基于机器视觉自然场景下成熟柑橘识别-农业工程学报.pdfVIP

第 24 卷 第 1 期 农 业 工 程 学 报 Vol.24 No.1 2008 年 1 月 Transactions of the CSAE Jan. 2008 175 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一步去除背景区域。对于多果重叠问题，利用 T=Sqrt(S×I)形成新的图像提取边界，再结合形态学运算实现分割。最后利用优化的圆形 Hough 变换提取目标图像的形心 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；S666.2 文献标识码：A 文章编号：1002-6819(2008)-1-0175-04 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 Jianrong, Zhou Xiaojun, Li Yuliang, et al. Recognition of mature oranges in natural scene based on machine vision[J]. Transactions of the CSAE, 2008, 24(1) ：175－178. (in Chinese with English abstract) 取背景区边缘的拟合曲线来实现彩色图像的分割[13] ；荷 0 引 言 兰农业环境工程研究所(IMAG B.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[14] ；杨国彬等直接用R 、G、B 者Schertz 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 ,2 ]，Parrish 和 类[15] ；俞高红等采用Fourier描述子描述蘑菇的边界，可 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 [16] 。本研究前期曾 识别视觉系统[3] 。基于机器视觉识别果实可划分两类：一 将RGB颜色转换到球形HSI颜色系统，利用Otsu算法自动 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[17] 。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[4,5] 。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[18] 。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