基于机器视觉的农业导航系统-计算机科学与技术专业论文.docxVIP

万 万方数据 学位论文版权使用授权书 本学位论文作者完全了解 浙江理工大学 有权保留并向国 家有关部门或机构送交本论文的复印件和磁盘 ，允许论文被 查阅和借阅。本人授权 浙江理工大学 可以将学位论文的全部 或部分内容编入有关数据库进行检索和传播 ，可以采用影 印、缩印或扫描等复制手段保存、汇编学位论文。 (保密的学位论文在解密后适用本授权书) 学位论文作者签名 : )Y 再 签字日期 : yl快 b 月 1)-，日 导师签名 :才护V 签字日期 : ì叫6 年 6 月 1 )，日 浙江理工大 浙江理工大学硕士学位论文 基于机器视觉的农业导航系统 摘要 随着机器视觉技术的不断发展，农业机器人使用视觉导航技术进行作业已经 成为现代智能农业机械一个重要研究方向，在自动喷药施肥、收割作业、耕种除 草、病虫害检测等方面有着广泛的应用。 本文根据目前农业领域机器视觉技术发展现状，在总结国内外相关研究成果 的基础上，设计并开发了一套基于机器视觉的农业导航系统，本文的主要研究工 作和成果如下： (1)针对农业环境的多变性和复杂性，为了保证在各种环境中分割的成功率， 采用了基于局部特征的层级分割结构进行图像分割，由于层级分割结构计算过程 复杂，往往需要耗费大量的时间和内存，因此采用了基于离散-连续的最优梯度 方向信号预测算法，相较于不使用预测算法，可以保证在成功分割的前提下减少 40%的计算时间和 10%的内存使用。 (2)由于目前农作物种植大多为条播法，但在导航线提取时往往只用到两条作 物行，因此许多研究中在图像处理过程中创建感兴趣区域(ROI)用于简化计算。 针对目前研究中 ROI 多为人工创建的现状，提出自动 ROI 的思想。跟人工创建 ROI 相比，自动 ROI 可以根据条件和参数变化进行自我调整，如作物种类、拍 摄角度等，不再只局限于某一特定作物或场景，增强了系统的鲁棒性。 (3)针对杂草存在对导航线提取精度的影响问题，使用了机器学习进行杂草 识别，一共使用了三种分类器进行实验，分别是人工神经网络，支持向量机和随 机森林。实验结果表明，三种分类器都可以识别出杂草，其中随机森林的效果最 佳，对作物的识别率为 93.8%，杂草的识别率为 91.1%，所以选择随机森林作为 杂草识别的分类器。 (4)对于杂草识别后的作物行识别问题，由于已经创建了合适的 ROI，并且排 除了杂草的影响，此时使用横条法加线性回归的组合算法更加简单有效。通过对 比实验证明，无论是在精度还是耗时组合算法均优于随机 Hough 变换，所以最 终选择了横条法加线性回归的组合算法进行作物行检测。 (5)针对农田地形环境和实际需求，以韩伯电子技术研究所 HBE-ROBOCAR 型号机器人为移动平台，设计并开发了机器人控制系统。为了克服摄像存在的畸 变问题，采用了 OpenCV 标定法进行了标定实验，最后在校内开展了仿真实验， I 平均偏差角度为 2.02°。 关键词：视觉导航；方向梯度估计；自动 ROI；杂草识别；作物行检测 II ABSTRACT With the continuous development of the machine vision technology, agricultural robot using visual navigation technology has become an important research direction of the modern intelligent agricultural machinery, and has a wide application in the automatic spraying fertilizer, harvesting, farming, weeding and pests detection and so on. According to the current development of machine vision technology in agricultural field, and the relevant research results at home and abroad, this paper design and develop a set of agricultural navigation system based on machine vision. The detailed contents about research are as follows: In view of the variety and complexity of agricultural environment, in order to ensure the suc