商品详情
书名：智慧农业中的图像处理与机器学习研究及应用
定价：108.0
ISBN：9787122439147
作者：刘忠超 著
版次：第1版
出版时间：2023-08
内容提要：
本书介绍了图像处理和机器视觉技术在农产品成熟度检测、畜产品的分级、重量预估、尺寸测量，以及奶牛监控图像增强、奶牛发情检测、奶牛运动目标检测、牛脸识别等方面的应用。通过本书的介绍，让读者系统地了解数字农业的发展体系，以及作者近年来最新的一些科研成果，也希望本书能够为我国农业的现代化、智能化、信息化发展贡献一点微不足道的力量。 本书可作为高等院校农业电气化及自动化、自动控制等相关专业的参考书，也可供农业科技人员、农业工程从业者、从事图像处理和机器视觉技术研究人员自学参考使用。
作者简介：
刘忠超，河南南阳人，博士，副教授，毕业于西北农林科技大学农业电气化与自动化专业，现为南阳理工学院自动化专业教师，主要研究方向为智能化检测与控制、图像处理与机器视觉等。近年来发表中文核心及以上论文30余篇，主持完成省级科技攻关项目1项，省级教学质量工程3项，校级及以上教改项目10项，主编自动化类专业教材8本，出版专著1部。
目录：
第1章 图像处理技术 001
1.1 数字图像处理与机器学习 001
1.1.1 图像 001
1.1.2 数字图像的分类 002
1.1.3 数字图像处理 003
1.1.4 数字图像处理的任务 003
1.1.5 数字图像处理的主要应用 006
1.1.6 数字图像处理的发展 008
1.1.7 机器视觉 008
1.1.8 深度学习 009
1.2 图像处理技术在农业中研究应用现状 011
1.3 图像处理技术在畜牧业中研究应用现状 014
第2章 基于深度神经网络草莓图像识别方法 019
2.1 引言 019
2.1.1 研究背景 019
2.1.2 国内外研究现状 020
2.1.3 系统研究内容 020
2.2 草莓数据集样本设计 021
2.2.1 数据集标注 022
2.2.2 数据增强 024
2.2.3 格式转换 024
2.3 目标检测框架及算法 026
2.3.1 TensorFlow目标检测 026
2.3.2 模型分析 027
2.4 模型搭建及训练 031
2.4.1 环境搭建及测试 031
2.4.2 运行模型 034
2.5 模型效果及分析 036
2.5.1 运行MobileNet-SSD模型进行草莓目标检测 037
2.5.2 检测结果分析 039
第3章 基于图像处理的鸡蛋分级系统设计 041
3.1 引言 041
3.1.1 研究背景及意义 041
3.1.2 机器视觉的意义和应用 042
3.1.3 国内外研究现状及发展趋势 043
3.1.4 系统研究内容 045
3.2 鸡蛋图像采集 046
3.2.1 机器视觉系统组成 046
3.2.2 鸡蛋图像采集背景和设备 046
3.3 鸡蛋参数提取与分级 049
3.3.1 鸡蛋图像预处理 049
3.3.2 鸡蛋的蛋形指数计算 053
3.3.3 鸡蛋最大横切面计算 056
3.4 鸡蛋分级的仿真实现 059
3.4.1 图形用户界面设计 059
3.4.2 回调函数编写 060
3.4.3 系统调试 061
第4章 基于机器视觉的苹果重量评估系统设计 063
4.1 引言 063
4.1.1 研究背景 064
4.1.2 国内外研究现状 064
4.1.3 基于机器视觉的苹果重量评估系统组成 065
4.1.4 苹果果实形态分析 066
4.2 机器视觉系统硬件选择 067
4.2.1 摄像头 067
4.2.2 LED光源 068
4.2.3 图像标定 069
4.3 图像预处理 070
4.3.1 图像灰度化 070
4.3.2 图像二值化 071
4.3.3 滤波 072
4.3.4 图像形态学处理 073
4.4 苹果外部特征检测 073
4.4.1 基于颜色的目标苹果提取 074
4.4.2 苹果特征参数提取 075
4.5 苹果重量预测研究 078
