CN103310218A - 一种重叠遮挡果实精确识别方法 - Google Patents
一种重叠遮挡果实精确识别方法 Download PDFInfo
- Publication number
- CN103310218A CN103310218A CN2013101883430A CN201310188343A CN103310218A CN 103310218 A CN103310218 A CN 103310218A CN 2013101883430 A CN2013101883430 A CN 2013101883430A CN 201310188343 A CN201310188343 A CN 201310188343A CN 103310218 A CN103310218 A CN 103310218A
- Authority
- CN
- China
- Prior art keywords
- fruit
- image
- edge
- depth
- shielded
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种重叠遮挡果实精确识别方法，具体包括图像采集步骤；目标对象提取步骤，该步骤对采集的图像进行处理，提取出图像中的果实及枝叶；目标对象深度计算步骤；遮挡边缘区域确定步骤；遮挡边缘信息获取步骤，该步骤依次采用边缘检测、边缘细化和边缘连接方法来获取遮挡边缘的完备信息；重叠遮挡果实分离步骤，该步骤通过将重叠遮挡完备边缘图像反像后与果实图像叠加来实现重叠遮挡果实的分离；非完整目标果实修复步骤；果实形心及深度坐标计算步骤。对于苹果、柑橘等类果实采摘机器人来说，本发明一种重叠遮挡果实精确识别方法能够实现对重叠遮挡果实的精确识别，从而有望推动采摘机器人的实用化进程。
Description
技术领域
本发明涉及一种重叠遮挡果实精确识别方法，特别涉及一种对苹果、柑橘等类重叠遮挡果实的精确识别方法。
背景技术
对于采摘机器人来说，由于自然工作环境非结构化的特点，存在很多影响果实精确识别的因素，其中重叠遮挡是主要因素之一。果实重叠遮挡，顾名思义，就是从视觉传感器图像采集方向看去，两个或多个果实重合但不一定相接触致使后方果实部分被前方果实所遮挡。采摘机器人能否具备果实精确识别能力，与果实信息的完备与否有重要关系。具体针对重叠遮挡果实来说，其精确识别依赖于重叠果实的自然分离。所谓自然分离即依靠原图像与遮挡边缘反像叠加实现分离，而非人为设定分割线将其分离，损害所有相关果实的原始形状，使其信息缺失，不利于其精确识别。
重叠遮挡果实非分离识别方法适用于轻微、不严重的遮挡，对于遮挡较严重的，由于果实信息不足，不能对其精确识别；分离识别方法基于果实轮廓边缘信息，边缘信息是否连续、完备，直接决定着重叠遮挡果实是否被分离、进而影响其精确识别。如何很好地解决重叠遮挡这种常见生长形态果实的精确识别问题，已成为推动采摘机器人实用化亟待解决的关键问题之一。
发明内容
针对现有技术中重叠遮挡果实的识别方法中存在的上述问题，提供一种重叠遮挡果实精确识别方法，使得采摘机器人实现对重叠遮挡果实的精确识别，从而推动采摘机器人的实用化进程。
本发明的技术方案是：
一种重叠遮挡果实精确识别方法，具体包括以下步骤：
1）图像采集步骤：基于双目视觉实时采集果实图像。
2）目标对象提取步骤：首先采用自适应维纳滤波方法图像预处理；其次采用基于颜色特征的动态阈值层层剥离分割方法将预处理图像中的无用信息去除；然后采用基于颜色特征和纹理特征的聚类分割算法获取图像中的果实、树枝和树叶，其中纹理特征的提取采用Contourlet变换方法。分割后图像中的分割碎片则采用基于纹理特征的消噪方法去除，最后采用水平最小外接矩形法将图像中所有的连通区域框定，提取各个矩形内求补图像中的孤立区域，通过孤立区域图像与原图像叠加来修复孔洞。
3）目标对象深度计算步骤：基于双目视觉采用组合匹配及深度校正模型测定出各个最小外接矩形内连通区域的深度信息，对于超出采摘机器人作业深度之外的区域进行去除，此外，该深度信息还用于后续处理。
4）遮挡边缘区域确定步骤：通过计算重叠遮挡果实深度图像上的点与其一定邻域内各点所对应深度值的差值变化特征来确定遮挡边缘的区域。
5）遮挡边缘信息获取步骤：首先利用元胞自动机的演化，建立边缘检测元胞自动机模型来进行果实图像遮挡边缘信息的提取；然后采用基于数学形态学的细化算法对提取到的重叠遮挡边缘进行细化操作；最后采用基于结构元素的主动生长退化方式对断裂的边缘进行连接。
6）重叠遮挡果实分离步骤：通过将重叠遮挡完备边缘图像反像后与果实图像叠加来实现重叠遮挡果实的分离。
7）非完整目标果实修复步骤：在事先建立果实不同深度不同姿态外形的参数表的基础上，采用基于同深度下果实模板配准的方法来实现果实的重建修复。
8）果实形心及深度坐标计算步骤：通过对果实区域内所有像素点坐标求均值来获取其形心坐标，其深度也通过计算该区域深度均值来获取。
本发明是有益效果是：
对于苹果、柑橘等类果实采摘机器人来说，本发明一种重叠遮挡果实精确识别方法能够实现对重叠遮挡果实的精确识别。
附图说明
图1为本发明一种重叠遮挡果实精确识别方法的总流程图；
图2为本发明中目标对象提取步骤的流程图。
