论文部分内容阅读
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。