4.5.1 苹果体积参数预测 078
4.5.2 重量预测模型建立 081
第5章 基于机器视觉的苹果分级系统研究 084
5.1 引言 084
5.1.1 系统研究意义 084
5.1.2 水果分级技术发展趋势 085
5.1.3 基本工作原理 085
5.1.4 系统硬件简介 086
5.2 MATLAB的水果分级系统设计 089
5.2.1 GUI界面设计 089
5.2.2 M文件的函数编程设计 092
5.2.3 用户登录系统设计 096
5.3 S7-300 PLC的控制系统设计 097
5.3.1 S7-300 PLC控制系统硬件设计 097
5.3.2 系统软件设计 098
5.4 WinCC上位机监控系统设计 106
5.4.1 WinCC监控界面设计 106
5.4.2 WinCC控件与变量连接 111
5.4.3 WinCC与S7-300 PLC的通信实现 113
5.5 MATLAB与WinCC通信实现 114
5.5.1 WinCC的OPC服务器配置 114
5.5.2 MATLAB的OPC客户端变量配置 115
5.6 系统的调试与运行 117
5.6.1 MATLAB水果图像处理及其数据传输 117
5.6.2 水果分级操作 119
5.6.3 WinCC组态画面的实时监控 120
第6章 羊毛弯曲度测量图像处理系统设计 125
6.1 引言 125
6.1.1 研究背景和意义 125
6.1.2 国内外现状及发展趋势 126
6.1.3 研究要求及主要内容 127
6.2 羊毛图像采集及处理 127
6.2.1 羊毛图像采集 128
6.2.2 羊毛图像预处理 129
6.2.3 羊毛图像形态处理 133
6.2.4 图像边缘检测 134
6.3 弯曲度的测量实现 135
6.3.1 弯曲度定义 135
6.3.2 数据的检测 136
6.3.3 弯曲度计算 139
6.4 系统用户界面设计 139
6.4.1 用户界面搭建 140
6.4.2 用户界面的回调 142
6.5 系统测试结果及分析 142
6.5.1 功能测试 142
6.5.2 结果分析 144
第7章 羊毛长度测量图像处理系统设计 146
7.1 引言 146
7.1.1 研究目的和意义 146
7.1.2 国内外研究现状与发展趋势 146
7.1.3 研究方案 147
7.2 样本图像的采集及预处理 148
7.2.1 样本图像的采集 148
7.2.2 图像降噪 150
7.2.3 图像分割处理 152
7.2.4 图像的二值化处理 154
7.3 样本图像长度的定义及算法 156
7.3.1 长度的定义 156
7.3.2 长度的算法及换算 156
7.4 图形用户界面设计 158
7.4.1 图形用户界面的搭建 158
7.4.2 程序回调 160
7.5 程序运行及结果分析 160
7.5.1 功能测试 160
7.5.2 长度测量结果分析 162
第8章 双域分解的复杂环境下奶牛监测图像增强算法研究 165
8.1 引言 165
8.2 图像增强概述 167
8.3 奶牛监测图像分析 168
8.4 双域分解的图像增强算法 169
8.4.1 双域滤波模型 170
8.4.2 高频降噪与增强模型 171
8.4.3 低频图像去雾与增强模型 174
8.4.4 算法实现过程 175
8.5 试验结果与分析 177
8.5.1 试验测试平台及参数选取 177
8.5.2 试验数据分类 177
8.5.3 主客观评价与分析 177
8.5.4 综合测试与分析 194
第9章 基于深度学习的奶牛发情行为识别研究 202
9.1 引言 202
9.2 供试数据 204
9.2.1 视频样本获取 204
9.2.2 视频处理系统设计 206
9.2.3 样本数据集构建 207
9.3 深度学习网络模型 208
9.3.1 卷积神经网络概述 208
9.3.2 卷积神经网络结构 209
9.3.3 卷积神经网络优点 211
9.4 奶牛发情识别CNN模型构建 212
