• 《中国科学引文数据库(CSCD)》来源期刊
  • 中国科技期刊引证报告(核心版)期刊
  • 《中文核心期刊要目总览》核心期刊
  • RCCSE中国核心学术期刊

基于小波变换与Otsu阈值去噪的脐橙识别方法

余长庚, 刘凯

余长庚, 刘凯. 基于小波变换与Otsu阈值去噪的脐橙识别方法[J]. 华南农业大学学报, 2020, 41(5): 109-114. DOI: 10.7671/j.issn.1001-411X.201912038
引用本文: 余长庚, 刘凯. 基于小波变换与Otsu阈值去噪的脐橙识别方法[J]. 华南农业大学学报, 2020, 41(5): 109-114. DOI: 10.7671/j.issn.1001-411X.201912038
YU Changgeng, LIU Kai. Navel orange recognition based on wavelet transform and Otsu threshold denoising[J]. Journal of South China Agricultural University, 2020, 41(5): 109-114. DOI: 10.7671/j.issn.1001-411X.201912038
Citation: YU Changgeng, LIU Kai. Navel orange recognition based on wavelet transform and Otsu threshold denoising[J]. Journal of South China Agricultural University, 2020, 41(5): 109-114. DOI: 10.7671/j.issn.1001-411X.201912038

基于小波变换与Otsu阈值去噪的脐橙识别方法

基金项目: 国家自然科学基金(6154055,61863011);广西无线宽带通信与信号处理重点实验室开发基金项目(20171016);贺州学院校级重点培育项目(2019ZDPY02);贺州学院自然科学类资助项目(2019ZZZK01);贺州市科学研究与技术开发计划(1707041)
详细信息
    作者简介:

    余长庚(1974—),男,副研究员,博士,E-mail: yuchanggen66@163.com

  • 中图分类号: S24

Navel orange recognition based on wavelet transform and Otsu threshold denoising

  • 摘要:
    目的 

    解决在农业环境中识别脐橙的目标区域存在的噪声干扰、检测效果不理想等问题。

    方法 

    提出一种基于小波变换与Otsu阈值去噪的脐橙识别方法。首先选择较好的对比度,建立有利于图像分割的YCbCr颜色模型;然后设计一种基于Otsu阈值去噪的脐橙检测算法,进而减少脐橙分割区域的噪声干扰;最后提出质心补圆法确定脐橙在图像中的位置,并在原始图像中显示检测结果。

    结果 

    泛青色和橙色脐橙识别率分别为87.10%和94.18%,顺光和逆光情况下脐橙识别率分别为92.96%和90.15%,遮挡和未遮挡情况下脐橙识别率分别为90.82%和93.18%,总识别率为92.07%。

    结论 

    该方法环境适应性强,适用于农业环境下不同遮挡、光照和表皮颜色情况的脐橙图像识别处理。

    Abstract:
    Objective 

    To solve the existing problems of noise interference and ineffective detection in the target area during navel orange recognition in agricultural environment.

    Method 

    A navel orange recognition method based on wavelet transform and Otsu threshold denoising was proposed. Firstly, we chose a better contrast and established the YCbCr model with color space helpful for image segmentation. Then we designed a navel orange detection algorithm based on Otsu threshold denoising and reduced noise interference in the segmentation region of navel orange. Finally we proposed a circle filling method based on the center of mass to determine the position of navel orange in the image, and the detection result was displayed in the original image.

    Result 

    The recognition rates of cyan and orange navel oranges were 87.10% and 94.18%, respectively. The recognition rates of navel orange were 92.96% and 90.15% respectively under direct light and backlight, and 90.82% and 93.18% respectively under occluded and unoccluded situation. The total recognition rate was 92.07%.

    Conclusion 

    The method has strong environmental adaptability, and is suitable for the identification and processing of navel orange images under different occlusion, light and skin color conditions in agricultural environment.

