煤礦合作協議范文第1篇
關鍵詞：煤礦,協議工,噪聲性耳聾,純音測聽
煤炭是高噪聲行業, 協議工是煤礦井下生產的一支重要力量, 也是噪聲職業危害的高危人群。我們通過對煤礦井下噪聲作業協議工進行純音聽閾測定, 并與非協義工組比較, 以了解煤礦井下噪聲作業協議工的聽力特點。
1 對象與方法
1.1對象
在我科進行職業健康檢查的本集團公司井下采掘一線工人中篩選出的有效病例863例, 均為男性。分為協議工組和非協議工組。協議工組463例, 年齡23~48歲, 平均 (39.1±5.4) 歲;井下工齡1~26 a, 平均 (12.3±6.1) a。非協議工組400例, 年齡22~48歲, 平均 (38.2±5.34) 歲;井下工齡1~28 a, 平均 (12.4±7.2) a。2組構成條件差異無統計學意義, 有可比性。
1.2測定方法
按照在崗期間職業健康檢查 ( 噪聲) 標準進行。所有檢查對象均排除其他致聾原因 ( 耳毒性藥物、傳染病、耳病、爆震傷和腦外傷等) 。聽力檢查采用Grason-Stadlor公司生產的GSI-68 型雙通道診斷型聽力計, 使用前按GB/T 7341 進行校準。純音聽閾測試按GB/T 7583 和GB/T 16403 規定進行。受檢者脫離噪聲作業12 ~ 24 h后, 在我科本底噪聲< 25 dB ( A) 的隔聲室內, 進行雙耳500、1 000、2 000、 3 000、4 000、6 000 Hz 6 個頻段純音氣導聽閾測定。純音聽力測定結果進行年齡修正; 受檢者在聽力計最大聲輸出值仍無反應, 以最大聲輸出值計算。
1.3統計方法
用SPSS 18 軟件對數據進行統計分析和描述, 計數資料 χ2檢驗, 以P <0. 05 為差異有統計學意義。
1.4判斷標準
根據GBZ 49 - 2007, 雙耳高頻平均聽閾≥40 dB ( HL) 為觀察對象。連續噪聲作業工齡3 年以上, 純音測聽為感音神經性聾, 聽力損傷呈高頻下降型, 根據較好耳語頻 ( 500、1 000、2 000 Hz) 平均聽閾: 26 ~ 40 dB ( HL) 為輕度噪聲聾, 41 ~ 55 dB ( HL) 為中度噪聲聾, ≥56 dB ( HL) 為重度噪聲聾。
語頻損傷: 以500、1 000、2 000 Hz任一頻率, 任一耳>25 dB ( HL) 計算。高頻聽力損傷: 以3 000、4 000、 6 000 Hz任一頻率聽力損傷最大值計算, 以差耳判定, 聽閾< 30 dB HL) 為正常, 30 ~ 44 dB ( HL) 為輕度, 45 ~ 64 dB ( HL) 為中度, ≥65 dB ( HL) 為重度。
2 結果
2.1聽力損傷發生率
協議工組463例中, 不同程度聽力損傷者356人, 其中高頻全部異常, 占調查病例的76.9%;觀察對象98人, 占調查病例的21.2%;語頻異常者54人, 占調查病例的11.7%;噪聲性聾5人, 占調查病例的1.1%。以上比例均高于非協議工組的59.8%、16.0%、5.8%和0.5%。其中總的聽力損傷發生率 (也是高頻損傷發生率) 、單純高頻損傷發生率和語頻損傷發生率前者均高于后者 (P<0.05) , 見表1。
2.2語頻損傷與工齡的關系
每個工齡段協議工組的語頻損傷發生率均高于非協議工組, 其中工齡1 ~ 5 和6 ~ 10 年2 個工齡段的差異有統計學意義 ( P <0. 05) 。協議工組發病高峰在6 ~10 年工齡段, 非協議工組在11 ~ 15 年工齡組。說明前者較后者發病工齡提前。見表2。
協議工組與非協議工組比較, 10 a及以下工齡段語頻損傷發生率高, 差異有統計學意義 ( P < 0. 05) 。 10 a以上差異無統計學意義。10 a及以下與10 a以上工齡組語頻損傷比較, 協議工組無統計學意義, 非協議工組有統計學意義。見表3。
2.3高頻損傷與工齡的關系
每個工齡段的高頻損傷發生率, 研究組都高于對照組。其中工齡1 ~ 5、 6 ~ 10和> 16 年3 個工齡段的差異有統計學意義。見表4。
協議工組各工齡段比較, 差異無統計學意義 ( P >0. 05) 。非協議工組各工齡段比較, 差異有統計學意義 ( P <0. 05) 。非協議工組工齡11 a以下以輕度高頻損傷為主, 11 a及以上以中度高頻損傷為主, 重度高頻損傷比例相對較小。協議工組與非協議工組比較, 輕中重高頻損傷發生率均明顯增高, 而且, 輕度和中重度損傷的11 a分界不明顯。見表5。
注: 各組比較, 協議工組 χ2= 7. 682, P > 0. 05; 非協議工組 χ2= 13. 317, P < 0. 05。
協議工組與非協議工組比較, 10 年及以下工齡與10 年以上工齡組高頻損傷發生率均較高, 差異有統計學意義 ( P <0. 01) 。10 年及以下與10 年以上工齡組高頻損傷比較, 協議工組和非協議工組差異有統計學意義 ( P <0. 01) 。見表6。
2.4噪聲性耳聾與工齡的關系
協議工組檢出噪聲性耳聾5 例, 4 例發生在10 年以下工齡段。非協議工組檢出2 例, 均發生在10 年以上工齡段。見表7。
3 討論
綜合分析本研究結果, 對照組的聽力損傷特點與之前的諸多報道基本一致[1,2,3], 聽力損失以高頻損傷為主, 語頻損傷發生率為5. 8%, 高頻損傷發生率為59. 8% 。語頻損傷主要發生在10 a工齡以上, 高頻損傷5 a工齡以內輕度為主, 以后中重度逐漸增加, 總體發病高峰在5 ~15 a工齡區間。協議工組與非協議工組比較, 語頻損傷發生率為11. 7%, 高頻損傷發生率為76. 9%, 明顯增高, 具有顯著差異。語頻損傷5 a工齡以上已明顯增高, 具有顯著差異。高頻損傷輕中重度的發病工齡均有提前, 造成工齡分界不明顯。以上結果均說明協議工組的聽力損傷發生率高于非協議工組, 發病工齡提前于非協議工組。
目前為止, 噪聲性聽力損傷的臨床治療非常困難, 一旦損傷, 可終生受到影響[4]。而噪聲性聽力損傷的人數在我國從業人員中占據很大比例[5], 是我國患病人數最多的職業病。礦工是噪聲性聽力損傷的高危人群。隨著我國國有煤礦企業用工制度的改革, 大量的協議工充實到煤礦生產第一線。協議工隊伍由于經濟狀況、文化水平和工作流動性等方面的原因[6], 造成對工作條件選擇范圍小, 對噪聲傷害的認知缺乏, 自我防護意識淡薄, 致使其聽力損傷相對于一般工人而言, 發生率更高, 發病工齡更短, 所以更需要引起高度重視。
參考文獻
[1]王建新, 高建華, 王榮蓮.職業性噪聲性聾發病工齡的調查[J].聽力學及言語疾病雜志2007, 15 (6) :458-460.
[2]郭旭娟, 韓青艷.噪聲對選煤工人健康影響的對照分析[J].中國公共衛生管理, 2011, 27 (3) :279-280.
[3]馮洪杰.噪聲作業500名工人聽力檢查結果分析[J].職業與健康, 2009, 25 (12) :1253-1254.
[4]陳偉, 郭維維, 于寧, 等.Math1基因內耳導入后噪聲性聾豚鼠聽功能改變觀察[J].中華耳科學雜志, 2009, 7 (4) :352-355.
[5]劉新霞, 何堅, 郭智屏.中山市1993—2007年職業病發病情況分析[J].中國工業醫學雜志, 2008, 21 (6) :382-383.
煤礦合作協議范文第2篇
本人鄭重聲明：所成交的論文是本人在XXX老師的指導下獨立進行研究所取得的研究成果。除了文中特別加以標注引用的內容外，本論文不包含任何其他個人或者集體已經發表或者撰寫的成果作品。對本文的研究做出重要貢獻的個人和集體，均已經在文中以明確的方式標明。本人完全意識到本聲明的法律后果由本人承擔。
學生簽名：
年 月 日
摘要
草莓采摘機器人是一種具有感知識別能力,能夠自動完成草莓果實采摘等作業任務的智能機械收獲系統,其作用在于可以降低采摘勞動強度和生產費用、提高作業效率和產品質量、保證果實適時采摘,因此對其相關技術研究具有重大現實意義。
本文的研究主要內容是自然背景下對草莓的正確識別，基于機器視覺技術實現了果實的有效識別和空間的初步定位，從而為草莓的采摘提供了必要信息。對草莓的圖像識別技術路線為：攝像機標定、圖像采集、顏色空間轉換、閾值分割、去噪和圖像填充、求得草莓質心。對草莓的定位采用一臺攝像機和兩個光電位置傳感器初步定下草莓在空間的位置。實驗顯示本課題的研究基本上完成了任務要求，能夠將草莓提取出來，并且找到了草莓的質心坐標，為后續工作打下了基礎。
關鍵詞：草莓;顏色轉換;圖像分割;機器視覺
I
ABSTRACT Strawberry picking robot is a kind of perception recognition capability to automate intelligent mechanical harvesting systems such as strawberry fruit picking job tasks, and its role is to reduce the labor intensity of harvesting and production costs, improve operational efficiency and product quality, and ensure timely picking fruit, therefore of great practical significance to its related technology research. Main contents of this paper is to correctly identify and locate the natural background of strawberry, based on machine vision technology to achieve the initial positioning of fruit effectively identify and space, thus providing the necessary information for the strawberry picking. Image recognition technology roadmap for strawberries is: camera calibration, image acquisition, color space conversion, threshold segmentation, denoising and image fills, and seek strawberries centroid. Strawberry positioning using a video camera and two optical position sensors initially set position in space of strawberries. Experiments show that research of this subject is basically completed the task requirements, can be extracted from strawberries and strawberry to find the coordinates of the center of mass, and lay the foundation for the follow-up work.