9.5 奶牛发情行为识别结果及分析 214
9.5.1 试验测试平台 214
9.5.2 网络模型试验设计 215
9.5.3 特征图分析 216
9.5.4 识别结果分析 217
第10章 基于机器视觉的奶牛运动目标检测系统设计 220
10.1 引言 220
10.1.1 研究背景及意义 220
10.1.2 国内外研究现状 222
10.2 奶牛数据集制备 223
10.2.1 奶牛数据获取 223
10.2.2 YOLO v5训练数据集制作 224
10.2.3 目标跟踪数据集制作 226
10.2.4 视频标注 227
10.3 目标检测算法设计 229
10.3.1 YOLO v5算法 229
10.3.2 YOLO v5的改进算法设计 233
10.3.3 DeepSORT算法介绍 237
10.3.4 YOLO v5和DeepSORT结合 238
10.4 目标检测实验结果与分析 239
10.4.1 YOLO v5目标检测改进评估 239
10.4.2 目标跟踪效果评估 245
第11章 基于机器视觉的牛脸识别系统设计 252
11.1 引言 252
11.1.1 研究意义 252
11.1.2 国内外研究现状及发展趋势 253
11.2 牛脸识别相关技术 255
11.2.1 牛脸图像预处理技术 255
11.2.2 CNN神经网络 255
11.3 数据集制作 257
11.3.1 视频获取 257
11.3.2 图片文件获取 257
11.3.3 标注文件制作 262
11.4 TensorFlow环境配置 267
11.5 YOLO v4牛脸检测模型构建 269
11.5.1 运动目标检测 269
11.5.2 YOLO v4框架结构 271
11.5.3 模型评价指标 274
11.5.4 LOSS损失函数 277
11.5.5 训练模型参数 279
11.5.6 识别结果 281
参考文献 284
定价：108.0
ISBN：9787122439147
作者：刘忠超 著
版次：第1版
出版时间：2023-08
内容提要：
本书介绍了图像处理和机器视觉技术在农产品成熟度检测、畜产品的分级、重量预估、尺寸测量，以及奶牛监控图像增强、奶牛发情检测、奶牛运动目标检测、牛脸识别等方面的应用。通过本书的介绍，让读者系统地了解数字农业的发展体系，以及作者近年来最新的一些科研成果，也希望本书能够为我国农业的现代化、智能化、信息化发展贡献一点微不足道的力量。 本书可作为高等院校农业电气化及自动化、自动控制等相关专业的参考书，也可供农业科技人员、农业工程从业者、从事图像处理和机器视觉技术研究人员自学参考使用。
作者简介：
刘忠超，河南南阳人，博士，副教授，毕业于西北农林科技大学农业电气化与自动化专业，现为南阳理工学院自动化专业教师，主要研究方向为智能化检测与控制、图像处理与机器视觉等。近年来发表中文核心及以上论文30余篇，主持完成省级科技攻关项目1项，省级教学质量工程3项，校级及以上教改项目10项，主编自动化类专业教材8本，出版专著1部。
目录：
第1章 图像处理技术 001
1.1 数字图像处理与机器学习 001
1.1.1 图像 001
1.1.2 数字图像的分类 002
1.1.3 数字图像处理 003
1.1.4 数字图像处理的任务 003
1.1.5 数字图像处理的主要应用 006
1.1.6 数字图像处理的发展 008
1.1.7 机器视觉 008
1.1.8 深度学习 009
1.2 图像处理技术在农业中研究应用现状 011
1.3 图像处理技术在畜牧业中研究应用现状 014
第2章 基于深度神经网络草莓图像识别方法 019
2.1 引言 019
2.1.1 研究背景 019
2.1.2 国内外研究现状 020
2.1.3 系统研究内容 020
2.2 草莓数据集样本设计 021
2.2.1 数据集标注 022
2.2.2 数据增强 024
2.2.3 格式转换 024
2.3 目标检测框架及算法 026
