基于机器视觉自然场景下成熟柑橘识别.pdfVIP

第24卷第1期 农业工程学报 、，b1．24No．1 2008年1月 TransactionsoftheCSAE Jan．2008175 基于机器视觉自然场景下成熟柑橘识别 蔡健荣，周小军，李玉良，范 军 (江苏大学食品与生物工程学院，镇江212013) 摘要：采用2R．G．B色差分量，通过Ostu自适应阈值算法进行图像分割，利用形态运算消除分割后随机噪声，并对分 割区域进行标记，利用区域面积和区域最小外接矩形长宽比参数进～步去除背景区域。对于多果重叠问题，利用 坐标及半径，恢复遮挡果形。经验证有95％果实能正确识别。 关键词：机器视觉；成熟柑橘；图像识别；特征提取；圆形Hough变换 中图分类号：TP391．41；$666．2文献标识码：A 文章编号：1002—6819(2008)一卜0175—04 蔡健荣，周小军，李玉良，等．基于机器视觉自然场景下成熟柑橘识别[J】．农业工程学报．2008．24(1)：175—178． Cai ofmature innaturalSCeWICbasedonmachine Jianrong，ZhouXiaojtm，LiYuliang，eta1．Recognitionoranges vision[J] Transactionsofthe Chinese谢m CSAE，2008，24(1)：175—178．(inabstrac0 English 取背景区边缘的拟合曲线来实现彩色图像的分割【131：荷 0引言 兰农业环境工程研究所(IMAGB．V．)研究开发了一种移 果蔬收获机器人的应用研究开始于1968年，美国学动式黄瓜收获机器人样机【141；杨国彬等直接用R、G、B 者Schcrtz和Brown提出利用果实和叶子在电磁光谱的可 三分量作为贝叶斯分类器的输入进行目标与背景的分 见光和红外区域反射率的不同来检测水果【1刘，Parrish和 Goksel在1977年据此理论构建了第一个较为实用的苹果 以很方便地求得蘑菇边界的形心坐标【161。本研究前期曾 识别视觉系统p】。基于机器视觉识别果实可划分两类：一 是根据颜色或者灰度特征分割图像、寻找果实；二是在 获取分割阈值，提取成熟西红柿区域【l刀。上述研究对果实 图像采集时使用滤波片或其它设备获取较为简单的图 遮挡和重叠时的果形特征提取研究较少，但这一现象在 像，再根据形状特征寻找果实t4,5】。Harrell等对柑橘类采 自然界普遍存在。因此目前果实收获机器人的研究大都 摘机器人进行了研究，用色调、饱和度以及RGB颜色信 还停留在理论或试验阶段，没真正实现商业化【l引。如何 息进行分类，这种分类方法将成熟的柑橘或其它水果从 很好地解决被遮挡果实的识别问题是农业机器人发展必 背景中分离比较有效，但需要人工照明，并且不能检测 须解决的问题。 有遮挡的果实【¨】；Grasso等研究的机器人采摘系统，受 1成熟果实区域提取 果实遮挡或天气变化影响，有86％检出率和5％的误识率 在提取成熟柑橘、树叶、树枝的颜色信息的基础上， [91；Illingworth等运用圆形Hough变换(CHT)检测图像 中西红柿轮廓的弧度，但采用人工设定阈值，不能适用 对光照变化、阴晴天气等不同条件