Key words:
Strawberries; Color conversion; Image segmentation; Machine Vision Technology;
II
目錄
摘要 ........................................................................ I ABSTRACT.................................................................... II 目錄 ...................................................................... III 第一章 緒 論 ................................................................. 1 1.1高架草莓種植情況 ..................................................... 1 1.2課題研究的目的和意義 ................................................. 2 1.3國內外研究現狀 ....................................................... 2 1.3.1國外研究現狀 ................................................... 2 1.3.2國內研究現狀 ................................................... 6 1.4課題研究的主要內容和論文結構 ......................................... 7 1.4.1課題研究的主要內容 ............................................ 7 1.4.2論文結構 ....................................................... 8 1.5本章小結 ............................................................. 8 第二章 機器視覺系統與常用的圖像處理方法 ...................................... 9 2.1機器視覺系統 ......................................................... 9 2.1.1機器視覺系統的應用 ............................................ 10 2.2常用的圖像處理方法 .................................................. 10 2.2.1 顏色空間 ...................................................... 11 2.2.2灰度圖像和二值圖像 ............................................ 12 2.2.3圖像分割 ...................................................... 13 2.2.4圖像濾波 ...................................................... 15 2.3本章小結 ............................................................ 17 第三章 攝像機標定和草莓的識別 ............................................... 18 3.1 攝像機標定 .......................................................... 18 3.1.2攝像機標定方法 ................................................ 18 3.1.3平面模板標定法 ................................................ 19 3.2 實驗平臺 ............................................................ 21 3.2.1 硬件設施 ...................................................... 21 3.2.2 軟件 .......................................................... 22 3.3 草莓的識別 .......................................................... 22 3.3.1 草莓識別處理流程 .............................................. 23
III
3.3.1 顏色空間轉換 .................................................. 24 3.3.2圖像分割 ...................................................... 24 3.3.3噪聲去除和圖像填充 ............................................ 26 3.3.4質心獲取 ...................................................... 28 3.4簡介草莓采摘點確定的方法 ............................................ 29 3.4.1采摘點的確定 .................................................. 29 3.4.2 圖像融合 ...................................................... 30 3.4.3 剪切示意圖 .................................................... 30 3.5本章小結 ............................................................ 31 第四章 結論與展望 ........................................................... 32 4.1結論 ................................................................ 32 4.2 展望 ................................................................ 32 致謝 ....................................................................... 33 參考文獻.................................................................... 34 附錄：程序代碼 .............................................................. 36 (1).圖像采集 .......................................... 錯誤!未定義書簽。 (2).RGB-HSV顏色空間轉換+閾值分割 ..................... 錯誤!未定義書簽。 (3).中值濾波 .......................................... 錯誤!未定義書簽。 (4).膨脹處理 .......................................... 錯誤!未定義書簽。 (5).腐蝕處理 .......................................... 錯誤!未定義書簽。 (6).填充處理 .......................................... 錯誤!未定義書簽。 (7).求質心 ............................................ 錯誤!未定義書簽。 (8) 圖像融合 .......................................... 錯誤!未定義書簽。
IV
第一章 緒 論
1.1高架草莓種植情況
草莓是多年生草本植物，是經濟價值較高的小漿果，其果實柔軟多汁、酸甜適口、營養豐富，而且外觀美麗、香氣濃郁，因而在國內外市場備受青睞，被譽為“水果皇后”。一般栽培數月后即可收獲，5月份上市供應，填補了水果淡季市場。也可用保護地進行促成栽培或一年內多次生產，周年供應，是一種投資少、收益高的經濟作物。20世紀80年代初，隨著改革開放和農村經濟體制改革的發展，各級政府及科研單位對草莓生產開始重視，使草莓生產迅速發展。引進并篩選出一些優良品種在生產上迅速推廣，栽培面積迅速擴大，栽培方式從原來單一的露地栽培發展為多種形式并存，大大提高了經濟效益。草莓以其周期短、見效快、經濟效益高、適于保護地栽培等優勢而成為中國果樹業中發展最快的一項新興產業，有的地區草莓種植業還成為當地農村經濟的支柱產業。
