基于圖像信息的茶葉二維采摘坐標(biāo)的提取

裴　偉，王曉林

(中國計量學(xué)院 機電工程學(xué)院，浙江 杭州 310018)

?

基于圖像信息的茶葉二維采摘坐標(biāo)的提取

裴偉，王曉林

(中國計量學(xué)院 機電工程學(xué)院，浙江 杭州 310018)

茶葉嫩芽識別是實現(xiàn)智能采摘的前提，茶葉識別之后采摘位置參數(shù)的提取也是實現(xiàn)智能采摘的關(guān)鍵所在。文章首先分析了機械采茶的整體實現(xiàn)方案，并論證了由茶葉圖像獲取二維采摘位置的可行性。然后針對圖像處理后獲取的茶葉嫩芽的二值圖像，根據(jù)圖像中每株嫩芽的外形輪廓去提取最小外接矩形，并標(biāo)記該矩形的中心點，以該點作為采摘坐標(biāo)點。得到了茶葉采摘的二維位置參數(shù)，為后續(xù)茶葉的智能采摘提供依據(jù)。

茶葉智能采摘；茶葉圖像；位置參數(shù)；最小外接矩形

中國是世界上重要的茶葉生產(chǎn)國和銷售國，而且生產(chǎn)不斷加快，產(chǎn)量與日劇增。然而，近年來隨著勞動力成本的增加，很多地區(qū)在茶葉采摘季節(jié)出現(xiàn)了大規(guī)模的勞動力缺口，導(dǎo)致茶葉鮮葉不能得到及時采摘。為解決中國茶葉采摘勞動力缺乏、人力采摘速度低等問題，目前已有基于剪切工作方式的采茶機械，但是這種采茶機采摘時老、嫩葉一起采，缺乏選擇性，并有部分葉片遭到破損，從而降低了茶葉的采摘品質(zhì)。因此，需要研制具有選擇性、低損傷率的智能化茶葉采摘機械。茶葉嫩芽的識別是實現(xiàn)智能采摘的前提，國內(nèi)外研究人員對茶葉識別進行了廣泛研究，并取得了一系列成果。

目前的茶葉嫩芽識別研究主要是基于其顏色和形狀特征進行的。楊福增等[1]在RGB顏色空間中提取茶葉圖像的G分量，再根據(jù)茶葉嫩梢的形狀特征進行邊緣檢測，開展了嫩芽識別研究。汪建[2]結(jié)合HIS顏色空間和區(qū)域生長的改進方法完成了茶葉嫩葉的分割，該算法能很好地將嫩葉從茶葉中分離出來，并較好地保存了嫩葉的輪廓信息。由此可以看出，通過圖像處理的方式完全可以實現(xiàn)茶葉嫩芽的識別提取。茶葉嫩芽的采摘定位也是實現(xiàn)智能化采摘的關(guān)鍵所在，國內(nèi)外研究人員對農(nóng)產(chǎn)品的采摘定位進行了廣泛研究。雙目視覺技術(shù)在農(nóng)產(chǎn)品的采摘定位方面得到了廣泛應(yīng)用。蔣煥煜等[3]采用雙目立體視覺技術(shù)獲取了溫室內(nèi)番茄的三維位置信息，用于指導(dǎo)采摘機器人進行自動化采摘作業(yè)。金理鉆[4]利用雙目視覺技術(shù)實現(xiàn)了黃瓜機械化采摘的定位問題。張浩[5]等提出一種基于光柵投影輪廓術(shù)的茶葉嫩梢定位系統(tǒng)，為研究名優(yōu)茶智能采摘機解決了茶葉嫩梢定位問題。

通過圖像處理得到茶葉嫩芽的圖像之后，再利用得到的圖像進行采摘位置信息的提取，然后將這些信息提供給采摘執(zhí)行機構(gòu)的驅(qū)動控制器，最終實現(xiàn)茶葉的智能化采摘。本文首先整體分析了茶葉機械化采摘的實現(xiàn)方案以及由圖像確定茶葉嫩芽采摘位置的可行性。然后，根據(jù)圖像中茶葉嫩芽的外部輪廓，通過Matlab軟件編程提取其最小面積外接矩形，并標(biāo)記該矩形的中心點，以該中心點作為采摘點并將這些中心點的坐標(biāo)數(shù)據(jù)輸出為txt文本文件或者Excel表格文件。這樣就得到了茶葉采摘的位置參數(shù)，為后續(xù)茶葉智能采摘機的研究提供技術(shù)支持。

