基于图像处理的棉花生长监测系统.doc
约50页DOC格式手机打开展开
基于图像处理的棉花生长监测系统,2.2万字我自己原创的毕业论文，仅在本站独家提交，大家放心使用摘要 随着计算机技术的迅猛发展，数字图像技术在农作物科学上得到了广泛的应用。在农作物群体特征的提取上，已有很多利用数字图像技术对空间分布相对均匀的农作物的群体图像进行研究，而对于在空间上分布不均匀的棉花群体图像特征研究较少。本研...
内容介绍
此文档由会员 淘宝大梦 发布
基于图像处理的棉花生长监测系统
2.2万字
我自己原创的毕业论文，仅在本站独家提交，大家放心使用
摘要 随着计算机技术的迅猛发展，数字图像技术在农作物科学上得到了广泛的应用。在农作物群体特征的提取上，已有很多利用数字图像技术对空间分布相对均匀的农作物的群体图像进行研究，而对于在空间上分布不均匀的棉花群体图像特征研究较少。本研究意图将计算机图像处理及识别技术运用于田间拍摄棉花群体图像的分析研究，并以机器自动提取群体特征参数代替传统手工提取群体特征参数。
论文在分析农作物长势监控研究现状和存在问题基础上，采用低成本BF3703摄像模组和低功耗EFM32GG380微控制器，构建低功耗嵌入式图像处理实验平台，实现棉花植株长势在线监测。论文从软硬件方面进行低功耗设计，包括硬件整体框架设计，芯片选型，图像采集和处理模块设计，软件低功耗控制流程，图像处理算法优化等。通过研究叶片侧枝角度提取算法和叶片叶绿素含量均值提取算法，计算出叶片侧枝倾斜角度和叶绿素含量，识别叶片生长状态；通过分析棉花植株整体特征和局部特征、棉花植株生长状态，实现棉花长势在线监测和棉花健康状况诊断。现场节点采集的数据通过无线传感网络传送到远程控制中心，达到对棉花长势远程监控的目的。
关键词：机器视觉 EFM32 图像处理 棉花长势 低功耗
Cotton Growth Monitoring System Based on Image Processing
Abstract With the rapid development of computer technology, digital image technology has been widely used in crop science.On the extraction of crop community characteristic, it has a lot of use of digital image technology in relatively uniform spatial distribution of crops, while for the uneven distribution of cotton on the space group image characteristics research rarely reported.Intention of this study is to apply computer image processing and recognition technology to analysis and research of the image taken cotton field group, and group characteristics is extracted by automatic machine parameters instead of traditional manual extraction group characteristics.
On the basis of present researches and existing problems of crop condition monitoring analysis, this paper propose a low-power embedded image process system using low-cost camera module BF3703 image sensor and low power consumption EFM32GG380 micro-controller to track the growth of local area of cotton plants. This embedded system was designed low power consumption from hardware and software aspects, including hardware overall frame design, chip selection, image acquisition and processing module design, the software control flow, low power consumption and optimization of image processing algorithms. The blade lateral branch angle extraction algorithm and the mean leaf chlorophyll content extraction algorithm were designed to calculate the blade lateral branch angle and content of green leaves, completing growth state identification of leaves. Through the analysis of cotton plant overall characteristics, local characteristics and period growth status, realized the cotton growth track and health diagnosis. Data collected by experimental platform can be transmitted to the remote control center by wireless sensor network, achieved the purpose of cotton growth remote monitoring.
