会员注册 | 登录 | 微信快捷登录 支付宝快捷登录 QQ登录 微博登录 | 帮助中心 人人文库renrendoc.com美如初恋!
站内搜索 百度文库

热门搜索: 直缝焊接机 矿井提升机 循环球式转向器图纸 机器人手爪发展史 管道机器人dwg 动平衡试验台设计

   首页 人人文库网 > 资源分类 > DOC文档下载

外文翻译基于机器视觉的水果的识别和定位.doc

  • 资源星级:
  • 资源大小:665.50KB   全文页数:11页
  • 资源格式: DOC        下载权限:注册会员/VIP会员
您还没有登陆,请先登录。登陆后即可下载此文档。
  合作网站登录: 微信快捷登录 支付宝快捷登录   QQ登录   微博登录
友情提示
2:本站资源不支持迅雷下载,请使用浏览器直接下载(不支持QQ浏览器)
3:本站资源下载后的文档和图纸-无水印,预览文档经过压缩,下载后原文更清晰   

外文翻译基于机器视觉的水果的识别和定位.doc

基于机器视觉的水果的识别和定位顾辉,陆亚亚,娄吉林,张伟同浙江科技大学,信息工程学院,中国,杭州,310014ghzjut.edu.cn,{oo327,phonixlou,seasonzwt}163.com摘要本文讨论了低级别的机器视觉水果和蔬菜收获机器人,介绍了在自然场所下的水果和蔬菜的识别和定位,结合彩色模型提出了一种新的分割方法。更重要的是,它为确定脱落点介绍了一种新型的观点,成功的解决了当果实被闭塞时采摘中心点和脱落点的确定。同时,通过几何学技术解决了生长歪斜的果实的切除点的确定。事实证明,在自然场所下,效果良好。关键字机器视觉,水果物体,识别,定位1引言在人类征服自然的这个过程中,人类正面临改造自然和促进社会的能力有限问题。结果,人类一直在寻求机器人代替人完成复杂的任务,而智能机器人是最好的选择。众所周知,视觉是人类探索世界最主要的途径。约百分之八十的信息是通过视野获得的。因此,给予智能机器人视觉功能是非常重要的。在这里,我们可以定义机器视觉如下它能够在输入图像1处理后产生一些描述图片内容。许多领域与机器视觉是有关联。因此,它广泛的应用在各个方面,从医学图像,到遥感图像,从工业检测,到农业区等。我们要讨论的水果和蔬菜采收机器人,是一类具有感知能力,可编程控收获,运输和包装庄稼2,自动机械采收系统。在这个收获过程中,视觉系统的主要问题,是识别并找到水果物体3。在这里,识别的意思是从复杂背景4分割出果实物体。定位,包括两方面内容果实中心的位置和脱落的一点。最近,有不少正在研究关于基于机器视觉的水果和蔬菜收获机器人56。蔡健荣介绍了在自然场所下的机器视觉识别方法。用大津算法,它得到分割阈值自动提取目标7。宫良介绍了基于机器视觉和机器人播种嫁接技术的发明,他们已投入生产8。SlaughterD.C在色数码图像9中建立一个用颜色特征经典的橙子模型。在这些研究中,有很多从复杂的自然背景提取水果的方法。但其基本构想是,通过转换颜色模型到另一个比较容易过程中,或者更适合的场合来提取水果对象。但是,仍然有两个问题仍然悬而未决1)当果实生长歪时如何确定脱落点2)有这么多的水果重叠时候如何确定中心和脱落点的,另一方面,侦测整个边缘是不可能。如果这两个问题依然悬而未决,这意味着收获可能是一个失败的。并且更重要的是,只有约40%的水果和蔬菜在果园10是可见,这意味着约有60%的物体部分遮挡或完全闭塞。一般来说,农业机器人加上适合的风扇,以吹开覆盖水果的树叶。因此,,它可能部分解决果实完全闭塞的问题。所以,在本文中,我们只讨论了果实部分遮挡的问题,在特别是,该案件的两个水果重叠。