具体实施方式
下面结合附图对本发明作进一步详细说明。
本发明一种重叠遮挡果实精确识别方法的流程如图1所示，具体包括如下步骤：
(1) 图像采集步骤
图像的采集基于双目视觉系统，除了后续提取出目标对象的二维信息外，还要获取目标对象的深度信息。
(2) 目标对象提取步骤
该步骤实施流程如图2所示。首先自然环境下光照的多变性，严重影响着图像的分割效果，因此本步骤采用自适应维纳滤波方法图像预处理，以消除强光、弱光等不同光照条件下所采集图像中的噪声干扰。
图像中除了果实、枝叶信息之外，还可能有天空，果园地膜（果园为了保墒蓄水，提高果实着色指数，通常会覆盖地膜）等无用信息，而天空又与果树枝叶相互交错在一起，所以本步骤采用基于颜色特征的动态阈值层层剥离分割方法先将其从预处理图像中去除。
尽管图像中果实、枝叶之间存在较大的颜色差别，但当目标与背景颜色相似时，仅利用颜色特征无法完整地将果实目标分割出来，会出现所谓的过分割或者欠分割现象，因此本步骤采用基于颜色特征和纹理特征的聚类分割算法获取图像中的果实、树枝和树叶。这里纹理特征的提取采用Contourlet变换的方法。通过利用Contourlet变换高频子带系数矩阵，选取高频子带各方向的梯度能量作为特征向量。梯度能量能够很好地表征纹理图像的内在连续性。
分割后图像中不可避免地会存在分割碎片，所以本步骤对分割出来的果实、树枝和树叶图像采用基于纹理特征的消噪（对于目标图像来说，非目标信息都可称为噪声）方法，以保证目标信息的纯粹性。
分割后的图像中不可避免地还会存在不同程度的孔洞现象，传统的数学形态学孔洞填充方法由于孔径大小不一其运算次数需要人工干预，因此本步骤根据后续图像处理的实际情况首先采用水平最小外接矩形法将图像中所有的连通区域框定，然后提取各个矩形内求补图像中的孤立区域，通过孤立区域图像与原图像叠加来修复孔洞。
(3) 目标对象深度计算步骤
果实图像中可能有些目标果实位置已经超出了采摘机器人的作业深度，没必要再进行后续处理，因此本步骤基于双目视觉采用组合匹配及深度校正模型测定出各个最小外接矩形内连通区域的深度信息，对于超出采摘机器人作业深度之外的区域进行去除，此外，该深度信息还用于后续处理。
(4) 遮挡边缘区域确定步骤
在对重叠遮挡边缘信息提取之前需要确定遮挡边缘的区域。通过分析视觉目标所对应的深度信息可知，实体上存在遮挡的区域与图像中存在深度不连续现象的区域相对应，因此本步骤通过计算分析重叠遮挡果实深度图像上的点与其一定邻域内各点所对应深度值的差值变化特征来确定遮挡边缘的区域。
(5) 遮挡边缘信息获取步骤
经典的边缘检测方法都存在着滤波尺度选择问题。鉴于二维图像的像素点与二维元胞自动机的四方形格点有很好的对应——元胞对应于图像像素，元胞的状态对应于像素的灰度值，所以本步骤首先根据图像边缘点的本身特征和邻域情况，利用元胞自动机的演化，建立边缘检测元胞自动机模型，让计算机自己找到合适的尺度（避免人为因素对算法的影响）来进行果实图像遮挡边缘信息的提取。
由于单纯的边缘检测会造成边缘变粗且粗细不一，不但不利于后续的断裂边缘连接操作，而且若直接应用于重叠果实的分离还会使果实分离边缘不平滑、信息不够完整，从而会对其识别精度造成一定影响，所以有必要对边缘进行细化处理，通过细化操作可以将一个物体细化为一条单像素宽的线。本步骤采用基于数学形态学的细化算法对上述提取到的果实重叠遮挡边缘进行细化操作。
提取到的果实重叠遮挡边缘轮廓图中还是可能会出现边缘断裂的情况，这显然不利于重叠果实的分离，需要进行边缘的连接。本步骤考虑到实际的图像中，图像边缘之间存在一定的关联关系，即可以根据图像边缘的走向对边缘进行预测，采用基于结构元素的主动生长退化方式进行边缘的连接。
(6) 重叠遮挡果实分离步骤
将提取到的重叠遮挡完备边缘图像反像后与果实图像相加得到新图像，在新图像中，重叠果实实现了分离。
(7) 非完整目标果实修复步骤
分离后的果实当中，有些果实不可避免地会出现圆弧状缺口。对于这些非完整目标果实，本步骤在事先建立果实不同深度不同姿态外形的参数表的基础上，采用基于同深度下果实模板配准的方法来实现果实的重建修复。
(8) 果实形心及深度坐标计算步骤
待所有的操作完成后，由于果实形状规整，通过对区域内所有像素点坐标求均值来获取其形心坐标，其深度也可通过计算该区域深度均值来获取。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。
Claims (6)
1.一种重叠遮挡果实精确识别方法，具体包括以下步骤：
（1）图像采集步骤：基于双目视觉实时采集果实图像；
（2）目标对象提取步骤：对采集的图像进行处理，提取出图像中的果实及枝叶；
（3）目标对象深度计算步骤：对目标对象区域采用组合匹配及深度校正模型来获取其深度信息；
（4）遮挡边缘区域确定步骤：通过分析视觉目标所对应的深度信息来确定遮挡边缘的区域；
（5）遮挡边缘信息获取步骤：依次采用边缘检测、边缘细化和边缘连接方法来获取遮挡边缘的完备信息；
（6）重叠遮挡果实分离步骤：通过将重叠遮挡完备边缘图像反像后与果实图像叠加来实现重叠遮挡果实的分离；
（7）非完整目标果实修复步骤：采用果实模板配准的方法实现非完整目标果实的重建修复；
