内容简介：

   数字图像处理是智能装备领域的核心技术之一，也是智慧农业的重要技术支撑。随着“新农科”建设的推进和智慧农业的不断发展，越来越多的农业院校开设了农业智能装备工程专业。本书对当前数字图像处理的农业应用研究进行总结归纳，以满足教学和研究需要。 本书首先介绍了数字图像处理的基本理论和农业图像智能检测的技术框架，然后详细介绍了研究案例用到的图像处理常用算法。在应用案例部分，以作者近三十年的图像处理农业应用研究为主线，结合当前国内外重要研究成果及专业图像处理算法软件，为读者呈现了一套专业、实用、可借鉴的数字图像处理农业应用技术解决方案。 

   本书可作为农业工程、智慧农业（数字农业）等领域的科研人员参考用书，也可供相关专业的研究生学习使用。

目  录：

第1章概论/1

1.1数字图像处理技术发展概述/1

1.2深度学习概要/6

1.2.1基本概念/6

1.2.2基本思想/7

1.2.3深度学习常用方法/7

1.3农业图像智能检测概论/24

1.3.1总论/24

1.3.2种子籽粒图像检测概要/25

1.3.3农作物提取与生长量三维图像监测概要/29

1.3.4农作物病害图像监测概要/31

1.3.5农副产品图像检测概要/32

1.3.6动物行为二维与三维检测概要/34

1.3.7农田导航线图像检测概要/38

参考文献/41

第2章图像处理常用方法/42

2.1图像颜色与变换/42

2.1.1彩色图像/42

2.1.2灰度图像/43

2.1.3颜色变换/43

2.1.4几何变换/44

2.2目标提取/46

2.2.1阈值分割/46

2.2.2自动二值化处理/47

2.2.3彩色图像与运动目标提取/50

2.3去噪声处理/50

2.3.1移动平均/50

2.3.2中值滤波/51

2.3.3二值图像去噪声/53

2.4边缘检测与提取/53

2.4.1图像边缘/53

2.4.2微分处理/54

2.5几何参数检测/58

2.5.1图像的几何参数/58

2.5.2区域标记/61

2.5.3几何参数检测与提取/62

农业图像智能检测目录2.6直线检测/64

2.6.1传统Hough变换的直线检测/64

2.6.2过已知点的Hough变换直线检测/66

2.7单目视觉检测/69

2.7.1参考坐标系/69

2.7.2摄像机模型分析/70

2.7.3摄像机标定/73

2.8双目视觉检测/73

2.8.1平行式立体视觉模型/74

2.8.2会聚式立体视觉模型/75

2.8.3直接线性变换标定法/77

2.8.4棋盘标定法/79

2.8.5三维重建/82

2.9小波变换/83

参考文献/88

第3章种子籽粒图像检测/89

3.1水稻种子分类与检测/89

3.1.1相关基础知识/89

3.1.2系统方案/91

3.1.3硬件设备、材料及样机/91

3.1.4图像采集与工位标定/93

3.1.5种子提取及几何参数的测量/94

3.1.6种子所处工位的判断/95

3.1.7种子特征信息数据库的建立/95

3.1.8种子精选/96

3.1.9精选结果分析/99

3.1.10小结/101

3.2排种器试验台籽粒检测/102

3.2.1系统硬件构成/102

3.2.2机械装置/103

3.2.3图像采集系统/104

3.2.4图像标定/104

3.2.5图像采集与拼接/105

3.2.6籽粒的二值化提取/106

3.2.7籽粒计数/107

3.2.8种子分布区间检测/107

3.2.9条播参数计算/109

3.2.10穴播与精播参数计算/109

3.3棉花种子精选/111

3.3.1系统方案及构成/112

3.3.2图像采集及工位设定/113

3.3.3种子提取与判断/113

3.3.4红色种子判断/115

3.3.5破损种子的判断/116

3.3.6小结/119

3.4玉米粒在穗计数/119

3.4.1设备及软件环境/119

3.4.2确定玉米果穗区域/120

3.4.3提取玉米果穗穗行/122

