基于机器视觉的锄草机器人快速作物识别方法研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 引言 | 第12-24页 |
| 1.1 研究目的与意义 | 第12-14页 |
| 1.2 国内外研究现状 | 第14-21页 |
| 1.3 研究内容与技术路线 | 第21-22页 |
| 1.4 本文组织结构 | 第22-23页 |
| 1.5 本章小结 | 第23-24页 |
| 第二章 锄草机器人视觉系统设计 | 第24-40页 |
| 2.1 锄草机器人及其视觉系统的要求 | 第24-27页 |
| 2.2 锄草机器人视觉系统结构组成 | 第27-30页 |
| 2.3 机器视觉系统标定 | 第30-34页 |
| 2.4 机器视觉系统软件设计 | 第34-38页 |
| 2.5 本章小结 | 第38-40页 |
| 第三章 苗期除草工况下的快速作物识别 | 第40-58页 |
| 3.1 田间图像背景分割 | 第41-46页 |
| 3.2 作物行区域划分 | 第46-48页 |
| 3.3 作物识别与定位 | 第48-51页 |
| 3.4 刀苗距和对行偏差计算 | 第51-55页 |
| 3.5 田间试验 | 第55-57页 |
| 3.6 本章小结 | 第57-58页 |
| 第四章 多草复杂工况下的快速作物识别 | 第58-74页 |
| 4.1 样本分析与特征选取 | 第59-64页 |
| 4.2 马氏距离分类器 | 第64-65页 |
| 4.3 基于颜色特征的快速作物识别 | 第65-66页 |
| 4.4 贝叶斯分类器 | 第66-67页 |
| 4.5 试验结果与分析 | 第67-72页 |
| 4.6 本章小结 | 第72-74页 |
| 第五章 中后期除草工况下的快速作物识别 | 第74-86页 |
| 5.1 卷积神经网络发展历史 | 第74-77页 |
| 5.2 图像采集与预处理 | 第77-79页 |
| 5.3 卷积神经网络分类器设计 | 第79-82页 |
| 5.4 试验与分析 | 第82-84页 |
| 5.5 本章小结 | 第84-86页 |
| 第六章 结论与展望 | 第86-90页 |
| 6.1 结论 | 第86-87页 |
| 6.2 创新点 | 第87页 |
| 6.3 建议与展望 | 第87-90页 |
| 参考文献 | 第90-97页 |
| 致谢 | 第97-98页 |
| 作者简介 | 第98-99页 |
