📄Работа №93027

Тема: ПОДСИСТЕМА РАСПОЗНАВАНИЯ ОБРАЗОВ ДЛЯ СИСТЕМ ПАРАЛЛЕЛЬНОГО ВОЖДЕНИЯ

Характеристики работы

▣
Тип работы Магистерская диссертация
Программирование
Предмет Программирование
📄
Объем: 77 листов
📅
Год: 2020
👁️
Просмотров: 80
5680 руб.
🛒 Купить работу
Не подходит эта работа?
Закажите новую по вашим требованиям
Узнать цену на написание
ℹ️ Настоящий учебно-методический информационный материал размещён в ознакомительных и исследовательских целях и представляет собой пример учебного исследования. Не является готовым научным трудом и требует самостоятельной переработки.
📋 Содержание 📖 Введение ✅ Заключение 📕 Литература 🔍 Похожие 🛒 Купить

📋 Содержание

ВВЕДЕНИЕ 5
ГЛАВА 1. АНАЛИЗ СУЩЕСТВУЮЩИХ РЕШЕНИЙ 6
1.1 Анализ применяемых технологий в системах точного земледелия 6
1.1.1. GPS 6
1.1.2. GIS 7
1.1.3. Дистанционное зондирование 8
1.1.4. Variable Rate Technology (VRT) 9
1.1.5. Мониторы урожайности 9
1.2. Анализ основных решений для точного земледелия 9
ГЛАВА 2. КОМПЬЮТЕРНОЕ ЗРЕНИЕ ДЛЯ СИСТЕМ ТОЧНОГО
ЗЕМЛЕДЕЛИЯ 12
2.1. Выбор спектральной полосы 13
2.1.1. Видимый спектр света 12
2.1.2. Коррекция спектра: эффект виньетирования и баланс
белого 17
2.1.3 Инфракрасный спектр 21
2.2 Камера для получения изображения и выбор оптической
системы 23
2.2.1 Камера для получения изображения 23
2.2.2 Оптическая система 24
2.2.3 Выбор фокусного расстояния 26
ГЛАВА 3. ПОДСИСТЕМА РАСПОЗНОВАНИЯ ОБРАЗОВ ДЛЯ СИСТЕМ
ПАРАЛЛЕЛЬНОГО ВОЖДЕНИЯ 27
3.1 Аппаратное и программное обеспечение 27
3.2 Алгоритм работы программы для обнаружения полосы движения и
транспортных средств вокруг 29
3.3 Алгоритм работы программы для обнаружения рядов посевов для
сельскохозяйственной техники 43
ЗАКЛЮЧЕНИЕ 50
СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ 51
Приложение

📖 Введение

Включение систем машинного зрения в сельскохозяйственную технику набирает всё большую популярность, машинное зрение становится более доступным и находится в стадии роста, особенно на борту сельскохозяйственной техники, независимо от того автономная техника или ещё с механизатором. Системы распознавания образов для сельскохозяйственной техники могут выполнять огромное количество задач, для помощи в сельском хозяйстве. Они выполняют такие задачи как: обнаружение рядов посевов культур, различение сельскохозяйственных культур от сорняков, почвы, камней и мусора, могут помогать водителю более точно соблюдать траекторию вождения, проводить мониторинг зрелости плодов.
Совместно с прогрессом, подсистемы машинного зрения или распознавания образов становятся обязательными в транспортных средствах. Такие модули очень полезны для помощи водителям в неавтономных транспортных средствах как в сельском хозяйстве, так и в обычной жизни. Нужно учитывать тот факт, что системы машинного зрения для сельскохозяйственной техники работают не в самых благоприятных условиях для работы с изображением и иногда могут ошибаться.
Идентификация культур и сорняков, обнаружения рядов посевов на данный момент являются основными задачами в точном земледелии. В настоящее время новые технические достижения позволяют использовать системы компьютерного зрения даже на беспилотных летательных аппаратах, которые также возможно использовать в сельском хозяйстве, и сейчас на это обращено большое внимание [1].

