南京農(nóng)業(yè)大學(xué)SRT計(jì)劃項(xiàng)目申請(qǐng)書

南京黑差**SRT計(jì)劃項(xiàng)目申請(qǐng)書項(xiàng)目名稱：XXXXXXXXXXXX申請(qǐng)者：XXX院系：工學(xué)院農(nóng)機(jī)系專業(yè)：XXX專業(yè)指導(dǎo)教師：XX取稱：XX2022年04月08日

南京農(nóng)業(yè)大學(xué)教務(wù)處制

agriculture.42(3):161-180,2004.[13]Cho.S.I,KiNH.,Lee.JHChoiCH.Autononmousspeedsprayerusingfuzzylogic.Proc.InternationalConferenceonAgriculturalMachineryEngineering,November,Seoul,1996:648-657[14]Cho.S.I.,Ki.N.H.Autonomousspeedsprayerguidanceusingmachinevisionandfuzzylogic.ASAE,1999,42(4):1137-1143[15]B.S.S.H.Kim.AutonomousGuidanceSystemforAgriculturalMachinebyMachineVision.ProceedingofASAEAnnualInternationalMeeting,Sacramento,California,USA.2001.PaperNumber:01-1194[16]ToruTorii.ResearchinautonomousagriculturevehiclesinJapan.ComputersandElectronicsinAgriculture.2000.(25):133-153[17]相阿榮.識(shí)別雜草和土壤背景物的圖象處理方法研究.碩士論文.中國(guó)農(nóng)業(yè)大學(xué),2001[18]毛文華,王一鳴,張小超,王月青.基于機(jī)器視覺的苗期雜草實(shí)時(shí)分割算法.農(nóng)業(yè)機(jī)械學(xué)報(bào).36(1):83-86,2005[19]H.T.Sogaard,H.J.Olsen.Determinationofcroprowsbyimageanalysiswithoutsegmentation,ComputersandElectronicsinAgriculture.2003(38):141-158DandyRC.Developmentsinelectronics[J].AgriculturalEngineer,1994,49(1):2-4[20]S.Yonekawa,N.Sakai,0.Kitani.Identificationofidealizedleaftypesusingsimpledimensionlessshapefactorsbyimageanalysis.TransactionsoftheASAE.39(4):1525-1533,1996[21]W.S.Lee,D.C.Slaughter,D.K.Giles.Roboticweedcontrolsystemfortomatoes.PrecisionAgriculture.1(1),95-113(1999)J.Blasco,N.Aleixos,J.M.Roger,G.Rabatel,E.Molto.Robotic.Weedcontrolusingmachinevision.Biosystemsengineering.83(2),149-157,2002[23]S0gaard.H.T.Weedclassificationbyactiveshapemodels.Biosystemsengineering,91(3):271~281,2005[24]紀(jì)壽文,王榮本,陳佳娟,趙學(xué)篤.應(yīng)用計(jì)算機(jī)圖象處理技術(shù)識(shí)別玉米苗期田間雜草的研究.農(nóng)業(yè)工程學(xué)報(bào).17(2):154-156,2001[25]龍滿生.玉米苗期雜草識(shí)別的機(jī)器視覺研究.碩士論文.西北農(nóng)林科技大,2002AstrandB.,BaerveldtA.J.Anagriculturalmobilerobotwithvision-basedperceptionformechanicalweedcontrol.Autonomousrobots,2002(13):21-35[27]YutakaKaizu.Prototypericetransplantermastersthepaddywithmachinevision.(AutomationTechnology).2005,[28]沈明霞，姬長(zhǎng)英.農(nóng)作物邊緣提取方法研究.農(nóng)業(yè)機(jī)械學(xué)報(bào)，2000,31(6):45-47[29]沈明霞，姬長(zhǎng)英.基于紋理頻譜的農(nóng)田景物區(qū)域檢測(cè).農(nóng)機(jī)化研究，2000,8(3):43-47[30]沈明霞,李秀智，姬長(zhǎng)英.基于形態(tài)學(xué)的農(nóng)田景物區(qū)域檢測(cè)技術(shù).農(nóng)業(yè)機(jī)械學(xué)報(bào),2003,34(1):92-94三、研究方案.項(xiàng)目研究的目標(biāo)、內(nèi)容和擬解決的關(guān)鍵問(wèn)題研究目標(biāo)☆在VC++平臺(tái)下，編寫制作一款軟件，以實(shí)現(xiàn)果樹主干及其支干的圖象信息提取，為機(jī)器人采摘果實(shí)的實(shí)時(shí)避障提供大量果樹枝干信息儲(chǔ)備。內(nèi)容☆利用數(shù)碼攝像機(jī)采集果樹圖象信息，通過(guò)開辟相應(yīng)的軟件同時(shí)利用相關(guān)技術(shù)對(duì)圖象中果樹主干及其枝干的圖象信息進(jìn)行提取，并重新繪制出果樹枝干的二維平面圖象，為機(jī)器人能夠正確辨認(rèn)出強(qiáng)硬枝干提供大量信息，從而自動(dòng)避開枝干等障礙，實(shí)現(xiàn)機(jī)械手不受損傷?！铋_辟能夠提取果樹枝干信息的軟件系統(tǒng)是我們的主要任務(wù)。