基于計算機視覺的蘋果樹果實探測與定位方法.pdf

1、隨著城鎮(zhèn)化進程的快速發(fā)展，農村勞動力短缺和人工成本的不斷提升使現(xiàn)有蘋果生產模式已不能滿足日益增長的蘋果生產規(guī)模。因此，將機器人引入果園替代人工作業(yè)成為現(xiàn)代果業(yè)智能化發(fā)展的必然趨勢。本文以樹上蘋果為對象，利用計算機視覺、數(shù)字圖像處理、模式識別、機器學習等技術，研究了自然環(huán)境下蘋果目標的機器探測與定位方法，以期加強機器人果實作業(yè)的精準率，提高機器人工作效率。具體開展了如下幾方面工作:
　　(1)研究了蘋果圖像的信息采集及特性。在探討幼

2、果期蘋果和成熟期蘋果實際生長情況的基礎上，重點分析了圖像處理常用基本顏色空間模型的特點，對常用顏色空間模型中多個顏色分量的蘋果圖像進行處理，對比各分量中蘋果圖像的顏色特征和差異，利用定量化的統(tǒng)計方法對各分量圖中果實、樹枝、莖葉和天空等景物的灰階進行統(tǒng)計和分析。
　　(2)研究了自然環(huán)境下幼果期蘋果的機器探測與定位方法。設計了基于自適應G-B色差圖，并結合迭代閡值分割法(ITS)探測出幼果期蘋果圖像興趣區(qū);引入基于PhaseCode

3、的圓形Hough變換目標檢測法，用以定位潛在果實目標，利用融合梯度方向直方圖特征和網格搜索優(yōu)化支持向量機的判別模型(HOG-SVM)進一步去除虛假果實，定位真實果實目標。
　　(3)研究了自然環(huán)境下相互重疊蘋果目標的機器探測與定位方法。利用視覺顯著性機制改進GrabCut算法，用以探測重疊蘋果圖像興趣區(qū)，設計了一種基于關鍵角點檢測的方法用以足位蘋果重疊部分的果實輪廓所在區(qū)域，并提取出該區(qū)域果實真實輪廓，利用Y型節(jié)點搜索算法分離重疊

4、果實，形成各自獨立的果實目標，并利用距離最小二乘算法重建出被遮擋蘋果缺失輪廓。
　　(4)研究了自然環(huán)境下枝葉遮擋蘋果目標的機器探測與定位方法。利用基于啟發(fā)式聚類中心點搜索的K-means算法探測出枝葉遮擋蘋果圖像興趣區(qū)，引入一種自適控制的QuickHull算法構造出果實目標的連續(xù)凸包，并去除果實凸包中的虛假果實邊界;根據獲取的已知果實輪廓信息，利用歐拉螺旋圓弧樣條重建并定位出符合不同果實邊界曲率和弧長的果實被遮擋區(qū)域的輪廓。

5、r>　　(5)研究了蘋果目標探測與定位系統(tǒng)軟件。基于MATLAB程序開發(fā)環(huán)境及其GUI編譯工具箱，設計開發(fā)了蘋果果實探測與定位系統(tǒng)軟件。分別設計了分步式和一鍵式兩種處理模式，以滿足蘋果目標探測與定位任務中的不同使用需求。
　　論文創(chuàng)新之處主要體現(xiàn)在:(1)針對自然光照下幼小青蘋果的特點，設計了基于自適應G-B色差的ITS分割方法，顯著增強了果實興趣區(qū)的探測效果。將HOG-SVM模型引入幼小青蘋果識別處理中，有效提升了真實果實的辨識