1　茶葉機械采摘的整體分析

目前，國內(nèi)外普遍采用的是剪切式的采茶機，其工作原理是利用機械動力帶動刀片運動，快速剪切并收集茶樹芽葉。這種采茶機老葉嫩芽一起采，沒有選擇性，只適用于大宗茶葉的采摘，不適于名優(yōu)茶鮮葉原料的采摘。名優(yōu)茶鮮葉原料要求幼嫩、勻齊，要實現(xiàn)名優(yōu)茶的機械化采摘，需要研制新型的采茶機。要達到名優(yōu)茶的鮮葉采摘要求，一種實現(xiàn)方式就是通過攝取茶蓬面的茶葉圖像，利用圖像處理的方法進行茶葉嫩芽的識別，然后對每株茶葉嫩芽分別采摘收集。

通過以上分析，可以制定以下方案實現(xiàn)名優(yōu)茶的機械化采摘：攝取茶樹圖像→識別圖像中的茶葉嫩芽→確定每株茶葉嫩芽的采摘點→分別對每株茶葉嫩芽進行采摘收集。在進行圖像拍攝時，基于茶葉豎直向上向陽生長以及茶葉嫩芽基本都位于茶蓬表面的特性，采取相機在茶樹正上方垂直向下的拍攝方式，這樣茶葉嫩芽在水平面內(nèi)的位置與其在圖像中的位置就一一對應(yīng)起來，以便后續(xù)采摘位置參數(shù)的確定。然后利用圖像處理的方法將茶葉嫩芽從圖像中識別并提取出來，以確定單株茶葉嫩芽的采摘點。

圖1為采用垂直拍攝方式所拍攝的一株茶葉圖像。對圖1中的茶葉嫩芽進行采摘，就要在二維平面內(nèi)適當(dāng)?shù)奈恢眠M行下刀，然后在莖根部將其切斷并進行收集。理論上來說，在茶葉嫩芽的整個外部輪廓的360°范圍內(nèi)任何位置進行下刀都是可行的。但是為了簡化刀具的設(shè)計并使刀具下探后盡可能地靠近茶葉嫩芽莖根部，需要選取一個相對理想的下刀位置。為了達到上述兩個要求，采摘點可以設(shè)置為圖1中黑色三角標(biāo)記的兩個位置中的一個，這樣就可以使刀具下探后更接近茶葉的莖根部，方便后續(xù)采摘工作的完成。分析可以發(fā)現(xiàn)，這兩個點大致為茶葉嫩芽主軸方向的中間點兩側(cè)，即茶葉的橫向中間段位置，可據(jù)此進行采摘點的確定和提取。

圖1　單株茶葉嫩芽圖像Fig.1　Tea shoot image

2　根據(jù)茶葉圖像確定采摘位置參數(shù)的可行性分析

目前的茶樹種植方式多為單行條栽，采摘面通常修剪成平面或弧形，這樣的種植方式十分有助于機械化采茶。根據(jù)向陽生長的特性，茶葉嫩芽一般都是豎直向上生長的，所以對于修剪成平面的茶樹，其茶葉嫩芽就大致分布在某一水平面的范圍內(nèi)，因此提出通過攝取茶樹茶蓬面的圖像來確定茶葉嫩芽在水平面內(nèi)的相對位置的方案。

2.1相機的成像原理

照相機的鏡頭相當(dāng)于一個凸透鏡，來自物體的光經(jīng)過照相機的鏡頭后會聚在膠片或者感光電子元器件上，成倒立、縮小的實像。相機鏡頭通常由一塊或者多塊光學(xué)玻璃組成的透鏡組，基本單元為凹透鏡、凸透鏡，或其組合。理論上而言，一個簡單的凸透鏡就是一個鏡頭，但是在實際應(yīng)用中，鏡頭需要各種透鏡的組合來矯正光學(xué)畸變。但僅就成像原理而言，透鏡和透鏡組是一樣的。圖2為相機的成像原理圖。圖中點O為相機鏡頭的光心，OO1所在直線為光軸，物面上的線段AB在成像平面上的成像為A′B′。但是單目照相的單幅圖像只能提供三維物體的平面影像，不存在成像深度信息。例如，圖2中相機鏡頭出發(fā)的射線OA上所有的點在成像平面上的投影是唯一的。以O(shè)A延長線上的C點為例，其在成像平面上的投影點與A點的投影點重合，因此由圖像確定出的點C在物面上的位置就是A點，而點C在物面上的實際投影位置為C′，所以由圖像確定點C的位置時就存在偏差，偏差值為AC′。在圖2中，由幾何關(guān)系可以得出偏差的計算公式：AC′=CC′ × tan(θ/2)。由此可以看出該偏差隨著點C距物平面的距離的增大而增大，隨著OC與光軸夾角的增大而增大。