初步確定需要經(jīng)過(guò)顏色分割、灰度閾值分割、樹枝區(qū)域提取、樹枝骨架提取、骨架修剪、遮擋樹枝恢復(fù)等步驟，其中會(huì)運(yùn)用到形態(tài)學(xué)方法、距離變換法、細(xì)線化法,最后集成調(diào)試，得到所需軟件。擬解決的關(guān)鍵問(wèn)題☆消除樹葉、果實(shí)等對(duì)枝干的影響。由于春夏之際樹葉茂密，此時(shí)不利于枝干的信息提取，因此選擇在秋天對(duì)果樹進(jìn)行拍照處理，從而避開了樹葉對(duì)枝干的影響，使研究更加方便；☆利用對(duì)RGB顏色系統(tǒng)的色差分量2R-G-B進(jìn)行迭代自適應(yīng)閾值分割法去除圖象天空、棕色土地等區(qū)域，并利用對(duì)2G-R-B進(jìn)行迭代分割法去除圖象嫩樹枝等區(qū)域，再采用灰度閾值分割法去除圖象較亮和較暗區(qū)域，能快速有效地分割出圖象的樹枝區(qū)域?！钤谧R(shí)別樹枝區(qū)域的過(guò)程中，樹枝區(qū)域形狀較復(fù)雜，利用此區(qū)域來(lái)恢復(fù)樹枝的二維信息顯然非常艱難，如何簡(jiǎn)單有效的恢復(fù)樹枝二維信息是我們課題研究的一個(gè)難點(diǎn)?！钔ㄟ^(guò)細(xì)線化處理得到的樹枝骨架，雖然很好的保持了連接性，但當(dāng)樹枝區(qū)域邊緣不平滑時(shí)會(huì)產(chǎn)生“假分支”。這些“假分支”將影響本研究后續(xù)處理,需將其去除。如何去除假分支則是我們研究中又一個(gè)難點(diǎn)。☆如何恢復(fù)被遮擋的樹枝。2.擬采取的研究方法、技術(shù)路線、實(shí)驗(yàn)方案及可行性分析2.1研究方法☆首先選擇在秋天利用數(shù)碼相機(jī)拍攝果樹圖象，再在VC++平臺(tái)下運(yùn)用所編寫程序，對(duì)采集到的圖象信息分別實(shí)現(xiàn)果樹主干及其支干的二維重構(gòu)功能，并使其滿足在機(jī)器人實(shí)際摘果過(guò)程中順利地避開障礙物（果樹樹干及其支干）的匹配條件。本研究以針對(duì)柑橘果樹為例，但也可以通過(guò)適當(dāng)調(diào)整應(yīng)用到其他自然場(chǎng)景下的果樹主干及其支桿（以下簡(jiǎn)稱樹枝）的二維重繪工作中。2.2技術(shù)路線及實(shí)驗(yàn)方案2.2.1顏色分割☆從采集的圖象分析可知，由于秋天的季節(jié)性因素，排除了果樹樹葉和果實(shí)的影響，柑橘圖象主要包含樹枝、天空、土地等區(qū)域。由于樹枝區(qū)域顏色特征不明顯，要想直接從圖象中提取出樹枝區(qū)域比較艱難，但圖象中天空的顏色特征卻非常明顯，為白色或者藍(lán)色等。利用這一特點(diǎn)，本研究使用去除背景留下目標(biāo)的方法提取樹枝區(qū)域。由于迭代法能自動(dòng)快速準(zhǔn)確地找到圖象分割閾值，因此考慮使用迭代閾值分割法去除背景。2.2.2灰度閾值分割☆將真彩色圖象轉(zhuǎn)化為灰度圖象，利用像素的顏色分量間的差異，對(duì)所得到的灰色圖象進(jìn)行灰度閾值分割。(2.1)(2.2)f(x,y)=0.299R+(2.1)(2.2)背景f(x5y)>1.6fa背景f(x,y)<0.4fa9其中R,G,B為圖象（x,y）像素點(diǎn)的顏色分量，為圖象平均灰度（即圖象各像素點(diǎn)的均值）?！罱?jīng)過(guò)以上分割處理后，可以提取大部份樹枝區(qū)域，但由于自然場(chǎng)景下拍攝的圖象受外界干擾較大，圖象中陰影區(qū)域、隨機(jī)噪聲等仍無(wú)法徹底去除?？捎H用形態(tài)學(xué)處理和區(qū)域標(biāo)記法將其除去。2.3提取樹枝區(qū)域☆分割后的圖象，經(jīng)過(guò)二值化、形態(tài)學(xué)運(yùn)算、區(qū)域標(biāo)記及小區(qū)域去除、區(qū)域塌充處理提取出圖象樹枝區(qū)域。最終的樹枝區(qū)域提取結(jié)果中，背景區(qū)域被徹底去除，絕大部份障礙物（樹枝）區(qū)域被提取出來(lái)。如下圖所示：2.2.4樹枝特征提取☆我們可以從識(shí)別出的樹枝區(qū)域看出，樹枝區(qū)域形狀較復(fù)雜，利用此區(qū)域來(lái)恢復(fù)樹枝的二維信息顯然非常艱難，為了準(zhǔn)確快速地獲取障礙物二維信息、，需要提取樹枝區(qū)域特征，由于正常樹枝形狀投影在平面內(nèi)為細(xì)長(zhǎng)的方形，因此本研究使用相應(yīng)的方形長(zhǎng)條代表樹枝，由幾何知識(shí)可知，要想得到長(zhǎng)方形在二維平面內(nèi)的具體圖象必須先提取出其長(zhǎng)、寬及對(duì)稱線的傾斜角度。根據(jù)這一思想，本研究首先提取樹枝區(qū)域骨架（即平面上長(zhǎng)方形沿長(zhǎng)方向的對(duì)稱線），并檢測(cè)骨架上的特征點(diǎn)（端點(diǎn)、分支點(diǎn)等），然后利用特征點(diǎn)將骨架分段，將每段樹枝看成一段長(zhǎng)方形，恢復(fù)出每段長(zhǎng)方形的二維信息,也就恢復(fù)出了每段樹枝的二維信息。2.2.5樹枝骨架提取☆為了對(duì)二值圖象中各個(gè)圖形分量（對(duì)象物）的形狀進(jìn)行分析，需要有各種能表示圖形的特征，骨架就是其中之一。骨架是對(duì)象物的核心部份，不同形狀的對(duì)象物就有不同的骨架。普通來(lái)說(shuō)，骨架具有三個(gè)主要特征：連續(xù)性、最小寬度為1和中心對(duì)稱性。從1967年Blum等首先用中軸表示連續(xù)平面上圖形以來(lái)，有許多骨架求解算法產(chǎn)生，可歸納為骨架子化算法和細(xì)化算法兩種類型。目前區(qū)域骨架的提取方法主要有形態(tài)學(xué)方法、距離變換法、細(xì)線化法等。2.2.6形態(tài)學(xué)方法☆形態(tài)學(xué)法是利用一個(gè)正方形的結(jié)構(gòu)元素腐蝕待處理區(qū)域，將各個(gè)腐蝕到空集之前的最后一次腐蝕的結(jié)果相加，即得骨架。例如：S（A）代表A的骨架,數(shù)字骨架可以從形態(tài)學(xué)的角度給定義，對(duì)于n0,1,2, 定義骨架子集S(A)為圖象A內(nèi)所有最大內(nèi)切圓盤nB的圓心構(gòu)成的集合，從骨架定義可n知，骨架是所有骨架子集的并。它可以表示為:s(A)=Ks(A)

