在非結(jié)構(gòu)化的果園生態(tài)環(huán)境中,蘋果的生長環(huán)境非常復(fù)雜,果實(shí)往往互相重疊或果實(shí)被樹葉遮擋,導(dǎo)致蘋果采摘機(jī)器人不能快速以及準(zhǔn)確地識別和定位目標(biāo)蘋果,嚴(yán)重影響蘋果采摘機(jī)器人的采摘效率。為了解決的這一個(gè)問題。本文針對蘋果重疊和遮擋等問題,提出一種新的方法。主要研究內(nèi)容和結(jié)論如下:本文具體介紹了K-means算法、OUST閾值分割、色差法三種分割算法,并且對三種算法進(jìn)行了對比分析。經(jīng)過實(shí)驗(yàn)得出,K-means分割算法的平均相似度為96.34%;平均分割誤差為2.35%;平均運(yùn)行時(shí)間為0.78s。除了運(yùn)行時(shí)間,K-means算法的分割性能要高于其他兩種算法,且該算法的運(yùn)行時(shí)間不超過1秒,因此表明該算法能夠較為穩(wěn)定、快速,準(zhǔn)確的將蘋果圖像中的目標(biāo)提取出來,因此選擇K-means分割算法對蘋果圖像進(jìn)行分割。提出一種基于圖論分割算法Nuct與三次樣條插值算法結(jié)合使用的方法對重疊蘋果進(jìn)行識別與定位。該方法的步驟為:第一步,對K-means分割算法分割及預(yù)處理后的恢復(fù)彩色的圖像使用圖論分割算法Nuct進(jìn)行2次分割,提取兩個(gè)蘋果的輪廓,第二步,使用邊緣曲率提取出果實(shí)沒有被遮擋的完整輪廓和被遮擋部分輪廓,最后,使... 

【文章來源】：昆明理工大學(xué)云南省

【文章頁數(shù)】：88 頁

【學(xué)位級別】：碩士

【部分圖文】：

研究技術(shù)路線圖

2自然環(huán)境下蘋果分割算法對比及效果測試92自然環(huán)境下蘋果分割算法對比及效果測試蘋果圖像一般分為要識別的蘋果目標(biāo)和一些不需要識別的背景（天空、樹枝葉、土地），因此需要對蘋果圖像進(jìn)行分割處理以提取蘋果目標(biāo)。選用什么方法分割蘋果圖像直接決定了蘋果識別和定位的準(zhǔn)確率，而目前常用的圖像分割方法有圖論分割、閾值分割、區(qū)域分割、聚類分割，為了更好的對蘋果圖像進(jìn)行分割，提高蘋果識別效果，本章將介紹并對比3種分割效果不錯(cuò)的分割方法，并從中選取最適合方法進(jìn)行后續(xù)實(shí)驗(yàn)。2.1分割方法的介紹及分割結(jié)果2.1.1色差法色差法分割算法是利用在不同的顏色空間中蘋果和背景的差異為基礎(chǔ)的分割算法[48]，所以選擇最佳的顏色空間能使蘋果和背景的差異最大化，從而更好的分割蘋果圖像。當(dāng)前用于蘋果圖像分割有HSV，RGB，Lab等顏色空間[45]。如圖2.1、2.2、2.3所示。圖2.1RGB顏色空間模型Fig2.1RGBColorModelSpace圖2.2HVS顏色模型空間Fig2.2HVSColorModelSpace

2自然環(huán)境下蘋果分割算法對比及效果測試92自然環(huán)境下蘋果分割算法對比及效果測試蘋果圖像一般分為要識別的蘋果目標(biāo)和一些不需要識別的背景（天空、樹枝葉、土地），因此需要對蘋果圖像進(jìn)行分割處理以提取蘋果目標(biāo)。選用什么方法分割蘋果圖像直接決定了蘋果識別和定位的準(zhǔn)確率，而目前常用的圖像分割方法有圖論分割、閾值分割、區(qū)域分割、聚類分割，為了更好的對蘋果圖像進(jìn)行分割，提高蘋果識別效果，本章將介紹并對比3種分割效果不錯(cuò)的分割方法，并從中選取最適合方法進(jìn)行后續(xù)實(shí)驗(yàn)。2.1分割方法的介紹及分割結(jié)果2.1.1色差法色差法分割算法是利用在不同的顏色空間中蘋果和背景的差異為基礎(chǔ)的分割算法[48]，所以選擇最佳的顏色空間能使蘋果和背景的差異最大化，從而更好的分割蘋果圖像。當(dāng)前用于蘋果圖像分割有HSV，RGB，Lab等顏色空間[45]。如圖2.1、2.2、2.3所示。圖2.1RGB顏色空間模型Fig2.1RGBColorModelSpace圖2.2HVS顏色模型空間Fig2.2HVSColorModelSpace

