刘晓洋
- 作品数：17 被引量：370H指数：8
- 供职机构：江苏大学电气信息工程学院更多>>
- 发文基金：国家自然科学基金江苏省高校优势学科建设工程资助项目国家教育部博士点基金更多>>
- 相关领域：自动化与计算机技术农业科学更多>>
- 基于HOG与SVM的集装箱锁孔识别及定位研究被引量：2
- 2019年
- 随着港口自动化技术的发展,码头需要对集装箱进行自动装卸作业。为了解决集装箱装卸作业中对集装箱锁孔的识别定位问题,提出一种基于机器视觉的集装箱锁孔识别方法,用于辅助码头集装箱的自动化装卸作业。首先采集集装箱照片,对照片中的集装箱锁孔进行人工标注,制作成锁孔样本,并进行归一化处理,进而提取锁孔样本的HOG特征,然后对SVM进行训练作为集装箱锁孔识别分类器,最后采用多尺度滑窗对图像进行扫描检测。使用300张测试样本进行测试实验,结果表明,该方法对集装箱锁孔的识别率达到92%,锁孔误检率低于3%,而且能够在各种复杂光照及背景条件下进行锁孔检测,可以满足港口自动化的实际要求。
- 张羽达赵德安刘晓洋
- 关键词：方向梯度直方图分类器
- 基于机器视觉的港口集装箱卡车防吊方法研究被引量：3
- 2019年
- 随着全球贸易的发展,集装箱运输增长迅速,集装箱卡车和吊车在集装箱运输中发挥着极其重要的作用。针对集装箱装卸作业中因集卡和集装箱之间固定锁未完全打开而导致集卡被误吊起的危险情况,提出一种基于机器视觉的港口集装箱卡车防吊方法。该方法使用两个摄像头实时采集集卡车身图像,为保证图像检测过程的实时性和准确性,采用ORB特征点检测算法对图像进行特征点提取,利用FLANN特征点匹配算法将检测到的特征点与起吊前基准图像中的特征点进行匹配,通过分析匹配成功特征点之间的坐标变化,判断集卡是否被误吊起。一旦纵坐标变化超出阈值,控制系统则会向主控PLC发送停止起吊指令,从而避免安全事故发生。通过大量现场试验,结果表明,该方案在应对各种复杂环境时都能取得很好的效果,可以满足港口自动化要求。
- 黄伟赵德安刘晓洋
- 关键词：机器视觉集卡
- 基于机器视觉的水下河蟹识别方法被引量：44
- 2019年
- 为了探测河蟹在池塘中的数量及分布情况,为自动投饵船提供可靠的数据反馈,提出了基于机器视觉的水下河蟹识别方法。该方法通过在投饵船下方安装摄像头进行河蟹图像实时采集,针对水下光线衰减大、视野模糊等特点,采用优化的Retinex算法提高图像对比度,增强图像细节,修改基于深度卷积神经网络YOLO V3的输入输出,并采用自建的数据集对其进行训练,实现了对水下河蟹的高精度识别。实验所训练的YOLO V3模型在测试集上的平均精度均值达86. 42%,对水下河蟹识别的准确率为96. 65%,召回率为91. 30%。实验对比了多种目标检测算法,仅有YOLO V3在识别准确率和识别速率上均达到较高水平。在同一硬件平台上YOLO V3的识别速率为10. 67 f/s,优于其他算法,具有较高的实时性和应用价值。
- 赵德安刘晓洋孙月平吴任迪洪剑青阮承治
- 关键词：机器视觉水下图像图像增强
- 基于YOLO深度卷积神经网络的复杂背景下机器人采摘苹果定位被引量：182
- 2019年