Keywords: Machine vision EFM32 Image process Cotton growing Low power consumption
目 录
摘要 I
第一章 绪论 1
1.1 课题来源及意义 1
1.2 农作物在线监测系统的研究现状 1
1.2.1 在农作物特性获取和监测方面的研究 2
1.2.2 在农作物特征信息方面的研究 4
1.2.3 在农作物病虫草害方面的研究 5
1.3 课题主要工作及论文结构安排 6
第二章 系统设计及关键技术 7
2.1 系统总体方案及思路 7
2.2 系统工作原理 8
2.3 关键技术 9
2.3.1 硬软件低功耗 9
2.3.2 图像采集与处理 10
第三章 图像处理核心算法 11
3.1 图像预处理 11
3.1.1 去除噪声 11
3.1.2 灰度化 14
3.1.3 二值化 15
3.2 棉花图像特征提取 16
3.2.1 高度与叶面积 17
3.2.2 叶绿素 18
3.2.3 叶片侧枝角度计算 21
第四章 基于棉花长势在线监控的硬件 23
4.1 处理器模块 24
4.2 电源模块 26
4.3 图像采集模块 27
4.3.1 BF3703 27
4.3.2 图像缓存电路设计 29
4.4 无线传输模块 30
4.5 实时时钟芯片 32
4.6 USB接口电路 33
4.7 SD存储卡 34
第五章 基于棉花长势在线监控的软件 36
5.1 IAR开发平台 36
5.2 嵌入式软件体流程 37
5.2.1 总流程图 37
5.2.2 图像采集子流程图 38
5.2.3 图像处理子程序图 39
5.2.4 数据通信子程序图 40
第六章 总结与展望 42
6.1 研究工作总结 42
6.2 课题展望 43
致 谢 44
参考文献 45
2.2万字
我自己原创的毕业论文，仅在本站独家提交，大家放心使用
摘要 随着计算机技术的迅猛发展，数字图像技术在农作物科学上得到了广泛的应用。在农作物群体特征的提取上，已有很多利用数字图像技术对空间分布相对均匀的农作物的群体图像进行研究，而对于在空间上分布不均匀的棉花群体图像特征研究较少。本研究意图将计算机图像处理及识别技术运用于田间拍摄棉花群体图像的分析研究，并以机器自动提取群体特征参数代替传统手工提取群体特征参数。
论文在分析农作物长势监控研究现状和存在问题基础上，采用低成本BF3703摄像模组和低功耗EFM32GG380微控制器，构建低功耗嵌入式图像处理实验平台，实现棉花植株长势在线监测。论文从软硬件方面进行低功耗设计，包括硬件整体框架设计，芯片选型，图像采集和处理模块设计，软件低功耗控制流程，图像处理算法优化等。通过研究叶片侧枝角度提取算法和叶片叶绿素含量均值提取算法，计算出叶片侧枝倾斜角度和叶绿素含量，识别叶片生长状态；通过分析棉花植株整体特征和局部特征、棉花植株生长状态，实现棉花长势在线监测和棉花健康状况诊断。现场节点采集的数据通过无线传感网络传送到远程控制中心，达到对棉花长势远程监控的目的。
关键词：机器视觉 EFM32 图像处理 棉花长势 低功耗
Cotton Growth Monitoring System Based on Image Processing
Abstract With the rapid development of computer technology, digital image technology has been widely used in crop science.On the extraction of crop community characteristic, it has a lot of use of digital image technology in relatively uniform spatial distribution of crops, while for the uneven distribution of cotton on the space group image characteristics research rarely reported.Intention of this study is to apply computer image processing and recognition technology to analysis and research of the image taken cotton field group, and group characteristics is extracted by automatic machine parameters instead of traditional manual extraction group characteristics.
On the basis of present researches and existing problems of crop condition monitoring analysis, this paper propose a low-power embedded image process system using low-cost camera module BF3703 image sensor and low power consumption EFM32GG380 micro-controller to track the growth of local area of cotton plants. This embedded system was designed low power consumption from hardware and software aspects, including hardware overall frame design, chip selection, image acquisition and processing module design, the software control flow, low power consumption and optimization of image processing algorithms. The blade lateral branch angle extraction algorithm and the mean leaf chlorophyll content extraction algorithm were designed to calculate the blade lateral branch angle and content of green leaves, completing growth state identification of leaves. Through the analysis of cotton plant overall characteristics, local characteristics and period growth status, realized the cotton growth track and health diagnosis. Data collected by experimental platform can be transmitted to the remote control center by wireless sensor network, achieved the purpose of cotton growth remote monitoring.
Keywords: Machine vision EFM32 Image process Cotton growing Low power consumption
目 录
摘要 I
第一章 绪论 1
1.1 课题来源及意义 1
1.2 农作物在线监测系统的研究现状 1
1.2.1 在农作物特性获取和监测方面的研究 2
1.2.2 在农作物特征信息方面的研究 4
1.2.3 在农作物病虫草害方面的研究 5
1.3 课题主要工作及论文结构安排 6
第二章 系统设计及关键技术 7
2.1 系统总体方案及思路 7
2.2 系统工作原理 8
2.3 关键技术 9
2.3.1 硬软件低功耗 9
2.3.2 图像采集与处理 10
第三章 图像处理核心算法 11
3.1 图像预处理 11
3.1.1 去除噪声 11
3.1.2 灰度化 14
3.1.3 二值化 15
3.2 棉花图像特征提取 16
3.2.1 高度与叶面积 17
3.2.2 叶绿素 18
3.2.3 叶片侧枝角度计算 21
第四章 基于棉花长势在线监控的硬件 23
4.1 处理器模块 24
4.2 电源模块 26
4.3 图像采集模块 27
4.3.1 BF3703 27
4.3.2 图像缓存电路设计 29
4.4 无线传输模块 30
4.5 实时时钟芯片 32
4.6 USB接口电路 33
4.7 SD存储卡 34
第五章 基于棉花长势在线监控的软件 36
5.1 IAR开发平台 36
5.2 嵌入式软件体流程 37
5.2.1 总流程图 37
5.2.2 图像采集子流程图 38
5.2.3 图像处理子程序图 39
5.2.4 数据通信子程序图 40
第六章 总结与展望 42
6.1 研究工作总结 42
6.2 课题展望 43
致 谢 44
参考文献 45