n

n=0式中的S(A)稱為骨架子集，可寫成：nS(A)=(A8nB)-[(A?nB).B]n其中B為正方形結(jié)構(gòu)元素，(1)式中的K代表將A腐蝕成空集前的最后一次迭代次數(shù)，即K=MAX{n|(A?nB)工⑴}☆形態(tài)學(xué)骨架提取實(shí)例圖如圖a所示，由圖可知，形態(tài)學(xué)提取法實(shí)際上是將各個(gè)部份的骨架相加，這種方法不能保證骨架的連接性，當(dāng)骨架區(qū)域?qū)挾劝l(fā)生突變或者區(qū)域邊緣的光滑時(shí)會(huì)造成對(duì)連續(xù)區(qū)域識(shí)別出的骨架不連紂。2.2.7 距離變換法☆距離變換法提取區(qū)域骨骼通過(guò)距離變換和骨骼化兩步實(shí)現(xiàn)，該方法首先通過(guò)距離變換得到距離圖象，然后比較圖象中區(qū)域像素的距離值，將所有距離值大于或者等于鄰域中最大距離值的像素的集合作為區(qū)域的骨骼?！钔ㄟ^(guò)距離變換得到用距離值來(lái)表示的圖象稱為距離圖象。所謂距離變換是將二值圖象中的1-像素變換為它和0-像素間的最短距離值。兩點(diǎn)(儲(chǔ)與錯(cuò)誤！未找到引用源。)之間的四鄰域距離值d4錯(cuò)誤！未找到引用源。如式⑷所示。d(f,")=i|_m|+|j_n| ⑷4Ijm,n ⑷獲得距離圖象需用兩次掃描完成，第一次采用順向掃描，設(shè)fij錯(cuò)誤！未找到引用源。為原圖象像素值，錯(cuò)誤！未找到引用源。為第一次順向掃描時(shí)的運(yùn)算結(jié)果。順向掃描時(shí)，像素點(diǎn)的4個(gè)鄰點(diǎn)中惟獨(dú)兩個(gè)已完成距離運(yùn)算，故只能進(jìn)行以局部鄰域?yàn)榛A(chǔ)的距離運(yùn)算。錯(cuò)誤！未找到引用源。的計(jì)算方法如式⑸所示。[0 .f.0順向掃描時(shí)由于只考慮了局部鄰域，于是右下部像素的距離值不是與0-像素的最短距離。第2次采用逆向掃描進(jìn)行運(yùn)算，設(shè)錯(cuò)誤！未找到引用源。錯(cuò)誤！未找到引用源。為第2次掃描前的像素值，錯(cuò)誤！未找到引用源。錯(cuò)誤！未找到引用源。為第2次運(yùn)算結(jié)果。計(jì)算方法如式⑹所示。由于錯(cuò)誤！未找到引用源。錯(cuò)誤！未找到引用源。是從左上部鄰域中求得的局部最短距離值，再加入右下部局部鄰域的運(yùn)算，最終完成距離變換，得到距離圖象。[0r、S=0d=( ( )iJ.j'minl(d+1),(d+1),S*S豐0小i+1,j ij+1i,ji,j (8距離圖象中各像素距離值的大小直接反映了該像素離開對(duì)象物邊緣的遠(yuǎn)近，因此，作為對(duì)象物核心部份的骨架提取，只要通過(guò)鄰域比較找到距離值大的像素部份即可完成。計(jì)算方法如下式：（dd>max,d,d,d,d}d_/j； i,j i-1,ji+1,ji,j-1i,j+1其他 ⑺☆距離變換法根據(jù)距離圖象得到區(qū)域骨架點(diǎn)，由于每行（或者每列）中距離最大的點(diǎn)僅與其邊緣有關(guān)，故相鄰兩行（或者兩列）的骨架點(diǎn)位置關(guān)系并沒有必然的聯(lián)系，當(dāng)邊緣不光滑或者區(qū)域?qū)挾劝l(fā)生突變時(shí)，會(huì)造成連續(xù)區(qū)域檢測(cè)到的骨架點(diǎn)不連續(xù)的M況。I使M距*變換法提取圖a的區(qū)域骨架提取結(jié)果如圖b所示，由圖可以看出，提取出的骨架區(qū)域不連續(xù)，在邊緣不光滑處提取的骨架不連續(xù)或者產(chǎn)生噪聲點(diǎn)，這將會(huì)對(duì)進(jìn)一步處理造成艱難。雖然距離變換法在本研究中不能很好的得到區(qū)域骨架，但得到的距離圖象卻能很好的反映樹枝的粗細(xì)（即樹枝半徑的大?。?，可用于本研究后面確定樹枝的半徑。圖b距離變換法提取樹枝骨架2.2.8細(xì)線化法☆區(qū)域細(xì)線化將區(qū)域細(xì)化為由線條構(gòu)成的線圖形，線圖形有存儲(chǔ)量小，便于識(shí)別等優(yōu)點(diǎn)。使獲得的細(xì)線能夠準(zhǔn)確代表對(duì)象物的形狀，細(xì)線化處理必須滿足以下要求：（1）線寬為一個(gè)像素；（2）細(xì)線位置基本處于原線寬的中心；（3）保持圖形的連接性不變，并且不能浮現(xiàn)孔和點(diǎn)的新生或者消失現(xiàn)象；（4）圖形端部基本不縮短。由此可以看出，區(qū)域細(xì)線化過(guò)程實(shí)質(zhì)上是一個(gè)在保持連接性和圖形長(zhǎng)度不變的前提下求出圖形中心線的』程。???☆運(yùn)用細(xì)線化方法提取上圖的區(qū)域骨架，提取結(jié)果如圖c所示。提取的骨架保持「原區(qū)域的連接性，無(wú)中斷現(xiàn)象，效果較好，木研究選用此方法提取區(qū)域骨架。圖c細(xì)線化法提取區(qū)域骨架2.2.9骨架修剪☆通過(guò)細(xì)線化處理得到的樹枝骨架，雖然很好的保持了連接性，但當(dāng)樹枝區(qū)域邊緣不平滑時(shí)會(huì)產(chǎn)生“假分支”。這些“假分支”將影響本研究后續(xù)處理,需將其去除，目前比較常用的骨架修剪方法是采用形態(tài)學(xué)方法。但形態(tài)學(xué)填報(bào)說(shuō)明一、填寫申請(qǐng)書前，請(qǐng)先查閱《南京農(nóng)業(yè)大學(xué)SRT計(jì)劃項(xiàng)目管理辦法》(校教字[2003]134號(hào))文件和當(dāng)年教務(wù)處關(guān)于SRT計(jì)劃項(xiàng)目申請(qǐng)的要求及有關(guān)規(guī)定。二、申請(qǐng)書的各項(xiàng)內(nèi)容，要實(shí)事求是、逐條認(rèn)真填寫。表達(dá)要明確、嚴(yán)謹(jǐn)。第一次浮現(xiàn)的縮寫詞，需注出全稱。三、申請(qǐng)書一律采用計(jì)算機(jī)打印，紙張標(biāo)準(zhǔn)為A4紙，于左側(cè)裝訂成冊(cè)。第三頁(yè)起各欄空格不夠時(shí)，可自行加頁(yè)。一式二份，交所在學(xué)院辦公室。四、凡選擇性欄目，請(qǐng)?jiān)谙鄳?yīng)提示符A、B、C等之上打勾(4)。五、有關(guān)表格、材料請(qǐng)從教務(wù)處網(wǎng)站()的“下載中心”中下載填寫。六、聯(lián)系單位：教務(wù)處實(shí)踐教學(xué)科地址：文科樓A座217室電話：84395910E-mail:jwcsjk@方法只能修剪較短的分支（不超過(guò)三個(gè)像素，即毛刺），本研究中樹枝骨架的假分支大部份均超過(guò)3個(gè)像素，因此使用形態(tài)學(xué)修剪法不能去除“假分支”。本研究使用直接統(tǒng)計(jì)分支骨架長(zhǎng)度，然后對(duì)長(zhǎng)度設(shè)定閾值去除較短骨架分支的方法去除“假分支”。2.2.10恢復(fù)遮擋樹枝☆在樹枝識(shí)別時(shí)由于遮擋等原因，有時(shí)會(huì)造成識(shí)別出的樹枝發(fā)生中斷的情況,由于前面有樹葉遮擋，從而使識(shí)別出的樹枝發(fā)生中斷，但某些區(qū)域的樹枝是實(shí)際存在的，機(jī)械手路徑規(guī)劃時(shí)將視此處為無(wú)樹枝狀態(tài)，若機(jī)械手從此處通過(guò)將與樹枝相碰，造成機(jī)械手的損壞，因此，必須恢復(fù)被遮擋的樹枝。附該技術(shù)路線程圖如下：原

