為實現(xiàn)農(nóng)業(yè)智能機器人對作業(yè)現(xiàn)場花椒的識別,提出了一種基于HSV模型與改進的Otsu算法相結(jié)合的圖像分割方法:以現(xiàn)場圖像的H分量圖像作為處理樣本,先采用中值濾波濾除噪聲,再利用改進的Otsu算法進行閾值分割,達到對花椒目標辨識的目的。通過對采摘現(xiàn)場成熟的大紅袍花椒在順光、背光、遮陰3種情況下采集的圖像進行分割,結(jié)果表明:在順光、背光、遮陰條件下,分割識別率分別為93.3%、90%、88.3%,且與傳統(tǒng)的Otsu算法相比,圖像分割時間縮短20%以上,為現(xiàn)場機器人花椒采摘識別提供了一種方法。 

【文章來源】：中國農(nóng)機化學報. 2019,40(11)北大核心

【文章頁數(shù)】：6 頁

【部分圖文】：

花椒圖像分割流程

顏色是對植物進行圖像分割的重要依據(jù)之一[14]。HSV顏色模型由色相(Hue)、飽和度(Saturation)和明度(Value)3個分量組成,是人視覺系統(tǒng)對彩色感知的方式之一[15]。HSV顏色模型中3個分量的獨立性高于RGB顏色模型中的3個分量的獨立性。當植物周圍環(huán)境的色相與植物的色相差別較大時,將植物的RGB圖像轉(zhuǎn)化為HSV圖像,提取H分量后獲得的圖像中植物的凸顯性好[16-18]�；诖�,將順光、背光、遮陰3種條件下的花椒RGB圖像轉(zhuǎn)化為HSV圖像,提取其H分量,結(jié)果如圖1(b)、2(b)、3(b)所示。觀察3種條件下的H分量圖,發(fā)現(xiàn)圖中花椒果實凸現(xiàn)性均較好,與周圍環(huán)境有很大差異。由H分量直方圖(見圖1(c)、2(c)、3(c))可知:3種條件下H直方圖曲線均有明顯的波峰和波谷,適合采用Otsu分割算法獲得花椒果實目標。因此,首先選擇HSV顏色模型的H分量對花椒圖像進行預處理。圖2 背光下花椒圖像H分量分析

背光下花椒圖像H分量分析

【參考文獻】：
期刊論文
[1]橘子采摘機器人目標識別定位方法與實驗研究[J]. 楊帆,李鵬飛,劉庚,王偉斌.  西安理工大學學報. 2018(04)
[2]草莓采摘機器人圖像識別系統(tǒng)研究[J]. 侯貴洋,趙桂杰,王璐瑤.  軟件. 2018(06)
[3]基于機器視覺的水果采摘機器人目標識別方法[J]. 初廣麗,張偉,王延杰,丁南南,劉艷瀅.  中國農(nóng)機化學報. 2018(02)
[4]基于改進Otsu算法的生菜葉片圖像分割方法[J]. 孫俊,宋佳,武小紅,李玉婷.  江蘇大學學報(自然科學版). 2018(02)
[5]一種改進的應用于膚色分割的Otsu算法[J]. 項敏,李民政.  桂林電子科技大學學報. 2017(05)
[6]非結(jié)構環(huán)境中擾動葡萄采摘點的視覺定位技術[J]. 熊俊濤,何志良,湯林越,林睿,劉振.  農(nóng)業(yè)機械學報. 2017(04)
[7]基于局部均值的甘蔗莖節(jié)識別[J]. 黃亦其,黃體森,黃媚章,尹凱,王小波.  中國農(nóng)機化學報. 2017(02)
[8]串番茄采摘點的識別方法[J]. 梁喜鳳,章艷.  中國農(nóng)機化學報. 2016(11)
[9]自然場景下花椒果實的識別[J]. 萬芳新,白明昌,賀志洋,黃曉鵬.  中國農(nóng)機化學報. 2016(10)
[10]基于超模糊集的Canny邊緣檢測在花椒圖像中的應用[J]. 宋凌怡,舒濤,周德榮.  重慶工商大學學報(自然科學版). 2016(03)



本文編號：3223953