Возникли сложности?

Нужна качественная помощь преподавателя?

👨‍🎓 Помощь в написании
🎓 Дипломные 📘 Магистерские 📙 Диссертации 📗 Курсовые 📝 Статьи 📄 ВКР

✅ Заключение

В ходе выполнения выпускной квалификационной работы были исследованы методы компьютерного зрения для систем точного земледелия. Были рассмотрены основные характеристики для систем компьютерного зрения, такие как: выбор нужной спектральной полосы, эффекты виньетирования и баланс белого, рассмотрены нужные характеристики оптической системы.
Был предложен алгоритм распознавания полосы движения при идеальных условиях, таких как нанесённая дорожная разметка, хорошее освещение и малое количество машин. Данный алгоритм имеет свои недостатки, такие как: низкое быстродействие, сильная зависимость от погодных условий.
Также был предложен алгоритм обнаружения рядов посевов для сельскохозяйственной техники. Видеопоток, полученный с камеры в цветовом пространстве red green blue, преобразуется в серое изображение с помощью индекса ExG. После этого преобразования используется двойное пороговое преобразование, которое помогает избавиться на изображении от лишних пикселей. Далее, с помощью метода наименьших квадратов, строится прямая, связанная с линиями посевов.
Цели и задачи поставленные в начале работы достигнуты: подсистема распознавания образов для систем параллельного вождения разработана.

Нужна своя уникальная работа?
Срочная разработка под ваши требования
Рассчитать стоимость
ИЛИ
Поиск аналога