2.2茶葉采摘位置參數(shù)的確定

先對茶樹進行拍照，然后根據(jù)圖像確定茶葉嫩芽水平投影面內(nèi)的位置信息。對應(yīng)于圖2的成像原理圖，點C即為茶葉嫩芽的實際位置，點A為由圖像確定的茶葉嫩芽在標(biāo)定物面上的位置，而茶葉嫩芽在標(biāo)定物面上的實際投影位置為C′，所以在標(biāo)定的物面上由圖像確定的茶葉嫩芽的采摘點A與實際的采摘點C′存在偏差A(yù)C′。假設(shè)茶樹被修剪成平面，而且相機在茶樹上方垂直向下拍攝，由于茶樹的新芽一般都是在老枝長出并且向上生長，所以茶葉嫩芽就大致分布在同一水平面上，其縱深方向上的跨度不是很大，反映在圖2中即CC′比較小。通過上述分析可知，一幅圖像中圖像的邊緣部分偏差最大，因為圖像邊緣部分對應(yīng)的θ最大，即為相機的視場角。因此，為了減小偏差，應(yīng)當(dāng)選用視場角較小的相機進行拍攝。舉例進行分析：設(shè)茶葉嫩芽在縱深方向的跨度CC′ =20 mm，對于不同的相機視場角θ，可以根據(jù)公式AC′ =CC′ × tan(θ/2)來計算偏差值，表1為不同視場角下的偏差值。

圖2　照相機成像原理Fig.2　Camera imaging principle

表1中數(shù)據(jù)是相應(yīng)視場角拍攝的圖像中的最大偏差，越靠近圖像中心，這個偏差就越小，因此這個偏差對于確定茶葉的采摘位置來說影響不大，所以通過茶葉圖像來確定采摘位置參數(shù)的方案是可行的。在相機視場角θ確定的基礎(chǔ)上，如果物距(即相機相對與拍攝物的距離)OO1已知，那么可以用以下公式求出單次攝影的跨距：AB=2OO1× tan(θ/2)。假設(shè)已知OO1=1000 mm，θ =23，則AB=2×1000×tan 11.5≈ 407 mm。實際茶蓬面的寬度為1000 mm左右，那么完成整個茶蓬面拍攝需要拍攝2 ～ 3次。

表1CC′=20 mm時不同視場角下的偏差值

Table 1Deviation values of different viewing angles in the case of “CC′=20 mm”

視場角/°812142345偏差A(yù)C'/mm1.402.102.464.078.28

2.3茶葉嫩芽采摘坐標(biāo)點的提取原理

幾何圖像的外接矩形是指完全包含了圖形上所有的點、線，且各邊均與圖形相接觸的矩形。一個圖形的外接矩形有無窮多個，其中面積最小者稱為最小外接矩形(minimum enclosing rectangle，MER)。它在一定程度上描述了該圖形的某些幾何特征，即該物體在主軸方向上的長和寬，可以用于描述圖像輪廓的特征。因此，可以通過求解茶葉嫩芽外輪廓的最小外接矩形來確定該茶葉嫩芽的采摘點。

常用求解最小外接矩形的方法是目標(biāo)旋轉(zhuǎn)法。其基本原理是將圖形在90°范圍內(nèi)等間隔(記間隔值為α，則旋轉(zhuǎn)次數(shù)為90/α)地旋轉(zhuǎn)，每次旋轉(zhuǎn)后記錄其坐標(biāo)系方向上的外接矩形，然后取這些外接矩形中面積最小的矩形為原圖形的最小外接矩形。但是該方法的缺點是一般情況下得不到準(zhǔn)確的最小外接矩形，因為它的求解精確度取決于擬定的旋轉(zhuǎn)間隔的大小。而如果要減小旋轉(zhuǎn)間隔，則旋轉(zhuǎn)次數(shù)就會增加，計算量變大。