（8）果实形心及深度坐标计算步骤：通过对果实区域内所有像素点坐标求均值来获取其形心坐标，其深度也通过计算该区域深度均值来获取。
2.根据权利要求1所述的一种重叠遮挡果实精确识别方法，其特征在于：步骤（2）中首先采用自适应维纳滤波方法图像预处理；其次采用基于颜色特征的动态阈值层层剥离分割方法将预处理图像中的无用信息去除；然后采用基于颜色特征和纹理特征的聚类分割算法获取图像中的果实、树枝和树叶，其中纹理特征的提取采用Contourlet变换方法，分割后图像中的分割碎片则采用基于纹理特征的消噪方法去除，最后采用水平最小外接矩形法将图像中所有的连通区域框定，提取各个矩形内求补图像中的孤立区域，通过孤立区域图像与原图像叠加来修复孔洞。
3.根据权利要求1所述的一种重叠遮挡果实精确识别方法，其特征在于：步骤（3）中基于双目视觉采用组合匹配及深度校正模型测定出各个最小外接矩形内连通区域的深度信息，对于超出采摘机器人作业深度之外的区域进行去除，此外，该深度信息还用于后续处理。
4.根据权利要求1所述的一种重叠遮挡果实精确识别方法，其特征在于：步骤（4）中通过计算重叠遮挡果实深度图像上的点与其一定邻域内各点所对应深度值的差值变化特征来确定遮挡边缘的区域。
5.根据权利要求1所述的一种重叠遮挡果实精确识别方法，其特征在于：步骤（5）中首先利用元胞自动机的演化，建立边缘检测元胞自动机模型来进行果实图像遮挡边缘信息的提取；然后采用基于数学形态学的细化算法对提取到的重叠遮挡边缘进行细化操作；最后采用基于结构元素的主动生长退化方式对断裂的边缘进行连接。
6.根据权利要求1所述的一种重叠遮挡果实精确识别方法，其特征在于：步骤（7）中在事先建立果实不同深度不同姿态外形的参数表的基础上，采用基于同深度下果实模板配准的方法来实现果实的重建修复。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310188343.0A CN103310218B (zh) | 2013-05-21 | 2013-05-21 | 一种重叠遮挡果实精确识别方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310188343.0A CN103310218B (zh) | 2013-05-21 | 2013-05-21 | 一种重叠遮挡果实精确识别方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN103310218A true CN103310218A (zh) | 2013-09-18 |
| CN103310218B CN103310218B (zh) | 2016-08-10 |
Family
ID=49135413
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201310188343.0A Active CN103310218B (zh) | 2013-05-21 | 2013-05-21 | 一种重叠遮挡果实精确识别方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN103310218B (zh) |
Cited By (21)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103793686A (zh) * | 2014-01-16 | 2014-05-14 | 中国农业大学 | 一种果树产量早期预测的方法 |
| CN105513040A (zh) * | 2014-08-22 | 2016-04-20 | 西部电机株式会社 | 不定形体位置推定方法、不定形体位置推定装置以及程序 |
| CN105701829A (zh) * | 2016-01-16 | 2016-06-22 | 常州大学 | 一种套袋绿色果实图像分割方法 |
| CN105719282A (zh) * | 2016-01-16 | 2016-06-29 | 常州大学 | 一种果园红色苹果图像果实枝叶区域获取方法 |
| CN106340038A (zh) * | 2015-07-07 | 2017-01-18 | 北京雷动云合智能技术有限公司 | 一种基于单目图像中物体的深度次序推理方法 |
| CN106886997A (zh) * | 2015-12-15 | 2017-06-23 | 株式会社理光 | 识别堆叠物体的方法和装置 |
| CN106887006A (zh) * | 2015-12-15 | 2017-06-23 | 株式会社理光 | 堆叠物体的识别方法、设备和机器分拣系统 |
| CN107437254A (zh) * | 2017-06-28 | 2017-12-05 | 常州大学 | 一种果园邻接重叠形态果实判别方法 |
| CN108566822A (zh) * | 2017-03-09 | 2018-09-25 | 松下电器产业株式会社 | 果柄位置估计装置以及果柄位置估计方法 |
| CN110033487A (zh) * | 2019-02-25 | 2019-07-19 | 上海交通大学 | 基于深度联想感知算法的受遮挡蔬果采收方法 |