📕 Список литературы

1. Slaughter D.C. Autonomous robotic weed control systems: A review., Comput. Electron. Agric. / Slaughter, D.C.; Giles, D.K.; Downey, D. // 2008, P. 63 - 78.
2. Shalal N. A review of autonomous navigation systems in agricultural environments. In Proceedings of the SEAg 2013: Innovative Agricultural Technologies for a Sustainable Future, Barton, Australia, / Low, T.; McCarthy, C.; Hancock, N. // 22-25 September 2013, Available: http://eprints.usq.edu.au/24779/.
3. Mousazadeh, H. A technical review on navigation systems of agricultural autonomous off-road vehicles / Mousazadeh, H., J. Terramech. // 2013, P. 211-230.
4. Meyer G.E. Verification of color vegetation indices for automated crop imaging applications. / Meyer G.E., Camargo-Neto J. //, 2008 Comput. Electron., P. 293.
5. Zheng, L. Mean-shift-based color segmentation of images containing green vegetation./ Zheng, L., Zhang, J.; Wang, Q. // Comput. Electron. Agric. 2009, P. 93¬98.
6. Wikipedia. Autonomous cars. [Online]. Available:
https://en.wikipedia.org/wiki/ Autonomous car.
7. U. Z. A. Hamid “Current collision mitigation technologies for advanced driver assistance systems Tia survey,” / U. Z. A. Hamid, K. Pushkin, H. Zamzuri, D. Gueraiche, and M. A. A. Rahman // PERINTIS eJournal, vol. 6, no. 2, 2016.
8. O. Miller. Robotic cars and their new crime paradigms. [Online]. Available: https://www.linkedin.com/pulse/ 20140903073835-260074537-robotic-cars-and- their-new-crime-paradigms/
9. BBC News. (2014, Jul.) Uk to allow driverless cars on public roads in january. [Online]. Available: http://www.bbc.com/news/technology-28551069
10. P. T. Mandlik, “A review on lane detection and tracking techniques,” / P. T. Mandlik, // 2016.
11. K. H. Lim “Real-time implementation of vision-based lane detection and tracking,” / K. H. Lim, K. P. Seng, A. C. L. Ngo, and L.-M. Ang, // 2009 International Conference on Intelligent Human-Machine Systems and Cybernetics, vol. 2, pp. 364-367, 2009.
12. X. Du “Vision-based approach towards lane line detection and vehicle localization,” / X.Du K. K. Tan Machine // Vision and Applications, vol. 27, pp. 175-191, 2015.
13. Q.-B. Truong “New lane detection algorithm for autonomous vehicles using computer vision,” / Q.-B. Truong, B. R. Lee // 2008 International Conference on Control, Automation and Systems, pp. 1208-1213, 2008.
14. A. Assidiq “Real time lane detection for autonomous vehicles,” / A. Assidiq, O. O. Khalifa, R. Islam, S. Khan,// 2008 International Conference on Computer and Communication Engineering, pp. 82-88, 2008.
15. I. Sobel, “An isotropic 3* 3 image gradient operator,” Machine vision for threedimensional scenes, / I. Sobel // pp. 376-379, 1990.
16. Asif, M. A vision system for autonomous weed detection robot. / Asif, M., Amir, S., Israr, A., & Faraz, M. // 2009 Int. J. Comput. Electr. Eng., 2(3), pp. 486¬491.
17. Billingsley, J. The successful development of a vision guidance system for agriculture. / Billingsley, J., Schoenfisch, M // Computers and Electronics in Agriculture, 16, pp.147-163.
18. Montalvo, M. Automatic detection of crop rows in maize fields with high weeds pressure. / Montalvo, M.; Pajares, G.; Guerrero, J.M.; Romeo, J.; Guijarro, M.; Ribeiro, A.; Ruz, J.J.; de la Cruz, J.M.// Exp. Syst. Appl. 2012, 39, pp 583.
19. Burgos-Artizzu, Improving weed pressure a ssessmentusing digital images from an experience-based reason in gap roach. / Burgos-Artizzu, X.P.; Ribeiro, A.; Tellaeche, A.; Pajares, G.; Fernandez-Quintanilla, C. // Comput.Electron.Agric. 2009, 65, pp. 176-185.
20. Jones, G. Assessment of an inter-row weed infestation rate on simulated agronomic images. / Jones, G.; Gee, Ch.; Truchetet, F. // Comput. Electron. Agric. 2009, pp. 67.
21. Xue, J. Variable field-of-view machine vision based row guidance of an agricultural robot. / Zhang, L.; Grift, T.E. // Comput. Electron. Agric. 2012, 84, pp. 85-91.
22. Dworak, V. Precise navigation of small agricultural robots in sensitive areas with a smart plant camera. / Dworak, V.; Huebner, M.; Selbeck, J. // J. Imaging
2015, pp. 115-133.
23. Moshou, D. Intelligent multi-sensor system for the detection and treatment of fungal diseases in arable crops / Moshou, D.; Bravo, D.; Oberti, R.; West, J.S.; Ramon, H.; Vougioukas, S.; Bochtis, D. // 2018, pp. 354.
24. Point Grey Innovation and Imaging. Selecting a lens for Your Camera. Available online: https://www. ptgrey.com/KB/10694.
25. Vazquez-Arellano, M. 3-D imaging systems for agricultural applications-a review. / Vazquez-Arellano, M.; Griepentrog, H.W.; Reiser, D.; Paraforos, D.S. //
2016, pp. 618.
26. Linker, R. Determination of the number of green apples in RGB images recorded in orchard. / Linker, R.; Cohen, O.; Naor, A// Comput. Electron. Agric. 2012, 81, pp.45-57.
27. Blas, M.R. Stereo vision with texture learning for fault-tolerant automatic baling. / Blas, M.R.; Blanke, M. //Comput. Electron. Agric. 2011, pp. 168.
28. Rong, X. Recognition of clustered tomatoes based on binocular stereo vision. / Rong, X.; Huanyu, J.; Yibin, Y. //Comput. Electron. Agric. 2014, pp. 106.
29. Pajares, G. On combining support vector machines and simulated annealing in stereovision matching. / Pajares, G.; de la Cruz, J.M. //IEEE Trans. Syst. Man Cybern. Part B 2004, pp. 1657.
30. Guerrero, J.M. G. Automatic expert system based on images for accuracy crop row detection in maize fields. / Guerrero, J.M.; Guijarro, M.; Montalvo, M.; Romeo, J.; Emmi, L.; Ribeiro, A.; Pajares, // Exp. Syst. Appl. 2013, pp.664.