程鵬飛等[6]提出以下兩個假設(shè)并對其進行了證明：(1)任意一個多邊形的最小面積外接矩形和其凸包的最小面積外接矩形是等價的；(2)凸多邊形的最小面積外接矩形至少有一邊經(jīng)過該凸多邊形的一邊。基于以上假設(shè)，針對本研究的研究對象，采用以下方法實現(xiàn)茶葉嫩芽外形輪廓最小外接矩形的提?。旱谝徊?，求出圖像中茶葉嫩芽的凸包；第二步，選取所得凸包的一條邊，求出該邊與水平軸正向的夾角θ，然后判斷，如果θ<90°，則將圖像以角度θ進行旋轉(zhuǎn)，如果θ≥90°，則將圖像以(θ-90°)的角度進行旋轉(zhuǎn)，記錄旋轉(zhuǎn)后該圖像在坐標(biāo)系方向上的外接矩形；第三步，順序選擇凸包其他邊，并重復(fù)第二步的方法；第四步，比較每次旋轉(zhuǎn)后得到的坐標(biāo)系方向上的外接矩形的面積，其中面積最小者按其旋轉(zhuǎn)的角度進行逆向旋轉(zhuǎn)即為原圖像的最小外接矩形。

以一個簡單的五邊形為例，來說明以上算法的實現(xiàn)過程。一個多邊形以及其各個邊與水平軸的夾角如圖3 a所示，五邊形為凸多邊形，因此其凸包為其自身。選取圖3 a中30°邊作為旋轉(zhuǎn)起始邊，將多邊形旋轉(zhuǎn)30°并求取其在坐標(biāo)系方向上的外接矩形，結(jié)果如圖3 b所示。然后依次選取其余4條邊，將圖像進行旋轉(zhuǎn)并求解旋轉(zhuǎn)后的坐標(biāo)系方向上的外接矩形，結(jié)果如圖3 c-f所示。分別求出圖3 b-f中5個外接矩形的面積，其中面積最小的即為原多邊形的最小外接矩形。經(jīng)過計算，圖3 e中的外接矩形的面積最小，所以圖3 e中的外接矩形即為原多邊形的最小外接矩形，將該矩形按其旋轉(zhuǎn)角度進行逆向旋轉(zhuǎn)就得到原圖像的最小外接矩形，如圖3 a所示。

圖3　最小外接矩形的求解過程Fig.3　The process of solving minimum enclosing rectangle

2.4 茶葉嫩芽采摘坐標(biāo)點提取的實現(xiàn)

圖4為自然環(huán)境下攝取的茶葉原始圖像，可以通過圖像處理的方法將嫩芽從圖像中識別出來，識別結(jié)果如圖5所示。根據(jù)圖像處理后得到的茶葉嫩芽的圖像，利用上一節(jié)提出的最小面積外接矩形的算法提取嫩芽的外部輪廓，進而確定出嫩芽的采摘點。

本研究利用Matlab[7]軟件編程實現(xiàn)茶葉嫩芽外輪廓的最小外接矩形的提取。讀入圖像后，進行連通區(qū)域(每株茶葉嫩芽形成一個連通區(qū)域)的標(biāo)記，然后對每一個連通域求解最小面積外接矩形，并標(biāo)記其中心點位置。部分程序代碼如下：

圖4　茶葉原始圖Fig.4　Original image of tea leaves

圖5　茶葉嫩芽二值圖像Fig.5　The binary image of tea shoots

I=imread('e:1.jpg');

bw=im2bw(I);

[L，n]=bwlabel(bw);%標(biāo)記連通域

stats=regionprops(L);%區(qū)域?qū)傩?/p>

imshow(bw);

for i=1∶max(max(L));

hold on

[r c]=find(L==i);