【參考文獻(xiàn)】：
期刊論文
[1]基于科技情報(bào)Hadoop平臺的系統(tǒng)研究[J]. 李時(shí)玉,孫沫卿,郭建偉.  物聯(lián)網(wǎng)技術(shù). 2018(01)
[2]基于單目視覺與超聲檢測的振蕩果實(shí)采摘識別與定位[J]. 李國利,姬長英,顧寶興.  農(nóng)業(yè)機(jī)械學(xué)報(bào). 2015(11)
[3]基于Lab和YUV顏色空間的農(nóng)田圖像分割方法[J]. 劉瓊,史諾.  國外電子測量技術(shù). 2015(04)
[4]蘋果幼果圖像的分割與識別算法研究[J]. 李卓,楊子敬,郝建唯,高宏偉.  沈陽理工大學(xué)學(xué)報(bào). 2015(01)
[5]基于光照無關(guān)圖理論的蘋果表面陰影去除方法[J]. 宋懷波,屈衛(wèi)鋒,王丹丹,余秀麗,何東健.  農(nóng)業(yè)工程學(xué)報(bào). 2014(24)
[6]基于改進(jìn)人工蜂群模糊聚類的葡萄圖像快速分割方法[J]. 羅陸鋒,鄒湘軍,楊洲,李國琴,宋西平,張叢.  農(nóng)業(yè)機(jī)械學(xué)報(bào). 2015(03)
[7]基于機(jī)器視覺的自然環(huán)境中獼猴桃識別與特征提取[J]. 崔永杰,蘇帥,王霞霞,田玉鳳,李平平,張發(fā)年.  農(nóng)業(yè)機(jī)械學(xué)報(bào). 2013(05)
[8]蘋果采摘機(jī)器人激光視覺系統(tǒng)的構(gòu)建[J]. 馮娟,劉剛,司永勝,王圣偉,周薇.  農(nóng)業(yè)工程學(xué)報(bào). 2013(S1)
[9]基于激光掃描三維圖像的樹上蘋果識別算法[J]. 馮娟,劉剛,司永勝,王圣偉,任雯,周薇.  農(nóng)業(yè)機(jī)械學(xué)報(bào). 2013(04)
[10]蘋果圖像的背景分割與目標(biāo)提取[J]. 王福杰,饒秀勤,應(yīng)義斌.  農(nóng)業(yè)機(jī)械學(xué)報(bào). 2013(01)

博士論文
[1]智能移動式水果采摘機(jī)器人系統(tǒng)的研究[D]. 顧寶興.南京農(nóng)業(yè)大學(xué) 2012

碩士論文
[1]自然環(huán)境中基于雙目視覺的蘋果識別與定位研究[D]. 胡浩波.燕山大學(xué) 2017
[2]基于FPGA的圖像傳感器設(shè)計(jì)與邊緣檢測[D]. 徐紫洋.華南理工大學(xué) 2017
[3]基于機(jī)器視覺的無人值守變電所絕緣子故障檢測系統(tǒng)研究[D]. 劉胤欣.石家莊鐵道大學(xué) 2015
[4]基于圖像處理的電離層垂測頻高圖參數(shù)提取方法的研究[D]. 徐高峰.中國海洋大學(xué) 2014
[5]基于FCM算法的圖像分割技術(shù)研究[D]. 趙雁.哈爾濱工業(yè)大學(xué) 2012
[6]基于小波變換的交通圖像預(yù)處理與特征提取[D]. 張麗.河北大學(xué) 2007



本文編號：3417398