數(shù)字圖像檢測(cè)與控制技術(shù)：理論及實(shí)例

上篇圖像檢測(cè)與控制技術(shù)
第1章常用圖像處理算法001
1.1彩色圖像和灰度圖像001
1.1.1彩色圖像001
1.1.2灰度圖像002
1.1.3HSI顏色變換003
1.1.4C語(yǔ)言函數(shù)005
1.2邊緣檢測(cè)008
1.2.1邊緣與圖像處理008
1.2.2基于微分的邊緣檢測(cè)010
1.2.3基于模板匹配的邊緣檢測(cè)011
1.2.4邊緣圖像的二值化處理013
1.2.5C語(yǔ)言函數(shù)013
1.3二值化處理016
1.3.1灰度圖像的閾值處理016
1.3.2模態(tài)法確定分割閾值017
1.3.3大津(Otsu)法確定分割閾值018
1.3.4基于顏色差分的二值化處理019
1.3.5基于幀間差分的二值化處理022
1.3.6C語(yǔ)言函數(shù)024
1.4去噪聲處理027
1.4.1移動(dòng)平均028
1.4.2中值濾波028
1.4.3二值圖像的去噪聲處理029
1.4.4C語(yǔ)言函數(shù)031
1.5幾何參數(shù)檢測(cè)034
1.5.1二值圖像的特征參數(shù)034
1.5.2區(qū)域標(biāo)記036
1.5.3基于特征參數(shù)提取物體037
1.5.4基于特征參數(shù)消除噪聲038
1.5.5C語(yǔ)言函數(shù)039
1.6Hough變換045
1.6.1傳統(tǒng)Hough變換的直線檢測(cè)045
1.6.2過(guò)已知點(diǎn)Hough變換的直線檢測(cè)047
1.6.3Hough變換的曲線檢測(cè)048
1.6.4C語(yǔ)言函數(shù)049
1.7深度學(xué)習(xí)054
1.7.1深度學(xué)習(xí)基本概念054
1.7.2深度學(xué)習(xí)的常用方法057
1.7.3卷積神經(jīng)網(wǎng)絡(luò)的典型結(jié)構(gòu)066

第2章專業(yè)圖像處理系統(tǒng)069
2.1通用圖像處理系統(tǒng)ImageSys069
2.1.1系統(tǒng)簡(jiǎn)介069
2.1.2系統(tǒng)主要功能070
2.1.3系統(tǒng)開(kāi)發(fā)平臺(tái)Sample084
2.2二維運(yùn)動(dòng)圖像測(cè)量分析系統(tǒng)MIAS084
2.2.1系統(tǒng)簡(jiǎn)介084
2.2.2系統(tǒng)主要功能085
2.2.3系統(tǒng)開(kāi)發(fā)平臺(tái)MSSample099
2.3三維運(yùn)動(dòng)測(cè)量分析系統(tǒng)MIAS3D099
2.3.1系統(tǒng)簡(jiǎn)介099
2.3.2系統(tǒng)主要功能100
2.3.3系統(tǒng)其他功能106

第3章近紅外光譜與高光譜成像107
3.1近紅外光譜107
3.1.1近紅外光譜檢測(cè)技術(shù)簡(jiǎn)介107
3.1.2近紅外光譜檢測(cè)工作原理109
3.1.3檢測(cè)過(guò)程與方法116
3.2高光譜成像119
3.2.1光譜成像技術(shù)簡(jiǎn)介119
3.2.2高光譜圖像檢測(cè)工作原理120
3.2.3檢測(cè)過(guò)程與方法128
3.3近紅外光譜及高光譜成像數(shù)據(jù)處理方法132
3.3.1近紅外光譜及高光譜成像數(shù)據(jù)預(yù)處理方法132
3.3.2數(shù)據(jù)降維及特征變量選擇方法137
3.3.3定性及定量模型的建立方法144

第4章自動(dòng)控制理論153
4.1控制系統(tǒng)分析153
4.1.1閉環(huán)系統(tǒng)基本概念153
4.1.2數(shù)學(xué)模型157
4.1.3時(shí)域分析177
4.1.4頻域分析185
4.1.5穩(wěn)定性與誤差分析194
4.2控制系統(tǒng)PID控制209
4.2.1PID控制規(guī)律209
4.2.2控制參數(shù)確定方法216
4.2.3采用MATLAB的PID仿真分析228
4.2.4數(shù)字PID的編程方法231
4.3自抗擾控制234
4.3.1自抗擾控制概述234
4.3.2自適應(yīng)迭代學(xué)習(xí)ADRC控制239
4.3.3抗擾實(shí)驗(yàn)與結(jié)果分析241