[rectx，recty，area，perimeter]=minboundrect(c，r，'a');% 'a'是按面積算的最小矩形

line(rectx，recty);

x=(rectx(1)+rectx(2)+rectx(3)+rectx(4))/4;

y=(recty(1)+recty(2)+recty(3)+recty(4))/4;

plot(x，y，'x');%標(biāo)記中心點

end

對于經(jīng)過圖像處理后得到的茶葉嫩芽圖像圖5，運行上述程序后，處理結(jié)果如圖6 a所示。從圖中結(jié)果可以看出，該程序能夠?qū)崿F(xiàn)每株嫩芽的最小面積外接矩形的提取以及中心點的標(biāo)記。為了更清晰地顯示得到的外接矩形以及中心點，將上述程序中的“imshow(bw)”語句去掉，即不顯示原有的茶葉二值圖像，可以得到如圖6 b所示的處理結(jié)果。需要注意的是，圖6 a和圖6 b的顯示方式是不同的，圖6 a是以圖像左上角為坐標(biāo)原點的，而圖6 b是以左下角為坐標(biāo)原點，但是兩圖中圖像各點坐標(biāo)還是一一對應(yīng)的，只是圖6 b為了以常規(guī)坐標(biāo)系的方式顯示，將圖6 a進行了上下翻轉(zhuǎn)。因此，最終得到的采摘點(即最小外接矩形中心點)的坐標(biāo)還是以原圖像左上角為坐標(biāo)原點的。

利用最小外接矩形原理提取茶葉嫩芽外形輪廓，并對最小外接矩形中心進行標(biāo)記以后，需要將此中心點的坐標(biāo)位置導(dǎo)出成數(shù)據(jù)文件，以便后續(xù)采摘驅(qū)動控制器對這些數(shù)據(jù)進行讀取。Matlab提供了多種數(shù)據(jù)導(dǎo)出的方法，常用的導(dǎo)出數(shù)據(jù)命令有fprintf，dlmwrite，xlswrite。fprintf函數(shù)可以將數(shù)據(jù)按指定格式寫入到文本文件中，也可以顯示字符串、計算結(jié)果。dlmwrite將一個矩陣寫到由分隔符分割的文件中。xlswrite可以將數(shù)據(jù)寫入Excel表格文檔中。

文中上述程序已經(jīng)實現(xiàn)茶葉嫩芽最小外接矩形的提取以及其中心點的標(biāo)記，此外還要將此中心點的坐標(biāo)數(shù)據(jù)導(dǎo)出，為后續(xù)的智能采摘提供依據(jù)。為此，需要引入一個矩陣A，其中A的行數(shù)即為圖像中茶葉嫩芽的個數(shù)，列數(shù)為2列，分別存儲茶葉嫩芽在圖像中的橫、縱坐標(biāo)。因此，在上述程序中加入以下語句即可實現(xiàn)采摘坐標(biāo)的存儲：A(i，1)=x；A(i，2)=y。利用以下語句實現(xiàn)數(shù)據(jù)的導(dǎo)出：dlmwrite('A-out.txt'，A)或者xlswrite('A-out'，A)，其中前者是將數(shù)據(jù)導(dǎo)出到txt文本文件中，后者則是將數(shù)據(jù)導(dǎo)出到Excel表格中。這樣，就將所有茶葉嫩芽外接矩形的中心點坐標(biāo)進行了輸出。

3　結(jié)論與討論

智能化是未來農(nóng)業(yè)機械的發(fā)展方向，具有廣闊的應(yīng)用前景。開展農(nóng)作物采摘機器人的研究對于適應(yīng)市場需求、降低勞動強度、提高經(jīng)濟效率有著重要的現(xiàn)實意義。而目標(biāo)定位是制約智能化采摘研究的一個重要因素。目前，國內(nèi)外研究人員對于農(nóng)作物采摘的定位問題進行了比較廣泛的研究，其中雙目立體視覺技術(shù)被廣泛應(yīng)用。雙目立體視覺是基于視差原理并利用成像設(shè)備從不同的位置獲取被測物體的2幅圖像，通過計算圖像對應(yīng)點間的位置偏差，來獲取物體三維幾何信息的方法。蔣煥煜等[3]將雙目立體視覺技術(shù)應(yīng)用于番茄的采摘定位，定位誤差為±20 mm。金理鉆[4]對黃瓜采摘機器人的工作過程進行了系統(tǒng)的研究，在黃瓜采摘位置的確定過程中也利用了雙目立體視覺技術(shù)。由此可見，雙目立體視覺技術(shù)在番茄、黃瓜這類果蔬的采摘定位中的應(yīng)用是可行的。但是茶葉有其自身的特點，茶葉嫩芽尺寸較小且分布比較密集，所以雙目立體視覺技術(shù)難以應(yīng)用于茶葉采摘的定位問題。國內(nèi)外很多學(xué)者對茶葉嫩芽的識別進行了研究，大多是利用攝取的茶葉圖像通過圖像處理的方法進行嫩芽的識別提取，因此想到利用圖像信息進行茶葉采摘的定位。張浩等[5]為解決茶葉嫩梢定位問題，提出了一種基于計算機主動視覺的嫩梢定位方法，通過茶樹上方攝像機攝取的茶樹圖像確定茶葉水平方向的采摘坐標(biāo)，在采摘點的確定過程中利用了質(zhì)心法。

