笔记-基于偏好免疫网络的油茶果采摘机器人图像识别算法

主要宏观问题

这篇论文要解决什么问题？

提高油茶果机器视觉的识别率。

偏好人工免疫网络识别的油茶果多特征融合识别方法。

 

 

 

 

这篇论文用了什么方法？

基于人工免疫网络识别的油茶果进行多特征融合识别，提取待识别目标区域的颜色特征、形态特征、纹理特征进行聚类，并提取典型油茶果多特征作为偏好抗体，使多特征参数在偏好免疫算法中进行有效融合。

 

 

 

这篇论文可以达到的什么效果？

多特征融合的识别方法在晴天时可以对油茶果果实的识别率达到90.15%，阴天时可以达到93.90%，而时间复杂度基本不变，取得了较好的识别效果。

 

 

 

这篇论文的创新点是什么？

在12年之前，往常的目标识别主要是集中在单目标识别上面，而就算是有些人采用多特征融合识别的话，也是采用串联（也就是每一个特征识别器卡掉一部分信息，然后交给下一个分类器，越往后面走，剩下的信息越多）的多特征识别方法，或者是利用已知识别率来判断多目标识别率（这句的意思不懂），并不适合对实时性要求较高的油茶果采摘环境。

本文是将油茶果果实的形态学特征、颜色特征、纹理特征作为数据属性融合到偏好免疫网络中进行聚类，并提取典型油茶果果实作为偏好抗体进行识别。

 

 

 

这篇论文的难点是什么？

 

 

 

这篇论文存在的问题是什么？

 

 

 

 

 

技术细节

 

这篇论文需要进行的操作步骤是什么？

 

1.先选择对应的颜色空间，对原始油茶果图像进行一个分Otsu分割，得到一个二值化区域。

 

2.得到分割及形态学处理的二至区域后，将二值图像的区域与原图进行与运算，以得到每块区域中的图像颜色信息，分割区域的颜色用RGB和HSI颜色的平均值来表示。（为什么要用颜色均值这块儿没有读懂）

 

 

 

分割后目标区域图

 

分割后目标区域颜色信息图

 

 

3.

 

 

 

 

 

 

 

什么叫做偏好人工免疫网络？

 

 

 

 

数据集有多大？

 

 

 

 

 

数据集的预处理？

 

 

 

农林业常用的目标识别方法有哪些？

形态学特征法、颜色特征法、纹理特征法、光谱特征法等。

 

 

常用的目标识别方法的局限性是什么？

在光照较强、树枝叶片等障碍物遮挡严重、识别目标颜色不同的情况下不能取得较好的识别率。

 

 

 

使用的硬件设备

 

 

 

 

网络的训练