高架草莓在我國還沒有全面推廣，它只是在一些城市用大棚栽培，作為觀光農業來推動當地的經濟發展。以長崎縣為例，從1995年開始高架栽培系統的開發栽培試驗，1997年開始正式推廣，普及狀況為1997年5-3公頃，1998年10.9公頃，1999年13.5公頃。
但是，高架草莓種植在日本卻是非常廣泛。草莓的高架栽培技術在日本很早就進行了試驗，大約在9年前開始，各地出現了一個發展高潮。至今的草莓高架栽培和當年的水稻插秧機的發展有相似之處。在日本的產業化過程中，因沒有足夠的勞力進行手工插秧，促進了機械的開發。正因為插秧機的開發應用，結束了手工插秧，而且之后的稻作機械化日新月異。草莓栽培也面臨相似的情況?，F在大家已認識到：如果不改變栽培方式，草莓生產者將逐漸減少。所以，草莓高架栽培技術的開發和推廣是時代的要求。這就不難理解在日本為什么會出現草莓高架栽培的熱潮了。
(1)草莓高架栽培的特點和具有的多樣性
高架栽培的開發目標是改善栽培管理、收獲等作業過程，作為生產者一方對它有強烈需求，對于消費者則沒有直接關系。最初草莓高架栽培的營養液栽培勝過NFT，在日本，不少的生產者采用此項技術，之后由于珍珠巖和草炭等基質栽培和栽培系統的商品化，營養液栽培成為草莓高架栽培的探路者。對于高架化，栽培床的輕量化是必要的。但是對一般的草莓生產者來說，引用營養液栽培成本高，掌握技術也不容易。因此，所有高架栽培開發的目標都應是低成本化，且簡便利
1
于管理。
在基質的使用、肥料的種類及給液方法等技術方面，草莓的高架栽培使用的技術包括從土培到營養液栽培的技術，這就要求多種技術的搭配。但是，要對應各種需要來進行搭配，只有根據實際需要來搭配，才可以取得顯著的效果。
(2)高架栽培的普及和技術指導
草莓的高架栽培，可分為營養液栽培和土培型兩類，兩者的技術目標和普及、指導方法不同。營養液栽培型制造商多，引用成本高但栽培管理系統穩定，全日本栽培系統統一，以統一栽培管理手冊為目標，農戶采用后只要學習一定的技術，日常管理簡單。一般地，以省力地進行各適生長環境調控、高產量、高品質生產為重點的企業式大規模生產適合采用營養液栽培。
土培型在日本的各個縣都進行了開發，因此類型多，其特點是重視引用成本的縮減。但是隨著技術的發展，也是高架栽培的引入和普及。即使產量不增加，栽培床的高架化也是改善作業的好方法。生產者的栽培管理技術的水平不同對產量和品質有很大的影響。但是，上述的營養液栽培和土培型都以根際生長環境為中心來合理管理，基本技術并無明顯不同。
1.2課題研究的目的和意義
草莓雖然果實色澤鮮艷，液汁豐富，味美可口，極富營養價值和保健價值。但是，草莓多為二歧聚傘花序，按次序先后開花。在草莓收獲期，每天至少收獲兩次，并且人工每摘一處草莓，需要彎腰一次，勞動強度和作業量非常大。隨著農村勞動力向第
二、三產業轉移以及農村勞動力的婦女化和老齡化，用于生產草莓的勞動力日趨緊張，由此開發一種能夠代替人工作業的草莓采摘機構勢在必行。但由于草莓獨特的外形特性以及栽培的條件，給草莓收獲實現自動化增添了難度，同時草莓果實的組織結構對于采摘機構也提出了較高的要求。這種機器人一般是在室外工作，作業環境較差，須為其設計機器視覺系統，使其能識別與定位采摘對象。
本文研究的成熟草莓識別系統是草莓采摘機器人的重要輔助模塊。它可以實現成熟草莓的識別，在草莓采摘機器人服務方面具有重大意義
1.3國內外研究現狀 1.3.1國外研究現狀
1968年,美國學者Schertz和Brown首次提出應用機器人進行果蔬采摘的思
2
想[1]。1983 年,第一臺采摘機器人在美國誕生[2]。此后三十多年,美國、英國、法國、荷蘭、比利時、以色列、日本、韓國等國家相繼展開了各種采摘機器人的研究和開發,涉及到的研究對象主要有蘋果、草莓、葡萄、西瓜、黃瓜、番茄、茄子、甘藍、生菜、萵苣、蘑菇等[3]。美國是最早進行釆摘機器人研究的國家,采摘機器人可能成為美國農場的重要組成部分。美國先前是用抖動式收獲機收獲加工用橙子,效率很高,但因為震動沖擊的緣故, 不適合橙子的收獲。佛羅里達大學因此進行了橙子采摘機器人[4-5]的研究。圖1-1是可實現左右、上下和直線運動的三自由度極坐標型液壓驅動機器人,末端執行器中內置光源、彩色攝像機和超聲波傳感器。當攝像機檢出果實之后,末端執行器移向果實,同時超聲波傳感器檢測出距離,半圓形環切刀旋轉,切斷果梗。
圖1-1 橙子采摘機器人(美國)
日本岡山大學研制的高架栽培草莓采摘機器人[3][5] (圖1-2(a))采用3自由度直角坐標，末端執行器為了補償視覺傳感器的位置誤差,采用了送風機吸引的方法收獲,可收獲不同大小的果實。為判斷果實是否被吸引進來,采用了 3組光電阻斷器,通過吸盤旋轉,將果梗送到切刀的位置切斷。收下的果實在送風機引力作用下通過管道,落入果盤。試驗結果表明4-7S采摘一個果實,作為目標的果實能夠全部采摘,但是采摘時連同未成熟果實一起一次收獲多個果實的情況有50%。鉤式末端執行器在機構上方安裝了鉤子,可以把目標果實拉住繼而進行采摘,所以將鄰近果實一起收下來的情況基本沒有。生研中心和SI 精工株式會社作為下一代緊急項目正在研制實用化高架草莓采摘機器人,如圖1-2(b) 所示,它采用直角坐標操作器,末端執行器有機械指和吸引壁,目標是實現夜間自采摘作業。
3
圖1-2草莓采摘機器人(日本)
日本岡山大學研制的番茄采摘機器人[3][6](圖1.6)由機械手、末端執行器、 行走裝置、視覺系統和控制部分組成。用彩色攝像頭和圖像處理卡組成的視覺系統,尋 找和識別成熟果實。由于番茄的果實經常被葉蓮遮擋,為了能夠靈活避開障礙物,采用 具有冗余度的7自由度機械手。釆用3D視覺傳感器來檢測對象的三維形態。為了不損傷 果實,一種末端執行器設計有2個帶有橡膠的手指和1個氣動吸嘴,把果實吸住抓緊后, 利用機械手的腕關節把果實摘下(圖1-3(a)); 一種末端執行器采用了可前后移動的吸盤 和4根柔性機械手指,整個機械手指隨吸盤一起運動,一旦果實被吸入機械手指內,手 指沿果實表面閉合,將果實抓住。即使果實周圍空隙很小或周圍有障礙物,也能順利抓 取目標果實(圖1-3(b))。該番前采摘機器人從識別到釆摘完成的速度大約是15s/個,成 功率在70%左右。
圖1-3番茄采摘機器人(日本)
日本的Kondo,N等人(1997)[7][8][9]研制的番茄收獲機器人,由機械手、末端執行器、視覺傳感器、移動機構和控制部分組成(圖1-4)用彩色攝像機作為視覺傳感器基于彩色特征尋找和識別成熟果實,提出了采用立體視覺技術檢測番茄位置的算法,即根據左右圖像中心的位置進行匹配。日本的Kondo,N等人(1998)研制的黃瓜采摘機器人,采用三菱MxTsuBIsHIRV一E2自由度工業機器人,利用CCD攝 4
像機,根據黃瓜比其葉莖對紅外光的反射率高的原理來識別黃瓜和葉莖，黃瓜果實采用剪斷方法,先把黃瓜抓住,用接觸傳感器找出柄,然后剪斷。由于黃瓜是長條形,識別受到葉莖的影響更大,所以采摘的成功率較低,大約在60%左右,如圖1-5所示。
圖1-4番茄收獲機器人(日本)
1-5黃瓜采摘機器人(日本)
日本中央農業研究中心開發了甘藍采摘機器人[3][9] (圖1-6),它以履帶式搬運車為移動機構,搭載液壓式機械臂,臂上安裝采摘用末端執行器。為了防止采摘時影響品質,夾持葉球時夾持的部位必須合適,為此在視覺傳感器以外,末端執行器底部加裝了超聲波傳感器和觸地確認開關以及確認夾持狀態的接觸壓力傳感器。該系統釆用神經網絡系統提取甘藍圖像,其方法和直徑與已經存儲在處理器中標準模板進行比較判斷。試驗表明:該機從判斷、摘取到移動到指定位置,一顆甘藍需時55s,撿拾成功率約43%。
圖1-6甘藍采摘機器人(日本)
田中芳夫等(1990)在柑橘的識別領域內，通過 RGB 色彩空間的的顏色信號和色彩之間的差別信號進行柑橘識別，在結果中，表明了不同光照下，無論是因為非果實物體的遮擋導致果實表面存在陰影和果實表面上存在過強的陽光反射的情況下，均可以正確的識別果實。
5
1.3.2國內研究現狀
國內采摘機器人研究起步較晚,處于起步階段。2006年出臺的“十一五”國家高技術 研究發展計劃(863計劃),提出了高技術項目《果樹采摘機器人關鍵技術研究》以后, 近年來國內許多知名高校及科研院所積極投入各種釆摘機器人的研究,通過跟蹤國外先 進技術,在機器人采摘領域取得了初步成果且開發了一些樣機。
中國農業大學李偉等人以溫室環境下黃瓜壟間圖像為研究對象,開發了黃瓜釆摘機器人[10][11](圖1-7)。硬件系統由自主移動平臺、果實識別定位系統、采摘機械臂、柔性末端執行器和能源系統5大模塊組成。采用基于近紅外光譜特征的圖像獲取技術,來有效分離黃瓜果實與蓮葉的信息;提出果實與背景形狀差異結合局部最大類間方差取閾法對黃瓜圖像進行兩次動態閾值分割,實現了黃瓜目標的準確識別。通過建立基于灰度相 關與極線幾何相結合的匹配策略實現了雙目視覺下的黃瓜抓取點的立體匹配,并根據視 差原理恢復出目標三維幾何信息。整機試驗系統各模塊運轉良好,采摘成功率達85%, 單根黃瓜采摘耗時28.6s。
圖1-7黃瓜采摘機器人(中國)
周云山(1995)[12]研制了具有計算機視覺的蘑菇采摘機器人,使蘑菇生產從苗床管理到收獲分類實現了全過程自動化,由攝像機采集蘑菇圖像,計算其面積、周長和中心坐標,面積和周長用于蘑菇分類,中心坐標用于引導機械手采摘,但研究只是在二維平面內的識別問題,而對3D目標空間定位技術的研究特別少
俞高紅(2005)[13]以單體蘑菇為研究對象,研究內容包括,蘑菇圖像的數字特征,提取邊界的算法,對蘑菇邊界進行離散傅立葉變化提出僅需利用蘑菇的邊界信息求蘑菇形心坐標的新方法,而且傅立葉描述可以進行蘑菇邊界的平移、旋轉和縮放操作,具有很強的邊界形狀重建功能。
6
江蘇大學的蔡健榮等[14]在 2005 年將 RGB 彩色模型轉換到 HIS 系統，根據Otsu(大津法)算法自動獲取彩色目標圖像分割閾值。對成熟西紅柿進行測試，根據西紅柿的顏色和形狀信息，能夠識別出成熟西紅柿，但對果實部分遮擋或重疊的情況缺少研究。
