《（毕业设计论文）-《计算机视觉技术论文农业生产机器人论文》》由会员分享，可在线阅读，更多相关《（毕业设计论文）-《计算机视觉技术论文农业生产机器人论文》（4页珍藏版）》请在金锄头文库上搜索。
1、论文计算机视觉技术论文农业生产机器人论文：计算机视觉技术在农业生产机器人上的应用摘 要：根据目前国内外研究现状及存在问题对未来发展方向进行了预测，认为今后的研究方向主要是在图像处理硬件的开发、神经网络技术的应用和图像处理技术新方法的研究等几个方面。关键词：计算机视觉；图像处理；工厂化农业；生长监测；机器人视觉1 计算机视觉技术计算机视觉技术又称机器视觉，是指由人类设计并在计算机环境下实现的模拟或再现与人类视觉有关的某些智能行为的技术。如对印刷与手写文字识别、图像模式识别和物体三维表面的形状知识与距离、速度感知等。机器视觉技术是多学科的交叉与结合，它设计到计算机、数学、光学、心理学、物理学及信号
2、处理等诸多学科。研究机器视觉的目的是要实现对人类视学的模拟和延伸。简而言之，对模拟高等动力的视觉系统而言，完成对物体的形状和类别的识别是最重要的。机器视觉处理的原始信息多是图像，因此，该领域又和图像处理及模式识别有着十分密切的关系。计算机视觉技术目前已应用于各个领域，如医学辅助诊断、气象、资源调查、灾害监测中的航拍和卫星图像的解释、工业机器人的手眼系统、工业产品外观检测与筛选及军事上的精确制导等。一般的计算机视觉系统是由CCD摄像机、装备有图像采集板的计算机、光照系统以及专用图像处理软件等组成。CCD摄像机可以将所要识别的作业对象（或目标）和背景以图像形式记录下来。它实际上是一个光电传感器，将
3、反映目标、背景的光学信号转变为电信号。图像采集板可将CCD摄像机采集来的电信号转换为数字信号图像数字化，供计算机进行特定的处理。处理完毕的数字信号需要转换成视频信号，由显示器显示。如果配备有控制系统，处理结果还需经图像采集板输出端输出以控制相应的执行机构。光照系统为图像采集系统提供合适的照明，以利于后续图像的处理与分析。计算机视觉技术在农业机械上的研究与应用，始于20世纪70年代末期，主要研究集中与农产品分选机械中利用计算机视觉技术对农产品（如苹果、桃、香蕉、西红柿、黄瓜等）进行品质检测和分级等，有些已取得了实用性成果。2 计算机视觉技术在农业生产机器人上的应用2.1 果实收获机器人农作物果实
4、收获方法分为2种：非选择性收获和选择性收获。前者是指如玉米、大豆、棉花等成排种植的植物，收获是将植物和果实一起收获，然后再进行分离；此方面的机器人视觉主要区分作物和土壤，并为机器人导航。选择性收获指的是收获那些成熟的果实而不损伤生长的植物；其机器人视觉要区分果实和植物茎叶，难度比前者大。温室内常见作物如黄瓜、番茄的收获都属于选择性收获。对蔬菜水果收获机器人系统的研究开发，日本和荷兰起步较早。1977年，美国学者Parrish和Gokse研究表明，利用机器人视觉为基于球坐标系的水果收获机器人定位具有技术可行性。2000年，荷兰农业环境工程研究所开发了移动式黄瓜收获机器人样机，该研究在荷兰的温室里
5、进行。日本HaveS等（1997）发明了直线图像分光仪，利用农田作物间纹理差异产生的不同反射光谱，实现农作物行、列检测。最近，日本农业研究中心开发了类似猫胡须的接触传感器用于机器人导航系统。这些研究对行走机器人的实际应用提供了有益的借鉴。我国学者周云山等人（1995）研究了利用吸盘系统开发蘑菇采摘机器人，不过离实际推广还有一定的距离。2.2 移栽嫁接机器人温室内生产的幼苗包括各种花类植物、叶类植物和诸如番茄、黄瓜等的园艺植物。根据美国商业部统计资料表明，美国温室幼苗生产每年年产值平均高达32亿美元，已成为农业经济领域重要的组成部分。美国普渡大学的Miles教授等人（1987）利用C A D系统
6、设计了一种幼苗移载抓取器，安装在具有视觉系统的Puma 560型机器人上实现了幼苗的移栽。实验结果表明，如果控制程序设计合理，该机器人系统可以实现96%的移栽幼苗无损伤，移栽36个穴孔的幼苗盘只需要3.3分钟。学者Hwang H.等人设计的辣椒幼苗移栽系统有一定的参考价值。由于嫁接后的瓜果秧苗具有抗病虫害、结果能力强和品质高等优点，嫁接技术被广泛应用于实际生产，因此瓜果秧苗的嫁接机器人视觉技术也成为目前的研究热点。3 总结计算机视觉技术是植物生长环境监测控制、蔬菜水果采摘、秧苗嫁接等设施农业生产自动化必不可少的技术，应用前景非常广泛。根据目前国内外的研究现状及存在的问题，笔者认为今后的研究方向
7、主要在以下3个方面。（1）图像处理硬件的开发。如果大量图像信息的处理都由主机完成，主机将不堪重负，处理速度会大大减慢。为了提高视觉系统实时处理速度，利用图像采集卡，减轻了主机的负担，因此图像处理采集卡将成为提高图像处理系统实时处理速度的有利手段。（2）神经网络技术的应用。神经网络是一种高度并行的分布式系统，可以对视觉系统测到的图像进行处理。它不仅处理速度快，而且可以充分利用其非线形处理能力对环境进行识别，当环境改变之后可重新启动的自适应神经网络具有良好的应用前景。（3）图像处理新方法的研究。由于农田景物受光照条件和图像噪声的影响具有复杂和易识别等特性。需要努力寻求图像表达与解释的新方法，在图像处理和识别软件设计方面力求算法的快速性和有效性也是目前的研究热点。