3.4.4测量穗行粒数/126

3.4.5穗行的连续提取/127

3.4.6穗行提取结束的判断及整穗粒数统计/130

3.4.7籽粒测量结果分析/131

3.5玉米种粒图像精选及定向定位装置/134

3.5.1项目目标/134

3.5.2种粒动态图像精选装置结构与工作原理/134

3.5.3吹除装置设计/137

3.5.4种粒合格性动态检测方法/139

3.5.5图像检测算法/142

3.5.6试验结果分析/148

3.6基于倾斜摄影的玉米种粒三维参数测量/155

3.6.1试验装置/155

3.6.2测量图像的预处理/156

3.6.3种粒尺寸的计算/160

3.6.4试验结果与分析/163

参考文献/165

第4章农作物提取与生长量三维图像监测/166

4.1插秧环境的水稻秧苗提取/166

4.1.1插秧环境图像采集/166

4.1.2亮度分割法提取秧苗/166

4.1.3微分处理法提取秧苗/168

4.1.4线亮度解析法提取秧苗/169

4.1.5线颜色解析法提取秧苗/170

4.2旱田绿色农作物检测/173

4.2.1试验设备及图像采集/173

4.2.2绿色农作物的颜色特征/173

4.2.3绿色农作物的提取/176

4.3大田农作物生长量三维图像监测/181

4.3.1系统硬件构成/181

4.3.2覆盖面积测量/182

4.3.3株高测量/186

4.3.4玉米植株的三维建模/188

4.3.5系统软件界面/192

4.4基于改进分水岭算法的名优茶嫩叶识别分割方法/193

4.4.1材料与方法/194

4.4.2结果与讨论/201

参考文献/202

第5章农作物病害图像监测/204

5.1图像纹理分析基础知识/204

5.1.1灰度直方图纹理特征/204

5.1.2共生矩阵纹理特征/205

5.1.3差分统计量纹理特征/208

5.1.4拉格朗日矩阵纹理特征/209

5.1.5功率谱纹理特征/210

5.2小麦叶片病害监测/210

5.2.1病害图像采集与数据库构建/210

5.2.2病害图像纹理特征增强/212

5.2.3病害部位分割/213

5.2.4病害特征数据计算/215

5.2.5病害诊断/216

5.3基于图文协同表示学习的小样本蔬菜病害识别模型/217

5.3.1数据采集/217

5.3.2数据预处理/219

5.3.3双模态疾病识别模型的构建/220

5.3.4试验结果/221

5.3.5小结/224

参考文献/224

第6章农副产品图像检测/225

6.1果园图像去雾处理/225

6.1.1试验设备及材料/225

6.1.2图像去雾原理/225

6.1.3算法调参和改进/227

6.1.4去雾算法效果对比试验/229

6.2果树上红色水果的提取与检测/232

6.2.1试验设备与材料/232

6.2.2桃子提取/233

6.2.3匹配膨胀处理/234

6.2.4边界追踪处理/236

6.2.5可能圆心点群计算/236

6.2.6可能圆心点群分组/237

6.2.7圆心与半径计算/238

6.3茯苓自动去皮作业的表皮视觉定位/241

6.3.1茯苓自动去皮机/241

6.3.2茯苓的视频图像采集/242

6.3.3表皮位置检测/243

6.3.4试验结果与分析/244

6.4基于Mask RCNN的番茄植株整枝操作点检测方法/251

6.4.1番茄植株整枝原理/251

6.4.2基于Mask RCNN算法的番茄茎秆图像分割/252

6.4.3主茎和侧枝目标识别精度评估/256

6.5一种基于深度分类模型的茭白品质自动分级方法/258

6.5.1数据采集/259

6.5.2准备数据集/260

6.5.3深度分类模型搭建与训练/260

6.5.4对比试验/263

6.5.5深度分类模型泛化能力测试/264

6.5.6小结/266

参考文献/266

第7章动物行为二维与三维检测/268

7.1模板匹配基础知识/268