司永勝，喬軍 等[15](2010)提出了利用歸一化的紅綠色差(R-G) /(R+G)分割蘋果的方法。對不同光照情況下拍攝的蘋果圖像進行了識別,并對識別后的圖像進行預處理后,獲得蘋果的輪廓圖像。對輪廓圖像采用隨機圓環法進行果實形心和半徑提取。
1.4課題研究的主要內容和論文結構 1.4.1課題研究的主要內容
本課題在分析國內農業智能化作業設備的基礎上,以草莓為研究對象,將成熟的草莓從植株中識別出來。內容如下: 研究所拍攝的植株中成熟草莓圖像的圖像特征,選擇適宜的圖像特征,將果實從植株中識別。由于 OpenCV 實現了圖像處理和機器視覺方面的很多通用算法，具有豐富的庫函數，所以成熟草莓識別部分的編程是在 VC++環境下，基于 OpenCV2.4.4 實現。簡述草莓采摘點確定的方法。 本課題的技術路線如圖1.4.1所示：
7
圖1.4.1 技術路線
1.4.2論文結構
第一章，緒論。敘述草莓果實目標識別技術的研究目的和意義，闡述現階段國內外的研究現狀，并且通過分析提出本論文的大致內容。
第二章，介紹機器視覺系統與常用的圖像處理方法，為第三章草莓圖像識別打下基礎。
第三章，攝像機標定和草莓的識別。如：對圖像的取像、分割、濾波去噪等。 第四章，對全文做了一個簡單總結以及對進一步工作的展望。
1.5本章小結
本章闡述了國內外農業設施生產機器人的研究現狀,介紹了成熟草莓識別研究的目的和意義,并提出了本課題研究的主要內容,給出了本課題的技術線圖。
8
第二章 機器視覺系統與常用的圖像處理方法
機器視覺是科學領域和工程領域富有挑戰性，應用前景廣闊的一門綜合性學科。作為一門學科，人們對機器視覺的研究最早開始于 20 世紀 60 年代初，但直到 20世紀 80年代才在機器視覺基礎研究中取得重要進展并建立了機器視覺理論的完整框架?，F在的機器視覺已成為一門不同于圖像處理、模式識別、人工智能等相關領域的相對獨立的成熟學科。
機器視覺系統的特點是可以提高生產的安全性、可靠性及智能化程度。在人類肉眼難以滿足要求的場合或不適合人工作業的惡劣工作環境，往往選擇機器視覺代替人類視覺。此外在流水線生產過程中，用肉眼檢查產品質量，誤差不容易控制且效率不高，用機器視覺檢測可以大幅改善生產效率、生產自動化及智能化程度，同時機器視覺容易實現大規模信息集成，是實現現代計算機集成制造的基礎技術。
機器視覺系統利用機器視覺代替人眼來完成各種測量和判斷任務。圖像處理技術的進步直接推動著機器視覺的發展。圖像處理是指運用計算機對圖像數據進行各種運算。一般包括圖像壓縮編碼、圖像恢復、圖像增強、形態學處理、圖像分割、采樣量化、圖像分類等。圖像處理的主要功能是將低質量圖像(反差小、噪聲大、畸變等)用計算機處理成適合于人眼觀察或機器檢測的圖像。
2.1機器視覺系統
一個典型的機器視覺系統包括：圖像采集(包括光源、鏡頭、相機);圖像 處理和分析(包括圖像采集卡和圖像處理軟件);輸出或顯示單元(包括過程控制器、顯示器和報警裝置等)。機器視覺系統基本結構如圖2-1所示：
圖2-1 機器視覺系統基本結構
9
2.1.1機器視覺系統的應用
機器視覺技術用計算機來分析圖像，并得出結論。目前機器視覺在科研和生產上有著廣泛的應用。
一般來說機器視覺技術包括以下幾個過程：
(1)圖像采集：光學系統采集圖像，并將其轉換為相應的電信號，進而轉換為數字信號傳入計算機存儲器，完成圖像的輸入。
(2)圖像處理：運用不同的算法突出對結論有重要影響的圖像要素。 (3)特性提?。簩@取的場景圖像信息進行提取和處理，識別并量化圖像的關鍵特性。
(4)判決和控制：控制程序根據收到的數據做出結論，并進行相應的操作。
2.2常用的圖像處理方法
圖像處理的主要目的和技術包括增強圖像以改善圖像視覺效果、恢復退化圖 像以消除各種干擾的影響[16]。常用的處理方法有：顏色空間轉換、灰度化和二值化、圖像分割、濾波、圖像形態學處理、邊緣提取和輪廓提取等。
10
2.2.1 顏色空間
顏色是物體屬性的外在表現，具有對物體本身的方向、尺寸、視角等依賴性 小、魯棒性強等優點，因此在圖像分割中占有舉足輕重的地位，對彩色圖像的處 理是目前圖像處理領域非常重要的研究課題。在圖像分割時，通常要提取目標對 象的顏色特征在特定的顏色空間與背景進行比較。顏色空間也稱彩色模型，它的 用途是在某些標準下用通?？山邮艿姆绞綄Σ噬右哉f明。本質上，彩色模型是 坐標系統和子空間的闡述。每種顏色都用空間單個點表示。在彩色圖像處理中， 選擇合適的彩色模型是很重要的。根據應用對象不同，可將彩色模型分成兩大類。 一類面向硬件設備比如彩色攝像機和彩色打印機等。另一類面向彩色處理分析或 者視覺感知為目的的應用，如圖像處理算法，動畫中的彩色圖形等。對顏色的分 析和描述離不開顏色的定量表示，目前在數字圖像處理中，最常用的彩色模型有 RGB、HSV 等。
實際中用的最多的面向硬件設備的彩色模型是 RGB 彩色模型。彩色打印機 和電視攝像機等都是在 RGB 彩色模型下工作的。在人類視覺中，所有顏色都可 以看作是三基色——紅(Red)、綠(Green)、藍(Blue)不同比例的組合。
RGB 彩色模型是笛卡爾三維坐標空間的一個子空間，其中三個坐標軸分別 用 R，G，B 標記。RGB 彩色模型是一個正方體，原點與黑色對應，離坐標原點 最遠的頂點與白色對應，在此模型中，從黑色到白色的亮度值分布在從原點到離 原點最遠的頂點的對角線上，而立方體空間內其余各點分別對應不同的顏色。R、 G、B 三分量的取值范圍都在[0，255]區間，圖 2-2(a)為 RGB 顏色空間模型。
圖 2-2 顏色空間模型
11
面向硬設備的彩色模型與人的視覺感知有一定差距且使用時不太方便，例如 給定一個彩色信號，人很難判斷其中的 R，G，B 分量，這時使用面向視覺感知 的顏色模型比較方便。在面向視覺感知的顏色模型中，HSV 彩色模型與人類對 顏色的感知最接近。
這個顏色模型中的三個參數分別是：色彩(H)、飽和度(S)和亮度(V)。 HSV 彩色模型是從 RGB 彩色模型演化而來的，如果沿 RGB 立方體對角線的白 色頂點向黑色原點觀察，就會看到立方體的六邊形外形。其中六邊形邊界對應色 彩，水平軸對應飽和度，亮度沿垂直軸變化。HSV 彩色模型的坐標系統可用六 棱錐來表示，見圖 2-2(b)。在 RGB 空間中任一點的 R、G、B(均在[0，255] 區 間)均可轉換到 HSV 空間，得到 H、S、V 值，見式(3.16)。在農產品顏色分 類中，RGB 模型與 HSV 模型是用的最多的彩色模型。
物體表面因光照輻射而呈現出顏色。在自然環境下生長的農作物，由于受到 水分、營養、光照及成熟度等諸多因素影響，它們的莖、桿、葉及果實形成了不 同的顏色。因此人們可以通過顏色對果實、樹干等進行識別并評價它們的優劣。
2.2.2灰度圖像和二值圖像
通常相機采集的彩色圖像是 RGB 彩色圖像，圖像的每個像素由紅色、綠色、藍色三個分量組成[17]。每個分量的強度等級分為 0～255 共計 256 種。在實際應用中，往往需要將 RGB 彩色圖像轉換為 256 階的灰度圖像，圖 2-3 給出了示例。
(a)彩色Lena圖像 (b)灰度Lena圖像
圖2-3彩色圖像灰度化
12
(a)灰度Lena圖像 (b)Lena二值圖像
圖2-4灰度圖像二值化
在實際應用中，往往還需要將灰度圖像進一步轉換成二值圖像，二值化方法包括兩種：固定閾值法和自適應閾值法。固定閾值法最常用的方法是設定一個全局閾值 T，用 T 將圖像數據分成兩部分：大于等于 T 的像素集合和小于 T 的像素集合。將大于等于 T 的像素集合的灰度值設定為黑色(或者白色)，小于 T 的像素集合的灰度值設定為白色(或者黑色)。在圖像細節表現方面，固定閾值法存在很大缺點。為了克服這個缺點，出現了自適應閾值法。針對有很強照明或反射梯度的圖像，需要根據梯度進行閾值化時，自適應閾值法非常有用。閾值的選擇在每個像素點都可能不同，通過計算像素點鄰域的加權平均，然后減去一個常數來確定該像素的閾值。圖 2-4 給出了灰度圖像二值化示例。
2.2.3圖像分割
圖像分割是將圖像中有意義的特征部分提取出來,包括圖像中的邊緣、 區域等。圖像分割是圖像處理與計算機視覺必不可少的重要環節，是數字圖像處理中的關鍵技術之一,得到了研究人員的廣泛重視，但是其發展較慢。 迄今為止，還沒有一種圖像分割方法適用于所有圖像。 圖像分割的技術和算法種類繁多,是計算機視覺領域的一個經典難題,人們至今仍在不斷探索新的分割理論與分割算法。圖像分割算法基本可以分為兩大類:邊緣檢測和閾值分割。
基于邊緣的分割是通過檢測出不同區域邊緣來進行分割。所謂邊緣是指其周圍像素灰度有階躍變化的那些像素的集合。它存在于目標與背景之間，是圖像分割所依賴的最重要的特征。 因此，邊緣檢測可以看作是處理許多復雜問題的關鍵。對于邊緣的檢測常常借助于邊緣檢測算子進行，常用的邊緣檢測算子有：R oberts算子、 Laplace算子、 Sobel算子、 R obinson算子、 K its算子等。
閾值分割法是一種基于區域的圖像分割技術,其基本原理是通過設定不同的
13
特征閾值,把圖像像素點分為若干類。閾值法是一種簡單但是非常有效的方法,特別是不同物體或結構之間的有很大的強度對比時,能夠得到很好的效果。閾值分割實現簡單、 計算量小、 性能較穩定,已被應用于很多的領域。
在O penCV 中實現了三種跟圖像分割相關的算法，它們分別是：水嶺分割算法、 金字塔分割算法和均值漂移分割算法。 (1)3.1分水嶺分割算法
它是一種基于數學形態學的一種圖像分割方法，其基本思想是把圖像看作是測地學上的拓撲地貌，圖像中每一點像素的灰度值表示該點的海拔高度，每一個局部極小值及其影響區域稱為集水盆，而集水盆的邊界則形成分水嶺。 分水嶺算法首先計算灰度圖像的梯度，這對山谷或沒有紋理的盆地(亮度值低的點)形成有效，也對山頭或圖像中有主導線段的山脈的形成有效。然后開始從用戶指定點或算法得到點開始持續 “灌注” 盆地直到這些區域連在一起。合并后的區域通過聚集的方式進行分割，從而把圖像分割成相應的標記區域[18]。在O penCV 中該算法實現的函數為cvW atershed(),其定義如下：void cvW atershed(constCvA rr*im age,CvA rr*m arkers);其中 im age是一個 8 位(三通道)的彩色圖像，而 m arker是單通道整形，具有相同維數的圖像。經過分水嶺算法分割處理后的圖像效果圖如下圖所示:
原圖像
分水嶺分割
圖2-5分水嶺算法分割處理
(2)金字塔分割算法
圖像金字塔是一個圖像集合，集合中的所有圖像都源于同一個原始圖像，而且是通過對圖像連續降采樣獲得，直到達到某個終止條件才停止降采樣。金字塔分割首先建立一個圖像金字塔，然后在G i的像素和G i+1的像素直接依照對應關系，建立起 “父—子” 關系[17]?，F在金字塔的高層低分辨率圖像上完成，然后逐層對分割加以優化。經過金字塔算法分割處理后的圖像效果圖如下圖所示: 14
原圖像 金字塔分割
圖2-6金字塔算法分割處理
(3)均值漂移分割算法
均值漂移分割能找到在空間上顏色分布的峰值。要根據空間變量設置一個空間半徑(spatialRadius),根據顏色變量設置一個顏色半徑(colorR adius) 。經過均值漂移算法分割處理后的圖像效果圖如下圖所示:
原圖像 均值漂移算法分割
圖 2-7均值漂移算法分割
2.2.4圖像濾波
圖像濾波，即在盡量保留圖像細節特征的條件下對目標像的噪聲進行抑制，是圖像預處理中不可缺少的操作，其處理效果的好壞將直接響到后續圖像處理和分析的有效性和可靠性。
由于成像系統、傳輸介質和記錄設備等的不完善，數字圖像在其形成、傳輸記錄過程中往往會受到多種噪聲的污染。另外，在圖像處理的某些環節當輸入的像對象并不如預想時也會在結果圖像中引入噪聲。這些噪聲在圖像上常表現為一引起較強視覺效果的孤立象素點或象素塊。一般，噪聲信號與要研究的對象不相關它以無用的信息形式出現，擾亂圖像的可觀測信息。對于數字圖像信號，噪聲表為或大或小的極值，這些極值通過加減作用于圖像象素的真實灰度值上，在圖 15
像造成亮、暗點干擾，極大降低了圖像質量，影響圖像復原、分割、特征提取、圖識別等后繼工作的進行。要構造一種有效抑制噪聲的濾波機必須考慮兩個基本問題能有效地去除目標和背景中的噪聲;同時，能很好地保護圖像目標的形狀、大小及特定的幾何和拓撲結構特征。 (1)中值濾波
中值濾波是基于排序統計理論的一種能有效抑制噪聲的非線性信號處理技術，中值濾波的基本原理是把數字圖像或數字序列中一點的值用該點的一個鄰域中各點值的中值代替，讓周圍的像素值接近真實值，從而消除孤立的噪聲點。方法是取某種結構的二維滑動模板，將板內像素按照像素值的大小進行排序，生成單調上升(或下降)的為二維數據序列。二維中值濾波輸出為其中f?x,y?，g?x,y?分別為原始圖像和處理g?x,y??med?f?x?k,y?l?,?k,l?w?，后圖像。W為二維模板，通常為2*2，3*3區域，也可以是不同的的形狀，如線狀，圓形，十字形，圓環形等。 (2)均值濾波
均值濾波也稱為線性濾波，其采用的主要方法為領域平均法。線性濾波的基本原理是用均值代替原圖像中的各個像素值，即對待處理的當前像素點(x，y)，選擇一個模板，該模板由其近鄰的若干像素組成，求模板中所有像素的均值，再把該均值賦予當前像素點(x,y)，作為處理后圖像在該點上的灰度個g(x,y)，即g(x,y)?1m?f(x,y)， m為該模板中包含當前像素在內的像素總個數。 (3)高斯濾波
高斯濾波是一種線性平滑濾波，適用于消除高斯噪聲，廣泛應用于圖像處理的減噪過程。通俗的講，高斯濾波就是對整幅圖像進行加權平均的過程，每一個像素點的值，都由其本身和鄰域內的其他像素值經過加權平均后得到。高斯濾波的具體操作是：用一個模板(或稱卷積、掩模)掃描圖像中的每一個像素，用模板確定的鄰域內像素的加權平均灰度值去替代模板中心像素點的值。
若使用3×3模板，則計算公式如下：
g(x,y)?{f(x?1,y?1)?f(x?1,y?1)?f(x?1,y?1)?f(x?1,y?1)? [f(x?1,y)?f(x,y?1)?f(x?1,y)?f(x,y?1)]?2?f(x,y)?4}?16其中，為圖像中f(x,y)點的灰度值，g(x,y)為該點經過高斯濾波后的值。 (4)最大均勻性平滑濾波
最大均勻性平滑濾波是針對一些濾波方法在消除噪聲時引起邊緣退化的現象而提出的，其基本思想是，若圖像中的一個區域含有邊緣，它的灰度方差必定 16
較大。該方法采用了9種不同形狀的模板，1個正方形模板，4個對稱的五邊形模板，4個對稱的六邊形模板，用各模板內的灰度方差作為各個區域不均勻性的測試，以最為均勻的區域灰度均值作為被處理點的像素值。 (5)低通空域濾波
低通空域濾波是一種保留圖像的低頻成分，減少圖像的高頻成分的處理方法，有的稱之為消噪聲掩膜法。因為圖像噪聲常常以高頻、隨機的形式表現出來，大面積的背景區和亮度漸變區域則屬低頻成分。低通空域濾波以卷積方法進行。 卷積方法實質是一種加權求和的過程。選擇某種形狀的鄰域，將鄰域中的每個像素與卷積核中的對應元素相乘，乘積求和的結果即為模板中心像素的新值，卷積核中的元素稱為加權系數。 (6)高通空域濾波
高通空域濾波可以增強圖像的高頻成分而不改變圖像的低頻成分。這種情況下，相對來說，削弱了圖像的低頻成分。因為圖像的邊緣或線條與圖像中的高頻分量相對應，高通濾波可以讓高頻分量順利通過，使圖像的邊緣輪廓變得清楚。
2.3本章小結
本章節主要介紹機器視覺系統的概念,機器視覺系統作用和常用的圖像處理方法。在此基礎上，通過對理論的研究，找出適合于本次課題研究用的草莓的圖像識別方法，為第三章草莓的識別打下良好的基礎。
17
第三章 攝像機標定和草莓的識別
攝像機標定是機器視覺的首要任務。如果需要建立二維圖像空間像素點和三維空間物理點之間的關系，首先必須進行攝像機標定[19]，它是攝像機測量與真實世界測量的聯系橋梁。場景不僅僅是三維的，也是用物理單位度量的空間，因此攝像機的自然單位(像素)和物理世界的長度單位(米)的關系對三維場景的重構至關重要。攝像機標定需要建立攝像機幾何模型和透鏡畸變(模型，這兩個模型定義了攝像機的內參數,對攝像機得到的每一幅特定物體的圖像，可以在攝像機坐標系統上用旋轉矩陣)和平移矩陣來描述物體的相對位置，二者構成了攝像機外參數。知道了攝像機內外參數就可以進行投影變換即由物理點三維空間坐標計算出物理點在圖像平面投影點的二維像素坐標。
準確識別成熟油草莓是草莓采摘機器人進行采摘作業的首要任務。本章通過對成熟草莓、未成熟草莓及樹葉的色差分量信息進行提取和統計分析，提出一種基于色差分量閾值分割的成熟草莓自動識別算法，并在 VC++ 環境下基于 OpenCV2.4.4編程實現。
本文采用的攝像機是微軟公司發布的。本章簡明扼要地介紹了攝像機標定的基本理論和概念，并通過一種高精度攝像機標定法——張正友的平面模板標定法對相機參數進行了確認。本章的重點是介紹成熟草莓的識別。
3.1 攝像機標定
機器視覺的研究目的是讓機器人通過二維圖像認知三維世界，從中獲取用于重建和識別對象的信息。攝像機是二維圖像和三維世界的聯系橋梁，攝像機的幾何模型表征了二者的相互關系，這種關系通過攝像機內外參數來描述，攝像機標定過程就是求解攝像機內外參數的過程。
3.1.2攝像機標定方法
依據是否需要標定參照物，標定方法可分為三種：傳統攝像機標定方法，攝像機自標定方法和主動視覺攝像機標定法[20]。
傳統攝像機標定的基本方法是，在一定的攝像機模型下，基于特定的實驗條件如形狀、尺寸已知的參照物，經過圖像處理，利用一系列數學變換和計算方法，求取攝像機模型內部參數和外部參數，一般采用標定塊作為參照物。傳統標定方法對于任意的攝像機模型均適用，精度高，但該標定方法的算法復雜，標定計算
18
的復雜度與攝像機成像幾何模型的復雜性有關，而實際應用中很多情況下無法使用標定塊。
攝像機自標定方法不依賴于任何特殊標定物或某些三維信息已知的控制點，而僅僅利用了圖像對應點的信息，直接通過圖像來完成標定，得到相應攝像機的內外參數。這種標定方法僅需要建立圖像之間的對應，靈活性強，使得機器視覺技術能夠在更廣闊的范圍使用。但這種方法標定過程復雜，不能滿足實時性要求較高的場合，主要用在對精度要求不高的場合，如通訊和虛擬現實等場合
基于主動視覺的攝像機標定方法是根據自主控制攝像機來獲取圖像數據，線性地求解攝像機的模型參數。這種標定方法由于在標定過程中已知了關于攝像機的運動信息(包括諸如攝像機在平臺坐標系下朝某一方向平移某一給定量、攝像機的平移運動相互正交等定量信息，以及攝像機僅作純平移運動或僅作旋轉運動等定性信息)，所以一般來說，攝像機的模型參數可以線性求解且計算簡單、魯棒性較高，缺點是不能用于攝像機運動未知和無法控制的場合，系統的成本較高。
在機器視覺系統中，應根據具體的任務、綜合考慮速度、精度的要求和復雜性、價格的因素選擇合適的標定方法。專用的標定塊價格非常昂貴，而傳統攝像機標定方法中的平面模板標定法，其標定物繪制簡單，價格低廉，是一種非常實用、精度較高的標定方法。本文綜合考慮上述因素，選擇平面模板標定法作為草莓機器視覺系統的標定方法。
3.1.3平面模板標定法
1998 年張正友的平面標定法，考慮了徑向畸變，利用多幅平面模板代替傳統的攝像機標定塊，標定攝像機的內外參數。該方法只需繪制一個具有精確定位點陣的模板，模板用普通的激光打印機打印貼在一個平板上，然后用攝像機在兩個以上不同的方位拍攝模板的圖像，攝像機和模板都可以自由的移動，最后通過確定圖像和模板上的點的匹配關系，計算出圖像和模板之間的轉換矩陣，并利用該矩陣求解出攝像機的內外參數，原理圖如圖3-1所示。
19
圖3-1 張正友平面標定法原理圖
其基本原理是：在這里假定模板平面在世界坐標系的平面上，則模型為
?X??X??u??Y???K?r r r t ????K?r r t ??Y? (3-1) s?v12312?????0??1???? ?1??????1??