始

圖

像閾值分割形態(tài)濾波區(qū)域標(biāo)記去除小域骨

架

修

男遮擋骨架修復(fù)特征點(diǎn)檢測(cè)及特征提取障礙物原

始

圖

像閾值分割形態(tài)濾波區(qū)域標(biāo)記去除小域骨

架

修

男遮擋骨架修復(fù)特征點(diǎn)檢測(cè)及特征提取障礙物維信息恢復(fù).3可行性分析☆理論方面：首先，果樹樹干及其支干的圖象信息提取是農(nóng)業(yè)機(jī)器人摘果項(xiàng)目中極其重要的一環(huán)，且在國(guó)內(nèi)外已經(jīng)有具體的研究成果，前景光明。其次，我組成員經(jīng)過(guò)較為精密的準(zhǔn)備，在技術(shù)路線上已有充分考慮，實(shí)驗(yàn)方案明確，具有極大可能在該項(xiàng)目的實(shí)施上取得優(yōu)秀成績(jī)。最后，本組成員扎實(shí)成熟的程序匯編語(yǔ)言基礎(chǔ)為本項(xiàng)目的實(shí)施提供了理論上的保障。☆實(shí)際方面：學(xué)校提供了獨(dú)立實(shí)驗(yàn)室為我組成員的研究開辟良好環(huán)境，一定數(shù)目的資金支持為項(xiàng)目研究做好充足準(zhǔn)備，而現(xiàn)成的實(shí)驗(yàn)儀器設(shè)備（數(shù)碼攝像機(jī)等）減少了額外成本開支。與此同時(shí)，優(yōu)秀導(dǎo)師的帶領(lǐng)是我們走向成功的中流砥柱?！罹C上所述，豐富的理論積累，雄厚的硬件支持，為本實(shí)驗(yàn)的成功研究做足了準(zhǔn)備。我組項(xiàng)目研究必然會(huì)取得預(yù)期的優(yōu)秀成績(jī)。.本項(xiàng)目的創(chuàng)新之處☆采用了單一研究方法，即只對(duì)樹木的主干和枝干的圖象進(jìn)行信息處理，而不是整棵樹?！顩]有涉及生物特性的影響，從而減輕了研究的工作量。☆選擇秋天進(jìn)行圖象采集，從而有效避免了果實(shí)和樹葉帶來(lái)的影響?！顬檗r(nóng)業(yè)機(jī)器人采摘果實(shí)提供了大量圖象信息支持，有利于保護(hù)機(jī)械手臂不受傷害。.項(xiàng)目研究計(jì)劃及預(yù)期發(fā)展☆2022年5-6月 與指導(dǎo)老師交流溝通，確定正確的研究思路，明確自身的缺陷和不足，積極向相關(guān)老師和學(xué)長(zhǎng)請(qǐng)教，確定實(shí)驗(yàn)中所需知識(shí)儲(chǔ)備和相應(yīng)材料。☆2022年7-9月 通過(guò)各種途徑（參加培訓(xùn)班、自學(xué)等）系統(tǒng)學(xué)習(xí)與本項(xiàng)目相關(guān)知識(shí)，做到足夠的積累，以面對(duì)實(shí)驗(yàn)過(guò)程中所遇到的各種問(wèn)題和困難?！?022年9月 與指導(dǎo)老師詳細(xì)交流，確定正確的實(shí)施方案，著手查找各類資料，動(dòng)手制作相關(guān)材料、工具，清理出可隨即投入使用的設(shè)備器材和實(shí)驗(yàn)室?！?022年10T2月利用數(shù)碼相機(jī)拍攝去除樹葉、果實(shí)的果樹圖象，依據(jù)實(shí)驗(yàn)方案設(shè)定出詳細(xì)計(jì)劃和編程步驟。分工明確。開始著手項(xiàng)目的編程階段，嘗試編寫基本程序模塊。提交《項(xiàng)目中期檢查表》等階段性研究報(bào)告?！?022年1-3月編寫正確詳盡的程序，不斷調(diào)試，以得到目標(biāo)所期許的成果?！?022年4月 與指導(dǎo)老師溝通，將研究成果和實(shí)際應(yīng)用結(jié)合起來(lái)，不斷修改調(diào)整，細(xì)微處略作修飾，以期得到與目標(biāo)匹配的自主研發(fā)軟件系統(tǒng)?！?022年5月 整理資料，準(zhǔn)備結(jié)題工作，總結(jié)一年來(lái)所取得的成果，撰寫研究報(bào)告，撰寫論文。5.預(yù)期研究成果☆開辟出了符合農(nóng)業(yè)機(jī)器人避障需要的應(yīng)用軟件，能夠很好地提取果樹枝干信息進(jìn)行大量?jī)?chǔ)備，并應(yīng)用在實(shí)際工作中?！罡鶕?jù)試驗(yàn)研究的內(nèi)容分析總結(jié)出研究成果，撰寫并在國(guó)內(nèi)相關(guān)雜志發(fā)表1-2篇關(guān)于果樹主干及其支干的圖象信息提取的學(xué)術(shù)論文。☆根據(jù)試驗(yàn)的過(guò)程記錄和成果總結(jié)，撰寫試驗(yàn)的工作檢查表和結(jié)題報(bào)告。☆通過(guò)本次研究，在機(jī)器人避障方面開辟新視野，拓展現(xiàn)有的思維定式，為以后更加深入的研究做準(zhǔn)備。四、研究基礎(chǔ).與本項(xiàng)目有關(guān)的研究工作積累和已有的研究工作成績(jī)☆2022年至2022年，我們大部份成員學(xué)習(xí)了高等數(shù)學(xué)、線性代數(shù)、概率統(tǒng)計(jì)等課程，XXX同學(xué)也于今年初通過(guò)了高等數(shù)學(xué)的學(xué)習(xí)，并取得優(yōu)異成績(jī)。