發(fā)布時(shí)間：2019-08-16 20:48

【摘要】：針對(duì)基于可見(jiàn)光圖像對(duì)綠色番茄進(jìn)行識(shí)別過(guò)程中,光線不均造成的陰影等會(huì)影響果實(shí)的識(shí)別、枝干和葉片對(duì)果實(shí)的遮擋以及果實(shí)之間的遮擋對(duì)果實(shí)識(shí)別的影響等難題,該文對(duì)基于機(jī)器視覺(jué)的綠色番茄檢測(cè)方法進(jìn)行研究。首先通過(guò)快速歸一化互相關(guān)函數(shù)(FNCC,fast normalized cross correlation)方法對(duì)果實(shí)的潛在區(qū)域進(jìn)行檢測(cè),再通過(guò)基于直方圖信息的區(qū)域分類器對(duì)果實(shí)潛在區(qū)域進(jìn)行分類,判別該區(qū)域是否屬于綠色果實(shí),并對(duì)非果實(shí)區(qū)域進(jìn)行濾除,估計(jì)果實(shí)區(qū)域的個(gè)數(shù)。與此同時(shí),基于顏色分析對(duì)輸入圖像進(jìn)行分割,并通過(guò)霍夫變換圓檢測(cè)綠色果實(shí)的位置。最終對(duì)基于FNCC和霍夫變換圓檢測(cè)方法的檢測(cè)結(jié)果進(jìn)行融合,實(shí)現(xiàn)對(duì)綠色番茄果實(shí)的檢測(cè)。當(dāng)綠色果實(shí)和紅色果實(shí)同時(shí)存在時(shí),將綠色果實(shí)檢測(cè)結(jié)果與基于局部極大值法和隨機(jī)圓環(huán)變換檢測(cè)圓算法的紅色番茄果實(shí)檢測(cè)結(jié)果進(jìn)行合并。算法通過(guò)有機(jī)結(jié)合紋理信息、顏色信息及番茄的形狀信息,對(duì)綠色番茄果實(shí)進(jìn)行了檢測(cè),解決了綠色番茄與葉子、莖稈等背景顏色接近等難題。文中共使用了70幅番茄圖像,其中35幅圖像作為訓(xùn)練集圖像,35幅作為驗(yàn)證集圖像。所提出算法對(duì)訓(xùn)練集圖像中的83個(gè)果實(shí)的檢測(cè)正確率為89.2%,對(duì)驗(yàn)證集圖像中105個(gè)果實(shí)的檢測(cè)正確率為86.7%,為番茄采摘機(jī)器人采摘紅色和綠色成熟番茄奠定了基礎(chǔ)。
【圖文】：