🛒 Оформить заказ

⚡ Работу высылаем в течении 5 минут после оплаты.
Предоставляемые услуги, в том числе данные, файлы и прочие материалы, подготовленные в результате оказания услуги, помогают разобраться в теме и собрать нужную информацию, но не заменяют готовое решение.
Укажите ник или номер. После оформления заказа откройте бота @workspayservice_bot для подтверждения. Это нужно для отправки вам уведомлений.

🔍 ПОХОЖИЕ РАБОТЫ ПО ТЕМЕ

Разработка интеллектуальной системы распознавания пешеходов для систем ADAS ▣Магистерская диссертация ∑Информационные системы 2018 г. 5770 руб. ИСПОЛЬЗОВАНИЕ РАСПОЗНАВАНИЯ ОБРАЗОВ ДЛЯ ОБРАБОТКИ И ВОССТАНОВЛЕНИЯ МУЗЫКАЛЬНЫХ СИГНАЛОВ ▣Диссертации (РГБ) ∑Радиотехника, радиоэлектроника 2003 г. 500 руб. ДВУХФАКТОРНАЯ ИДЕНТИФИКАЦИЯ ЛИЧНОСТИ С ИСПОЛЬЗОВАНИЕМ МЕТОДОВ РАСПОЗНАВАНИЯ ОБРАЗОВ ◩Бакалаврская работа ∑Информационная безопасность 2017 г. 4270 руб. ПРОГРАММНАЯ РЕАЛИЗАЦИЯ АЛГОРИТМА РАСПОЗНАВАНИЯ ОБРАЗОВ НА ИЗОБРАЖЕНИИ ▣Дипломные работы, ВКР ∑Информатика и вычислительная техника 2019 г. 4210 руб. Теоретические основы распознавания изображений (Теоретические основы информатики, Российский Экономический Университет им. Г.В. Плеханова) ≡Рефераты ∑Информатика и вычислительная техника 2022 г. 400 руб. МЕТОДИКА ОБУЧЕНИЯ УЧАЩИХСЯ СТАРШИХ КЛАССОВ РЕШЕНИЮ ЗАДАЧ ПО РАСПОЗНАВАНИЮ ОБРАЗОВ В КУРСЕ РОБОТОТЕХНИКИ ▣Дипломные работы, ВКР ✎Методика преподавания 2019 г. 4700 руб. ИССЛЕДОВАНИЕ МЕТОДОВ РЕШЕНИЯ ЗАДАЧИ РАСПОЗНАВАНИЯ ИЗОБРАЖЕНИЙ ◩Бакалаврская работа ∑Математика 2017 г. 5750 руб. ПРОГРАММНЫЙ МОДУЛЬ ДЛЯ АНАЛИЗА ИЗОБРАЖЕНИЙ ПРОЦЕССОВ СВ-СИНТЕЗА МАТЕРИАЛОВ И НАПЫЛЕНИЯ ПОКРЫТИЙ С ИСПОЛЬЗОВАНИЕМ TRACE-ПРЕОБРАЗОВАНИЯ ▣Дипломные работы, ВКР ∑Электротехника 2017 г. 4375 руб. ПОНИЖЕНИЕ РАЗМЕРНОСТИ НЕЙРОСЕТЕВЫХ МОДЕЛЕЙ В ЗАДАЧАХ РАСПОЗНАВАНИЯ ОБРАЗОВ И ПРОГНОЗИРОВАНИЯ ▣Магистерская диссертация ∑Информационные системы 2016 г. 4800 руб. ИНТЕЛЛЕКТУАЛЬНЫЙ МЕТОД РАСПОЗНАВАНИЯ ТЕКСТОВОЙ ИНФОРМАЦИИ НА УПАКОВКАХ ТОВАРОВ ▣Магистерская диссертация ∑Информационные системы 2018 г. 4825 руб.