~T~T其中,K 為攝像機的內參數矩陣，M?K?X Y 1?為模板平面上點的齊次坐 1?,為模板平面上點投影到圖象平面上對應點的齊次坐標，標，m?K?u v?r1 r2 r3 ?和t分別是旋轉矩陣和平移向量。
11H?K?h1 h2 h3???K?r1 r2 t?，r1?K?1h1,r2?K?1h2?? (3-2)
根據旋轉矩陣的性質如下：
T? ?r1r2?0?(3-3) ??r1?r2?1每幅圖像可獲得以下兩個對內參數矩陣的基本約束：
T?T?1??h1KKh2?0?T?T?1T?T?hKKh?hK?1h212K?1
(3-4)
由于攝像機有五個未知參數，所以當圖像數目大于等于 3 時就可以線性唯一的解出 K。
利用該方法標定系統時的主要步驟[10]有： (1)繪制并打印標定模板并貼在一個平板上。
(2)移動標定模板從不同角度拍攝若干張模板圖像作為標定圖像。 (3)檢測出模板圖像中的特征角點。 (4)求出攝像機的內參數和外參數。
(5)求畸變系數，并進一步優化求精，減少標定誤差
20
相機參數
平面模板 繪制棋盤角點
圖3-2平面模板標定法
3.2 實驗平臺 3.2.1 硬件設施
本次研究用的硬件設備包括HP筆記本電腦、草莓、Gsou攝像頭。
Gsou攝像頭：外觀造型小鋼炮，免驅動，像素1000萬，感光元件類型CMOS，最大分辨率1024x768.硬件設施如圖3-3所示：
21
圖 3-3 硬件設施
3.2.2 軟件
基于Microsoft Visual Studio 2010開發環境,利用OPENCV進行圖像處理。 OPENCV的應用領域：
1.人機互動; 7.機器人 2.物體識別; 8.運動分析 3.圖像分割; 9.機器視覺 4.人臉識別; 10.結構分析 5.動作識別; 11.汽車安全駕駛
6.運動跟蹤
OPENCV 編程語言：
OPENCV[17]用C++語言編寫，它的主要接口也是C++語言，但是依然保留了大量的C語言接口。該庫也有大量的Python, Java and MATLAB/OCTAVE (版本2.5)的接口。這些語言的API接口函數可以通過在線文檔獲得。如今也提供對于C#, Ch, Ruby的支持。
3.3 草莓的識別
在農業設施內對作物的果實圖像進行實時、準確地目標識別,是采摘機器人視覺系統的關鍵技術之一,而目標識別的實質是圖像分割。大部分草莓處于采摘期時,表面顏色與背景顏色存在較大差異,而同一品種果實表面顏色相近。體現在色彩空間中,果實表面顏色和背景顏色存在著不同的分布特性。根據這一特性,本研究應用了一種基于色彩空間,適用于果實目標提取的圖像分割算法。
快速而有效的把水果從背景中提取出來的方法是使用閾值分割方法。本研究
22
的對象為成熟草莓，在圖像上成熟草莓呈現紅色,背景大部分是綠色的枝葉,還有少部分是介于黃色和紅色之間的枯萎枝葉。利用兩者的顏色差異,采用簡單的閾值,就可以把水果從背景中分離出來。
3.3.1 草莓識別處理流程
草莓識別處理流程如圖 3-4所示
圖3-4草莓識別處理流程
3.3.2 采集圖像
通過攝像頭對草莓進行拍攝采集的圖像如圖3-5所示：
23
圖 3-5采集的草莓圖像
3.3.1 顏色空間轉換
本文采用將RGB顏色空間轉換為HSV顏色空間，HSV顏色空間在上一章做了介紹。
選擇在HSV顏色空間下進行處理的原因：
RGB圖像無法用單一的參數對圖像進行分割，RGB圖像轉換為灰度圖像再進行分割，這樣做的代價就是大大的損失的圖像的色彩特征。但是如果將RGB圖像轉化到HSV空間，卻可以直接給綠色劃定一個定義區間了，即H(色調)的區間。在HSV色彩空間內進行草木、樹木圖像的分割，通過設定綠色區間的H(色調)的門限值，提取圖像中綠色的像素點，從而實現分割。HSV3分量之間的相關性遠遠小于RGB色彩空間中3分量的聯系。顏色作為綠色植物的重要特征可以作為草木、樹木圖像分割的重要依據。當綠色植物所處的周圍環境的色調與植物色調差別較大時，通過把RGB模型轉換到HSV模型，經H分割，可以得到比較理想的分割圖像和算法，簡單快捷。同時MATLAB圖像處理工具箱提供了大量數字圖像處理的函數可供調用，可以很方便地實現各種分割算法，并進行算法評價。
3.3.2圖像分割
在第二章中介紹了圖像分割的方法，在這里本文采用閾值分割圖像。如圖3-6所示：
采集的原圖像 分割果實
圖3-6(a) RGB顏色空間分割果實
24
采集原圖像 分割果實
圖 3-6(b) HSV顏色空間分割果實
采集原圖像 分割枝葉
圖3-6(c) RGB顏色空間分割枝葉
采集原圖像 分割枝葉
圖3-6(d) HSV顏色空間分割枝葉
25
在HSV顏色空間分割枝葉的時候，由于窗簾顏色和草莓枝葉顏色十分相近，所以連窗簾也一起分割下來了。通過上述分割對比，本文在預處理階段選擇先將RGB顏色空間愛你轉換為HSV顏色空間在進行分割是可行的。
3.3.3噪聲去除和圖像填充
如圖3-6所示，分割后的圖像中仍有許多像素被誤判。這些被誤判像素可分為兩類:一是背景區域被誤判為目標;另一類是目標由于光照等原因被誤判為背景 。
第一類誤判在視覺上表現為散點的噪聲,均散落于草莓區域以外。這些噪聲與分割后被判為草莓的像素分別形成多個單連通區,噪聲區域的面積相比于草莓部分的面積要小很多。 解決這個問題可以用中值濾波處理。如圖3-7所示。
第二類誤判在分割后的圖像上的目標內部表現為一些黑洞 。對于這后者和前者中黑洞較小的情況,使用形態學閉運算處理可以得到很好的改善“但當黑洞是由原圖上一些明亮的光斑造成的話通常面積較大,形態學運算難以產生效果。 解決這個問題的方法就是對閉運算后的圖像進行孔洞填充，如果還有散點，再濾波處理即可。
處理前 處理后
圖3-7第一類噪聲去除
形態學運算中腐蝕，膨脹，開運算和閉運算。 (1)膨脹
膨脹是將與物體接觸的所有背景點合并到該物體中，使邊界向外部擴張的過程?？梢杂脕硖钛a物體中的空洞。
膨脹的算法：用3x3的結構元素，掃描圖像的每一個像素用結構元素與其覆蓋 的二值圖像做“與”操作如果都為0，結果圖像的該像素為0。否則為1結果： 26
使二值圖像擴大一圈。如圖3-8所示膨脹處理：
處理前 處理后
圖3-8膨脹處理
(2)腐蝕
腐蝕是將與物體接觸的所有背景點合并到該物體中，使邊界向內部收縮的過程?？梢杂脕硐∏覠o意義的物體。
腐蝕的算法：用3x3的結構元素，掃描圖像的每一個像素用結構元素與其覆蓋 的二值圖像做“與”操作如果都為1，結果圖像的該像素為1。否則為0結果：使二值圖像減小一圈。如圖3-9所示腐蝕處理：
處理前 處理后
圖3-9腐蝕處理
(3) 先腐蝕后膨脹的過程稱為開運算。用來消除小物體、在纖細點處分離物體、平滑較大物體的邊界的同時并不明顯改變其面積。
(4)先膨脹后腐蝕的過程稱為閉運算。用來填充物體內細小空洞、連接鄰近物體、平滑其邊界的同時并不明顯改變其面積。
27
處理前 處理后
圖3-10填充處理
3.3.4質心獲取
質心是標示目標位置的重要參數，在二維圖像中質心坐標可以根據目標區域點的坐標來計算。對于目標區域點的集合η(x,y),其質心坐標(x,y)為：
==
式中，N是目標區域點的個數。在獲取質心的時候要經過篩選，比如形狀，大小等。如圖3-11(a),(b) 所示，其中圓圈表示質心的位置。
圖3-11(a)質心獲取 圖3-11(b)質心獲取
28
3.4簡介草莓采摘點確定的方法
在上一節中我們已經可以將草莓的特征提取出來并且可以知道它的質心位置，接下來就是確定草莓采摘點的位置。最常用的方法是基于雙目立體視覺技術來定位，在這里我想說一下我的想法：運用一臺攝像機和多個光電位置傳感器來初步確定草莓采摘點的方法。
3.4.1采摘點的確定
距離檢測的根本目的還是要確定采摘點,不同采摘方式要求不同的采摘點,草莓采摘中主要的采摘方式分為剪切式和吸取式的。前者采取用剪刀剪斷莖的辦法,采摘點是花萼上方5mm處;后者應用吸住后擰斷的辦法,則采摘點是表面最凸出的點?；谶吘壠ヅ涞乃惴ㄖ饕槍羟惺讲烧?對于吸取式采摘點的位置只能采取估測的辦法。對剪切式的采摘點,采摘點位于草莓果柄上,距花萼約5mm，采摘點在二維圖像上的位置如圖3-12,P為理想切斷點,D為實際切斷點,C是形心位置,E是草莓上半部邊界點,J為果尖, 且E,D,J,C共線。由于C到D的距離很小,因此可以近似地用D代替P,即認為D為采摘點。綜上所述,要確定采摘點位置,關鍵是確定果尖的位置，對于絕大多數草莓,其形狀近似于橢球,且下尖上粗,所以其重心向花萼處偏移,果尖是草莓邊界到中心距離最長的點。因此,使該距離最大的點就是果尖J。果尖位置確定后,在JC延長線上搜索E點,然后在該延長線上搜索距E5mm的點D,該點即為采摘點[7],其深度由所有靠近中間的邊緣點(圖3-12中的P
