江苏省农机局基金项目(GXZ05013)
- 作品数：6 被引量：37H指数：4
- 相关作者：王玲姬长英陈兵林刘善军王萍更多>>
- 相关机构：南京农业大学江西农业大学更多>>
- 发文基金：江苏省农机局基金项目国家高技术研究发展计划更多>>
- 相关领域：农业科学自动化与计算机技术更多>>
- 基于竞争学习网络的田间籽棉图像分割被引量：2
- 2008年
- 为了正确识别田间籽棉,将籽棉和铃壳、绿叶、根茎、土地等自然背景视为二个类别,基于竞争学习网络进行了图像分割。从多幅典型的籽棉图像中选取10000个像素作为训练样本,并为它们贴上类别标签,在HSI、Lab、Ohta、RGB颜色空间下对训练样本的颜色特征及其组合进行K-均值聚类,选取了误分率普遍较低的RGB颜色空间,其B值的误分率尤其低。在RGB颜色空间下,用训练样本的R、G、B组合或B值一次性地训练了竞争学习网络,将图像的全部像素输入网络进行测试,同时与K-均值聚类比较,形态学滤波去噪后的结果表明,基于B值的竞争学习网络较优,用907幅籽棉图像对其进行仿真的精度达92.94%。该方法结合了有监督的学习算法,避免了传统K-均值聚类的反复迭代和过拟合现象,提高了图像分割的效率和精度。
- 王玲姬长英刘善军陈兵林王萍
- 关键词：图像分割形态学滤波
- 农业机器人采摘棉花的前景展望与技术分析被引量：21
- 2006年
- 综合分析了国内外棉花采摘与分级技术的现状,指出农业机器人采摘棉花更适合我国国情。针对采摘机器人的非结构化工作环境和作业对象有生命等技术特点,分析了采摘机器人在自主导航、目标识别与定位和机器人本体结构设计三方面的研究现状。重点讨论了农业机器人采摘棉花的关键技术:一是自然环境下棉花的识别与分类。图像增强、特征提取和图像理解是视觉领域的三个过程,现代数学领域的小波分析、分形几何、模糊与粗糙集理论、人工神经网络和支持向量机等为此提供了有力的工具。二是机器人末端执行器结构的设计。借助多传感器信息融合技术完成棉花与铃壳的分离,实现末端执行器的自适应柔顺控制。随着智能领域的长足发展,采摘机器人代替人类采摘棉花的梦想一定能够实现。
- 王玲姬长英
- 关键词：棉花采摘农业机器人
- 黑背景下收获前棉花图像色特征生成及其品级聚类分析被引量：4
- 2007年
- 为了客观地评价田间收获前棉花品级,依据我国子棉收购文字标准,运用机器视觉技术,对棉花的尺寸和色泽特征进行了研究,其色泽特征包括6个常用颜色空间下棉花和带壳棉花的黄色区域、黄色深度、白度、色差等8个色泽特征。结果表明,RGB、NTSC、亨特、HSI颜色空间下的特征参数区分度较好;棉花尺寸与色泽特征的相关性表明棉花白度为无效特征。在各颜色空间下,基于有效图像特征对7个品级的棉花样本进行了K均值聚类分析。分析结果说明,棉花品级的聚类结果独立于颜色空间;铃壳色泽对品级的贡献显著;由于其聚类品级与图像特征的相关性普遍较高、较均衡,且算法运行时间较短,HSI颜色空间可能是棉花品级聚类的最优颜色空间。与人工分级相比,机器视觉的区分度更好,因此机器视觉技术可用于提高收获前棉花分级精度。
- 王玲姬长英陈兵林
- 关键词：图像特征棉花品级聚类
- 基于图像特征的收获前籽棉品级聚类融合分析被引量：2
- 2007年
- 为客观评价收获前籽棉品级,依据籽棉品级国家标准,基于机器视觉在3个颜色空间中选取棉瓣大小、色泽特征用K-均值、竞争学习网络方法对7个品级的样本进行聚类融合分析。结果表明,亮度修正后特征之间极显著相关,Hunter颜色空间较好。肉眼对第1、2、7品级的识别率为73%-100%,3-6品级为26%-46%,总计47.7%;聚类融合对各品级的识别率为65%-100%,总计78.6%。聚类融合方法基于人类的先验知识,在更宽的视觉范围内更均衡所有特征,可克服个体聚类器的过度训练,能够客观地识别收获前籽棉品级,提高其采摘、收购质量。
- 王玲姬长英陈兵林刘善军
- 关键词：机器视觉图像特征聚类融合识别率
- 基于机器视觉技术的田间籽棉品级抽样分级模型研究被引量：13
- 2007年
- 【目的】客观评价田间籽棉质量。【方法】依据中国籽棉品级分级标准,基于机器视觉技术选取棉花尺寸、色泽特征建立田间籽棉品级抽样分级模型。【结果】相关分析表明:亮度修正后,图像特征与籽棉品级之间相关显著。贝叶斯判别分析结果表明:基于10折交叉验证建立的籽棉品级判别模型的识别率在75.00%～92.86%之间,模型的平均识别率达83.20%。基于“1个标准误差”规则选取较好的贝叶斯判别模型,它在独立数据集上的泛化精度达89.11%,其中,前3级籽棉的识别率均达到100%。【结论】基于机器视觉技术识别籽棉品级是可行的,有利于提高籽棉品级抽样分级模型精度。
- 王玲姬长英陈兵林刘善军王萍
- 关键词：田间籽棉机器视觉技术图像特征泛化
- 基于形态学的黑背景下收获前棉花图像自动分割技术研究被引量：5
- 2006年
- 以棉田实地采集的黑背景下收获前含铃壳棉花图像为样本(7级×9张/级),首先,对原始灰度图二值化以提取中心模板,进一步进行形态学高帽剪切预处理并提取其外围二值模板,两者叠加完成背景分割;试验结果表明:98.4%的含铃壳棉花二值模板图像被准确提取。其次,用形态学低帽剪切预处理后的二值图执行开启运算,以判别棉瓣间的连通性:⑴对于多连通的低品级棉花,直接提取未开启二值图中不超过4个区域的棉瓣二值模板,⑵对于单连通的高品级棉花,重新对原始灰度图二值化并提取最大区域的棉瓣二值模板;实验证明:基于棉瓣面积明显大于铃壳面积的棉瓣抽取算法是健壮的,74.6%的棉瓣二值模板图像被准确提取。
- 王玲姬长英陈兵林
- 关键词：棉花形态学图像分割