  • 草地贪夜蛾Spodoptera frugiperda为鳞翅目夜蛾科灰翅夜蛾属,该虫源自北美,2019年1月入侵我国云南省,并迅速扩展到全国26个省份[1-3]。作为联合国粮农组织全球预警的跨国界迁飞性重大害虫,草地贪夜蛾具有寄主范围宽、适生区域广、增殖能力强、扩散速度快、突发危害重等特点[4-5]

    与其他鳞翅目昆虫一样,草地贪夜蛾主要在幼虫时期为害。目前草地贪夜蛾雌、雄幼虫为害行为性别差异的研究较少,因为缺乏幼虫性别鉴定的快速简便的手段。与许多鳞翅目昆虫一样,草地贪夜蛾在蛹和成虫时期不再取食,因此幼虫时期的取食量对其化蛹、羽化、产卵、迁飞等行为具有重要影响,不同性别的幼虫取食量存在差异。林玉英等[5]对椰子织蛾Opisina arenosella 1龄幼虫取食量的研究表明,雌虫取食量显著大于雄虫,结合幼虫取食量可作为其龄期的判断依据之一,从而为制定椰子织蛾防控措施奠定基础;同时,大量研究表明,昆虫幼虫在抵抗高温、抗核型多角体病毒等方面有性别差异[6-8],成虫在感光、触角结构等方面也存在显著的性别差异[9],昆虫在取食、感光、抗病等行为上的性别差异研究,可为农业害虫的精准防控提供理论支持。因此,性别鉴定可以作为研究昆虫雌、雄行为差异的一种便捷有效的工具,有助于制定更加精准高效的农业害虫防控治理策略。

    目前,草地贪夜蛾的性别主要是通过蛹期和成虫时期的外露生殖器及翅上的斑纹差异进行区分[10-11]。草地贪夜蛾入侵中国后,性信息素诱捕、高空灯诱捕在虫情预测预报中发挥了非常重要的作用。由于缺乏对幼虫形态学有效的判断标准,而田间捕捉的草地贪夜蛾成虫非常活跃,鳞羽容易掉落,给性别鉴定造成了困难,影响了测报结果的准确性。对于鳞羽掉落的草地贪夜蛾样本和未经过性别鉴定的DNA样本,也缺乏有效的性别鉴定手段。因此,根据雌、雄虫性信息素结合蛋白(Pheromone-binding protein, PBP)基因的序列差异,开发简便、准确的功能性分子标记,对鉴定幼虫期乃至成虫期的草地贪夜蛾的性别具有理论和实际应用意义。

    草地贪夜蛾为实验室饲养种群,饲养条件参考王世英等[12]方法,温度为(26.0±0.5) ℃;相对湿度为 65%±5%;光周期为16 h光∶8 h暗。

    通过在线网站( https://pfam.xfam.org)寻找并下载PBP隐马尔科夫模型,使用Bio-Linux软件进行生物信息学分析得到草地贪夜蛾PBP基因家族的氨基酸序列,通过在线网站( http://www.omicsclass.com/article/681)手动确认每个蛋白的结构域,总共筛选得到21个PBP,使用Bio-Linux软件进行生物信息学分析获得对应蛋白的CDS序列等相关信息,所得序列与NCBI上已发表的PBP基因序列进行比对,比对结果为本研究的PBP基因的CDS序列与已发表的4个PBP基因(SfruPBP1SfruPBP2、SfruPBP3、SfruPBP4)[13]的CDS序列不存在相似性(结果未显示)。对获得的各基因片段进行PCR测序,结果发现Sf-10911基因序列在雌、雄个体中存在较大差异。通过多个已知雌、雄样本检测后,确认该基因为性别差异基因,针对草地贪夜蛾雌、雄虫Sf-10911基因的差异区段设计了3对引物(表1),开发雌、雄性别鉴定的特异标记,引物设计见图1。利用设计合成的引物,对鉴别过已知性别的草地贪夜蛾虫蛹样本进行PCR扩增,筛选得到分子标记。

    表  1  引物序列表
    Table  1.  List of primer sequence
    引物名称1) Primer name 引物序列(5′→3′) Primer sequence
    Sf-F TAGCCGTGAGTTTGAATAGGGT
    Sf-female-R-1 CCTGCCAGTGCCTTATTAATTAA
    Sf-male-R-1 TTTTGGCAGTGCCTTATTGATTA
    Sf-female-R-2 CTCAGAGGTTTTTGATATGGTTT
    Sf-male-R-2 TGTATTCTTCTCAGTGCGAAGAC
    Sf-female-R-3 TTAACAACGCTCCATAATAACCT
    Sf-male-R-3 TAAGAACCAGTTCTTATAAACAC
     1) F、R分别表示正、反向引物
     1) F and R respectively represents forward and reverse primers
    下载: 导出CSV 
    | 显示表格
    图  1  草地贪夜蛾性别鉴定引物设计
    深蓝色表示相同的核苷酸序列,浅蓝色表示差异位点,黑点表示缺失位点;Sf-male-R:雄虫基因差异区段;Sf-female-R:雌虫基因差异区段;Sf-F:正向引物;Sf-R:反向引物
    Figure  1.  Primers design for sexual identification of Spodoptera frugiperda
    Dark blue represents the same nucleotide sequence, light blue represents the differencial sites and black dots represent the missing sites; SF-male-R: Differential gene segment of male; Sf-female-R: Differential gene segment of female; Sf-F: Forward primer; Sf-R: Reverse primer

