林业采摘图像辨认算法研究.docVIP

　　林业采摘图像辨认算法研究 第一章 绪 论 1.1本文的研究背景和研究意义 随着我国经济的快速发展，城镇人口增加的速度越来越大，更多的人口涌向城市，特别是几个高度发达的大城市。国家预计在十二五期间，我国城镇人口将首次超过农村人口，这个现象预示着我国经济的发展，模式趋向于美国等发达资本主义国家，也给农村的农副业产品带来巨大的压力。随着人口的流逝，我国农村人口面临严重的劳动力不足的问题，故在粮食种植方面由原来的个体经营逐步发展到农场化，承包化。以在更少务农人口的基础上带来更多的农副业产品的丰收，这就严重的需要提高农村产业的机械化程度。我国北方现阶段已成功的引进联合收割机，采用承包化的方法节省大量人力物力，达到集中收割的效果。但是在南方丘陵梯田等地区，机械化生产的程度还相当低，针对南方特殊的经济林果油茶树果实，其生产采摘方式均为人工，费时费力，随着农村人口的减少，机械化采摘的问题日益提上日程。油茶树，属于茶科茶属常绿小乔木，其种子可以榨油供食用，也可于工业中用作润滑油，防锈油。在我国主要分布于中部地区，是地区重要的经济作物。其果实成熟时为淡红色，有体积小，分布集中，成熟时颜色不明显等特点，特别是果实颜色与树叶颜色比较相近，给采摘设备的研制，特别于机器视觉的识别及分割方面带来了一定困难。现阶段主要的采摘手段是采用人工采摘，其弊端为采摘速度慢，采摘成本高，往往在采摘季节需要雇佣多个工人才能实现手工采摘，给油茶果的采摘带来了成本高，不方便等实际问题。综上所述，机械化采摘在现代林果采摘产业中式必不可缺的一环，只有在果树产业集中的地区实现机械化采摘，才能节约农村劳动力，使大量劳动力涌向城市发展城市的经济。而普通的第一代机械化采摘设备存在着许多问题，主要问题有噪声过大，采摘过程中需要人工监督，采摘效果不明显等，故现在根据前一代采摘机的缺点，开始研制新一代的智能化林果采摘设备。第二代智能化林果采摘设备的主要特点是：智能识别，智能采摘，无人操作，采摘效率高等。这就需要在提高林果采摘设备速度的基础上，进一步实现无人操作的功能。 1.2国内外研究现状 众所周知，日本是世界上的机器人大国，日本的农业机器人技术一直在世界上一直处于前列，许多关于图像分割技术，摄像机标定技术，物体识别技术等都是由日本率先发明的，日本最具代表性的农业机械是半喂入式水稻联合收割机和水稻插秧机。日本政府从 1993 年开始投入巨资实施了五年一期的农业机械紧急开发项目，目前已经取得了很大的进展[70] [26]。英国的 Silsoe 研究所研发出了一种蘑菇采摘机器人，其主要特色在于其安装在头部的视觉传感器，视觉传感器装置采用摄像头设置，通过视觉传感器可以大致判别出蘑菇所在的位置，行列大小。并根据具体位置实施具体采摘，采摘成功率为 75%，采摘速度为 6.7 个/S，其结果基本保证了实时性的要求。可是这种采摘是基于具体环境以及具体位置的，在林果采摘的自然环境中不大适用。日本研究人员 Shigehikoh 研制的茄子采摘机器人主要利用摄像机采集目标的位置，再利用模糊视觉反馈系统引导并靠近果实以完成采摘作业。 在实际的实验环境中，采摘成功率达到了 62.5%，工作速度为 64.1s/个。这种研究的缺点是采摘成功率以及工作速度完全不能达到实际的要求。同时 Shigehikoh 在茄子视觉颜色分割方面提出了基于形态学特征及颜色特征的茄子图像分割法，并采用网格模板获取完整的茄子目标[23]。Bulanon D M 检测了苹果颜色中果实颜色与背景颜色的差异，并根据颜色差异选取合适的阈值作为最佳阈值进行图像分割[19]。以上两种方法都是根据苹果茄子的颜色与背景颜色的大差异来实现的图像分割，在前景背景颜色相近的油茶果识别中收效有限。在国内研究方面，张正友在计算机视觉标定方面提出了自己的一套方法，并由此写成了《计算机视觉》一书，在国际上有很大的影响。中国农业大学的张铁中教授是国内农业智能化机器人开发的先驱，其主要产品为蔬菜嫁接机，在机器视觉和识别方面也作出了一些研究，在采摘草莓的机器人视觉系统中提出了用色差分量提取其颜色特征，再利用 Photoshop 提取典型草莓图片作为 BP 神经网络的教师信号进行训练，最后得到了较好的识别效果[27]。在形态特征提取方面提出了基于扫描线的孔洞填充方法[34]。其研究生宋健等人采取将茄子图像转化为灰度图像，并采用固定双阈值法对其灰度图像进行图像分割，所用的时间比较短符合实时性的要求[68]。南京农业大学的姚立健博士在对茄子进行分割的实验中，使用了 SOFM 神经网络对色差图像进行无导师训练，取得了一定的成果。并使用广义 hough 算法对遮挡情况的茄子进行了识别，最后在机器手避障方面做了一定的研究[30] [69]。江苏大学对机器视觉中的分类，在图像分割后提取图像