我們均具備運(yùn)用數(shù)理知識(shí)分析處理問(wèn)題的能力?！?022年2-7月，我們通過(guò)了計(jì)算機(jī)匯編語(yǔ)言的學(xué)習(xí)，并均已取得全國(guó)計(jì)算機(jī)二級(jí)證書，能夠熟練使用vc++編程軟件，進(jìn)行一些相關(guān)程序的編寫。☆2022年9-12月，我們通過(guò)了CAD課程的學(xué)習(xí)，對(duì)圖象概念有比較成熟的思維認(rèn)識(shí)?！?022年9月，我們進(jìn)行了數(shù)控車床實(shí)習(xí)，對(duì)簡(jiǎn)單程序在實(shí)際生活中的應(yīng)用具備了較為清晰地了解?！?022年，在科協(xié)的組織下，我們進(jìn)行了有關(guān)農(nóng)業(yè)機(jī)器人摘果項(xiàng)目的專題討論，并對(duì)機(jī)械手臂避障問(wèn)題作了相關(guān)論述。☆2022年3月，我們就果樹主干及其支干的圖象信息提取作了詳細(xì)討論，并積極采集資料，與導(dǎo)師交流，為今后的實(shí)驗(yàn)研究奠定基礎(chǔ)?！钍炀氄莆沼卸喾N應(yīng)用軟件(word,cad,ppt,excel等)。.已具備的條件、尚缺少的條件和擬解決的途徑(包括利用教學(xué)實(shí)驗(yàn)室、科研實(shí)驗(yàn)室和實(shí)習(xí)基地等的計(jì)劃與落實(shí)情況)已具備的條件1.1實(shí)驗(yàn)設(shè)備☆學(xué)校具有豐富的實(shí)驗(yàn)材料和完整齊全的研究設(shè)備。硬件系統(tǒng)設(shè)施介紹如下：☆數(shù)碼相機(jī)：nikon-990數(shù)碼相機(jī)（最大分辨率：2048X1536、位深：真彩24位、圖象格式：BMP）；☆CCD：美國(guó)Lumenera公司LuO75C型攝像頭（所采集圖象的有效尺寸：640X480、最大幀頻率：60fps、與電腦的連接方式：USB接口）；☆鏡頭：日本Computar公司M0814-MP和M1214-MP兩種型號(hào)攝像頭（每種型號(hào)各兩個(gè)，焦距分別為8nlm和12mm）；☆計(jì)算機(jī)：CPU為AMD公司Athlon（tm）64Processor3000+（主頻為1.8GHz）型兼容機(jī)；☆激光測(cè)距儀：德國(guó)喜利得（HiIti）公司的PD30laserrangemeter；☆采集地點(diǎn)：南京農(nóng)業(yè)大學(xué)工學(xué)院校園果林（室外），計(jì)算機(jī)視覺研究室（室內(nèi)）；☆攝像頭支架為普通的攝像機(jī)支架，可調(diào)節(jié)攝像頭高度和拍攝角度，調(diào)節(jié)方式為手動(dòng)調(diào)節(jié)（自動(dòng)的調(diào)節(jié)支架正在開辟中），攝像頭安裝在有機(jī)玻璃板上，玻璃板上開有兩條窄槽可使兩攝像頭的基線長(zhǎng)度在6cm-25cm之間調(diào)整。2.1.2政策扶持☆學(xué)校大力支持并鼓勵(lì)學(xué)生進(jìn)行科研及實(shí)踐創(chuàng)新訓(xùn)練活動(dòng)，并有專人負(fù)責(zé)組織協(xié)調(diào)，匹配經(jīng)費(fèi)到位，配套扶持政策完善，能夠?yàn)閷W(xué)生實(shí)施訓(xùn)練項(xiàng)目創(chuàng)造良好的環(huán)境。2.1.3導(dǎo)師資源☆本實(shí)踐創(chuàng)新訓(xùn)練計(jì)劃的指導(dǎo)老師系南京農(nóng)業(yè)大學(xué)講師安秋，在學(xué)校開設(shè)有農(nóng)業(yè)機(jī)器人等課程。安老師有著豐富的教育教學(xué)經(jīng)驗(yàn)以及很強(qiáng)的科研實(shí)力，能有效指導(dǎo)學(xué)生進(jìn)行此項(xiàng)目的研究訓(xùn)練。他曾經(jīng)長(zhǎng)期致力于農(nóng)業(yè)機(jī)器人相關(guān)項(xiàng)目的研究工作，對(duì)果樹枝干圖象信息提取具有深入研究。2.1.4團(tuán)隊(duì)力量☆小組成員具備較強(qiáng)的思維能力與動(dòng)手能力，對(duì)科研有著極強(qiáng)烈的興趣，具有團(tuán)結(jié)和吃苦耐勞的精神。2.2尚缺少的條件雖然已經(jīng)做了極其充分的準(zhǔn)備，考慮較精密詳盡，隨時(shí)可以投入項(xiàng)目的研究及軟件開辟工作，但在以下方面仍然有所瑕疵?！钊鄙賹?duì)C++更加深入精詳?shù)闹R(shí)儲(chǔ)備。☆實(shí)驗(yàn)室缺少可用網(wǎng)絡(luò)以隨時(shí)上網(wǎng)查閱資料。2.3擬解決途徑☆加強(qiáng)對(duì)C++的自學(xué)，必要時(shí)學(xué)校能夠提供針對(duì)C++的專業(yè)培訓(xùn)?！畛浞掷煤脠D書館的網(wǎng)絡(luò)資源，同時(shí)學(xué)?？