-
公开(公告)号：CN114187254A
公开(公告)日：2022-03-15
申请号：CN202111483581.5
申请日：2021-12-07
Applicant: 华南农业大学
Abstract: 本发明公开了一种用于采摘机器人的沙田柚图像识别方法，包括以下步骤：分别对未成熟沙田柚用色差分量R/4+3G/4‑B，成熟沙田柚用色差分量2R‑G‑B将沙田柚图像灰度化；利用阈值分割法将灰度图二值化；对二值图像再进行形态学运算，处理图像噪声；进行连通区域标记，采用种子填充法标记区域，去除区域像素点数小于的区域，再采用种子填充法第二次划分区域；使用扫描线填充法进行区域填充；获取离散的边缘点，再将离散点按顺序整合成点链，进行边缘提取；根据基于边缘点估测优化算法分别得到沙田柚身体圆和头部圆形状，获得沙田柚的整体轮廓信息，进行图像拟合，获得最终沙田柚识别标记。本发明的沙田柚图像识别方法的检测精度更高，可高效识别沙田柚的位置和状态。
-
公开(公告)号：CN114187254B
公开(公告)日：2024-09-27
申请号：CN202111483581.5
申请日：2021-12-07
Applicant: 华南农业大学
Abstract: 本发明公开了一种用于采摘机器人的沙田柚图像识别方法，包括以下步骤：分别对未成熟沙田柚用色差分量R/4+3G/4‑B，成熟沙田柚用色差分量2R‑G‑B将沙田柚图像灰度化；利用阈值分割法将灰度图二值化；对二值图像再进行形态学运算，处理图像噪声；进行连通区域标记，采用种子填充法标记区域，去除区域像素点数小于#imgabs0#的区域，再采用种子填充法第二次划分区域；使用扫描线填充法进行区域填充；获取离散的边缘点，再将离散点按顺序整合成点链，进行边缘提取；根据基于边缘点估测优化算法分别得到沙田柚身体圆和头部圆形状，获得沙田柚的整体轮廓信息，进行图像拟合，获得最终沙田柚识别标记。本发明的沙田柚图像识别方法的检测精度更高，可高效识别沙田柚的位置和状态。
-
公开(公告)号：CN114463738A
公开(公告)日：2022-05-10
申请号：CN202111585183.4
申请日：2021-12-22
Applicant: 华南农业大学
Abstract: 本发明针对现有技术的局限性，提出了一种基于深度学习的常见农作物多类别虫害识别方法，其对深度学习模型DenseNet卷积神经网络进行了改进，通过集成学习结合了选择性内核单元、表征批规范化模块以及自适应激活函数ACON，使该卷积神经网络能够根据网络的输入，自适应调整感受野的大小，捕捉不同尺寸的目标；减少输入信息的噪声，增强输入信息的特征，让特征服从稳定的分布；还增强了网络的综合表现；使得DenseNet卷积神经网络能够有效处理多农作物品种、多虫害类型的数据集，提高了训练后所得虫害识别模型对农作物虫害的识别率，在实际应用过程中能很好的满足真实环境的要求。
-
公开(公告)号：CN114463738B
公开(公告)日：2024-11-22
申请号：CN202111585183.4
申请日：2021-12-22
Applicant: 华南农业大学
IPC: G06V20/68 , G06V20/52 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明针对现有技术的局限性，提出了一种基于深度学习的常见农作物多类别虫害识别方法，其对深度学习模型DenseNet卷积神经网络进行了改进，通过集成学习结合了选择性内核单元、表征批规范化模块以及自适应激活函数ACON，使该卷积神经网络能够根据网络的输入，自适应调整感受野的大小，捕捉不同尺寸的目标；减少输入信息的噪声，增强输入信息的特征，让特征服从稳定的分布；还增强了网络的综合表现；使得DenseNet卷积神经网络能够有效处理多农作物品种、多虫害类型的数据集，提高了训练后所得虫害识别模型对农作物虫害的识别率，在实际应用过程中能很好的满足真实环境的要求。
-
-
-
Search Results
4
records
(took 0.023 seconds)
