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

外文翻译--基于机器视觉的水果的识别和定位 中文版.doc外文翻译--基于机器视觉的水果的识别和定位 中文版.doc -- 5 元

宽屏显示 收藏 分享

资源预览需要最新版本的Flash Player支持。
您尚未安装或版本过低,建议您

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
编号:201311171128245892    大小:665.50KB    格式:DOC    上传时间:2013-11-17
  【编辑】
5
关 键 词:
教育专区 外文翻译 精品文档 外文翻译
温馨提示:
1: 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
2: 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
3.本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
5. 人人文库网仅提供交流平台,并不能对任何下载内容负责。
6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。
  人人文库网所有资源均是用户自行上传分享,仅供网友学习交流,未经上传用户书面授权,请勿作他用。
0条评论

还可以输入200字符

暂无评论,赶快抢占沙发吧。

当前资源信息

4.0
 
(2人评价)
浏览:30次
英文资料库上传于2013-11-17

官方联系方式

客服手机:13961746681   
2:不支持迅雷下载,请使用浏览器下载   
3:不支持QQ浏览器下载,请用其他浏览器   
4:下载后的文档和图纸-无水印   
5:文档经过压缩,下载后原文更清晰   

相关资源

相关资源

相关搜索

教育专区   外文翻译   精品文档   外文翻译  
关于我们 - 网站声明 - 网站地图 - 友情链接 - 网站客服客服 - 联系我们
copyright@ 2015-2017 人人文库网网站版权所有
苏ICP备12009002号-5