2.3.1 TensorFlow目标检测 026
2.3.2 模型分析 027
2.4 模型搭建及训练 031
2.4.1 环境搭建及测试 031
2.4.2 运行模型 034
2.5 模型效果及分析 036
2.5.1 运行MobileNet-SSD模型进行草莓目标检测 037
2.5.2 检测结果分析 039
第3章 基于图像处理的鸡蛋分级系统设计 041
3.1 引言 041
3.1.1 研究背景及意义 041
3.1.2 机器视觉的意义和应用 042
3.1.3 国内外研究现状及发展趋势 043
3.1.4 系统研究内容 045
3.2 鸡蛋图像采集 046
3.2.1 机器视觉系统组成 046
3.2.2 鸡蛋图像采集背景和设备 046
3.3 鸡蛋参数提取与分级 049
3.3.1 鸡蛋图像预处理 049
3.3.2 鸡蛋的蛋形指数计算 053
3.3.3 鸡蛋最大横切面计算 056
3.4 鸡蛋分级的仿真实现 059
3.4.1 图形用户界面设计 059
3.4.2 回调函数编写 060
3.4.3 系统调试 061
第4章 基于机器视觉的苹果重量评估系统设计 063
4.1 引言 063
4.1.1 研究背景 064
4.1.2 国内外研究现状 064
4.1.3 基于机器视觉的苹果重量评估系统组成 065
4.1.4 苹果果实形态分析 066
4.2 机器视觉系统硬件选择 067
4.2.1 摄像头 067
4.2.2 LED光源 068
4.2.3 图像标定 069
4.3 图像预处理 070
4.3.1 图像灰度化 070
4.3.2 图像二值化 071
4.3.3 滤波 072
4.3.4 图像形态学处理 073
4.4 苹果外部特征检测 073
4.4.1 基于颜色的目标苹果提取 074
4.4.2 苹果特征参数提取 075
4.5 苹果重量预测研究 078
4.5.1 苹果体积参数预测 078
4.5.2 重量预测模型建立 081
第5章 基于机器视觉的苹果分级系统研究 084
5.1 引言 084
5.1.1 系统研究意义 084
5.1.2 水果分级技术发展趋势 085
5.1.3 基本工作原理 085
5.1.4 系统硬件简介 086
5.2 MATLAB的水果分级系统设计 089
5.2.1 GUI界面设计 089
5.2.2 M文件的函数编程设计 092
5.2.3 用户登录系统设计 096
5.3 S7-300 PLC的控制系统设计 097
5.3.1 S7-300 PLC控制系统硬件设计 097
5.3.2 系统软件设计 098
5.4 WinCC上位机监控系统设计 106
5.4.1 WinCC监控界面设计 106
5.4.2 WinCC控件与变量连接 111
5.4.3 WinCC与S7-300 PLC的通信实现 113
5.5 MATLAB与WinCC通信实现 114
5.5.1 WinCC的OPC服务器配置 114
5.5.2 MATLAB的OPC客户端变量配置 115
5.6 系统的调试与运行 117
5.6.1 MATLAB水果图像处理及其数据传输 117
5.6.2 水果分级操作 119
5.6.3 WinCC组态画面的实时监控 120
第6章 羊毛弯曲度测量图像处理系统设计 125
6.1 引言 125
6.1.1 研究背景和意义 125
6.1.2 国内外现状及发展趋势 126
6.1.3 研究要求及主要内容 127
6.2 羊毛图像采集及处理 127
6.2.1 羊毛图像采集 128
6.2.2 羊毛图像预处理 129
6.2.3 羊毛图像形态处理 133
6.2.4 图像边缘检测 134
6.3 弯曲度的测量实现 135
6.3.1 弯曲度定义 135
6.3.2 数据的检测 136
6.3.3 弯曲度计算 139
6.4 系统用户界面设计 139
6.4.1 用户界面搭建 140
6.4.2 用户界面的回调 142
6.5 系统测试结果及分析 142
6.5.1 功能测试 142