7.2蜜蜂舞蹈行为检测/268

7.2.1试验装置及视频图像采集/269

7.2.2蜜蜂运行轨迹跟踪/270

7.2.3蜜蜂舞蹈判断/275

7.2.4小结/280

7.3田间害鼠的图像捕获与形状特征检测/281

7.3.1试验装置及处理流程/281

7.3.2基于目标权重衰减的背景建模和目标提取/283

7.3.3害鼠身体部分和尾巴部分的特征提取/284

7.3.4试验结果与分析/290

7.3.5小结/294

7.4奶牛乳头的三维图像检测与定位/294

7.4.1试验硬件和软件设备配置/295

7.4.2双目相机三维标定/298

7.4.3奶牛乳头图像采集/303

7.4.4奶牛乳头提取/304

7.4.5模拟乳头目标的判断/305

7.4.6模拟奶牛乳头挤奶位置的判断/306

7.4.7目标点实时三维重建/308

7.4.8试验结果与分析/310

7.5基于边界脊线识别的群养猪粘连图像分割方法/312

7.5.1材料与方法/312

7.5.2粘连猪体分割/314

7.5.3小结/319

7.6基于深度学习的绵羊面部表情自动分类/319

7.6.1准备工作/320

7.6.2深度学习方法/322

7.6.3试验结果/324

7.6.4小结/325

7.7基于特征空间方法的猪脸识别/326

7.7.1研究方案/327

7.7.2数据样本/327

7.7.3特征脸/329

7.7.4识别试验/330

7.7.5小结/333

参考文献/334

第8章农田导航线图像检测/335

8.1水田插秧导航线检测/335

8.1.1研究图像采集/336

8.1.2目标苗列线检测/336

8.1.3目标田埂线检测/339

8.1.4田端田埂线检测/344

8.1.5侧面田埂线检测/351

8.1.6系统整合与试验/351

8.2水田管理导航线检测/355

8.2.1研究图像采集/356

8.2.2目标苗列间定位/357

8.2.3水平扫描线上方向候选点检测/358

8.2.4田端检测/358

8.2.5已知点的确定及方向线检测/360

8.2.6目标线检测结果与分析/361

8.3水田微型除草机器人导航线检测/365

8.3.1试验设备/366

8.3.2图像采集/366

8.3.3检测算法/368

8.3.4检测结果与分析/373

8.3.5小结/379

8.4小麦播种行走路线检测/379

8.4.1试验设备/379

8.4.2目标直线检测/379

8.4.3目标直线检测结果分析/383

 8.4.4田端检测/387

8.4.5试验验证/389

8.5玉米收割导航线检测/389

8.5.1硬件及图像采集/389

8.5.2玉米列边界线图像检测/389

8.5.3田端图像检测/393

8.5.4试验结果与分析/393

8.5.5小结/397

8.6麦田多列目标线图像检测/397

8.6.1目标点的检测/398

8.6.2目标点的归类/398

8.6.3已知点的确定/401

8.6.4多列目标中心线的检测 /401

8.6.5适应性分析/403

8.7红枣收获机导航线检测/403

8.7.1作业图像采集 /404

8.7.2枣园作业模式的自动判别/404

8.7.3灰枣枣园导航线检测/406

8.7.4骏枣枣园导航线检测/408

8.7.5小结/411

8.8其他农田作业的导航线及田端检测/413

8.9视觉导航样机试验及性能测试/415

8.9.1视觉导航系统的硬件/415

8.9.2视觉导航系统的软件/416

8.9.3导航试验及性能测试/416

参考文献/419

第9章通用图像处理系统ImageSys/421

9.1系统简介/421

9.2状态窗/422

9.3图像采集/423

9.4直方图处理/424

9.4.1直方图/424

9.4.2线剖面/424

9.4.33D剖面/425

9.4.4累计分布图/425

9.5颜色测量/427

9.6颜色变换/428