?11:00—15:00時(shí)，在北京市昌平區(qū)小湯山特菜大觀園日光溫室采集番茄圖像30幅番茄圖像。采集時(shí)采用自然光作為光源，溫室內(nèi)溫度為15～20℃。采集到的所有70幅圖像中，隨機(jī)選擇35幅作為訓(xùn)練集，35幅作為驗(yàn)證集圖像。所有可見(jiàn)光圖像由尼康J1相機(jī)（NikonInc.，Japan）采集，采集的可見(jiàn)光圖像分辨率為2592×3872像素，圖像保存格式為JPG。在進(jìn)行算法運(yùn)算之前，將可見(jiàn)光圖像縮小為原圖像的1/16，即648×968像素。文中所有算法均通過(guò)Matlab（Ver.R2010a,Mathworks，Natick，Ma，USA）軟件實(shí)現(xiàn)。1.2算法總體描述本文針對(duì)如圖1所示的綠色番茄果實(shí)的檢測(cè)問(wèn)題，提出了基于機(jī)器視覺(jué)的綠色番茄檢測(cè)算法。該算法的流程圖如圖2所示。由于綠色番茄與綠色的莖稈及葉子的顏色相近，如果用傳統(tǒng)的顏色分析法對(duì)果實(shí)分割，效果很差。但是通過(guò)觀察發(fā)現(xiàn)，綠色番茄的果實(shí)區(qū)域與莖稈及葉子區(qū)域的紋理特征相差很大，因此本文首先基于果實(shí)30×30像素區(qū)域和非果實(shí)30×30像素區(qū)域進(jìn)行基于區(qū)域直方圖信息的分類器的訓(xùn)練。對(duì)于需要進(jìn)行綠色果實(shí)檢測(cè)的圖像，首先通過(guò)快速歸一化互相關(guān)函數(shù)（FNCC,fastnormalizedcrosscorrelation）方法對(duì)果實(shí)的潛在區(qū)域進(jìn)行檢測(cè)，再通過(guò)訓(xùn)練好的基于區(qū)域直方圖信息的分類器對(duì)潛在位置處感興趣區(qū)域進(jìn)行分類，判別該區(qū)域是否屬于綠色果實(shí)，，并對(duì)非果實(shí)區(qū)域進(jìn)行濾除，估計(jì)果實(shí)區(qū)域的個(gè)數(shù)。與此同時(shí)，對(duì)果實(shí)的個(gè)數(shù)進(jìn)行估計(jì)。通過(guò)顏色分析對(duì)輸入圖像進(jìn)行分割，并利用果實(shí)的估計(jì)個(gè)數(shù)作為霍夫變換圓檢測(cè)的一個(gè)參數(shù)，進(jìn)行綠色果實(shí)的檢測(cè)。并最終基于FNCC和霍夫變換圓檢測(cè)方法的檢測(cè)結(jié)果的圓心距離，對(duì)綠色番茄果實(shí)的檢測(cè)結(jié)果進(jìn)行融合，實(shí)現(xiàn)對(duì)果實(shí)的檢測(cè)和定位。圖1綠色番茄圖像舉例Fig.1Exampleimageofgreentomatoes注：RGB圖像表示用R

葉戎蕩笥?0的區(qū)域表示該區(qū)域與果實(shí)區(qū)域模板的相關(guān)系數(shù)大于0.7。對(duì)圖1和圖4進(jìn)行比較，可以看出圖像中大部分果實(shí)區(qū)域被準(zhǔn)確識(shí)別，但是也存在一些非果實(shí)區(qū)域被誤檢測(cè)。通過(guò)對(duì)各個(gè)果實(shí)潛在位置的區(qū)域，采用5.1節(jié)所得到的SVM分類器進(jìn)行分析，將正誤識(shí)進(jìn)行濾除掉，其結(jié)果如圖5所示�？梢钥闯鰧�(duì)圖中的果實(shí)進(jìn)行了正確的檢測(cè)。但是，由于FNCC只能夠?qū)麑?shí)的位置進(jìn)行估計(jì)，并不能夠?qū)麑?shí)的大小進(jìn)行估計(jì)，無(wú)法為機(jī)器人采摘進(jìn)行進(jìn)一步的指導(dǎo)，因此需要霍夫圓變換進(jìn)一步檢測(cè)果實(shí)的半徑。a.果實(shí)a.Fruitb.非果實(shí)b.Non-fruit圖3果實(shí)和非果實(shí)30×30像素區(qū)域Fig.330×30pixelregionsforfruitandnon-fruit表2不同分類器對(duì)區(qū)域分類的結(jié)果Table2Classificationresultsusingdifferentclassifiers果實(shí)區(qū)域Fruitarea非果實(shí)區(qū)域Non-fruitarea分類器Classifier正確檢測(cè)數(shù)目Correctdetection正確檢測(cè)率Correctdetectionratio/%正確檢測(cè)數(shù)目Correctdetection正確檢測(cè)率Correctdetectionratio/%KNN分類器KNNclassifier42844080樸素貝葉斯NaveBayes47943468支持向量機(jī)SVM479440801234圖4FNCC果實(shí)檢測(cè)結(jié)果圖5基于區(qū)域紋理分析的Fig.4Detectionresults檢測(cè)結(jié)果usingFNCCFig.5Detectionresultsbasedonregionaltextureanalysis5.3霍夫變換結(jié)果由于番茄果實(shí)與背景差異較小，霍夫圓變換不能夠直接應(yīng)用于RGB圖像中，需要對(duì)圖像中的果實(shí)邊緣進(jìn)行檢測(cè)。根據(jù)文獻(xiàn)[35]的分析，R、B、Hue3個(gè)分量對(duì)于果實(shí)和背景的區(qū)分效果最顯著，其中R、B分別為RGB圖像的紅色和藍(lán)色分量，Hue為RGB圖像進(jìn)行HSV顏色變換后的色調(diào)分量，簡(jiǎn)寫(xiě)為H。因此，本文首先獲取了RBH顏色分量復(fù)合圖像，如圖6所示�？梢钥闯�，果實(shí)與葉子?
【作者單位】： 中國(guó)農(nóng)業(yè)大學(xué)現(xiàn)代精細(xì)農(nóng)業(yè)系統(tǒng)集成研究教育部重點(diǎn)實(shí)驗(yàn)室;河北工業(yè)大學(xué)電子信息工程學(xué)院;
【基金】：國(guó)家自然科學(xué)基金:封閉式基質(zhì)栽培日光溫室環(huán)境最優(yōu)調(diào)控與管理策略(31271619) 北京市優(yōu)秀人才培養(yǎng)資助青年骨干個(gè)人(2015000020060G129) 中國(guó)農(nóng)業(yè)大學(xué)基本科研業(yè)務(wù)費(fèi)專項(xiàng)資金項(xiàng)目(2016XD003)
【分類號(hào)】：S626;S641.2;TP391.41

