【摘要】：中國是世界上蘋果種植面積最大、總產(chǎn)量最高的國家。由于我國近幾年社會勞動力成本增高,導(dǎo)致果實收獲成本高。隨著自動化技術(shù)的飛速發(fā)展,農(nóng)業(yè)機(jī)器人的誕生為降低果實收獲成本和提高農(nóng)業(yè)自動化水平提供了可能。在農(nóng)業(yè)機(jī)器人采摘的過程中,果實識別是最關(guān)鍵的一步,識別精度的高低直接影響農(nóng)業(yè)機(jī)器人能否快速準(zhǔn)確完成采摘任務(wù),因此研究出一種高效、準(zhǔn)確的識別算法是實現(xiàn)果實自動采摘的關(guān)鍵。本文以綠蘋果為研究對象,針對自然環(huán)境中綠蘋果的識別問題進(jìn)行了以下幾個方面的研究工作:(1)針對自然環(huán)境中光照不均勻造成的光斑問題,采用矢量中值濾波對獲取的圖像平滑去噪,根據(jù)二分光反射模型分析光斑的特征,利用光斑特性設(shè)計提取光斑區(qū)域的方法,再通過改進(jìn)的Criminisi圖像修復(fù)算法對圖像光斑去除區(qū)域進(jìn)行修復(fù)。(2)針對自然環(huán)境中無重疊果實的識別問題,提出了一種基于支持向量機(jī)(Support Vector Machines,SVM)的識別方法,該方法還融合了圖像的紋理、顏色和形狀特征,實現(xiàn)了對自然環(huán)境中綠蘋果的識別。(3)針對自然環(huán)境中重疊果實的識別問題,利用改進(jìn)的譜聚類(Spectral Clustering)算法對圖像進(jìn)行分割,使用隨機(jī)霍夫變換(Random Hough Transform,RHT)進(jìn)行目標(biāo)檢測。針對傳統(tǒng)譜聚類算法運(yùn)算數(shù)據(jù)量大,運(yùn)算速度慢的問題,本文基于均值漂移(Mean Shift,MS)和稀疏矩陣原理對傳統(tǒng)的譜聚類算法進(jìn)行改進(jìn)。首先用均值漂移算法對圖像進(jìn)行分割,利用分割結(jié)果提供的先驗信息再結(jié)合圖像的顏色特征和紋理特征建立稀疏相似度矩陣,通過改進(jìn)大大降低了譜聚類算法的數(shù)據(jù)處理量,提高了算法的運(yùn)行速度。本文針對自然環(huán)境中的光照不均問題、無重疊果實和重疊果實的識別問題分別進(jìn)行了研究,提出了相應(yīng)的識別方法,最后基于matlab R2013a平臺利用采集的測試圖像分別進(jìn)行了實驗,驗證了算法的有效性。
【學(xué)位授予單位】：天津理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號】：S661.1;TP391.41
【圖文】：

實現(xiàn)了去除圖像光斑的目的。本章算法的流程圖如圖 2.1 所示：圖 2.1 圖像光斑去除流程圖2.2 圖像預(yù)處理實際生活中獲取的圖像大多存在噪聲，因此在正式處理圖像之前對圖像進(jìn)行一些去噪處理是很有必要的[45]。中值濾波能夠在不模糊圖像邊緣的情況下，對圖像平滑去噪。因此我們選用中值濾波進(jìn)行預(yù)處理，考慮到彩色圖像是需要處理的對象，選用矢量中值濾波(Vector Median Filter，VMF)對圖像進(jìn)行平滑去噪。2.2.1 矢量中值濾波基本原理假 設(shè) C (i , j )是 像 素 點(diǎn) (i , j ){i = 1,2, , M , j =1,2, ,N} 的 矢 量 ， 定 義C (i , j ) = {R (i , j ), G (i , j ), B ( i , j)}，其中 R ， G ， B 是 RGB 圖像各通道灰度值。設(shè)待處理RGB 圖像的規(guī)格為 M × N

在自然光照射的條件下拍攝共 120 幅圖像，其中無重疊遮擋影響的果實圖像出現(xiàn)重疊果實的圖像有 58 幅，出現(xiàn)遮擋情況的圖像有 20 幅詳情見附錄，為了使用將圖像大小統(tǒng)一裁剪為408 × 306。本文試驗均在主頻為 3.0GHz 的因特爾器、6G 內(nèi)存的計算機(jī)上開發(fā)完成，試驗程序在 MATLAB R2013a 環(huán)境下編寫基于矢量中值濾波原理我們對原圖像 2.2 進(jìn)行平滑去噪,得到處理后的圖像 2.示。圖 2.2 原圖像

入了物體內(nèi)部。面反射決定了物體的光斑色，點(diǎn)反射出的光線為L，其中面反射光是aL ，體角和反射角，g 是入射光線和反射光線之間的，則可得：( , , , )( , , , ) ( , , , )a bL r i e g = L r i e g +L r i e g質(zhì)物體表面有相同的光譜特性，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表示面反射和體反射分量的幾何因子，決定體反射的光譜能量分布，它們只和光譜波長間的表達(dá)式為：, , ) ( ) ( , , ) ( ) ( , , )a a b b e g = C r M i e g + C r M i e g察到的顏色信號可表示為： , , ) ( ) ( , ) ( ) ( , )a a b bx y r = C r M x y + C r M x y

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 張亞鋒;屠大維;蔡建文;干為民;;任意位姿物體機(jī)器視覺測量視差變形補(bǔ)正[J];儀器儀表學(xué)報;2017年08期

2 陳錫文;;加快推進(jìn)農(nóng)業(yè)供給側(cè)結(jié)構(gòu)性改革 促進(jìn)我國農(nóng)業(yè)轉(zhuǎn)型升級[J];農(nóng)業(yè)網(wǎng)絡(luò)信息;2017年07期

3 王明蓉;蔣樹清;;光照不均圖像自適應(yīng)增強(qiáng)方法[J];激光雜志;2017年06期

4 陳曉明;孫淑;;中國蘋果出口現(xiàn)狀及對策——基于渠道創(chuàng)新視角[J];農(nóng)村經(jīng)濟(jì)與科技;2017年11期

5 雷菊珍;;果蔬采摘機(jī)器人研究的分析及對策[J];農(nóng)業(yè)科技與信息;2017年05期

6 李大華;趙相飛;許亮;于波;;基于紋理特征與HSI空間的蘋果識別與標(biāo)定[J];圖學(xué)學(xué)報;2016年05期

7 趙源深;貢亮;周斌;黃亦翔;牛慶良;劉成良;;番茄采摘機(jī)器人非顏色編碼化目標(biāo)識別算法研究[J];農(nóng)業(yè)機(jī)械學(xué)報;2016年07期

8 李瑞琳;趙永華;黃小磊;;一種基于MPI的稀疏化局部尺度并行譜聚類算法的研究與實現(xiàn)[J];計算機(jī)工程與科學(xué);2016年05期

9 張俊雄;何芬;;設(shè)施農(nóng)業(yè)采摘機(jī)器人研究進(jìn)展[J];當(dāng)代農(nóng)機(jī);2016年01期

10 馬本學(xué);賈艷婷;梅衛(wèi)江;高國剛;呂琛;周強(qiáng);;不同自然場景下葡萄果實識別方法研究[J];現(xiàn)代食品科技;2015年09期

本文編號：2799541