紤]在實(shí)驗(yàn)室配備可用網(wǎng)絡(luò)以供小組成員實(shí)時(shí)查閱資料信息，和導(dǎo)師保持聯(lián)絡(luò)。五、經(jīng)費(fèi)預(yù)算支出科目金額(元)計(jì)算根據(jù)及理由資料印刷200打印，復(fù)印文獻(xiàn)及資料下載，撰與報(bào)告等采集圖象100沖印照片培訓(xùn)費(fèi)500對(duì)一些我們徹底沒有涉及的知識(shí)的培訓(xùn)數(shù)據(jù)庫(kù)軟件50管理其他數(shù)據(jù)文件采購(gòu)經(jīng)費(fèi)200采購(gòu)制作及路途費(fèi)用器材維護(hù)200儀器保養(yǎng)及維修其他200總計(jì)1450注:開支范圍詳見校教字(2003)134號(hào)《南京農(nóng)業(yè)大學(xué)SRT計(jì)劃項(xiàng)目管理辦法》文件的第十三條。六、審見指導(dǎo)教師意見指導(dǎo)教師簽名： 年月日部見系意負(fù)責(zé)人簽名、公章： 年月日院見學(xué)意負(fù)責(zé)人簽名、公章： 年月日學(xué)校意見負(fù)責(zé)人簽名、公章： 年月日備注七、申請(qǐng)者承諾我保證上述填報(bào)內(nèi)容的真實(shí)性。如果獲得資助，我與本項(xiàng)目組成員將嚴(yán)格遵守學(xué)校的有關(guān)規(guī)定，在不影響課程學(xué)習(xí)的同時(shí),保證項(xiàng)目研究工作的時(shí)間，并按計(jì)劃認(rèn)真開展研究工作，在項(xiàng)目研究過(guò)程中或者結(jié)束時(shí)，接受學(xué)校對(duì)本項(xiàng)目的中期檢查和結(jié)題驗(yàn)收，并按時(shí)提交工作總結(jié)和結(jié)題報(bào)告。申請(qǐng)者（簽名）:2022年04月08日一、簡(jiǎn)表申請(qǐng)者姓名XXX學(xué)號(hào)XXXXXXXX班級(jí)XX班年級(jí)2022級(jí)電話XXXXXXXE-mailXXX項(xiàng)目名稱果樹主干及其支干的圖象信息提取項(xiàng)目來(lái)源A、自立項(xiàng)目 B、教師科研課題的子項(xiàng)目4c、其它項(xiàng)目類型A、實(shí)驗(yàn)研究 B、調(diào)查研究C、軟件制作4經(jīng)費(fèi)來(lái)源A、學(xué)校資助4B、導(dǎo)師課題資助C、企業(yè)資助經(jīng)費(fèi)額度1500元指導(dǎo)教師姓名XX指導(dǎo)教師職稱XX合作者姓名、學(xué)院、班級(jí)XXX,XX系10級(jí)0X班；XXX,XX系10級(jí)0X班；xxx,xx系n級(jí)ox班。申請(qǐng)時(shí)間2022年5月完成時(shí)間2022年5月對(duì)果樹的圖象信息進(jìn)行快速提取并據(jù)此實(shí)現(xiàn)二維重繪是圖象處理軟件開辟技術(shù)發(fā)展的一個(gè)新領(lǐng)域。作為果樹的重要組成部份，針對(duì)樹木模型主干及其支干的快速重建研究也隨之發(fā)展。本文以數(shù)碼相機(jī)采集數(shù)據(jù)為基礎(chǔ),使用模塊化方法實(shí)現(xiàn)了對(duì)柑橘果樹的快速精確平面圖象重繪。選取相機(jī)拍攝的場(chǎng)景圖象進(jìn)行預(yù)處理，分割提取出主干及其支干。對(duì)于枝干圖象，將枝干二值化圖象轉(zhuǎn)化為距離圖象，再將距離圖象細(xì)線化并與距離信息相結(jié)合，配合平面坐標(biāo)信息得到枝干中心對(duì)稱線各點(diǎn)坐標(biāo)及對(duì)應(yīng)長(zhǎng)、寬距。為減少數(shù)據(jù)運(yùn)算量，對(duì)得到的數(shù)據(jù)圖象剪除短枝、去除贅點(diǎn)以得到描述枝干拓?fù)浣Y(jié)構(gòu)的關(guān)鍵點(diǎn)坐標(biāo)及其對(duì)應(yīng)坐標(biāo)差值。據(jù)此計(jì)算得到的模型頂點(diǎn)平面實(shí)際坐標(biāo)信息構(gòu)成為了對(duì)枝干部份二維模型的表述。權(quán)衡模型精度和建模速度，確定使用長(zhǎng)方形摹擬枝干方法生成枝干部份模型，用較少數(shù)據(jù)量實(shí)現(xiàn)了中等復(fù)雜度柑橘果樹場(chǎng)景的完整描述，達(dá)到很好的可視化效果。針對(duì)采摘機(jī)器人避障計(jì)算，調(diào)整模型精度達(dá)到合理狀態(tài)，剔除材質(zhì)和紋理，并在枝干建模中使用梯形替代長(zhǎng)方形，忽略冗余數(shù)據(jù)提高模型生成速度，為整個(gè)系統(tǒng)的實(shí)時(shí)性奠定了基礎(chǔ)。本研究為機(jī)器人避障系統(tǒng)提供了路徑規(guī)劃基準(zhǔn)和虛擬工作環(huán)境，同時(shí)可為其他何類樹木模型快速精確建模研究提供借鑒。二、立論依據(jù)（包括項(xiàng)目的研究意義、現(xiàn)狀分析，并附主要參考文獻(xiàn)及出處）1研究意義☆進(jìn)入二十一世紀(jì)，隨著高新科技的迅速發(fā)展，農(nóng)業(yè)科技迎來(lái)了新的發(fā)展機(jī)遇。