自然环境中绿苹果目标识别方法的研究

发布时间：2020-08-21 15:20

【摘要】：中国是世界上苹果种植面积最大、总产量最高的国家。由于我国近几年社会劳动力成本增高,导致果实收获成本高。随着自动化技术的飞速发展,农业机器人的诞生为降低果实收获成本和提高农业自动化水平提供了可能。在农业机器人采摘的过程中,果实识别是最关键的一步,识别精度的高低直接影响农业机器人能否快速准确完成采摘任务,因此研究出一种高效、准确的识别算法是实现果实自动采摘的关键。本文以绿苹果为研究对象,针对自然环境中绿苹果的识别问题进行了以下几个方面的研究工作:(1)针对自然环境中光照不均匀造成的光斑问题,采用矢量中值滤波对获取的图像平滑去噪,根据二分光反射模型分析光斑的特征,利用光斑特性设计提取光斑区域的方法,再通过改进的Criminisi图像修复算法对图像光斑去除区域进行修复。(2)针对自然环境中无重叠果实的识别问题,提出了一种基于支持向量机(Support Vector Machines,SVM)的识别方法,该方法还融合了图像的纹理、颜色和形状特征,实现了对自然环境中绿苹果的识别。(3)针对自然环境中重叠果实的识别问题,利用改进的谱聚类(Spectral Clustering)算法对图像进行分割,使用随机霍夫变换(Random Hough Transform,RHT)进行目标检测。针对传统谱聚类算法运算数据量大,运算速度慢的问题,本文基于均值漂移(Mean Shift,MS)和稀疏矩阵原理对传统的谱聚类算法进行改进。首先用均值漂移算法对图像进行分割,利用分割结果提供的先验信息再结合图像的颜色特征和纹理特征建立稀疏相似度矩阵,通过改进大大降低了谱聚类算法的数据处理量,提高了算法的运行速度。本文针对自然环境中的光照不均问题、无重叠果实和重叠果实的识别问题分别进行了研究,提出了相应的识别方法,最后基于matlab R2013a平台利用采集的测试图像分别进行了实验,验证了算法的有效性。
【学位授予单位】：天津理工大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：S661.1;TP391.41
【图文】：

原图,图像光斑,矢量中值滤波,图像

实现了去除图像光斑的目的。本章算法的流程图如图 2.1 所示：图 2.1 图像光斑去除流程图2.2 图像预处理实际生活中获取的图像大多存在噪声，因此在正式处理图像之前对图像进行一些去噪处理是很有必要的[45]。中值滤波能够在不模糊图像边缘的情况下，对图像平滑去噪。因此我们选用中值滤波进行预处理，考虑到彩色图像是需要处理的对象，选用矢量中值滤波(Vector Median Filter，VMF)对图像进行平滑去噪。2.2.1 矢量中值滤波基本原理假设 C (i , j )是像素点 (i , j ){i = 1,2, , M , j =1,2, ,N} 的矢量，定义C (i , j ) = {R (i , j ), G (i , j ), B ( i , j)}，其中 R ， G ， B 是 RGB 图像各通道灰度值。设待处理RGB 图像的规格为 M × N

图像,果实,矢量中值滤波,原图

在自然光照射的条件下拍摄共 120 幅图像，其中无重叠遮挡影响的果实图像出现重叠果实的图像有 58 幅，出现遮挡情况的图像有 20 幅详情见附录，为了使用将图像大小统一裁剪为408 × 306。本文试验均在主频为 3.0GHz 的因特尔器、6G 内存的计算机上开发完成，试验程序在 MATLAB R2013a 环境下编写基于矢量中值滤波原理我们对原图像 2.2 进行平滑去噪,得到处理后的图像 2.示。图 2.2 原图像

示意图,光反射模型,示意图

入了物体内部。面反射决定了物体的光斑色，点反射出的光线为L，其中面反射光是aL ，体角和反射角，g 是入射光线和反射光线之间的，则可得：( , , , )( , , , ) ( , , , )a bL r i e g = L r i e g +L r i e g质物体表面有相同的光谱特性，由此可以把反可得：( , , , ) ( ) ( , , )a a aL r i e g = C r M i e g( , , , ) ( ) ( , , )b b bL r i e g = C r M i e g表示面反射和体反射分量的几何因子，决定体反射的光谱能量分布，它们只和光谱波长间的表达式为：, , ) ( ) ( , , ) ( ) ( , , )a a b b e g = C r M i e g + C r M i e g察到的颜色信号可表示为： , , ) ( ) ( , ) ( ) ( , )a a b bx y r = C r M x y + C r M x y

【参考文献】