自然光照下茄子圖像的分割與識別方法研究.pdf

1、科技的進步，推動農(nóng)業(yè)機器人技術迅猛發(fā)展。在農(nóng)業(yè)生產(chǎn)中，采摘是一個重要的環(huán)節(jié)，它的工作量約占整個工作量的一半以上。采摘機器人作為農(nóng)業(yè)機器人的一個主要的類型，能夠提高勞動生產(chǎn)率，保證果實及時有效的采摘。因此發(fā)展采摘機器人技術，對于促進農(nóng)業(yè)發(fā)展有著重要的意義。
　　 圖像的分割與識別是采摘機器人機器視覺系統(tǒng)的基礎，識別結果的好壞直接影響到采摘機器人能否順利采摘果實。傳統(tǒng)的研究大多數(shù)針對單果、無遮擋、自然環(huán)境較簡單的情況，而解決復雜自然

2、環(huán)境下（復雜環(huán)境包括大面積地面，顏色與茄子相似的繩子等）多果、遮擋的果實識別問題，已經(jīng)成為果蔬采摘機器人急需解決的問題。本文的主要研究工作如下:
　　 首先，對茄子顏色空間進行分析及圖像分割。通過實驗分析了幾種常用的顏色空間的特點，即各個分量的灰度直方圖的特征，選出合適的分量進行分割。通過對圖像分割結果的分析得出:單個分量進行圖像分割很難達到理想的效果，并且該算法對環(huán)境的適應性較差，無法適應復雜的自然條件，該方法的魯棒性有待提高

3、。因此本文下一步考慮使用多分量彩色圖像進行圖像分割。
　　 其次，采用支持向量機和凸包擬合對茄子圖像進行分割。通過之前的實驗表明單個分量的灰度圖像分割效果不佳，因此本文考慮使用多分量彩色圖像，即RGB彩色圖像為輸入的支持向量機進行圖像分割。本文通過實驗確定了最優(yōu)核函數(shù)及其參數(shù)，即多項式核函數(shù)，并應用支持向量機方法進行分割。通過實驗確定了開運算的結構元素參數(shù)，并應用開運算去除細小連接。為了去除大面積噪聲，采用面積法和外接矩形法。對

4、于被遮擋的茄子應用凸包擬合的方法進行分割。最后，本文算法與其他算法進行比較，結果表明本文算法的分割成功率較高。
　　 然后，對茄子圖像進行識別。針對背景與茄子相似的情況，采用直方圖匹配的方法進行識別;并且使用基于外接矩形的寬長比識別茄子和西紅柿。
　　 最后，設計并實現(xiàn)了茄子圖像分割與識別原型系統(tǒng)。該系統(tǒng)是在matlab環(huán)境下編程實現(xiàn)，包含顏色模型分析、茄子圖像分割、茄子圖像識別3個模塊。該系統(tǒng)對之前的研究工作進行了系統(tǒng)