9.6.1颜色亮度变换/428

9.6.2HSI图像表示变换/429

9.6.3自由变换/429

9.6.4RGB变换/430

9.7几何变换/430

9.7.1单步变换/430

9.7.2复杂变换/431

9.7.3单目测量/432

9.8频率域变换/434

9.8.1小波变换/434

9.8.2傅里叶变换/435

9.9图像间变换/436

9.9.1图像间运算/436

9.9.2运动图像校正/436

9.10滤波增强/437

9.10.1单模板滤波增强/437

9.10.2多模板滤波增强/438

9.10.3Canny边缘检测/439

9.11图像分割/439

9.12二值运算/440

9.12.1基本运算/440

9.12.2特殊提取/441

9.13二值图像测量/442

9.13.1几何参数测量/442

9.13.2直线参数测量/447

9.13.3圆形分离/448

9.13.4轮廓测量/448

9.14帧编辑/449

9.15画图/450

9.16查看/450

9.17文件/451

9.17.1图像文件/451

9.17.2多媒体文件/453

9.17.3多媒体文件编辑/455

9.17.4添加水印/456

9.17.5屏幕捕捉/457

9.17.6图像/视频旋转/457

9.18系统设置/458

9.18.1系统帧设置/458

9.18.2系统语言设置/459

9.19系统开发平台Sample/459

参考文献/460

第10章二维运动图像测量分析系统MIAS/461

10.1系统概述/461

10.2文件/462

10.3运动图像及2D标定/463

10.4运动测量/468

10.4.1自动测量/468

10.4.2手动测量/471

10.4.3标识跟踪/472

10.5结果浏览/474

10.5.1结果视频表示/474

10.5.2位置/速率/478

10.5.3偏移量/480

10.5.42点间距离/480

10.5.52线间夹角/481

10.5.6连接线一览表/481

10.6结果修正/482

10.6.1手动修正/482

10.6.2平滑化/483

10.6.3内插补间/483

10.6.4坐标变换/483

10.6.5人体重心测量/484

10.6.6设置事项/484

10.7查看/484

10.8图像采集/485

10.9实时测量/485

10.9.1实时目标测量/485

10.9.2实时标识测量/485

10.10开发平台MSSample/486

参考文献/486

第11章三维运动图像测量分析系统MIAS3D/487

11.1MIAS3D系统简介/487

11.2文件/488

11.3测量设置/488

11.3.1打开2D跟踪文件/489

11.3.23D标定/489

11.3.3棋盘标定/490

11.4显示结果/491

11.4.1视频表示/491

11.4.2点位速率/493

11.4.3位移量/493

11.4.42点间距离/494

11.4.52线间夹角/495

11.4.6连接线一览图/495

11.5结果修正/496

11.6其他功能/497

11.7实时3D测量系统/497

参考文献/497

编辑推荐：

   强国必先强农，农强方能国强。《智能化农业装备技术研究丛书》由中国农业机械学会组织编写、中国工程院赵春江院士主编，内容主要围绕智能装备技术、关键核心部件技术、农业系统、基础共性技术等领域展开，旨在全面呈现我国农业科技和装备技术研究成果，为加速我国农业强国建设提供理论及技术支撑，以形成具有我国自主特色的智能化农业装备技术创新路线，促进农业现代化和乡村振兴全面推进。同时，丛书入选2024年度国家出版基金资助项目。

作者介绍：

   陈兵旗，中国农业大学教授，博士生导师。从事机器视觉和图像处理的教学研究工作。是世界上首批对水田作业机器人导航目标进行图像识别的研究者，提出了多个具有通用性的图像处理理论算法。拥有诸多国际领先的研究成果。