学位论文 > 优秀研究生学位论文题录展示

嫁接机器人视觉检测系统的研究

作　者: 蔡丽苑
导　师: 武传宇
学　校: 浙江理工大学
专　业: 机械电子工程
关键词: 嫁接机器人视觉检测穴盘幼苗扫描线跟踪遮挡椭圆拟合
分类号: TP242
类　型: 硕士论文
年　份: 2013年
下　载: 43次
引　用: 0次
阅　读: 论文下载

内容摘要

随着农业装备精细化和智能化的发展，机器视觉作为农业机器人最大的信息源被广泛应用于各项农业作业中。视觉检测穴盘育苗的幼苗有助于提高嫁接机器人的嫁接速度和嫁接苗的成活率。选取西瓜为嫁接接穗、瓠瓜为嫁接砧木，并分别选取500株样本，在一定生长条件下测量它们的相关参数。统计分析手工测量数据，得西瓜、瓠瓜子叶的椭圆率分别为0.69和0.56，西瓜、瓠瓜苗株的椭圆率分别为0.76和0.84。目前利用视觉对幼苗信息的检测主要集中在单株苗信息的提取上，为了提高检测的效率，本文提取一种针对于穴盘幼苗的无损实时监测方法，并根据穴盘幼苗特征进行硬件选型，搭建图像采集平台。针对于5×10的穴盘幼苗，分别进行幼苗苗株和子叶信息参数检测方法的研究。对于幼苗苗株参数的检测，首先利用基于挡板的正视相机获取一排苗株（5株）图像，然后开发了基于扫描线的苗株参数检测算法，获取了苗株株高、苗株横截面长短轴。最终通过实验测量了基于扫描线检测算法所获得的苗株参数与手工测量间的相对误差。结果显示苗株株高、横截面长轴、短轴的相对误差分别为4.16%、6.57%、6.48%，这说明此算法的稳定可靠，满足嫁接的精度要求。并且与已有的检测方法相比，本文苗株参数检测方法在不仅能考虑苗株横截面的具体形状而且快速高效。对于幼苗子叶参数的检测，相邻子叶之间的相互遮挡限制了参数获取精度，为此开发了基于椭圆拟合的穴盘幼苗子叶叶面恢复及参数提取算法，获取了子叶方向、子叶的长、子叶宽、子叶生长点位置，并根据生长点位置准确定位幼苗生长的穴孔位置，且判定空穴。最终通过实验测量了算法测量和手工测量子叶长、宽的相对误差分别5.22%和5.16%，且椭圆拟合子叶轮廓的误差小于0.5个像素，幼苗识别与定位的成功率达到97.5%。这说明此算法的稳定可靠，满足嫁接的精度要求。并且与已有的检测方法相比，本文基于椭圆拟合的穴盘幼苗子叶叶面恢复及参数提取算法，用椭圆表示子叶不仅恢复了被遮挡的子叶的信息，同时还能克服穴盘幼苗子叶遮挡的问题实现对穴盘幼苗准确的识别和定位。同时为支持以上两个算法，首先用平面标定的方法获得像平面与物体平面间的单应矩阵，并通过实验选取图像前处理算法。

全文目录

摘要  5-6
Abstract  6-11
第1章绪论  11-20
  1.1 课题研究的背景及意义  11-14
    1.1.1 嫁接技术分析  11-12
    1.1.2 穴盘育苗与嫁接机器人  12-13
    1.1.3 嫁接机器人视觉检测系统研究的必要性  13-14
  1.2 国内外研究现状  14-19
    1.2.1 嫁接机器人的研究现状  14-15
    1.2.2 视觉检测系统的研究现状  15-16
    1.2.3 嫁接机器人视觉检测系统的研究现状  16-19
  1.3 视觉检测系统的关键技术及难点  19
  1.4 主要研究内容  19
  1.5 本章小结  19-20
第2章穴盘幼苗的培育及特性  20-27
  2.1 穴盘幼苗的培育  20-22
    2.1.1 幼苗的选择  20
    2.1.2 穴盘的选择  20-21
    2.1.3 幼苗的培育  21-22
  2.2 穴盘幼苗的相关特征  22-26
    2.2.1 幼苗几何特性  22-25
    2.2.2 幼苗的子叶展角  25
    2.2.3 幼苗的弯曲度  25-26
  2.3 本章小结  26-27
第3章视觉检测系统  27-37
  3.1 硬件系统设计  27-33
    3.1.1 光源与滤光片  27-31
    3.1.2 摄像机与镜头  31-32
    3.1.3 系统关键尺寸  32-33
  3.2 软件系统设计  33-34
    3.2.1 图像采集软件设计  33-34
    3.2.2 图像处理软件设计  34
  3.3 检测方案设计  34-36
    3.3.1 采集功能  34-35
    3.3.2 检测流程  35-36
  3.4 本章小结  36-37
第4章机器视觉相关算法及苗株参数检测  37-55
  4.1 摄像机标定  37-42
    4.1.1 平面标定  37-38
    4.1.2 单应矩阵  38-41
    4.1.3 误差分析  41-42
  4.2 图像前处理算法  42-47
    4.2.1 图像平滑  42-43
    4.2.2 图像分割  43-45
    4.2.3 形态学滤波  45-47
    4.2.4 图像前处理算法的实现  47
  4.3 苗株参数检测算法  47-51
    4.3.1 算法概述  47-48
    4.3.2 苗株参数的提取与转换  48-49
    4.3.3 苗株长短轴计算  49-51
  4.4 苗株参数检测算法的实现  51-53
  4.5 实验与分析  53-54
  4.6 本章小结  54-55
第5章子叶参数检测算法  55-70
  5.1 算法概述  55-56
  5.2 基于椭圆拟合的叶面恢复  56-63
    5.2.1 轮廓提取  56-57
    5.2.2 轮廓分段  57-59
    5.2.3 弧段组合  59-60
    5.2.4 子叶轮廓椭圆拟合  60-63
  5.3 子叶参数的提取与转换  63-65
    5.3.1 生长点和生长方向提取  64
    5.3.2 幼苗在穴盘中的定位  64-65
    5.3.3 参数转换  65
  5.4 子叶参数检测算法的实现  65-68
  5.5 实验与分析  68-69
  5.6 本章小结  69-70
第6章总结与展望  70-72
  6.1 总结  70-71
  6.2 展望  71-72
参考文献  72-76
攻读学位期间的研究成果  76-77
致谢  77

嫁接机器人视觉检测系统的研究

内容摘要

全文目录

相似论文