    根据草地贪夜蛾蛹期雌、雄虫形态差异区分出雌、雄后(图2),利用微量样品基因组DNA 提取试剂盒进行DNA的提取。采用雌、雄特异性引物对提取的DNA样本进行PCR扩增。扩增产物用琼脂糖凝胶电泳检测,筛选分子标记。PCR 扩增的体系为:PrimerSTAR Max 6.25 μL,上游和下游引物(10 μmol/L)各0.5 μL,模板0.5 μL,加 ddH2O至15 μL。PCR 扩增的反应程序为:98 ℃ 预变性2 min;98 ℃变性 10 s,58 ℃退火 30 s,72 ℃延伸 30 s,35 个循环;72 ℃延伸5 min。

    图  2  草地贪夜蛾蛹期雌、雄虫腹部末端差异对比
    a:臀刺;b:肛门;c:第10腹节;d:第9腹节e:半圆形瘤状突起;f:第8腹节;g:产卵孔;h:生殖孔
    Figure  2.  Distinction between abdomen ends of male and female of Spodoptera frugiperda at pupal stage
    a: Buttocks stab; b: Anus; c: The 10th abdominal segment; d: The 9th abdominal segment; e: Semicircular tumor-like protrusion; f: The 8th abdominal segment; g: Spawning hole; h: Genital hole

    针对草地贪夜蛾雌、雄虫Sf-10911基因的性别差异区段设计了3对引物,开发性别鉴定的特异标记。利用设计合成的3对引物,对已知性别的草地贪夜蛾样本进行PCR扩增,筛选得到分子标记,该分子标记可以扩增出450 bp左右的条带。之后,利用筛选出的分子标记对经过形态鉴定的雌、雄虫样本再次进行PCR扩增。

    首先,利用3对标记引物扩增草地贪夜蛾的雌、雄虫DNA样本,所用样本为经过测序鉴定的雌、雄虫DNA样本;图3表明,引物Sf-female-R-1、Sf-male-R-3搭配Sf-F均不能扩增出特异条带;搭配引物Sf-F扩增时,其中雄性样本可以用雄性特异性引物Sf-male-R-2扩增得到特异条带,而雌性样本只有雌性特异性引物Sf-female-R-2可以扩增得到特异条带,与测序结果一致。因此,选择Sf-female-R-2和Sf-male-R-2作为草地贪夜蛾雌、雄虫特异性引物。

    图  3  3对引物对草地贪夜蛾雌、雄虫样本的扩增
    M:2000 DNA marker; m1: Sf-F/ Sf-male-R-1; m2: Sf-F/Sf-male-R-2; m3: Sf-F/Sf-male-R-3; f1: Sf-F/Sf-female-R-1; f2: Sf-F/Sf-female-R-2; f3: Sf-F/Sf-female-R-3
    Figure  3.  Amplification of different sexual samples of Spodoptera frugiperdaby three pairs of primers

    为进一步验证筛选出的标记引物的准确性,对经过形态鉴定的雌、雄虫蛹进行PCR检测(图4)。从图4可以看出,利用雌虫标记引物Sf-female-R-2扩增雌、雄虫DNA样本时,只有雌虫才能扩增出450 bp左右的特异性条带;用雄虫标记引物Sf-male-R-2扩增雌、雄虫DNA样本时,只有雄虫才能扩增出450 bp左右的特异性条带。检测结果与形态鉴定结果一致,说明筛选出的引物适用于草地贪夜蛾的性别鉴定。

    图  4  基于PCR扩增对草地贪夜蛾雌、雄虫蛹性别鉴定
    F1~F5:雌虫蛹DNA;M1~M5:雄虫蛹DNA;a、c:雌虫标记引物对 Sf-F/Sf-female-R-2;b、d:雄虫标记引物对Sf- F/Sf-male-R-2
    Figure  4.  Sex identification of male and female pupae of Spodoptera frugiperdabased on PCR amplification
    F1−F5: DNA of female pupae; M1−M5: DNA of male pupae; a and c: Pair of female marker primers of Sf-F/Sf-female-R-2; b and d: Pair of male marker primers of Sf-F/Sf-male-R-2