特別是農(nóng)業(yè)生產(chǎn)，正朝著規(guī)?；?，多樣化，精確化方向發(fā)展，農(nóng)業(yè)勞動(dòng)力的成本迅速上升，勞動(dòng)力不足的現(xiàn)象也日益明顯，于是作為高科技的機(jī)器人技術(shù)進(jìn)入農(nóng)業(yè)領(lǐng)域變得越來(lái)越現(xiàn)實(shí)，果園收獲作業(yè)機(jī)械化，自動(dòng)化成為泛博果農(nóng)們最為關(guān)注的熱點(diǎn)問(wèn)題，所以開展果樹采摘機(jī)器人研究，不僅對(duì)于適應(yīng)市場(chǎng)需求、降低勞動(dòng)強(qiáng)度、提高經(jīng)濟(jì)效率有著一定的現(xiàn)實(shí)意義,而且對(duì)減輕人類生活壓力也是一種潛在的構(gòu)想?！钤跈C(jī)器人研究中，果樹主干及其枝干的圖象信息提取，便成為智能機(jī)器人的作業(yè)基礎(chǔ)。我們的課題是一項(xiàng)基礎(chǔ)性的研究，主要意義是為多種智能農(nóng)業(yè)機(jī)器人，特別是果園機(jī)器人自動(dòng)作業(yè)提供最基礎(chǔ)信息。此外，還可以為其他領(lǐng)域智能機(jī)器人信息提取提供一個(gè)研究思路。2現(xiàn)狀分析☆采摘機(jī)器人是21世紀(jì)精確農(nóng)業(yè)的重要裝備之一，是未來(lái)智能農(nóng)業(yè)機(jī)械的發(fā)展方向。從1983年的第一臺(tái)西紅柿采摘機(jī)器人在美國(guó)誕生以來(lái)，采摘機(jī)器人的研究和發(fā)展已經(jīng)經(jīng)歷了20多年。采摘機(jī)器人是針對(duì)水果和蔬菜，可以通過(guò)編程來(lái)完成這些作物的采摘、轉(zhuǎn)運(yùn)、打包等相關(guān)作業(yè)任務(wù)的具有感知能力的自動(dòng)化機(jī)械收獲系統(tǒng)，是集機(jī)械、電子、信息、智能技術(shù)、計(jì)算機(jī)科學(xué)、農(nóng)業(yè)和生物等學(xué)科于一體的交叉邊緣性科學(xué)，需要涉及機(jī)械結(jié)構(gòu)、視覺圖象處理、機(jī)器人運(yùn)動(dòng)學(xué)動(dòng)力學(xué)、傳感器技術(shù)、控制技術(shù)以及計(jì)算信息處理等多方面的學(xué)科領(lǐng)域知識(shí)。以下主要介紹一些國(guó)內(nèi)外在農(nóng)業(yè)機(jī)器人圖象信息提取過(guò)程中的發(fā)展和成果。1國(guó)外研究發(fā)展☆從60年代末開始向來(lái)到今天，圖象的信息提取向來(lái)是圖象理解、圖象識(shí)別、計(jì)算機(jī)視覺和人工智能研究人員的重要課題。Pal等對(duì)圖象提取方法總結(jié)中提到有幾百種，但沒有一種方法對(duì)所有圖象都產(chǎn)生好的提取區(qū)分效果，不同種類的圖象應(yīng)采取相應(yīng)提取方法。圖象信息提取是針對(duì)性很強(qiáng)的技術(shù)，根據(jù)不同應(yīng)用、不同要求需要采用不同的處理方法。目前的圖象提取中依據(jù)的特征主要是顏色特征、形狀特征、紋理特征等。此外還有多種圖象信息提取的研究工作，諸如各類圖象信息提取及二維、三維重繪軟件?！顚?duì)于樹木模型的精確重構(gòu)，Shlyakhter>ChinHungTeng以及CMCheng等人運(yùn)用圖象處理與圖形相結(jié)合的方法，提取樹木骨架、樹木形態(tài)等進(jìn)行分析，進(jìn)而實(shí)現(xiàn)對(duì)真實(shí)場(chǎng)景下的樹木摹擬。這種方法應(yīng)用實(shí)際測(cè)量數(shù)據(jù)對(duì)樹木骨架模型生成進(jìn)行控制，構(gòu)建出的樹木更為真實(shí)和讓人信服。但該種方法由于側(cè)重對(duì)模型細(xì)節(jié)的把握，降低了模型生成速度。而且由于細(xì)節(jié)過(guò)多，對(duì)于模型的存儲(chǔ)數(shù)據(jù)量難以進(jìn)行有效控制。針對(duì)樹木數(shù)據(jù)的處理，JiguoZeng使用多線段逼近方法對(duì)樹木采集數(shù)據(jù)進(jìn)行控制，構(gòu)建出可以控制模型精度的樹木模型?！頗ongpingYan>ThomasL以及StefanJansson等人將真實(shí)樹木的生長(zhǎng)規(guī)律參數(shù)化，利用參數(shù)實(shí)現(xiàn)樹葉和樹枝結(jié)構(gòu)建模，構(gòu)造出三維樹木模型；Lintermann甚至完成可生成隨機(jī)樹木的參數(shù)化控制軟件；RuiWang等人通過(guò)從真實(shí)樹木中提取構(gòu)成元素的組合實(shí)現(xiàn)真實(shí)樹木摹擬；CallumGalbraith則利用真實(shí)樹木映射技術(shù)增加樹木模型的真實(shí)感；Remo1ar>0Deussen以及陳華光根據(jù)視云寫樹模型的距離或者樹木模型在當(dāng)前場(chǎng)景的重要性確定樹木模型數(shù)據(jù)層次，保證了樹木渲染的真實(shí)性和實(shí)時(shí)性。