基于形状特征的棉花成熟度判别方法

为提高采棉机器人对成熟棉桃的正确识别率,提出一种基于形状特征的粒子群优化算法(PSO)优化支持向量机(SVM)的判断方法。首先在OHTA颜色空间下对棉花图像进行分割,然后提取棉花的形状特征,最后利用PSO算法寻找SVM的最优参数,建立能够判断棉花成熟度的PSO-SVM模型。测试结果显示,该方法能够有效地判断棉花的成熟度,判断速度快,对采棉机器人全自动化采摘具有重要意义。

基于遗传算法的棉花成熟度判别研究

针对采棉机器人对棉花成熟度难以判断,导致工作效率低等问题,本研究采用遗传算法的最大类间方差法进行阈值分割、提取棉花的最小外接矩形和棉花的特征参数,建立判别函数,并对受风吹和挤压的情况进行分析。研究表明,此方法可以快速、准确的判定棉花的成熟度,满足采棉机器人对确定待采摘棉花的要求。

基于HSV彩色模型的自然场景下棉花图像分割策略研究

棉花成熟度和空间位置的识别是采棉机器人研究的关键技术,解决此问题必须对棉花图像进行分割。选取HSV模型中与亮度无关的S通道作为棉花图像的特征,排除了图像明暗变化对分割效果的影响。文中分两种情况对图像信息未缺失的棉花提出了成熟度判别的策略:正面时利用成熟棉花棉瓣的分散性和单朵棉花面积较大等特征进行判别;侧面时通过成熟棉花棉瓣相对棉荚面积比较大的特征进行识别。根据提取分割后棉花图像的几何信息,可确定棉花的重心位置。试验结果表明:该算法能很好地将成熟棉花从背景中分离出来,并较好地保存了棉花的轮廓信息。