    农业害虫的性别鉴定对于害虫的有效防治和农业生产具有重要意义。不同性别的昆虫在虫体形态上往往存在差异,甜菜夜蛾Spodoptera exigua Hübner、桉袋蛾Acanthopsyche subferalbata Hampson以及凤凰木夜蛾Pericyma cruegri在其蛹及成虫时期的形态存在明显的性别差异[14-16],利用这种形态上的差异,研究人员可以快速简便地鉴定雌、雄虫,及时为田间种群动态的监测和预测预报提供数据。

    利用雌、雄虫形态差异鉴定性别的方法虽然简单快捷,但却无法对一些不存在性别形态差异或是生长发育早期无形态差异的昆虫进行鉴定。牛宝龙等[17]以棉铃虫Helicoverpa armigera雌、雄虫基因组DNA为模板,筛选了1条雌特异随机扩增多态性DNA(Random amplified polymorphic DNA,RAPD),根据该特异性分子标记的核苷酸序列设计雌性特异引物,并对棉铃虫基因组DNA进行PCR扩增,雌性棉铃虫可以扩增出目的条带,可将此标记用于棉铃虫幼虫乃至胚胎的性别鉴定;王慧超等[18]也早在2004年运用RADP技术对家蚕Bombyx mori Linnaeus上得到的雌特异性片段设计引物并进行了PCR验证。此外,张利娜[19]从外部形态学、血清生化指标建立了鳗鲡Anguilla japonica的性别判定函数,用SRAP分子标记获得F5R2雌性特异DNA序列,根据测序结果设计序列特定扩增区域(Sequence characterized amplified regions,SCAR)特异引物并进行性别鉴定;Masaru等[20]用日本青鳉Oryzias latipes的雄性Y特异性DM结构域基因开发引物鉴定了弓背青鳉Oryzias curvinotus的遗传性别;中国大鲵Andrias davidianus、双须骨舌鱼Osteoglossum bicirrhosum的性别鉴定也利用雌、雄虫基因差异序列开发分子标记引物并进行了有效的验证[21-22]

    PBP在草地贪夜蛾的信息素识别过程中发挥着重要作用,雄虫通过触角感受雌虫性腺释放的性信息素,寻找合适的交配对象。PBP的功能特征决定了其基因序列以及表达模式在雌、雄虫之间必然存在差异,具有明显的性二型性[23]。牛小慧[24]对甜菜夜蛾的不同PBP进行RT-PCR检测发现,PBP在雌、雄虫之间的表达量存在显著差异;刘苏等[13]通过对草地贪夜蛾4个PBP基因的克隆及表达模式分析发现,定位于成虫触角上的SfruPBP1和SfruPBP2蛋白在雄虫中具有更高的表达量。本研究发现草地贪夜蛾雌、雄虫中的PBP基因Sf-10911存在核苷酸序列差异,进而根据该差异设计了针对雌、雄虫扩增的引物对,通过琼脂糖凝胶电泳检测出450 bp左右的特异条带,作为其性别鉴定的分子标记,以期为研究草地贪夜蛾某些性状可能存在的性别差异提供快速有效的手段。

  • 图  1   原始图像的YCbCr模型分析图

    Figure  1.   Analysis of the YCbCr model of the original image

    图  2   小波变换结构示意图

    Figure  2.   Schematic diagram of wavelet transform structure

    图  3   不同情况下基于小波变换与Otsu阈值去噪的脐橙识别方法分析

    图中a表示顺光照射、表皮颜色为橙色且存在遮挡的情况;b表示顺光照射、表皮颜色为泛青色且存在遮挡的情况;c表示逆光照射、表皮颜色为橙色且未遮挡情况

    Figure  3.   Analysis of navel orange recognition method based on wavelet transform and Otsu threshold denoising under different conditions

    a: Direct light, peel is orange and occluded; b: Direct light, peel is cyan and occluded; c: Backlight, peel is orange and unoccluded