作为一个整体,我们的问题是讨论的是属于低层次的机器视觉,在机器视觉是关键步骤之一。2本文中使用的方法2.1概要从上述分析,我们知道,为了将果实从叶片和树枝分离出来,我们应该利用适合某些情况的色彩模式。该三原色颜色模式是常用的,是不适合果园图象。因为在三原色的颜色空间,该三色来不仅代表着色调值,而且代表着亮度。因此,周围的照明也可能增添识别的难度,因此三原色在这个分割过程中是不可靠的。为了利用水果在色调空间的聚类特征,,我们必须分开,色调和亮度信息。通过三原色转换到单独色调和亮度的模型,我们可以实现这一目标。2.2彩色模型在本文中,我们使用的是三种类型的彩色模型。第一个是液晶显示器(亮度和色差)模型。在这个模型中,有四种颜色属性,其中包括亮度信息Y,红色色差Cr,绿色色差Cg,蓝色色差Cb。变换公式如下在这个实验过程中,我们发现了红色色差在果实中远远高于树叶或树枝,甚至未成熟的果实,如不成熟番茄会稍后就会涉及。因此,我们不得不考虑红色色差Cr。第二个模式,我们采用的是规则的RGB。用图表来代表色性能三个部分。变换公式定义如下很明显它满足结合上述两种模式的优势,我们可以在本文中推断出第三颜色模型LHM。从第一彩色模型选择Y和Cr,从第二个模式选择r和g,我们可以构建公式如下3分割在自然条件下的果园,非均匀的光照因素使闭塞的叶片和树枝都更难以分离。目前,我们可以将彩色图像分成三类(1)基于阈值的分割(2)基于边缘检查和成长区域的分割(3)基于颜色聚类11的分割。3.1聚类和分类聚类的主要构想是要区分不同对象,其中包括不同类别的物体和同一物体的不同部位12。所有分类算法都是基于一个假设,认为图像问题描绘一种或多种特点,并认为这些特点属于其中几个独特的特点和独特的分类。传统的分类习惯包括两个阶段的过程训练和测试。在最初的训练期,特有道具的典型图像特点是被隔立的,基于这些,一种独特的描述每个分类的方法,即培训,就产生了。在随后的测试阶段,这些特征的空间分割区,是用来区分图像特征。在实验中,我们取样60像素的叶片,树枝,水果等,并分别创立了分类。采用两个特征模式M和N,我们建立判定函数,当A,B和C是任意常数为只要数字,满足条件。在这里,特征图案可能是颜色,形状,大小,或物体的任何性质。根据判定函数或者,我们可以将图像分为两部分,如图13.2水果的分离在这项研究中,我们采用了基于阈值的分割方法。该阈值是来自判定函数在上述3种图像模型的应用。根据以上段落,我们可以得到三个决策函数第一函数,F1,分离果实部分及叶片部分,第二函数,F2,从树枝部分分离水果部分,以及第三函数F3,从树枝部分分离叶片部分。但是,在实验要求的基础上,我们只是要水果从背景中分割出来,并且叶和树枝部分视为背景。所以,现在还没有必要考虑F3。3.3分析液晶模型图像显然,果实,树叶及树枝的红色有不同的亮度和色彩。因此,采样60像素的果实,树叶及树枝来比对,从图2(a)中,我们知道水果的平均值,而且树叶和树枝的平均值差距很大,所以这是个适宜使用最低间隔分类。从训练集,我们根据该最小距离分类可以得到决策函数如下

注意事项

本文(外文翻译基于机器视觉的水果的识别和定位.doc)为本站会员(淘宝运营)主动上传,人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对上载内容本身不做任何修改或编辑。 若此文所含内容侵犯了您的版权或隐私,请立即通知人人文库网([email protected]),我们立即给予删除!

温馨提示:如果因为网速或其他原因下载失败请重新下载,重复下载不扣分。

copyright@ 2015-2017 人人文库网网站版权所有
苏ICP备12009002号-5