黃瓜收獲機(jī)器人視覺(jué)系統(tǒng)的研究.pdf

1、我國(guó)是一個(gè)農(nóng)業(yè)大國(guó)，農(nóng)業(yè)技術(shù)裝備事關(guān)國(guó)民經(jīng)濟(jì)的競(jìng)爭(zhēng)力和農(nóng)業(yè)經(jīng)濟(jì)的可持續(xù)發(fā)展。為進(jìn)一步提高農(nóng)業(yè)機(jī)械化和自動(dòng)化水平，降低生產(chǎn)成本，農(nóng)業(yè)收獲機(jī)器人的研究受到了越來(lái)越多的關(guān)注，成為農(nóng)業(yè)機(jī)械裝備的重要研究方向。
　　 黃瓜是世界性蔬菜，栽培歷史悠久，種植廣泛。我國(guó)目前黃瓜收獲和分類(lèi)的方式多以手工為主，工作效率低下，勞動(dòng)強(qiáng)度高，而且人為因素也會(huì)導(dǎo)致分類(lèi)標(biāo)準(zhǔn)的參差不齊，難以滿足現(xiàn)代化農(nóng)業(yè)的需要?，F(xiàn)在農(nóng)業(yè)機(jī)械化已駛?cè)肟燔?chē)道，采用先進(jìn)設(shè)備使農(nóng)業(yè)生

2、產(chǎn)的各個(gè)環(huán)節(jié)實(shí)現(xiàn)智能化和自動(dòng)化已成為主流。這跟現(xiàn)代農(nóng)業(yè)精準(zhǔn)高效、綠色環(huán)保的要求是一致的。因此，探索研制黃瓜收獲機(jī)器人很有必要。一方面可以改善人們的作業(yè)環(huán)境，降低勞動(dòng)強(qiáng)度;另一方面可以提高采摘效率和保護(hù)自然環(huán)境。
　　 結(jié)合目前農(nóng)業(yè)工程中的研究熱點(diǎn)—機(jī)器視覺(jué)技術(shù)，本文對(duì)黃瓜收獲機(jī)器人視覺(jué)系統(tǒng)的關(guān)鍵技術(shù)一目標(biāo)識(shí)別和導(dǎo)航路徑提取進(jìn)行較為系統(tǒng)地研究，主要研究?jī)?nèi)容包括以下幾個(gè)方面:
　　 (1)對(duì)黃瓜和其莖葉在近紅外波段的光譜特性

3、進(jìn)行了研究。通過(guò)試驗(yàn)，找到了黃瓜和莖葉反射光譜差異較大的波段。在利用樣本的主成分得分結(jié)合馬氏距離法剔除了異常樣本后，對(duì)定標(biāo)建模樣本進(jìn)行了交互驗(yàn)證，得到7個(gè)最佳主成分并建立了PLS模型，對(duì)預(yù)先設(shè)定的驗(yàn)證樣本集的預(yù)測(cè)結(jié)果表明，正確識(shí)別率達(dá)到100％。
　　 (2)以溫室黃瓜為對(duì)象，根據(jù)黃瓜圖像的顏色特點(diǎn)，研究了黃瓜圖像的顏色空間轉(zhuǎn)換和黃瓜灰度圖像增強(qiáng)處理。對(duì)黃瓜圖像的3種顏色空間（9個(gè)色彩通道）的色差統(tǒng)計(jì)分析，發(fā)現(xiàn)RGB顏色空間黃瓜

4、圖像適合作為圖像處理的基礎(chǔ);在圖像增強(qiáng)處理中，利用脈沖耦合神經(jīng)網(wǎng)絡(luò)賦時(shí)矩陣的方法進(jìn)行圖像增強(qiáng)，該方法結(jié)合了人眼的視覺(jué)特性，充分應(yīng)用了Weber定律，能夠得到較好的處理效果。試驗(yàn)結(jié)果表明:增強(qiáng)處理突出了圖像對(duì)比度，同時(shí)保留了圖像細(xì)節(jié)信息。
　　 (3)探討了溫室黃瓜圖像的分割方法。針對(duì)圖像中黃瓜與其莖葉色彩相近的特點(diǎn)，應(yīng)用改進(jìn)脈沖耦合神經(jīng)網(wǎng)絡(luò)進(jìn)行黃瓜圖像分割。該方法將黃瓜圖像的灰度信息和空間信息耦合到連接系數(shù)中，通過(guò)自適應(yīng)調(diào)整其各

