【农作物识别和定位国内外研究现状文献综述2000字】

农作物识别和定位国内外研究现状文献综述1国内研究现状对RGB颜色空间下的R通道和B通道的色差通道进行图像处理，获取棉花最小化范围大的番茄图像。赵杰文团队13利用HSV颜色空间的H通道对实际生产环色空间的S通道。王玲等人7对近万个样本在四种不同的色颜色空间下采用K均值聚类的方法，证明了RGB颜色空间下的B通道的分割准确率较高，并提出了颜色空间和不同通道下像素值训练学习网络的分割策略。蒋焕煜等8对番茄作物锋9对杂草识别进行了研究，先进行初步匹配，再通过增加约束条件优化匹配结视觉技术在追踪手术仪器上提出了Camshif2国外研究现状美国学者Schertz和Brown¹2在上世纪六十年代创新性地提出了应用智能化现光照环境变化会使得识别准确率降低。Rabatel对前者的方法进行了改进，其位置，该算法在正常种植环境下杂草密集程度适中时表现良好。Weyrich等人[15]同种类的分类器来区分作物和杂草植物方面的应用[17-191,大多数分类特征是从植物的颜色、纹理和形状计算出来的。Jin等人[201提出实时立体视觉系统在室外光Kondo¹41曾对农作物番茄空间信息获取进行了研究，能够通过番茄表面颜色特征识别番茄是否成熟。日本学者Takahashi等[21,22利用双目视差原理，通过对利用双目相机修正视差使两张图像位于同一平面并对校正后的两张图像进行像光源组成立体视觉系统，为判断草莓花瓣的位置还在末端执行机构上安装了相机。的机器人对目标进行定位提供了新方法。JosePrado等[25]研究了在光照环境较差，通过缩小搜索范围来减少基于像素颜色和特征分割中的错误。参考文献35(005):122-124.021(005):98-101.23(004):183-185.24(10):156-160.2008,24(8):279-283.[9]熊锋.基于双目立体视觉的杂草定位技术研究[D].江苏大学.30(022):155-156.[12]SchertzCE.Basicconsiderationinmechan[13]TillettND,HagueT,Grundusingcomputervision[J].BiosystemsEngineering,2008,99(2):171-178.[14]KassayL.Hungarianroboticappleharvester[C].Meeting(USA),1992.[15]WeyrichM,WangY,ScharfM.Qualityassessmentofrowcropplantsbyusingamachinevisystem[C].IndustrialElectronicsSociety,IECO[16]DongR,HuY,WuY,etal.Visible-lJournaloftheAmericanChemicalSociety,2017,139(5):1722-1725.[17]S?GaardHT.WeedClassifi91(3):271-281.[18]PerssonM,?S