下篇應(yīng)用實(shí)例
第5章圖像檢測(cè)實(shí)例247
5.1車輛尺寸顏色參數(shù)實(shí)時(shí)檢測(cè)247
5.1.1項(xiàng)目目標(biāo)與技術(shù)要點(diǎn)247
5.1.2系統(tǒng)構(gòu)成方案248
5.1.3系統(tǒng)檢測(cè)方案249
5.1.4車輛進(jìn)出判斷250
5.1.5車輛邊沿檢測(cè)254
5.1.6車輛顏色檢測(cè)260
5.1.7檢測(cè)流程261
5.1.8系統(tǒng)影響因素分析262
5.2玉米粒在穗計(jì)數(shù)263
5.2.1項(xiàng)目目標(biāo)與技術(shù)要點(diǎn)263
5.2.2設(shè)備及軟件環(huán)境264
5.2.3玉米粒在穗計(jì)數(shù)流程264
5.3馬鈴薯種薯芽眼識(shí)別及點(diǎn)云模型重構(gòu)274
5.3.1項(xiàng)目背景與技術(shù)要點(diǎn)274
5.3.2馬鈴薯種薯芽眼的圖像識(shí)別及定位方法研究275
5.3.3馬鈴薯種薯的點(diǎn)云模型重構(gòu)方法及質(zhì)量預(yù)測(cè)模型研究285
5.3.4項(xiàng)目研究結(jié)論295
5.4蝗蟲圖像識(shí)別計(jì)數(shù)296
5.4.1項(xiàng)目目標(biāo)與技術(shù)要點(diǎn)296
5.4.2蝗蟲圖像的采集297
5.4.3原圖像的調(diào)整297
5.4.4靜態(tài)圖像內(nèi)蝗蟲的識(shí)別與計(jì)數(shù)303
5.5基于機(jī)器視覺(jué)的果樹(shù)靶標(biāo)識(shí)別314
5.5.1項(xiàng)目目標(biāo)與技術(shù)要點(diǎn)314
5.5.2系統(tǒng)組成與總體檢測(cè)流程315
5.5.3靶標(biāo)果樹(shù)的圖像處理方案316
5.5.4靶標(biāo)果樹(shù)冠層特征提取324
5.6苗草圖像識(shí)別325
5.6.1項(xiàng)目背景與目標(biāo)325
5.6.2苗期除草工況下的快速作物識(shí)別326
5.6.3雙目立體視覺(jué)花椰菜識(shí)別算法332

第6章近紅外光譜與高光譜成像技術(shù)應(yīng)用實(shí)例341
6.1蘋果糖度的近紅外光譜檢測(cè)方法341
6.1.1項(xiàng)目目標(biāo)與技術(shù)要點(diǎn)341
6.1.2靜態(tài)檢測(cè)裝置設(shè)計(jì)方案341
6.1.3蘋果樣品的準(zhǔn)備與檢測(cè)344
6.1.4靜態(tài)采集數(shù)據(jù)分析347
6.1.5在線動(dòng)態(tài)檢測(cè)系統(tǒng)的搭建349
6.1.6在線檢測(cè)系統(tǒng)試驗(yàn)驗(yàn)證351
6.2小麥葉片葉綠素含量的高光譜成像檢測(cè)方法353
6.2.1項(xiàng)目目標(biāo)與技術(shù)要點(diǎn)353
6.2.2高光譜成像系統(tǒng)搭建353
6.2.3試驗(yàn)材料準(zhǔn)備354
6.2.4小麥葉片數(shù)據(jù)采集354
6.2.5數(shù)據(jù)處理與分析354
6.3異質(zhì)雞肉的近紅外光譜檢測(cè)鑒別研究358
6.3.1項(xiàng)目目標(biāo)與技術(shù)要點(diǎn)358
6.3.2試驗(yàn)材料與方法358
6.3.3PSE、DFD與正常雞肉的近紅外光譜檢測(cè)鑒別361
6.3.4全光譜分析及特征波長(zhǎng)選擇363
6.3.5不同波段范圍多光譜模型建立及評(píng)價(jià)365
6.4豬肉細(xì)菌總數(shù)的高光譜成像檢測(cè)366
6.4.1研究目標(biāo)與技術(shù)要點(diǎn)366
6.4.2高光譜成像系統(tǒng)搭建366
6.4.3試驗(yàn)材料準(zhǔn)備367
6.4.4豬肉樣品的檢測(cè)367
6.4.5目標(biāo)區(qū)域光譜提取與預(yù)處理368
6.4.6豬肉表面TVC預(yù)測(cè)模型建立與分析369
6.5霉菌單菌落的生長(zhǎng)光學(xué)特征分析及種類判別371
6.5.1試驗(yàn)材料與試驗(yàn)過(guò)程371
6.5.2霉菌單菌落的生長(zhǎng)特征分析373
6.5.3霉菌單菌落同心環(huán)形生長(zhǎng)區(qū)的特征376
6.5.4霉菌單菌落種類的判別模型建立381
6.6可見(jiàn)/近紅外高光譜圖像無(wú)損鑒別八角茴香與偽品莽草384
6.6.1材料與方法384
6.6.2結(jié)果與分析386
6.6.3與常規(guī)圖像處理方法的比較388
6.7基于高光譜成像技術(shù)的生鮮雞肉糜中大豆蛋白含量檢測(cè)391
6.7.1材料與方法391
6.7.2結(jié)果與分析393
6.8釀酒葡萄成熟度光譜圖像檢測(cè)400
6.8.1釀酒葡萄多光譜圖像采集400
6.8.2釀酒葡萄成熟度檢測(cè)指標(biāo)與傳統(tǒng)方法402
6.8.3多光譜圖像處理與指標(biāo)選擇403
6.8.4多光譜圖像R分量與葡萄成熟度的關(guān)系模型406

