外文翻译译文基于机器视觉的苹果果实识别.docVIP

6 6 GUILIN UNIVERSITY OF ELECTRONIC TECHNOLOGY 毕业设计外文翻译（译文） 学 院： 机电工程学院 专 业： 电气工程及其自动化 学生姓名： 黄钟庆 学 号： 1200120313 指导教师单位： 机电工程学院 姓 名： 张形 职 称： 副教授 2016年06月1日 基于机器视觉的自然光照下的苹果果实识别 1M.B. Lak， 1M.B. Lak，2S. Minaei，3J. Amiriparian and 2B. Beheshti 1 Department of Agricultural Mechanization, 2Department of Agricultural Machinery Engineering, Science and Research Branch, Islamic Azad University, Tehran, Iran 3Department of Mechanics of Agricultural Machinery，Faculty of Agriculture, Bu-Ali Sina University, Hamedan，Iran 摘要：在这项研宂中，在自然照明下获得的红苹果段图像，对其边缘检测和组合 的颜色和形状分析，。为了找到一个苹果在每个图像，并确定其位置，获得了三 十幅图像的果园。双算法（边缘检测和基于颜色的形状）的开发过程中的图像。 他们被过滤，转换为二进制图像，和减少噪声。基于边缘检测的算法是不成功的， 而彩色形状为基础的算法可以检测到苹果果实屮的83.33%的图像。 关键词：苹果收获，基于颜色形状的算法，边缘检测，机器视觉 简介 第一个操作需要发展适当的方 新鲜水果收获是一个敏感的操 作。其盈利能力可能受到劳动不当， 成本和无效性，低质量的采摘和操作 不及时等的影响。因此，机械化收割 作业可以解决问题 苹果果实收获机械化在像伊朗 这样世界第四大苹果生产国（粮农组 织，2009）的国家是必要的。机械化 收获可能是机械地或自动地。 机械收获的问题，导致机器人收 割方法的不断发展，从而通过收割机 为原型机器视觉已逐渐发展。Parrish 和 Goksel （ 1977 ）和 bulanon 和 Kataoka （2010）研究了苹果果实收 获机器人。 自动收获系统应执行以不操作.? （1）识别和定位水果；（2）摘果子; （3）分离果没有造成的水果和树的 损伤；和（4）在果园里轻松地移动 （Sarig, 1990）。 法来检测和定位的水果。用光度信息 基础（斯哥尔斯和Brown, 1968）和 红外激光测距（希门尼斯等，2000） 的方法。同时，基于图像处理的方法 已被用于检测和定位的水果（bulanon 和 Kataoka，2010； Satish，2007； Harrel 等人.，1989）。 基于像素和基于形状分析的方 法是水果被识别强度/颜色的一种方 式，但也存在一些问题从遥感图像本 身的变化时，使用CCD相机，这是 在光照强度的变化非常敏感，以及阴 影的叶子产生（Jimenez等.，2000） 由于没有研宂报道，在伊朗的机 器人苹果收获，本文侧重于识别的苹 果，苹果机器人收获的第一阶段。 在自然光照条件下，利用机器视 觉识别苹果果实是本研宂的目标。三 十个苹果树在秋天拍摄的照片随机 选择苹果树的照片。拍摄的图像来自 位于伊朗的哈马丹园。 材料与方法 在不受控制的FI光条件下得到 了三十个数字阁像。阁像帧为3072 X2304像素的JPEG格式。数码相机 （索尼，DSC-H5,彩色CCD摄像机） 得到的RGB阁像。 阁像处理算法：目标是在不受控 制的光照条件下得到的每一个阁像 中的苹果。为了对所获得的阁像进行 分割，提出了基于边缘检测和基于颜 色形状的阁像分割算法。 基于边缘检测的算法：最初的考 虑表明，绿色的灰度阁像包含的大部 分所需的对象。精明的（1986）法测 定苹果绿色灰度阁像的边缘（阁1B）。 基于颜色形状的算法：基于以下 步骤实现的算法： 第一次增强的阁像。高斯低通 滤波器被用来尽可能地降低噪声。噪 声预示在色调和光泽，形成区域在阁 像的原始阁像的颜色强度分布不均 幻。高斯滤波器是一个250X250像 素矩阵的标准偏差为200,这限制了 图像。频率小于200兆赫兹（MHz）。 滤波后的阁像被噪声降低，通过除去 局频率（超过200兆赫）。滤波聞像 造成的模糊，降低了噪音（阁2a）。 滤波后的阁像分别转换为二 进制形式，然后方能处理（阁2b） 二进制阁像进行处理，以减少 转换后的阁像存在的噪声。在这一阶 段中，噪声被定义为检测到的功能以 外的苹果。这一阶段的项目是基于形 状的处理基于颜色的阁像（阁2C） 二值化，消除