温室移动机器人视觉系统关键技术研究

　　视觉系统是温室移动机器人实现自主作业的关键部件。在富柔性植株、少纹理、强遮挡、高动态变化的非 结构化温室环境中，基于传统视觉技术的常规方法已不能接近满足机器人对目标检测、导航避障、空间定 位、任务推理、场景感知与理解等的实际需要。鉴于此，本研究应用深度学习理论及计算机视觉技术，结 合机器人作业常规任务和具体应用，开展面向机器人视觉系统的关键技术探索，重点在作物病害识别、植 株关键器官目标检测、温室场景结构感知、机器人视觉里程跟踪、温室环境弱监督语义解析等方面开展相 关研究工作，构建了相关方法及模型，并通过试验进行了验证。

　　周云成（1979—），男，博士，现为沈阳农业大学副教授，硕士研究生导师，中国人工智能学会会员，中国图学学会动漫图学专委会委员，主要从事计算机视觉、机器学习与模式识别、农业信息化技术等领域的研究和教学工作。

第1章 绪论
1.1 研究背景
1.2 相关研究进展
1.3 深度学习基本原理
1.4 主要研究内容
1.5 小结
第2章 作物病害分类识别
2.1 番茄叶部病害图像数据集
2.2 番茄叶部病害分类识别
2.3 显著性图生成方法
2.4 病害识别模型的训练及评估
2.5 病害识别效果分析
2.6 小结
第3章 植株关键器官实时目标检测
3.1 植株图像数据采集
3.2 目标检测模型
3.3 骨干网络分析及设计
3.4 检测模型构建与评估
3.5 关键器官目标检测效果分析
3.6 小结
第4章 自监督双目植株图像深度估计
4.1 双目视觉基本原理
4.2 自监督深度估计方法
4.3 模型网络结构设计
4.4 深度估计试验方法
4.5 深度估计效果与影响因素分析
4.6 小结
第5章 双目植株图像深度估计方法优化
5.1 视差及置信度预测
5.2 稠密卷积自编码器
5.3 深度真值获取及深度恢复性能评估
5.4 深度估计效果测试
5.5 空间相关性假设
5.6 小结
第6章 温室移动机器人自监督位姿跟踪
6.1 自监督位姿变换估计模型的提出
6.2 模型的网络结构设计
6.3 数据集构建及模型评估方法
6.4 模型的性能测试及分析
6.5 小结
第7章 基于无监督光流的视觉里程估计
7.1 基于双目视频的位姿估计基本原理
7.2 基于几何约束的无监督光流估计模型的提出
7.3 光流估计网络结构设计
7.4 轨迹真值获取与模型评估
7.5 视觉里程跟踪效果分析
7.6 小结
第8章 植株图像弱监督语义分割
8.1 弱监督图像分割模型
8.2 模型主干网络设计
8.3 数据集构建与模型实现
8.4 弱监督语义分割效果及分析
8.5 小结
参考文献