摘要 | 第6-8页 |
Abstract | 第8-9页 |
第一章 绪论 | 第13-27页 |
1.1 本课题的来源 | 第13-14页 |
1.2 本课题研究的目的和意义 | 第14-15页 |
1.3 农业机器人国内外研究现状 | 第15-18页 |
1.4 除草机器人国内外研究现状 | 第18-24页 |
1.4.1 除草机器人国内外研究现状 | 第18-19页 |
1.4.2 基于机器视觉的杂草识别国内外研究现状 | 第19-24页 |
1.4.2.1 形状特征识别 | 第20-21页 |
1.4.2.2 颜色特征识别 | 第21-22页 |
1.4.2.3 纹理特征识别 | 第22-23页 |
1.4.2.4 多种特征融合识别 | 第23-24页 |
1.5 论文章节安排 | 第24-25页 |
1.6 本章小结 | 第25-27页 |
第二章 研究内容和技术路线 | 第27-33页 |
2.1 激光除草技术的现状 | 第27-28页 |
2.2 激光除草的原理 | 第28-30页 |
2.3 激光除草机器人系统 | 第30-32页 |
2.3.1 系统原理 | 第30页 |
2.3.2 激光控制部分 | 第30-31页 |
2.3.3 除草机器人定位导航部分 | 第31页 |
2.3.4 杂草识别定位部分 | 第31-32页 |
2.4 本章小结 | 第32-33页 |
第三章 激光除草机械臂的设计研究 | 第33-47页 |
3.1 激光除草机器人的基本结构 | 第33-36页 |
3.1.1 激光除草机器人整体结构 | 第34-35页 |
3.1.2 具体实施方式 | 第35-36页 |
3.2 机器人机械臂组成 | 第36页 |
3.3 机械臂的逆运动学求解及激光路径优化 | 第36-42页 |
3.3.1 执行区域的划分 | 第36-37页 |
3.3.2 电机位移数学模型的建立与计算 | 第37-38页 |
3.3.3 参数的优化 | 第38页 |
3.3.4 误差分析及路径模拟 | 第38-41页 |
3.3.5 激光除草机械臂执行实例 | 第41-42页 |
3.4 机械臂的控制流程图 | 第42-44页 |
3.5 一个执行区域内的处理实例 | 第44-46页 |
3.6 本章小结 | 第46-47页 |
第四章 机器人的田间定位和导航 | 第47-57页 |
4.1 三杆定位原理 | 第47-49页 |
4.2 图像的采集和处理 | 第49-54页 |
4.2.1 试验方案 | 第49页 |
4.2.2 实验材料 | 第49页 |
4.2.3 图像的采集和处理 | 第49-54页 |
4.3 验证 | 第54页 |
4.4 结论 | 第54-55页 |
4.5 本章小结 | 第55-57页 |
第五章 基于形态特征和RGB图像颜色特征的作物识别 | 第57-85页 |
5.1 实验前准备工作 | 第57-58页 |
5.1.1 三种作物生长环境调查 | 第57页 |
5.1.2 温室环境设置 | 第57页 |
5.1.3 实验材料准备 | 第57-58页 |
5.2 植物样本数据 | 第58-59页 |
5.2.1 陆稻 | 第58页 |
5.2.2 黑麦草 | 第58-59页 |
5.2.3 草坪草 | 第59页 |
5.3 外部形态特征识别 | 第59-62页 |
5.3.1 形态特征的采集 | 第59-60页 |
5.3.2 形态特征—株高 | 第60-61页 |
5.3.3 形态特征—分叉长度 | 第61-62页 |
5.4 RGB图像的获取和分析 | 第62-70页 |
5.4.1 数字图像处理中的颜色空间及RGB图像 | 第63-64页 |
5.4.2 基于超绿法的作物提取方法 | 第64-65页 |
5.4.3 植物提取 | 第65-68页 |
5.4.4 二值化图像边缘化 | 第68-70页 |
5.4.5 图像特征的提取 | 第70页 |
5.5 图像特征识别 | 第70-83页 |
5.5.1 图像特征—叶宽、叶片面积、叶片周长、区域面积识别 | 第70-73页 |
5.5.2 图像特征—R均差-G均差-B均差识别 | 第73-83页 |
5.6 本章小结 | 第83-85页 |
第六章 总结与展望 | 第85-87页 |
6.1 论文研究成果 | 第85页 |
6.2 存在的不足及后续展望 | 第85-87页 |
致谢 | 第87-89页 |
参考文献 | 第89-95页 |
附录A:本人在攻读硕士学位期间科研情况 | 第95-97页 |
附录B:实验附图 | 第97-99页 |
附录C:部分程序代码 | 第99-109页 |