第7章圖像檢測(cè)與控制實(shí)例408
7.1農(nóng)田視覺(jué)檢測(cè)與導(dǎo)航系統(tǒng)408
7.1.1項(xiàng)目目標(biāo)與準(zhǔn)備工作408
7.1.2插秧環(huán)境導(dǎo)航線檢測(cè)409
7.1.3水田管理機(jī)器人導(dǎo)航路線檢測(cè)417
7.1.4旱田作業(yè)機(jī)器人導(dǎo)航路線檢測(cè)421
7.1.5農(nóng)田作業(yè)視覺(jué)導(dǎo)航系統(tǒng)426
7.2玉米種粒圖像精選及定向定位裝置429
7.2.1項(xiàng)目目標(biāo)429
7.2.2種粒動(dòng)態(tài)圖像精選裝置結(jié)構(gòu)與工作原理430
7.2.3吹除裝置設(shè)計(jì)431
7.2.4種粒合格性動(dòng)態(tài)檢測(cè)方法432
7.2.5圖像檢測(cè)算法435
7.2.6試驗(yàn)結(jié)果分析438
7.3基于鷹眼視覺(jué)的仿生無(wú)人機(jī)避障控制442
7.3.1研究背景與目標(biāo)442
7.3.2避障控制與動(dòng)態(tài)路徑規(guī)劃方法442
7.3.3試驗(yàn)與分析450
7.3.4結(jié)論454
7.4谷物聯(lián)合收割機(jī)視覺(jué)導(dǎo)航455
7.4.1項(xiàng)目背景與目標(biāo)455
7.4.2聯(lián)合收割機(jī)視覺(jué)導(dǎo)航系統(tǒng)總體方案455
7.4.3聯(lián)合收割機(jī)視覺(jué)導(dǎo)航系統(tǒng)平臺(tái)設(shè)計(jì)457
7.4.4聯(lián)合收割機(jī)視覺(jué)導(dǎo)航圖像處理算法研究460
7.4.5聯(lián)合收割機(jī)視覺(jué)導(dǎo)航系統(tǒng)路徑識(shí)別算法研究466
7.4.6聯(lián)合收割機(jī)視覺(jué)導(dǎo)航系統(tǒng)試驗(yàn)472
7.5穴盤苗圖像識(shí)別與補(bǔ)栽控制478
7.5.1項(xiàng)目背景與技術(shù)要點(diǎn)478
7.5.2圖像采集與預(yù)處理479
7.5.3基于深度卷積神經(jīng)網(wǎng)絡(luò)的穴盤缺苗識(shí)別480
7.5.4穴盤苗抓取角度檢測(cè)484
7.5.5穴盤補(bǔ)栽控制方法488
7.5.6研究結(jié)論492

參考文獻(xiàn)494