试验结果显示:夜间及日间茎秆分类模型的像素F1值、像素全类平均正确率分别为48.82%、50.03%和57.76%、56.06%. Mask分支改进后掩膜边框精确率得到了显著提高,平均每幅图像检测耗时0.31 s,满足实际应用对算法实时性的需求,可为植株修剪等工作的智能化提供方法支持.
- 项荣张茂琛
- 关键词：番茄植株