2、P
3、P4部分)的深度均值確定。
29
圖3-12草莓采摘點位置特征
3.4.2 圖像融合
為了確定草莓采摘點的位置，本文將進行圖像融合，將果實和枝葉圖像融合在一起，然后根據草莓質心坐標，截取部分特征進行進一步的研究。如圖3-13所示：
(a) 分割果實圖像 (b)分割枝葉圖像
(c) 圖像融合 (d) 截取圖像
圖3-13 圖像融合
3.4.3 剪切示意圖
攝像機對草莓進行拍攝，同時光電傳感器A放在機械手上進行測距。當機械手和草莓之間的距離大于光電傳感器測量范圍是機械手可以朝著目標快速前進;當距離等于光電傳感器測量距離時，機械手開始減速，緩慢前進。
機械手的側面安上光電傳感器B，確定機械手的剪切裝置和草莓果柄的位置。當果柄在剪切裝置(剪刀)里面是，傳感器發出信號，此時剪切裝置可以動作，將 30
果柄剪斷。示意圖如圖3-14所示：
圖3-14 剪切示意圖
關于草莓采摘點的具體算法及實驗不是本次課題的研究任務。
3.5本章小結
準確識別成熟草莓是草莓采摘機器人進行采摘作業需要完成的首要任務。本章節首先簡單介紹了攝像機標定的方法，然后重點講述草莓的形狀特征提取。當綠色植物所處的周圍環境的色調與植物色調差別較大時，通過把RGB模型轉換到HSV模型，經H分割，可以得到比較理想的分割圖像和算法，簡單快捷。通過一系列的圖像處理，最終可在圖像中識別出絕大部分的成熟草莓并記錄草莓圖像質心坐標。
本文在算法的編程中，如將 RGB 彩色圖像轉換成HSV圖像，再將HSV圖像進行通道分離處理，分離成H通道，S通道，V通道，然后對H通道進行分割、圖像形態學處理等都用到了 OpenCV 庫函數。OpenCV 的設計目標是執行速度盡量快，主要關注實時應用。它采用優化的 C 代碼編寫，能夠充分利用多核處理器的優勢。利用 OpenCV 可以降低編程的復雜度且開發出的程序具有實時性要求高、魯棒性好的特點。
31
第四章 結論與展望
4.1結論
草莓采摘機器人是一種具有感知識別能力,能夠自動完成草莓果實采摘等作業任務的智能機械收獲系統,其作用在于可以降低采摘勞動強度和生產費用、提高作業效率和產品質量、保證果實適時采摘,因此對其相關技術研究具有重大現實意義。本文研究基于機器視覺的成熟草莓識別系統，對成熟草莓識別進行了理論研究和實驗分析。
本文的研究主要內容如下： (1) 了解高架草莓的實際種植情況; (2) 掌握機器視覺相關知識;
(3) 搭建實驗平臺，設計高架草莓識別及定位算法; (4) 編制相關程序;
(5)附算法流程圖及相關代碼;
在主要內容中重點是自然背景下對草莓的正確識別。對草莓的圖像識別技術路線為：圖像采集、顏色空間轉換、通道分離、閾值分割、去噪和圖像填充、求得草莓質心。實驗顯示本課題的研究基本上完成了任務要求，能夠將草莓提取出來，并且找到了草莓的質心坐標，為后續工作打下了基礎。
4.2 展望
設施農業機器人是21世紀農業發展的一個重要方向,將推動我國農業向知識型、精細型的現代農業轉變。本文針對農業設施內草莓采摘機器人目標信息獲取的問題,基于機器視覺技術,在靜態條件下對成熟草莓的果實的識別方法進行了研究，目的是實現農業機器人的自動采摘,在以下幾個方面還可以繼續進行研究:(1)選擇樣本時考慮存在遮擋的情況。 (2)完善多個目標識別和標記的算法。
(3)選擇農業設施內其它果蔬作為樣本,通過改進算法以增強該系統的通用性。(4)在保證精度的基礎上進一步優化算法,提高運算速度,為實時處理奠定基礎,進而實現動態條件下的目標距離檢測。
(5)可以嘗試應用立體視覺技術對草莓空間點位置進行確定。
32
致謝
33
參考文獻
[1]David C, Roy C. Color vision in robotic fruit harvesting [J]. Transactions of the ASAE, 1987, 30(4):1144-1148. [2]張鐵中,楊麗,陳兵旗,等.農業機器人技術研究進展[J].中國科學:信息科學,2010,40(81): 71-87. [3]近藤直, 門田充司, 野口伸.農業機器人II.機構與實例[M].北京:中國農業大學出版社,2009. [4] R. C. Harrell, P. D. Adsit , T. A. Pool, et al. The Florida robotic grove-lab [J]. Transactions of the ASAE, 1990, 33(2):391-399. [5] Kondo N, Y. Nishitsuji P, P. Ling ,K. C. Ting Visual feesback guided robotic center cherry tomato harvesting[J]. Transactions of the ASAE, 1996, 39(6):2331-2338. [6]徐麗明.生物生產系統機器人[M].北京:中國農業大學出版社,2009. [7]Kondo, N, Mnoat ,M. Basic study on chrysanthemum
cutting sticking robot[A] .In Proceedings of the International Symposium on Agricultural Mechanization and Automation[C],1997,1:93-98
[8]Kondo, N., Monta, M., Ogawa Y. Cutting providing system and vision algorithm for robotic chrysanthemum cutting sticking system [A].In Proceedings of the International Workshop on Robotics and Automated Machinery for Bio-productions[C,1997:7-12 [9] [20]王芬娥,郭維俊,曹新惠,等.甘藍生產現狀及其機械化收獲技術研究[J].中國農機化,2009, (3): 79-82,89. [10]紀超,馮青春,袁挺,等.溫室黃瓜釆摘機器人系統研制及性能分析[J].機器人,2011, 33 (6):726-730. [11]袁挺,李偉,潭豫之,等.溫室環境下黃瓜采摘機器人信息獲取m.農業機械學報,2009, 40(10):151-155. [12]周云山計算機視覺在蘑菇采摘機器人上的應用.農業工程學報,1995,11(4):27一32 [13]俞高紅,趙勻,李革,史輝基 于機器視覺的蘑菇單體檢測定位算法及其邊界描述農業工程學報第21卷第6期:101一104 [14] 蔡健榮 , 趙杰文 . 自然場景下成熟水果的計算機視覺識別 . 農業機械學報 ,2005, 36(2): 62-64 [15]司永勝，喬軍，劉剛，高瑞，何蓓. 2009. 蘋果采摘機器人果實識別與定位方法.農業機械學報.40(8):161-165. [16] 張毓晉. 圖像工程(上冊):圖像處理. 第二版. 北京: 清華大學出版社, 2006,7-20 [17] Gary Bradski, Adrian Kaehler. 于仕琪, 劉瑞禎譯. 學習 OpenCV. 第一版. 北京:
34
清華大學出版社, 2009, 406-438 [18]謝文娟.基于改進分水嶺算法的細胞圖像分割[D].武漢：中南民 族大學，2010. [19] 馬萬里 . 攝像機標定技術研究 : [南昌航空工業學院碩士學位論文 ]. 南昌 :南昌航空工業學院, 2006, 6-9 [20]郝敏.基于機器視覺的馬鈴薯外部品質檢測技術研究[D].內蒙古農業大學博士學位論文.2009.