【相似文獻(xiàn)】

相關(guān)會(huì)議論文 前4條

1 戴淵明;張翔;王再富;;基于改進(jìn)概率霍夫變換算法的車道檢測(cè)方法研究[A];浙江省電子學(xué)會(huì)2006年學(xué)術(shù)年會(huì)論文集[C];2006年

2 張衛(wèi);杜尚豐;;霍夫變換在農(nóng)田機(jī)器人視覺(jué)導(dǎo)航中的應(yīng)用[A];農(nóng)業(yè)工程科技創(chuàng)新與建設(shè)現(xiàn)代農(nóng)業(yè)——2005年中國(guó)農(nóng)業(yè)工程學(xué)會(huì)學(xué)術(shù)年會(huì)論文集第三分冊(cè)[C];2005年

3 徐曉冰;袁先彪;王健;;基于邊緣檢測(cè)與霍夫變換的車牌分割[A];'2003系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)交流會(huì)論文集[C];2003年

4 周洪;鐘明慧;;工業(yè)過(guò)程顯示儀表的數(shù)字處理與視頻傳輸[A];首屆信息獲取與處理學(xué)術(shù)會(huì)議論文集[C];2003年

相關(guān)博士學(xué)位論文 前1條

1 張維澤;基于簡(jiǎn)單局部特征學(xué)習(xí)的物體檢測(cè)方法[D];浙江大學(xué);2010年

相關(guān)碩士學(xué)位論文 前10條

1 彭艷周;高速公路車道檢測(cè)方法研究[D];河南科技大學(xué);2015年

2 蔣宇東;面向互聯(lián)網(wǎng)應(yīng)用的視頻拷貝檢測(cè)系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D];復(fù)旦大學(xué);2013年

3 張旭;面向移動(dòng)智能終端的交通信號(hào)識(shí)別技術(shù)研究[D];電子科技大學(xué);2015年

4 劉欣瑜;三維超聲胎兒小腦分割與特征分析[D];復(fù)旦大學(xué);2014年

5 李亞憶;基于實(shí)測(cè)雷達(dá)回波數(shù)據(jù)的檢測(cè)前跟蹤算法實(shí)現(xiàn)[D];西安電子科技大學(xué);2014年

6 高強(qiáng);音樂(lè)教學(xué)中譜音識(shí)別的研究與實(shí)現(xiàn)[D];武漢工程大學(xué);2015年

7 孫獻(xiàn)燦;基于隨機(jī)霍夫變換的多人運(yùn)動(dòng)分析[D];南京理工大學(xué);2013年

8 郭陳林;基于Hough變換的微弱目標(biāo)檢測(cè)方法研究[D];電子科技大學(xué);2011年

9 唐曉敏;基于霍夫變換及條件概率模型的多目標(biāo)檢測(cè)[D];大連理工大學(xué);2010年

10 杜本漢;基于霍夫變換和條件隨機(jī)場(chǎng)模型的目標(biāo)檢測(cè)[D];上海交通大學(xué);2014年

本文編號(hào)：2527646