圖6　最小外接矩形提取結(jié)果Fig.6　The extraction result of minimum enclosing rectangle

本文首先從整體上分析了茶葉機械化采摘的實現(xiàn)方案以及由圖像確定茶葉采摘位置的可行性，然后以圖像處理得到的茶葉嫩芽圖像為基礎(chǔ)，根據(jù)茶葉嫩芽圖像外輪廓對其最小外接矩形進行提取，以各最小外接矩形的中心點為嫩芽的采摘點，從而實現(xiàn)茶葉采摘信息的提取。

通過Matlab編程實現(xiàn)最小外接矩形的求解以及中心點的標(biāo)記，處理結(jié)果如圖3和圖4所示，并且將中心點坐標(biāo)數(shù)據(jù)進行了輸出。相對于利用質(zhì)心法確定的采摘點，本文提取的采摘點更能反映茶葉嫩芽的莖根部所在，而且本文還對成像過程中造成的誤差進行了分析，說明由圖像信息確定采摘點具有可行性。綜上，本研究實現(xiàn)了基于圖像信息的茶葉二維采摘信息的提取，為后續(xù)茶葉的智能化采摘奠定了基礎(chǔ)。

[1]楊福增，楊亮亮，田艷娜，等.基于顏色和形狀特征的茶葉嫩芽識別方法[J].農(nóng)業(yè)機械學(xué)報，2009 (S1):119-123.

[2]汪建.結(jié)合顏色和區(qū)域生長的茶葉圖像分割算法研究[J].茶葉科學(xué)，2011，31(1):72-77.

[3]蔣煥煜，彭永石，申川，等.基于雙目立體視覺技術(shù)的成熟番茄識別與定位[J].農(nóng)業(yè)工程學(xué)報，2008，24(8):279-283.

[4]金理鉆.基于雙目視覺的黃瓜采摘機器人關(guān)鍵技術(shù)的研究 [D].上海:上海交通大學(xué)，2013.

[5]張浩，陳勇，汪巍，等.基于主動計算機視覺的茶葉采摘定位技術(shù)[J].農(nóng)業(yè)機械學(xué)報，2014，45(9):61-65.

[6]程鵬飛，閆浩文，韓振輝.一個求解多邊形最小面積外接矩形的算法[J].工程圖學(xué)學(xué)報，2008，29(1):122-126.

[7]蘇金明，王永利.MATLAB圖形圖像[M].北京:電子工業(yè)出版社，2005.

(責(zé)任編輯侯春曉)

The two-dimension coordinates extraction of tea shoots picking based on image information

PEI Wei，WANG Xiao-lin

(College of Electronic and Mechanical Engineering，China Jiliang University，Hangzhou 310018，China)

The identification of tender tea leaves and the extraction of picking position parameters are prerequisites for intelligent tea harvest.This article first analyzed the overall scheme of tea mechanical picking and the feasibility of obtaining picking position by the tea image.Then extracted the minimum enclosing rectangle of each tea shoot in the binary image and labeled the center of the minimum enclosing rectangle as the picking position of the tea shoot.So the position parameters of tea picking were obtained，which provided the basis for subsequent intelligent picking of tea.

intelligent tea picking;tea image;position parameter;the minimum enclosing rectangle

浙江農(nóng)業(yè)學(xué)報Acta Agriculturae Zhejiangensis，2016，28(3):522-527http://www.zjnyxb.cn

裴偉，王曉林.基于圖像信息的茶葉二維采摘坐標(biāo)的提取[J].浙江農(nóng)業(yè)學(xué)報，2016，28(3):522-527.

10.3969/j.issn.1004-1524.2016.03.26

2015-08-10

裴偉(1990—)，男，山東臨沂人，在讀碩士研究生，研究方向為裝備制造與控制。E-mail:977647825@qq.com

S571.1

A

1004-1524(2016)03-0522-06