35
附錄：程序代碼
煤礦合作協議范文第3篇
乙方：
為了充分發揮職校人才培養、服務地方經濟功能，加強職校教學、技術人才培養工作與地方經濟社會發展的緊密聯系，更好地為地方經濟建設和社會發展服務，同時借助于地方和企業的優勢，為校企合作提供更大空間，以實現人才培養目標，提高人才培養質量，沭陽中等專業學校與
在平等自愿、友好協商的基礎上，同意建立合作關系，并達成如下協議：
一、合作原則
本著“優勢互補、資源共享、互惠
雙贏、共同發展”的原則，甲乙雙方建立長期、緊密的合作關系。
二、甲方的責任與義務
1.根據乙方對人力資源的需求，甲方應為乙方優先推薦相關專業的優秀畢業生;在不影響學校正常教學的前提下，應乙方要求，為企業生產經營活動提供人力資源方面的支持。
2.應乙方要求，甲方選派優秀教師和業務骨干承擔或參與乙方科研項目開發、技術改造、技術援助和學術研討，科研產權歸雙方共同所有，雙方可另簽具體的合作協議。甲方的科學技術研究成果，在同等條件下優先向乙方轉讓。
3.乙方若有要求，可在甲方掛牌設立“人力資源培訓基地”、“校企合作實驗室”、“校企合作生產性實訓車間”等，甲方為乙方提供技術講座、員工職業技能培訓、考證、資料翻譯、產品研發及生產等方面的服務，雙方可另簽具體的合作協議。
4.乙方有對甲方的“訂單式人才培
養”或“企業員工培訓”等培養方案提出改進意見的權利。甲方以產學結合、工學交替、頂崗實習等現代人才培養模式，按照企業人才規格要求設置、開發課程、組織教學，保證乙方人才培養質量。
5.甲方在組織教師和學生參與科研合作、專業實習、人員培訓等活動的過程中，嚴格遵守乙方的相關規章制度及其他合理要求，嚴守企業的商業秘密。
三、 乙方的責任與義務
1.根據甲方的教學需要，可在乙方掛牌設立“沭陽中等專業學校校外實訓基地、就業基地或產學研合作基地”，乙方為甲方相關專業學生的見習、專業實習、畢業實習、畢業設計及社會實踐等活動提供必要的協助。
2.乙方應優先滿足甲方學生在專業實習、畢業實習、就業等方面的需求。及時向甲方提供人力資源需求方面的信息，在條件相同的情況下，優先錄用甲方的畢業生。校企合作協議書
3.應甲方教學改革需要，乙方在
條件許可的前提下，選派管理人員、工程技術人員擔任專業帶頭人或兼職教師，參與甲方人才培養過程;參與甲方人才培養方案的制定、教學改革、教材編寫等工作，成果歸雙方共同所有。
4.應甲方科學研究需要，乙方選派工程技術人員和業務骨干參與甲方科研項目開發、技術援助和學術研討，科研成果產權歸雙方共同所有，雙方可另簽具體的合作協議。
5.乙方應根據行業和企業的發展，對甲方的專業設置、課程設置、人才培養等方面的工作提供建議和咨詢。
6.甲方定期派遣一定數量的專業骨干教師到乙方及其下屬相關企業實習鍛煉，培養“雙師”隊伍。實習期間乙方提供相關食宿條件和工作崗位，保證實習效果。校企合作協議書
四、附則
1.為加強溝通和聯系，甲、乙雙方應明確聯系人和聯系方式，并通過不定期的會面研究解決合作過程中的問
題。
2.雙方的具體合作項目可在本協議的基礎上另簽協議;雙方合作過程中因實習、培訓、技術開發和咨詢、生活安排、勞務等發生的費用，由雙方本著“平等協商，互惠互利”的原則加以解決。
3.本協議有效期 3 年，協議期滿可根據雙方需要確定是否續簽。
4.本協議履行中出現糾紛，雙方應盡力協商解決。
煤礦合作協議范文第4篇
汽車金融公司為借款人提供保證擔保，協同借款人辦理交納車輛購置附加費、領取牌照等手續，并在15個工作日內將汽車發票、繳費憑證、行車證(復印件)提交銀行，銀行根據汽車金融公司提供的資料發放貸款。在貸款人申請個人汽車消費貸款之后，銀行和其指定的汽車金融公司需要填寫一份《汽車消費貸款合作協議書》，以共同滿足貸款購車人的貸款需求。
汽車消費貸款合作協議書
甲方：銀行
聯系電話：
地址：
乙方：汽車服務有限公司
聯系電話：
地址：
為促進汽車消費需求，推動汽車工業的發展，雙方本著平等互利的原則，根據《汽車消費貸款管理辦法》，經友好協商，就汽車消費貸款的合作事宜達成如下協議：
一、甲方指定乙方為開展汽車消費貸款業務的特約經銷商，積極配合乙方開展汽車銷售工作，提供優質的金融服務。
二、乙方在甲方開立結算賬戶，營銷資金通過甲方結算。
三、乙方同意為購車人提供保證擔保，乙方可以要求購車人提供必要的反擔保。
四、對同意發放汽車消費貸款的借款人，甲方應當向乙方出具同意《汽車消費貸款通知書》。
五、乙方收到《汽車消費貸款通知書》后，應當協同借款人辦理交納車輛購置附加費、領取牌照等手續，并在15個工作日內將汽車發票、繳費憑證、行車證(復印件)提交甲方。對于逾期未提供上述資料的，甲方有權取消對借款人的貸款承諾，后果由乙方承擔。
六、乙方應當保證提供給甲方的上述資料真實無誤，否則由此導致甲方不能追償貸款而產生的損失由乙方負責，本協議期限屆滿不影響甲方繼續對乙方行使追索權。
七、甲方在收到乙方所提交的材料后，應當在5個工作日內將相應的購車款劃轉給乙方。
八、甲方的貸款條件若發生變化應當及時通知乙方，并可應乙方的要求提供利率政策等有關信息。乙方應當定期向甲方反饋汽車銷售的政策、價格等市場信息。
九、本協議未盡事宜，雙方協商簽訂補充協議，補充協議與本協議具有同等法律效力。
十、雙方發生糾紛時，首先由當事人各方協商解決，協商無效時應當向甲方所在地人民法院提起訴訟。
十一、本協議經雙方法定代表人或授權代理人簽字并加蓋公章后生效，有效期l年，到期后經雙方協商可續簽合作協議。
十二、本協議一式兩份，甲乙雙方各執一份。
甲方：(簽章)
法定代表人或
授權代理人(簽章)
年月日
乙方：(簽章)
法定代表人或
授權代理人(簽章)
煤礦合作協議范文第5篇
甲方：**************** 乙方： ******************* 丙方： *********** ***************承接施工的***************總包的斷橋窗工程12000平方米。因************與*************有資金業務往來，現經三方共同協商：**********所欠******************剩余工程款中50萬元資金由***************直接轉入**************賬戶。經協商丙方向乙方支付工程款10萬元后，乙方于2018年1月30日前向丙方出具未開的成本發票2122493.54元。 2018年5月底轉付20萬元，2018年底轉付20萬元。斷橋窗工程斷橋型材發票由******************直接開給********************。本協議一式三份，三方各執一份。
甲方 (蓋章) 乙方(蓋章) 丙方(蓋章) 法定代表人： 法定代表人： 法定代表人： 委托代理人： 委托代理人： 委托代理人： 日期：
日期： 日期：
煤礦合作協議范文第6篇
乙方 ：
丙方：
甲、乙、丙三方經友好協商，以自愿、平等互利為原則，協議共同成立一間新公司，在成立新公司前，甲、乙、丙三方先行簽訂本協議，以確定三方的權利義務。甲方以所持小型電梯的專利權入股,甲方保證該專利為本人所獨自享有，與其他第三人及其配偶無關。乙方出資300萬元入股，丙方出資100萬入股，甲、乙、丙三方所占的股份比例分別為55%、30%、10%。三方達成如下協議：
一、甲方先將其名下的兩臺汽車(車型1:奔馳車牌號1：粵XXXX，車型2：別克車牌號2：XXXXX)過戶至丙方名下后，乙方將300萬元人民幣轉入丙方個人賬戶(戶名：張越，賬號：XXXXXXX)，作為新公司日常營運費用。
二、乙方有權于2102年7月30日前決定是否退出新成立的公司。
(一)若決定退出，則乙方投入的300萬元作為借給甲方個人使用，使用期限至2102年12月30日，期間該筆資金不收取任何利息，甲方保證于2102年12月30日前全部返還給乙方。
(二)若決定不退出，甲方需將所持上述專利轉為甲方、乙方、丙方三方共同所有，并承諾該產品后續申請的所有專利也為三方共同所有。
三、甲方需保證所持專利為合法所有，不涉及任何侵權行為，若存在侵權行為，則一切責任由甲方單獨承擔。
四、甲方必須對產品的安全、質量負全責，若產品出現 重大安全或質量問題，乙方有權退出公司并由甲方償還乙方的所有投資款。
五、公司成立初期，必須甲、乙、丙三方同時的簽名確認才作為公司經營的支出，否則任何一方均可以不予確認，無須承擔任何責任。
六、本協議一式三份，甲方、乙方、丙方各持一份，簽名生效。
甲方(簽名)：
乙方(簽名)：
丙方(簽名)：