_☆日本Hirosaki大學(xué)TeruoTakahashi等人2002年研制了一蘋果采摘機(jī)器人，其視覺系統(tǒng)主要采用了兩個(gè)彩色相機(jī)組成的雙目立體視覺系統(tǒng)。當(dāng)左、右兩個(gè)相機(jī)同時(shí)獲取了同一目標(biāo)的圖象后，通過(guò)將兩幅圖象進(jìn)行中心合成來(lái)重建采摘目標(biāo)的三維信息。在減少識(shí)別誤差方面，提出了三個(gè)方法：（1）在進(jìn)行目標(biāo)中心合成時(shí)，設(shè)置一個(gè)較窄的范圍搜索區(qū)域；（2）在左、右圖像共同的目標(biāo)區(qū)域，比較同一目標(biāo)、一定數(shù)量的顏色特征；（3）將左、右圖象的左、右半邊區(qū)域分別重合，可使圖象的公共部份更加清晰。通過(guò)上述改進(jìn)，對(duì)于紅色蘋果的識(shí)別率大于90%,在紅色蘋果和黃色蘋果混合的情況下，識(shí)別率在65%—70%之間。上述方法中，第一種和第三種減少誤差的方法較為有效，識(shí)別誤差率在±5%擺布?！頨onekawa等對(duì)密切度、圓度、伸長(zhǎng)度和粗糙度進(jìn)行評(píng)價(jià)，認(rèn)為利用這些簡(jiǎn)單形狀因子可以簡(jiǎn)單有效的進(jìn)行圖象分割。Lee等通過(guò)形狀特征識(shí)別雜草開辟西紅柿除草系統(tǒng)。Blasco等根據(jù)作物和雜草面積的差異開辟除草設(shè)備。Sogaard利用形狀模板進(jìn)行雜草識(shí)別，達(dá)到較好的識(shí)別率。紀(jì)壽文等2000年利用投影面積、葉寬、葉長(zhǎng)在玉米苗期識(shí)別出單子葉雜草。相阿榮通過(guò)雜草區(qū)域的面積和質(zhì)心識(shí)別麥田常見雜草，識(shí)別率為92%。龍滿生將BP網(wǎng)絡(luò)用于雜草形狀識(shí)別。Bjornastrand用圖象分割、Hough變換算法識(shí)別甜菜行參數(shù)。YutakaKaizu研究基于機(jī)器視覺的插秧機(jī)自動(dòng)導(dǎo)航系統(tǒng)，使用Hough變換算法提取導(dǎo)航線參數(shù)。沈明霞對(duì)農(nóng)田景物圖象信息的提取方法包括圖象分割、基于紋理特征分析、基于形態(tài)特征分割等農(nóng)作物邊緣檢測(cè)研究。周俊在圖象分割方面，采取小波分解的方法，將圖象分解到第4個(gè)?！钌鲜龈鞣椒ㄉ傻臉淠菊鎸?shí)感較強(qiáng)，細(xì)節(jié)表達(dá)豐富，并可以設(shè)定參數(shù)對(duì)生成樹木加以控制，以有效運(yùn)用到虛擬場(chǎng)景之中。但是生成樹木模型依據(jù)的是人為設(shè)定的數(shù)值，并沒有能力對(duì)真正的樹木進(jìn)行精確的模型重構(gòu)及再現(xiàn)。2.2國(guó)內(nèi)研究發(fā)展☆目前國(guó)內(nèi)主要有兩組人進(jìn)行林木圖象處理的研究工作：北京林業(yè)大學(xué)的李文彬等人和南京林業(yè)大學(xué)的鄭家強(qiáng)等人。北京林業(yè)大學(xué)的研究是以樹木的整枝撫育為應(yīng)用背景，南京林業(yè)大學(xué)的應(yīng)用背景是精確噴霧。下面就介紹一下他們的具體工作及相應(yīng)的研究成果。☆2004年，程磊等提出了一種序列化的處理方法：首先綜合運(yùn)用基于色采和紋理的圖象分割方法獲得初步分割圖象，然后應(yīng)用數(shù)學(xué)形態(tài)學(xué)方法修正分割后的圖象，最后對(duì)分割圖象中的樹冠和樹干進(jìn)行整株樹的標(biāo)記，初步實(shí)現(xiàn)了一類樹木圖象的分割。2005年，楊華等人對(duì)單株立木圖象信息的提取分別運(yùn)用近景攝影測(cè)量DLT模型和雙目立體視覺技術(shù)進(jìn)行解算，解決了立木圖象信息與立木二維坐標(biāo)之間的解算問(wèn)題。2005年，孫仁山、李文彬等從工程應(yīng)用角度出發(fā)，應(yīng)用二維小波分析技術(shù)對(duì)林木圖象進(jìn)行消噪、壓縮等處理；提出一種用于工業(yè)用材林自動(dòng)整枝的立木枝干動(dòng)態(tài)識(shí)別系統(tǒng)框架，對(duì)人工林側(cè)柏的枝干進(jìn)行了數(shù)字圖象采集及處理，同時(shí)提出了一種立木枝干計(jì)算機(jī)自動(dòng)識(shí)別算法，提取立木圖象枝干形狀、尺寸、彎曲度及相對(duì)空間位置關(guān)系基本生長(zhǎng)特征，即利用模式識(shí)別技術(shù)驗(yàn)算其與特征數(shù)據(jù)庫(kù)的匹配情況，從而達(dá)到立木枝干自動(dòng)識(shí)別的目的。2022年，闞江明、李文彬等針對(duì)智能整枝機(jī)視覺系統(tǒng)的需要提出一種以數(shù)學(xué)形態(tài)學(xué)為主的