- 为提高苹果采摘机器人的工作效率和环境适应性,使其能全天候的在不同光线环境下对遮挡、粘连和套袋等多种情况下的果实进行识别定位,该文提出了基于YOLOv3(you only look once)深度卷积神经网络的苹果定位方法。该方法通过单个卷积神经网络(one-stage)遍历整个图像,回归目标的类别和位置,实现了直接端到端的目标检测,在保证效率与准确率兼顾的情况下实现了复杂环境下苹果的检测。经过训练的模型在验证集下的m AP(meanaverageprecision)为87.71%,准确率为97%,召回率为90%,IOU(intersection over union)为83.61%。通过比较YOLOv3与Faster RCNN算法在不同数目、不同拍摄时间、不同生长阶段、不同光线下对苹果的实际检测效果,并以F1为评估值对比分析了4种算法的差异,试验结果表明YOLOv3在密集苹果的F1高于YOLOv2算法4.45个百分点,在其他环境下高于Faster RCNN将近5个百分点,高于HOG+SVM(histogram of oriented gradient+support vector machine)将近10个百分点。并且在不同硬件环境验证了该算法的可行性,一幅图像在GPU下的检测时间为16.69 ms,在CPU下的检测时间为105.21 ms,实际检测视频的帧率达到了60帧/s和15帧/s。该研究可为机器人快速长时间高效率在复杂环境下识别苹果提供理论基础。
- 赵德安吴任迪刘晓洋赵宇艳
- 关键词：收获机机器视觉图像识别采摘机器人
- 夜间低照度条件下苹果采摘机器人的图像识别
- 高苹果采摘机器人的环境适应能力,使其能够在夜间低照度人工光源条件下识别图像进行采摘,综合所采集图像的全部色彩信息和苹果表面像素点在RGB色彩空间中的聚集特性,在三维空间中首先用最小二乘拟合法对苹果表面典型样点进行空间直线...
- 刘晓洋赵德安陈玉贾伟宽
- 关键词：图像识别
- 苹果采摘机器人夜视图像的小波模糊阈值降噪被引量：4
- 2015年
- 为实现苹果采摘机器人的全天候作业,对采集到的夜间图像进行了相关研究.在分析夜视图像噪声的基础上,运用小波阈值方法进行图像的降噪处理,针对阈值算法的潜在缺点,通过构造模糊阈值函数,提出小波模糊阈值的夜视图像降噪算法.实验结果表明:从视觉上看小波模糊阈值降噪方法得到的低噪图像噪点明显减少;从客观数据比较,其相对峰值信噪比有较大幅度提高.新方法显示出在夜视图像降噪方面有着独特优势,为实现苹果采摘机器人的全天候作业打下基础.
- 贾伟宽赵德安刘晓洋阮承治
- 关键词：采摘机器人夜视图像小波降噪模糊阈值人工光源峰值信噪比
- 基于超像素特征的苹果采摘机器人果实分割方法被引量：26
- 2019年
- 针对苹果采摘机器人在自然环境下对着色不均匀果实的识别分割问题,提出了基于超像素特征的苹果采摘机器人果实分割方法。首先,采用简单线性迭代聚类算法将图像分割成内部像素颜色较为一致的若干超像素单元;然后,提取每个超像素的纹理和颜色特征,并采用支持向量机将超像素分为果实和背景两个类别;最后,根据超像素之间的邻接关系对分类结果进行进一步修正。实验表明,该方法能够对大部分超像素单元进行正确分类,平均每幅图像被错误分类的超像素约为2.28个。与采用像素级特征的色差法和采用邻域像素特征的果实分割方法相比,采用超像素特征的果实分割方法具有更好的分割效果。在进行邻接关系修正前,该方法图像分割准确率达0.9214,召回率达0.8565,平均识别分割一幅图像耗时0.6087 s,基本满足实时性需求。
- 刘晓洋赵德安贾伟宽阮承治姬伟
- 关键词：苹果采摘机器人特征提取支持向量机
- 机器人采摘苹果果实的K-means和GA-RBF-LMS神经网络识别被引量：43
- 2015年