| CN110705552A (zh) * | 2019-10-11 | 2020-01-17 | 沈阳民航东北凯亚有限公司 | 行李托盘识别方法及装置 |
| CN111539907A (zh) * | 2019-07-25 | 2020-08-14 | 长城汽车股份有限公司 | 用于目标检测的图像处理方法及装置 |
| CN111972123A (zh) * | 2020-07-17 | 2020-11-24 | 武汉爱农云联科技有限公司 | 一种基于智慧种植机的智能果蔬采摘推荐方法和装置 |
| CN112132153A (zh) * | 2020-09-22 | 2020-12-25 | 山东大学 | 基于聚类和形态学处理的番茄果实识别方法及系统 |
| CN112136505A (zh) * | 2020-09-07 | 2020-12-29 | 华南农业大学 | 一种基于视觉选择注意机制的水果采摘顺序规划方法 |
| CN112197705A (zh) * | 2020-10-16 | 2021-01-08 | 中国农业科学院农业资源与农业区划研究所 | 一种基于视觉和激光测距的果实定位方法 |
| CN112270326A (zh) * | 2020-11-18 | 2021-01-26 | 珠海大横琴科技发展有限公司 | 一种遮挡船只的检测优化方法、装置及电子设备 |
| US11074679B2 (en) | 2017-02-06 | 2021-07-27 | Huawei Technologies Co., Ltd. | Image correction and display method and device |
| CN113470034A (zh) * | 2021-06-10 | 2021-10-01 | 六盘水市农业科学研究院 | 一种自动测量离体植物软腐病斑面积的装置 |
| CN114782984A (zh) * | 2022-03-25 | 2022-07-22 | 珠海视熙科技有限公司 | 一种基于tof相机的坐姿识别遮挡判定方法及智能台灯 |
| CN116935070A (zh) * | 2023-09-19 | 2023-10-24 | 北京市农林科学院智能装备技术研究中心 | 果串采摘机器人采摘目标建模方法 |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108805042B (zh) * | 2018-05-25 | 2021-10-12 | 武汉东智科技股份有限公司 | 道路区域监控视频被树叶遮挡的检测方法 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6296186B1 (en) * | 1998-11-19 | 2001-10-02 | Ncr Corporation | Produce recognition system including a produce shape collector |
| CN102831398A (zh) * | 2012-07-24 | 2012-12-19 | 中国农业大学 | 基于深度图像的树上苹果识别方法 |
-
2013
- 2013-05-21 CN CN201310188343.0A patent/CN103310218B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6296186B1 (en) * | 1998-11-19 | 2001-10-02 | Ncr Corporation | Produce recognition system including a produce shape collector |
| CN102831398A (zh) * | 2012-07-24 | 2012-12-19 | 中国农业大学 | 基于深度图像的树上苹果识别方法 |
Non-Patent Citations (1)
| Title |
|---|
| 吕继东: "苹果采摘机器人视觉测量与避障控制研究", 《中国博士学位论文全文数据库信息科技辑》 * |
Cited By (32)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103793686B (zh) * | 2014-01-16 | 2017-12-15 | 中国农业大学 | 一种果树产量早期预测的方法 |
| CN103793686A (zh) * | 2014-01-16 | 2014-05-14 | 中国农业大学 | 一种果树产量早期预测的方法 |
| CN105513040A (zh) * | 2014-08-22 | 2016-04-20 | 西部电机株式会社 | 不定形体位置推定方法、不定形体位置推定装置以及程序 |
| CN105513040B (zh) * | 2014-08-22 | 2020-05-05 | 西部电机株式会社 | 不定形体位置推定方法、不定形体位置推定装置以及程序 |