    表  1   脐橙识别率统计结果

    Table  1   Statistics of navel orange recognition rate %

    表皮颜色
    Peel color
    顺光 Direct light 逆光 Backlight 遮挡
    Occluded
    未遮挡
    Unoccluded
    总计
    Total
    遮挡
    Occluded
    未遮挡
    Unoccluded
    仅顺光照射
    Direct light only
    遮挡
    Occluded
    未遮挡
    Unoccluded
    仅逆光照射
    Backlight only
    泛青色 Cyan 82.93 90.38 87.10 83.33 89.47 87.10 83.02 90.14 87.10
    橙色 Orange 95.40 96.15 95.81 91.07 91.11 91.09 93.71 94.63 94.18
    总计 Total 91.41 94.23 92.96 89.71 90.63 90.15 90.82 93.18 92.07
    下载: 导出CSV
  • [1] 郭艾侠, 彭明明, 邢仲璟. 机器视觉技术在荔枝识别与定位研究中的应用[J]. 计算机工程与应用, 2017, 53(17): 218-223. doi: 10.3778/j.issn.1002-8331.1603-0155
    [2] 陈科尹, 邹湘军, 熊俊涛, 等. 基于视觉显著性改进的水果图像模糊聚类分割算法[J]. 农业工程学报, 2013, 29(6): 157-165.
    [3]

    PENG H, SHAO Y, CHEN K, et al. Research on multi-class fruits recognition based on machine vision and SVM[J]. IFAC PapersOnLine, 2018, 51(17): 817-821.

    [4] 刘浩洲, 陈礼鹏, 穆龙涛, 等. 基于K-means聚类的猕猴桃花朵识别方法[J]. 农机化研究, 2020, 42(2): 22-26.
    [5]

    WANG D, SONG H, TIE Z, et al. Recognition and localization of occluded apples using K-means clustering algorithm and convex hull theory: A comparison[J]. Multimed Tools Appl, 2016, 75(6): 3177-3198. doi: 10.1007/s11042-014-2429-9

    [6]

    LIU W, ANGUELOV D, ERHAN D, et al. Ssd: Single shot multibox detector[C]//European conference on computer vision. Berlin: Springer-Verlag, 2016: 21-37.

    [7] 唐聪, 凌永顺, 郑科栋, 等. 基于深度学习的多视窗SSD目标检测方法[J]. 红外与激光工程, 2018, 47(1): 302-310.
    [8] 彭红星, 黄博, 邵园园, 等. 自然环境下多类水果采摘目标识别的通用改进SSD模型[J]. 农业工程学报, 2018, 34(16): 155-162. doi: 10.11975/j.issn.1002-6819.2018.16.020
    [9]

    REN S, HE K, GIRSHICK R, et al. Faster r-cnn: Towards real-time object detection with region proposal networks[J]. IEEE J Pattern Anal, 2017, 39(6): 1137-1149.

    [10] 李林升, 曾平平. 改进深度学习框架Faster-RCNN的苹果目标检测[J]. 机械设计与研究, 2019, 35(5): 24-27.
    [11] 王佳盛, 陈燕, 曾泽钦, 等. 基于全卷积神经网络的荔枝表皮缺陷提取[J]. 华南农业大学学报, 2018, 39(6): 110-116.
    [12]

    MALIK M H, ZHANG T, LI H, et al. Mature tomato fruit detection algorithm based on improved HSV and watershed algorithm[J]. IFAC PapersOnLine, 2018, 51(17): 431-436. doi: 10.1016/j.ifacol.2018.08.183

    [13]

    FADHEL M, HATEM A, ALKHALISY M, et al. Recognition of the unripe strawberry by using color segmentation techniques[J]. IJET, 2018, 7(4): 3383-3387.

    [14]

    SOLEIMANIZADEH S, MOHAMAD D, SABA T, et al. Recognition of partially occluded objects based on the three different color spaces (RGB, YCbCr, HSV)[J]. 3D Research, 2015, 6(3): 22. doi: 10.1007/s13319-015-0052-9

    [15] 李月娥, 刘青芳. 小波变换在图像分割中的应用研究(英文)[J]. 山西大学学报(自然科学版), 2009, 32(4): 566-571.
    [16] 朱庆丰, 张瑞, 朱雯青, 等. 基于小波变换与像元对目标的短波红外图像增强算法[J]. 半导体光电, 2019, 40(5): 688-693.
    [17] 马天兵, 刘健, 杜菲, 等. 基于改进Otsu方法的振动图像分割研究[J]. 电光与控制, 2019, 26(2): 15-19.
  • 期刊类型引用(21)

