草莓采摘机器人图像识别系统研究

被引：20

作者：

侯贵洋 ^{[1
]}

赵桂杰 ^{[2
]}

王璐瑶 ^{[3
]}

机构：

[1] 天津工业大学电子信息工程学院通信工程系

[2] 天津工业大学大学电子信息工程学院电信系

[3] 天津工业大学机械工程学院机电系

来源：

软件 | 2018年 / 39 卷 / 06期

关键词：

图像识别系统; 果实定位; 卷积神经网络; Python; 上位机界面;

D O I：

暂无

中图分类号：

TP242 [机器人]; TP391.41 [];

学科分类号：

1111 ; 080203 ;

摘要：

现阶段随着工业自动化的不断发展,实现草莓采摘的智能化、机械化已经成为了一种必然的发展趋势,而实现智能草莓采摘的关键就是要设计出精度较高的图像识别系统。本文中的图像识别系统在识别草莓的过程中采用了颜色识别和特征识别相结合的方法,两种方法的结果进行比对得到草莓的质心坐标并且分辨出成熟草莓与不成熟草莓,最终结果误差很小。同时我们加入了卷积神经网络辅助级联分类器来对目标物草莓进行判别,最终正确率可以达到92%以上。在此基础上,我们通过Python设计出上位机界面,界面中包含了图像识别效果图与控制指令等部分。

引用

页码：184 / 188

页数：5

共 11 条

[1] 基于卷积神经网络的变电站巡检机器人图像识别
杨光
周鹏举
张宋彬
徐鹏
[J]. 软件, 2017, 38 (12) : 190 - 192
[2] 机器视觉技术在现代农业装备领域的应用进展
周航
杜志龙
武占元
宋程
郭楠
林亚玲
[J]. 中国农机化学报, 2017, 38 (11) : 86 - 92
[3] 汽车里程表读数自动识别系统的研究与实现
李健
龙永红
石伟
杨丹君
张禹
[J]. 新型工业化, 2016, 6 (04) : 1 - 7
[4] 基于HSV色彩空间的图像分割
郭英华
[J]. 黑龙江冶金, 2011, 31 (02) : 35 - 37
[5] 我国农业机械发展趋势分析
耿端阳
张铁中
罗辉
杨丽
[J]. 农业机械学报, 2004, (04) : 208 - 210
[6] 农业机器人的研究进展及存在的问题
赵匀
武传宇
胡旭东
俞高红
[J]. 农业工程学报, 2003, (01) : 20 - 24
[7] 基于卷积神经网络的图像识别方法研究[D]. 段萌.郑州大学 2017
[8] 果蔬采摘机器人视觉技术研究及系统构建[D]. 付中军.沈阳工业大学 2014
[9] Image-based field monitoring of Cercospora leaf spot in sugar beet by robust template matching and pattern recognition[J] . Rong Zhou,Shun’ichi Kaneko,Fumio Tanaka,Miyuki Kayamori,Motoshige Shimizu.Computers and Electronics in Agriculture . 2015
[10] Enhancing microscopy images of minerals through morphological center operator‐based feature extraction[J] . Xiangzhi Bai.Microsc. Res. Tech. . 2012 (2)

← 1 2 →