📎 МАГИСТЕРСКАЯ ДИССЕРТАЦИЯ ПО ПРЕДМЕТУ «ПРОГРАММИРОВАНИЕ»

Найдено работ: 62

ПРОГРАММНО-АППАРАТНЫЙ ЛАБОРАТОРНЫЙ КОМПЛЕКС ДЛЯ ИЗУЧЕНИЯ ТЕХНОЛОГИИ ПЕРЕДАЧИ ДАННЫХ В ИНТЕРНЕТЕ ВЕЩЕЙ ▣Магистерская диссертация ∑Программирование 2019 г. 5830 руб. Проектирование беспроводной сети стандарта WiMAX ▣Магистерская диссертация ∑Программирование 2019 г. 5810 руб. Оптимизация и кодирование трафика в защищенных каналах передачи ▣Магистерская диссертация ∑Программирование 2019 г. 4900 руб. Разработка комплекса решений по повышению производительности центров обработки вызовов ▣Магистерская диссертация ∑Программирование 2019 г. 4900 руб. Помехозащищенность применяемых РЭС в условиях грозовой активности ▣Магистерская диссертация ∑Программирование 2019 г. 5780 руб. Разработка и исследование формирователя контрольных сигналов РЛС ▣Магистерская диссертация ∑Программирование 2019 г. 5950 руб. ПРОЕКТИРОВАНИЕ И РАЗРАБОТКА ПРОТОТИПА ТРЕНАЖЕРА ДЛЯ ГЕОЛОГА-НЕФТЯНИКА ▣Магистерская диссертация ∑Программирование 2025 г. 5690 руб. Реинжиниринг процесса разработки программной продуктовой линейки в компании ▣Магистерская диссертация ∑Программирование 2024 г. 5780 руб. Метод гибкой разработки программного обеспечения, учитывающий особенности комплексных проектов ▣Магистерская диссертация ∑Программирование 2024 г. 5900 руб. ИССЛЕДОВАНИЕ И МОДЕРНИЗАЦИЯ ПРОЦЕССА РАЗРАБОТКИ ВНУТРЕННИХ ПРОГРАММНЫХ ПРОДУКТОВ ОРГАНИЗАЦИИ ▣Магистерская диссертация ∑Программирование 2023 г. 5710 руб. ПРОБЛЕМЫ ВНЕДРЕНИЯ BUSINESS INTELLIGENCE-ИНСТРУМЕНТА RED ASH В ГОСУДАРСТВЕННУЮ ИНФОРМАЦИОННУЮ СИСТЕМУ АИС ГП ▣Магистерская диссертация ∑Программирование 2023 г. 5740 руб. Разработка и реализация логики работы и интеграции ФИО физических лиц в конфигурациях 1С ТГУ ▣Магистерская диссертация ∑Программирование 2024 г. 5740 руб. Разработка модели автодополнения кода для лингвистов-разработчиков ▣Магистерская диссертация ∑Программирование 2025 г. 5630 руб. Совершенствование бизнес-процессов в учебном учреждении ДПО «Институт региональной безопасности» ▣Магистерская диссертация ∑Программирование 2023 г. 5900 руб. Модель и алгоритм поддержки адаптивного управления электрообогревом технологического оборудования атомной электростанции ▣Магистерская диссертация ∑Программирование 2020 г. 4700 руб.
📋 Содержание 📖 Введение ✅ Заключение 📕 Литература 🔍 Похожие 🛒 Купить ⬆️

Оценка стоимости

Пожалуйста, выберите предмет работы.
Пожалуйста, выберите тип работы.
Пожалуйста, укажите объем работы.
Пожалуйста, укажите срок выполнения.

Это краткая форма заказа. После ее заполнения вы перейдете на полную форму заказа работы

Каталог работ (211139)

Поиск работ


©2026 Cервис помощи студентам в выполнении работ
.