| CN106340038A (zh) * | 2015-07-07 | 2017-01-18 | 北京雷动云合智能技术有限公司 | 一种基于单目图像中物体的深度次序推理方法 |
| CN106340038B (zh) * | 2015-07-07 | 2018-12-18 | 北京雷动云合智能技术有限公司 | 一种基于单目图像中物体的深度次序推理方法 |
| CN106886997A (zh) * | 2015-12-15 | 2017-06-23 | 株式会社理光 | 识别堆叠物体的方法和装置 |
| CN106887006A (zh) * | 2015-12-15 | 2017-06-23 | 株式会社理光 | 堆叠物体的识别方法、设备和机器分拣系统 |
| CN105701829B (zh) * | 2016-01-16 | 2018-05-04 | 常州大学 | 一种套袋绿色果实图像分割方法 |
| CN105719282B (zh) * | 2016-01-16 | 2018-06-08 | 常州大学 | 一种果园红色苹果图像果实枝叶区域获取方法 |
| CN105719282A (zh) * | 2016-01-16 | 2016-06-29 | 常州大学 | 一种果园红色苹果图像果实枝叶区域获取方法 |
| CN105701829A (zh) * | 2016-01-16 | 2016-06-22 | 常州大学 | 一种套袋绿色果实图像分割方法 |
| US11074679B2 (en) | 2017-02-06 | 2021-07-27 | Huawei Technologies Co., Ltd. | Image correction and display method and device |
| CN108566822A (zh) * | 2017-03-09 | 2018-09-25 | 松下电器产业株式会社 | 果柄位置估计装置以及果柄位置估计方法 |
| CN107437254A (zh) * | 2017-06-28 | 2017-12-05 | 常州大学 | 一种果园邻接重叠形态果实判别方法 |
| CN107437254B (zh) * | 2017-06-28 | 2021-04-27 | 常州大学 | 一种果园邻接重叠形态果实判别方法 |
| CN110033487A (zh) * | 2019-02-25 | 2019-07-19 | 上海交通大学 | 基于深度联想感知算法的受遮挡蔬果采收方法 |
| CN111539907A (zh) * | 2019-07-25 | 2020-08-14 | 长城汽车股份有限公司 | 用于目标检测的图像处理方法及装置 |
| CN111539907B (zh) * | 2019-07-25 | 2023-09-12 | 毫末智行科技有限公司 | 用于目标检测的图像处理方法及装置 |
| CN110705552A (zh) * | 2019-10-11 | 2020-01-17 | 沈阳民航东北凯亚有限公司 | 行李托盘识别方法及装置 |
| CN110705552B (zh) * | 2019-10-11 | 2022-05-06 | 沈阳民航东北凯亚有限公司 | 行李托盘识别方法及装置 |
| CN111972123A (zh) * | 2020-07-17 | 2020-11-24 | 武汉爱农云联科技有限公司 | 一种基于智慧种植机的智能果蔬采摘推荐方法和装置 |
| CN112136505A (zh) * | 2020-09-07 | 2020-12-29 | 华南农业大学 | 一种基于视觉选择注意机制的水果采摘顺序规划方法 |
| CN112132153A (zh) * | 2020-09-22 | 2020-12-25 | 山东大学 | 基于聚类和形态学处理的番茄果实识别方法及系统 |
| CN112197705A (zh) * | 2020-10-16 | 2021-01-08 | 中国农业科学院农业资源与农业区划研究所 | 一种基于视觉和激光测距的果实定位方法 |
| CN112270326A (zh) * | 2020-11-18 | 2021-01-26 | 珠海大横琴科技发展有限公司 | 一种遮挡船只的检测优化方法、装置及电子设备 |
| CN112270326B (zh) * | 2020-11-18 | 2022-03-22 | 珠海大横琴科技发展有限公司 | 一种遮挡船只的检测优化方法、装置及电子设备 |
| CN113470034A (zh) * | 2021-06-10 | 2021-10-01 | 六盘水市农业科学研究院 | 一种自动测量离体植物软腐病斑面积的装置 |
| CN114782984B (zh) * | 2022-03-25 | 2022-11-25 | 珠海视熙科技有限公司 | 一种基于tof相机的坐姿识别遮挡判定方法及智能台灯 |
| CN114782984A (zh) * | 2022-03-25 | 2022-07-22 | 珠海视熙科技有限公司 | 一种基于tof相机的坐姿识别遮挡判定方法及智能台灯 |
