海参捕捞机器人的机器视觉研究.pdfVIP

山东建筑大学硕士学位论文 摘 要 海参是生活在海边至水深8000 米的海洋棘皮动物，营养价值极高。海参以人工捕捞 为主，作业强度大，甚至危及工作者生命，使用水下机器人替代人工捕捞海参是未来发 展趋势。尽管水下机器人的迅速发展为海参捕捞机器人提供了可行性，由于水下环境复 杂多变，对海参捕捞机器人的自动检测识别系统的设计与开发带来了极大的困难。 本文首先论述了海参捕捞机器人机器视觉及嵌入式视觉的发展现状与发展趋势。对 于海参捕捞机器人的视觉研究，以水下海参图像作为研究对象，利用数字图像处理及深 度学习技术对水下海参进行实时检测研究。其次针对海参图像的图像增强研究，比较并 探讨了经典图像增强算法对水下采集的海参图像的适用性，改进了基于全变差模型的图 像增强算法，即将海参图像先采用 CLAHE 算法进行颜色校正，再通过总变差模型把校 正后的海参图像分为结构层和纹理层两部分，对提取的结构层进行改进的Gamma 校正， 对提取的纹理层利用参数构建进行细节增强，然后，将结构层和纹理层结合得到增强后 的图像，最后将所有算法增强后的图像进行质量评价。对于深度学习的海参目标检测研 究，通过观察采集的水下海参图像，确定自然状态下水下海参的基本形态并建立水下海 参图像库，采用数据扩增方法实现了水下海参数据库的扩增，研究了经典深度学习中目 标检测算法YOLO 类算法和Faster-RCNN 算法对水下海参实时检测的适用性，并根据不 同指标评价了各个经典目标检测算法的有效性。对于嵌入式海参目标检测系统研究。将 机器视觉系统通过宿主电脑移植到嵌入式开发中，选用树莓派搭载英特尔二代神经计算 棒加速硬件进行边缘计算，利用TensorFlow、Open CV 和Darknet 框架建立适合嵌入式 开发目标检测算法的软件环境，将YOLO v2-tiny 和YOLO v3-tiny 算法嵌入树莓派中， 评价算法的适用性，实现水下海参的实时识别检测。 本文研究了海参捕捞机器人的机器视觉系统，确定了 MSR 算法对于海参图像进行 图像增强处理的优越性，也证明了YOLO v3 算法对于水下海参目标检测算法的有效性， 并采用YOLO v3-tiny 算法进行了嵌入式系统的开发与设计，证明了其在保持较高精度的 同时，帧数基本符合实时要求。 I 山东建筑大学硕士学位论文 关键词：海参捕捞，机器视觉，图像增强，目标检测，树莓派，英特尔二代神经计 算棒 II 山东建筑大学硕士学位论文 Research on machine vision of sea cucumber fishing robot Zhang Huaqiang （Mechanical and Electric Engineering ） Directed by Yu Fusheng ABSTRACT Sea cucumbers are marine echinoderms living in the sea to the depth of 8000 meters, with high nutritional value. Sea cucumbers are mainly fished by manual work which is high working intensity and even endangers the lives of workers. In the coming years, it is the development trend by replacing manual work with underwater