    1. 贺青,张静月,顾臻,汪建谊,赵文荣. 基于改进蚁群算法的变电站巡检机器人路径规划. 机械设计与研究. 2025(01): 282-287+292 . 百度学术
    2. 孙柱,吕宪勇,孙凯信,李佩霏,齐琪琪. 基于Dubins曲线的轮式机旋耕作业CCPP算法. 农业装备与车辆工程. 2024(05): 9-13 . 百度学术
    3. 孟浩德,吴征天,吴闻笛,施坤. 基于记忆模拟退火算法的扫地机器人遍历路径规划. 计算机与数字工程. 2024(03): 821-826+857 . 百度学术
    4. 李文峰,徐蕾,杨琳琳,刘文荣,潘坤,李超. 基于改进蚁群算法的农业机器人多田块路径规划方法与试验. 南京农业大学学报. 2024(04): 823-834 . 百度学术
    5. 王新彦,盛冠杰,张凯,易政洋. 基于改进A~*算法和DFS算法的割草机器人遍历路径规划. 中国农机化学报. 2023(02): 142-147 . 百度学术
    6. 潘富强,曾成,马国红,刘继忠. 一种融合改进A*算法与改进动态窗口法的AGV路径规划. 传感技术学报. 2023(01): 68-77 . 百度学术
    7. 沈跃,刘子涵,刘慧,杜伟. 基于多约束条件的果园喷雾机器人路径规划方法. 农业机械学报. 2023(07): 56-67 . 百度学术
    8. 董雅文,杨静雯,刘文慧,张宝锋. 基于改进A~*算法的机器人全覆盖衔接路径规划. 传感器与微系统. 2023(09): 125-128 . 百度学术
    9. 贺平,张德晖,侯志涛,洪夏明,李盼春,虞洋. 智能割草机路径规划研究现状. 福建农机. 2023(03): 36-40 . 百度学术
    10. 周龙港,刘婷,卢劲竹. 基于Floyd和改进遗传算法的丘陵地区农田遍历路径规划. 智慧农业(中英文). 2023(04): 45-57 . 百度学术
    11. 姜光,姜久超,李爱宁,李岩,常硕. 基于PLC的农业机器人电气控制系统设计. 农机化研究. 2022(02): 219-223 . 百度学术
    12. 田茹,曹茂永,马凤英,纪鹏. 基于改进A*算法的农用无人机路径规划. 现代电子技术. 2022(04): 182-186 . 百度学术
    13. 龙洋,苏义鑫,廉城,张丹红. 混合细菌觅食算法求解无人艇路径规划问题. 华中科技大学学报(自然科学版). 2022(03): 68-73 . 百度学术
    14. 陈凯,解印山,李彦明,刘成良,莫锦秋. 多约束情形下的农机全覆盖路径规划方法. 农业机械学报. 2022(05): 17-26+43 . 百度学术
    15. 王宁,韩雨晓,王雅萱,王天海,张漫,李寒. 农业机器人全覆盖作业规划研究进展. 农业机械学报. 2022(S1): 1-19 . 百度学术
    16. 刘胜,张豪,晏齐忠,张志鑫,申永鹏. 基于ACO-SA算法的变电站巡检机器人路径规划. 南方电网技术. 2022(09): 75-82 . 百度学术
    17. 宫金良,王伟,张彦斐,兰玉彬. 基于农田环境的农业机器人群协同作业策略. 农业工程学报. 2021(02): 11-19 . 百度学术
    18. 黄月琴,罗兵,邓辅秦,李伟科,杨勇. 智能扫地机器人的全覆盖路径规划. 五邑大学学报(自然科学版). 2021(02): 51-58 . 百度学术
    19. 董雅文,杨静雯,刘文慧,张宝锋. 基于BSO-GA算法的机器人子区域覆盖路径规划. 轻工机械. 2021(06): 57-64 . 百度学术
    20. 武义,欧明敏,段立伟. 基于改进A~*算法和动态窗口法的机器人路径规划研究. 工业控制计算机. 2020(10): 67-70 . 百度学术
    21. 刘洋成,耿端阳,兰玉彬,谭德蕾,牟孝栋,孙延成. 基于自动导航的农业装备全覆盖路径规划研究进展. 中国农机化学报. 2020(11): 185-192 . 百度学术

    其他类型引用(22)

图(3)  /  表(1)
计量
  • 文章访问数:  1639
  • HTML全文浏览量:  7
  • PDF下载量:  1767
  • 被引次数: 43
出版历程
  • 收稿日期:  2019-12-29
  • 网络出版日期:  2023-05-17
  • 刊出日期:  2020-09-09

目录

/

返回文章
返回