- 为进一步提升苹果果实的识别精度和速度,从而提高苹果采摘机器人的采摘效率。提出一种基于K-means聚类分割和基于遗传算法(genetic algorithm,GA)、最小均方差算法(least mean square,LMS)优化的径向基(radial basis function,RBF)神经网络相结合的苹果识别方法。首先将采集到的苹果图像在Lab颜色空间下利用K-means聚类算法对其进行分割,分别提取分割图像的RGB、HSI颜色特征分量和圆方差、致密度、周长平方面积比、Hu不变矩形状特征分量。将提取的16个特征作为神经网络的输入,对RBF神经网络进行训练,以得到苹果果实的识别模型。针对RBF神经网络学习率低、过拟合等不足,引入遗传算法对RBF隐层神经元个数和连接权值进行优化,采取二者混合编码同时进化的优化方式,最后再利用LMS对连接权值进一步学习,建立新的神经网络优化模型(GA-RBF-LMS),以提高神经网络的运行效率和识别精度。为了获得更精确的网络模型,在训练过程中,苹果果实连同树枝、树叶一块训练;得到的模型在识别过程中,可一定程度上避免枝叶遮挡对果实识别的影响。为了更好地验证新方法,分别与传统的BP(back propagation)和RBF神经网络、GA-RBF优化模型比较,结果表明,该文算法对于遮挡、重叠果实的识别率达95.38%、96.17%,总体识别率达96.95%;从训练时间看,该文算法虽耗时较长,用150个样本进行训练平均耗时4.412 s,但训练成功率可达100%,且节省了人工尝试构造网络结构造成的时间浪费;从识别时间看,该文算法识别179个苹果的时间为1.75 s。可见GA-RBF-LMS网络模型在运行效率和识别精度较优。研究结果为苹果采摘机器人快速、精准识别果实提供参考。
- 贾伟宽赵德安刘晓洋唐书萍阮承治姬伟
- 关键词：特征提取
- 基于卡尔曼滤波离散滑模控制的明轮船直线跟踪被引量：10
- 2019年
- 针对明轮船作业过程中风、浪等引起的低频扰动,为了节约能源、降低由扰动引起控制系统的主动动作频次、延长明轮船续航时间,实现明轮船的高精度导航控制,降低风浪干扰的影响,提出基于卡尔曼滤波的离散滑模控制方式。通过建立水动力模型和偏航角动态响应模型,计算离散滑模控制的增益系数。经过仿真验证与实船试验,并与PD控制方式的效果进行对比,最大超调量比PD控制方式减小25%,调整时间减少50%,航迹偏差低于10cm。基于卡尔曼滤波的离散滑模控制方法实现了高精度的明轮船直线航迹跟踪,且明轮船的航行过程更加平稳。
- 洪剑青赵德安孙月平张军刘波刘晓洋
- 关键词：水产养殖明轮船卡尔曼滤波离散滑模控制
- 基于深度相机的苹果采摘机器人路径规划研究被引量：5
- 2019年
- 为了优化苹果采摘机器人采摘路径,在获得苹果树场景三维位置信息的基础上,提出一种具有多种地形损耗的A*算法。结合ToF(Time-of-Flight)深度相机和Hu不变矩获取苹果和不同障碍物的三维位置信息,建立存在果实和多种障碍物的二维地图。在二维地图上,利用具有不同地形损耗函数的A*算法进行仿真实验。改进后的A*算法将障碍物分为可通过的障碍物(树叶)和不可通过的障碍物(树枝),且障碍物存在位置处的自带移动耗费向周围以线性递减,避免了基本的A*算法中只具有单种障碍物问题,从而增加了不同种类障碍物对路径选择的影响程度,优化了路径质量。对比实验表明:改进后的算法提高了对于复杂地图的处理能力,产生的路径长度更短,转折次数更少。
- 王亮赵德安刘晓洋
- 关键词：TOFHU不变矩A*算法路径规划
