基于近红外图像的温室环境下黄瓜果实信息获取 Detecting the Information of Cucumber in Greenhouse for Picking Based on NIR Image.pdfVIP

第29卷，第8期 光谱学与光谱分析 200 and 9年8月 SpectroscopySpectralAnalysis August，2009 基于近红外图像的温室环境下黄瓜果实信息获取 袁 挺，许晨光，任永新，冯青春，谭豫之，李 伟’ 中国农业大学工学院，北京 100083 摘要为实现温室环境机器人采摘作业中果实的品质判别和搴间定位。研究了基于近红外图像的黄瓜果 实识别及特征获取方法。分析比较黄瓜果实、茎，叶在各光谱波段的分光反射特性，确定采用850fin]干涉 滤光片来获取图像，解决近色系目标、背景的Ⅸ分问题；利用果实的灰度特征，将P参数阈值法用于图像分 割，实现目标的初步识别，并对目标图像进行等间距区域化处理，依据区域块重心、面积筹异滤除噪声、标 记果实；根据黄瓜的形状纹理特征，计算果实中心线长度和弯曲度作为黄瓜的质量判别标准，利用果实与果 柄交界处灰度的变化标记出可抓取区域。通过对温窜场景下随机拍摄的包含30幅黄瓜果实图像和lo幅无 果实图像分别进行算法验证，结果表明识别准确率各为83．3％和100％，对抓取区域提取的成功率为 83．3％。 关键词机器视觉；温审黄瓜；近红外成像；图像识别 ． 中图分类号：S126文献标识码：A DOI：10．3964／j．issrL1000—0593(2009)08—2054—05 的两种图像场景信息不一致。鉴于此．本文提出了利用黄瓜 引 言 单一波段光谱信息及近红外图像处理技术来识别黄瓜目标， 并利用黄瓜自身的物理特征，有效提取果实采摘信息。 在温室环境下，实现果实日标识别是采摘机器人视觉系 统的基础和关键技术，它为同标窄问定位和机械手运动提供 1图像获取 了必要的信息。一般情况下，机器人视觉利用果实和背景的 颜色差异，成功地将成熟果实(诸如苹果[1’2]，柑橘[3J]，草1．1黄瓜光谱分析 莓[51等)从背景中分离出来，但对黄瓜，青椒等与背景色差 研究对象为处于收获期的“津绿3号”黄瓜，以瓜长在 300～350 相近的果实，由于受果实多样性、环境不可预知性的影响使 rFffn、质量在200～220g、弯曲在20mm的单瓜作 得用同样的方法误操作率很高。因此，采用什么方法提高近 为主要收获对象。妻nl}l1所示为黄瓜与叶片反射率统计图。 色系目标的识别率，是实现相关机器人自动化收获的关键。 从图中可以看出，在町见光范围内，由于黄瓜和叶片的光谱 近年来，随着传感器和光谱技术的发展，光谱成像已经 成为农作物检测的一个重要手段。它根据果实的分光反射特 1．0 性，同图像处理技术相结合，可方便地进行水果[6一]、杂 S0．8 草【8J识别及农产品品质检测阻13]。针对黄瓜作物，Kon-|o-6 do[1“15J等发现在可见光到近红外的两个特殊波段中，果实 蚕04 与茎叶的光谱反射率存在较大差异，并基于此开发了一种视 0．2 觉识别系统；Henten[16’It3等开发的黄瓜收获机器人视觉系0 600 800 1000 统中，利用果实与茎叶对光的反射存在差异的特点，分别采 Wavelength／nm 集两个近红外波长的周像．结合两幅图像对果实进行识别。