6.5.2 结果分析 144
第7章 羊毛长度测量图像处理系统设计 146
7.1 引言 146
7.1.1 研究目的和意义 146
7.1.2 国内外研究现状与发展趋势 146
7.1.3 研究方案 147
7.2 样本图像的采集及预处理 148
7.2.1 样本图像的采集 148
7.2.2 图像降噪 150
7.2.3 图像分割处理 152
7.2.4 图像的二值化处理 154
7.3 样本图像长度的定义及算法 156
7.3.1 长度的定义 156
7.3.2 长度的算法及换算 156
7.4 图形用户界面设计 158
7.4.1 图形用户界面的搭建 158
7.4.2 程序回调 160
7.5 程序运行及结果分析 160
7.5.1 功能测试 160
7.5.2 长度测量结果分析 162
第8章 双域分解的复杂环境下奶牛监测图像增强算法研究 165
8.1 引言 165
8.2 图像增强概述 167
8.3 奶牛监测图像分析 168
8.4 双域分解的图像增强算法 169
8.4.1 双域滤波模型 170
8.4.2 高频降噪与增强模型 171
8.4.3 低频图像去雾与增强模型 174
8.4.4 算法实现过程 175
8.5 试验结果与分析 177
8.5.1 试验测试平台及参数选取 177
8.5.2 试验数据分类 177
8.5.3 主客观评价与分析 177
8.5.4 综合测试与分析 194
第9章 基于深度学习的奶牛发情行为识别研究 202
9.1 引言 202
9.2 供试数据 204
9.2.1 视频样本获取 204
9.2.2 视频处理系统设计 206
9.2.3 样本数据集构建 207
9.3 深度学习网络模型 208
9.3.1 卷积神经网络概述 208
9.3.2 卷积神经网络结构 209
9.3.3 卷积神经网络优点 211
9.4 奶牛发情识别CNN模型构建 212
9.5 奶牛发情行为识别结果及分析 214
9.5.1 试验测试平台 214
9.5.2 网络模型试验设计 215
9.5.3 特征图分析 216
9.5.4 识别结果分析 217
第10章 基于机器视觉的奶牛运动目标检测系统设计 220
10.1 引言 220
10.1.1 研究背景及意义 220
10.1.2 国内外研究现状 222
10.2 奶牛数据集制备 223
10.2.1 奶牛数据获取 223
10.2.2 YOLO v5训练数据集制作 224
10.2.3 目标跟踪数据集制作 226
10.2.4 视频标注 227
10.3 目标检测算法设计 229
10.3.1 YOLO v5算法 229
10.3.2 YOLO v5的改进算法设计 233
10.3.3 DeepSORT算法介绍 237
10.3.4 YOLO v5和DeepSORT结合 238
10.4 目标检测实验结果与分析 239
10.4.1 YOLO v5目标检测改进评估 239
10.4.2 目标跟踪效果评估 245
第11章 基于机器视觉的牛脸识别系统设计 252
11.1 引言 252
11.1.1 研究意义 252
11.1.2 国内外研究现状及发展趋势 253
11.2 牛脸识别相关技术 255
11.2.1 牛脸图像预处理技术 255
11.2.2 CNN神经网络 255
11.3 数据集制作 257
11.3.1 视频获取 257
11.3.2 图片文件获取 257
11.3.3 标注文件制作 262
11.4 TensorFlow环境配置 267
11.5 YOLO v4牛脸检测模型构建 269
11.5.1 运动目标检测 269
11.5.2 YOLO v4框架结构 271
11.5.3 模型评价指标 274
11.5.4 LOSS损失函数 277
11.5.5 训练模型参数 279
11.5.6 识别结果 281
参考文献 284
- 化学工业出版社官方旗舰店 （微信公众号认证）
- 扫描二维码，访问我们的微信店铺
- 随时随地的购物、客服咨询、查询订单和物流...