| CN116935070A (zh) * | 2023-09-19 | 2023-10-24 | 北京市农林科学院智能装备技术研究中心 | 果串采摘机器人采摘目标建模方法 |
| CN116935070B (zh) * | 2023-09-19 | 2023-12-26 | 北京市农林科学院智能装备技术研究中心 | 果串采摘机器人采摘目标建模方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN103310218B (zh) | 2016-08-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103310218A (zh) | 一种重叠遮挡果实精确识别方法 | |
| CN103295018A (zh) | 一种枝叶遮挡果实精确识别方法 | |
| Luo et al. | A vision methodology for harvesting robot to detect cutting points on peduncles of double overlapping grape clusters in a vineyard | |
| Lu et al. | Immature citrus fruit detection based on local binary pattern feature and hierarchical contour analysis | |
| CN103279762A (zh) | 一种自然环境下果实常见生长形态判定方法 | |
| CN103870808B (zh) | 一种手指静脉识别方法 | |
| CN103336946B (zh) | 一种基于双目立体视觉的成簇状番茄识别方法 | |
| CN104318546B (zh) | 一种基于多尺度分析的温室田间植物叶片边缘提取方法及其系统 | |
| CN110610506B (zh) | 一种基于图像处理技术的姬松茸子实体生长参数检测方法 | |
| CN110599507B (zh) | 一种番茄识别定位方法及系统 | |
| CN112132153B (zh) | 基于聚类和形态学处理的番茄果实识别方法及系统 | |
| CN103177257A (zh) | 一种鸡腿菇图像识别方法与分级方法 | |
| CN108280810B (zh) | 一种单时相光学遥感图像云覆盖区修复的自动处理方法 | |
| CN108022222A (zh) | 一种基于卷积-反卷积网络的遥感图像薄云去除方法 | |
| CN113255434B (zh) | 一种融合果实特征与深度卷积神经网络的苹果识别方法 | |
| Nagar et al. | Pest detection on leaf using image processing | |
| Song et al. | Shadow removal method of apples based on fuzzy set theory | |
| CN103971369B (zh) | 视网膜图像的视盘定位方法 | |
| CN115731257A (zh) | 基于图像的叶片形态信息提取方法 | |
| Lv et al. | Method for discriminating of the shape of overlapped apple fruit images | |
| CN104008365A (zh) | 基于图像处理技术的检测果树树叶稀密程度的方法 | |
| Lv et al. | Method to acquire regions of fruit, branch and leaf from image of red apple in orchard | |
| CN104484873B (zh) | 植株三维点云的叶杆分离方法 | |
| Mohammed Amean et al. | Automatic plant branch segmentation and classification using vesselness measure | |
| CN105844641A (zh) | 一种动态环境下的自适应阈值分割方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20201222 Address after: Building 7, no.8-2, Dutou street, Daitou Town, Liyang City, Changzhou City, Jiangsu Province Patentee after: Liyang Chang Technology Transfer Center Co.,Ltd. Address before: Gehu Lake Road Wujin District 213164 Jiangsu city of Changzhou province No. 1 Patentee before: CHANGZHOU University |
|
| TR01 | Transfer of patent right |