自然环境下苹果目标的识别算法研究

发布时间：2021-02-18 07:36

　　随着城镇化的快速发展,农村劳动力日渐短缺,人工成本也随之增加,现有的苹果生产模式已不能匹配日益扩大的苹果生产规模,因此,将自动采摘机器人引入果园替代人工作业成为现代苹果产业智能化发展的必然趋势。本文以树上成熟苹果为对象,研究了自然环境下苹果目标的识别算法,以提高自动采摘机器人果实采摘作业的精准率,为其实际应用提供方法参考。首先,研究了三种不同的图像平滑算法,通过分析其各自的滤波特点,选择效果最好的5×5方形中值滤波器对图像进行降噪处理,以减少噪声对后续分割的影响。其次,对基于阈值、基于边缘检测和基于特征聚类的三类图像分割算法进行了研究,对比其各自的分割效果,选择最适合本文的K-means聚类算法对苹果目标进行分割处理;然后,针对传统K-means算法随机选取初始聚类中心的缺陷,本文引入了一种结合关系对称矩阵和度中心性的改进K-means算法,最终提高了目标分割的重合度,降低了分割误差。接着,研究了苹果目标的轮廓提取方法,对于无遮挡的单果目标,先利用Canny边缘检测算子提取出目标边缘,然后采用三次样条插值算法对提取的边缘点进行插值运算,获取光滑的果实目标轮廓;对于被遮挡的单果目标,在检... 

【文章来源】：西安科技大学陕西省

【文章页数】：71 页

【学位级别】：硕士

【部分图文】：

苹果自动采摘视觉系统组成框图

西安科技大学硕士学位论文6自然环境下无遮挡单果目标、有遮挡单果目标和无遮挡重叠双果目标的分割和轮廓提取问题，提高苹果自动采摘视觉系统识别果实目标的准确性，为苹果自动化采摘提供技术支持和方法参考。根据上述研究内容，本文的研究技术路线如图1.2所示。图1.2整体研究技术路线图2）章节安排本文共分六章，各章节研究内容安排如下：第一章为绪论部分，主要介绍了本文的研究背景与意义、苹果目标识别算法的国内外研究现状、目前存在的问题以及论文的研究内容与各章节安排。第二章为图像平滑算法与彩色空间模型研究。首先，通过研究均值滤波、高斯滤波和中值滤波三种滤波算法的滤波效果，分析其各自所适应的噪声特点，选择最适合本文的算法进行降噪处理；其次，结合本文研究的需要，重点分析了RGB空间模型和L*a*b*空间模型的结构和分量特点，为后续分割做理论准备。第三章为图像分割算法研究。对比阈值法、边缘检测法和K-means聚类法三类图像

西安科技大学硕士学位论文12光也都可以分解成红、绿、蓝三种分量，其颜色方程如式(2.9)所示。BBGGRRM)()()((2.9)式中，M表示三基色混合后的光色，(R)、(G)、(B)分别表示红、绿、蓝的单位量，R、G、B分别表示红、绿、蓝三基色的数量。图2.2RGB颜色空间模型图RGB颜色空间模型符合大多数的成像硬件设备的颜色系统，因此利用这些设备采集到的图像不需要转换颜色空间便可以直接使用，这是RGB颜色空间模型的最大优势所在。但是RGB颜色空间模型的缺点也比较明显，因为RGB颜色空间属于不均匀颜色空间之一，所以RGB三基色分量的相关性比较高，其中R和G的相关性为90%，G和B的相关性为94%，B和R的相关性为78%[21]，这就会导致在进行颜色分离时很容易出现误分离的现象，大大降低颜色分离的准确性。2.2.2L*a*b*颜色空间模型相比于RGB颜色空间模型，L*a*b*颜色空间模型不受设备、光线和颜料的影响，并且该颜色空间模型包括人类可以看见的所有颜色要素，因此是一种感知均匀、最接近人类视觉的色彩空间[22][23]。L*a*b*颜色空间模型包含三个分量，其中有一个光亮度分量L*，还有两个色度分量a*和b*。L*的取值范围为从0到100，即从纯黑色变换到纯白色；a*的取值范围为从+120到-120，颜色从粉红色变化到灰色再变化到深绿色；b*的取值范围同样为从+120到-120，颜色从黄色变化到灰色再从变化到蓝色[24]。L*a*b*颜色空间模型与RGB颜色空间模型相比，涉及到的算法复杂度较高，计算所需时间也比较长[25]，但是该模型不受外界各种因素的影响，能够较好地反映出目标物体的颜色，且色度分量和亮度分量互不干扰，有利于利用颜色特征进行特征提龋


本文编号：3039250