5、參數(shù)，以動(dòng)態(tài)閾值分割圖像，以圖像的二維Tsallis熵最大為脈沖耦合神經(jīng)網(wǎng)絡(luò)終止迭代準(zhǔn)則。分別與基于Shannon熵最大終止迭代準(zhǔn)則和基于最小交叉熵終止迭代準(zhǔn)則的改進(jìn)脈沖耦合神經(jīng)網(wǎng)絡(luò)分割效果進(jìn)行比較，采用試驗(yàn)優(yōu)度法統(tǒng)計(jì)分割結(jié)果。統(tǒng)計(jì)結(jié)果表明:基于二維Tsallis熵最大終止準(zhǔn)則的PCNN可取得良好的分割效果。
　　 (4)探討了溫室環(huán)境中黃瓜目標(biāo)的識(shí)別方法。針對(duì)采用脈沖耦合神經(jīng)網(wǎng)絡(luò)分割所得的二值圖像，利用數(shù)學(xué)形態(tài)學(xué)方法進(jìn)一步處理

6、;分別提取二值圖像中各連通區(qū)域的4個(gè)幾何特征值和灰度共生矩陣基礎(chǔ)上的3個(gè)紋理特征值，作為最小二乘支持向量機(jī)(LS-SVM)的輸入特征向量;利用訓(xùn)練好的LS-SVM分類(lèi)器判別圖像中的黃瓜目標(biāo)。試驗(yàn)結(jié)果顯示:用于試驗(yàn)的70幅黃瓜圖像，正確識(shí)別率達(dá)82.9％。這表明脈沖耦合神經(jīng)網(wǎng)絡(luò)結(jié)合LS-SVM的方法，適合復(fù)雜背景的溫室黃瓜識(shí)別。
　　 (5)提出了一種基于廣義模糊霍夫變換識(shí)別有部分遮擋黃瓜的方法。應(yīng)用Bezier曲線擬合黃瓜的中心

7、軸，應(yīng)用廣義柱的思想描述黃瓜;通過(guò)提取黃瓜二值圖像邊緣對(duì)點(diǎn)的特征不變角度作為索引項(xiàng)，對(duì)點(diǎn)的距離與模板索引項(xiàng)對(duì)應(yīng)的點(diǎn)對(duì)距離的比例確定圖像的尺度;將模糊概念應(yīng)用到投票機(jī)制中，可減少虛假投票，采用廣義霍夫變換計(jì)算黃瓜目標(biāo)的潛在位置，并分別比較待識(shí)別黃瓜與模板各旋轉(zhuǎn)角度下的“面積差”，選出目標(biāo)的位姿，并恢復(fù)黃瓜形狀。試驗(yàn)表明:廣義模糊霍夫變換可以識(shí)別部分遮擋、不同位姿的黃瓜目標(biāo)。
　　 (6)研究了黃瓜收獲機(jī)器人在溫室非結(jié)構(gòu)環(huán)境中導(dǎo)航路

8、徑提取的算法。對(duì)CCD拍攝的圖像進(jìn)行列掃描，從每列的像素灰度值累加值確定導(dǎo)航路徑可能的區(qū)域。通過(guò)分析，圖像中黃瓜植株和其行間路面顏色差異較大，應(yīng)用RGB圖像的三個(gè)分量的數(shù)學(xué)運(yùn)算（EXG和EXR）進(jìn)行圖像預(yù)處理，得到直方圖具有雙峰特征的灰度圖像，利用OTSU法對(duì)該灰度圖像進(jìn)行分割并得到二值圖像;從可能的導(dǎo)航路徑分別向左右逐行掃描，記錄行掃描中每個(gè)灰度突變的像素點(diǎn)位置;將同一行中離潛在導(dǎo)航線兩側(cè)最近的記錄像素點(diǎn)作和運(yùn)算并取平均值，得到導(dǎo)航離