基于計算機視覺的生長期蘋果識別和直徑變化分析研究.pdf

1、監(jiān)測蘋果生長過程中的直徑變化對于預(yù)測蘋果發(fā)育狀況、指導(dǎo)果農(nóng)進(jìn)行農(nóng)事操作具有非常重要的作用。采用人工測量等傳統(tǒng)方法存在效率低、精度差等問題，而機器視覺為實現(xiàn)蘋果生長過程連續(xù)、快速的監(jiān)測提供了支持。由于在果園自然條件下，生長期蘋果果實個體顏色差異較大，又受光線變化等因素的影響，使拍攝到的蘋果圖像比較復(fù)雜，為蘋果的分割、識別和直徑提取帶來了一定的困難。為了解決上述問題，本文主要針對自然場景下生長期內(nèi)自動監(jiān)測蘋果圖像進(jìn)行不同顏色分量選取、二值化

2、處理和去噪等操作，然后對二值化后的蘋果圖像進(jìn)行邊緣檢測，利用兩種圓擬合方法（HOUGH變換和最小二乘法）進(jìn)行半徑擬合，分別與實測直徑對比分析，選用最小二乘法的模擬半徑值與果實發(fā)育天數(shù)建立Logistics方程，并對模型進(jìn)行驗證。本文的研究內(nèi)容分為以下三部分：
　　1.生長期果實識別。利用三種不同顏色模型（RGB、Lab、YCbCr）中的8種分量，對生長期（本文分為初期、中期、后期）蘋果圖像進(jìn)行識別，計算果實面積和噪聲率，將果實面積

3、與真實果實面積比較，并結(jié)合噪聲率大小，從而選擇不同時期適合的顏色模型提高識別率。對初期蘋果分割時，應(yīng)優(yōu)先選用RGB模型下的g-r分量進(jìn)行提??；對中期蘋果提取時，應(yīng)優(yōu)先選用r-b分量；對成熟期蘋果進(jìn)行提取的過程中，優(yōu)先選用a*分量進(jìn)行提取。選出合適的顏色模型，使其能適應(yīng)不同顏色變化而進(jìn)行有效分割，為蘋果生長期識別提供了依據(jù)。對于已提取的灰度圖像，選取OTSU（最大類間方差）法進(jìn)行圖像分割，利用數(shù)學(xué)形態(tài)學(xué)開閉運算、刪除小面積區(qū)域進(jìn)行圖像去噪

4、處理，最后對二值化圖進(jìn)行填充操作。
　　2.果實半徑識別。通過分析比較幾種邊緣算子，選用Canny算子對二值化圖像進(jìn)行邊緣信息提??；利用最小二乘法和HOUGH變換對圖像進(jìn)行圓擬合，提取半徑信息，分別與實測直徑對比分析，通過分析決定系數(shù)、均方根誤差和平均絕對誤差來判定擬合程度，結(jié)果表明最小二乘法得出的半徑值與真實值之間的決定系數(shù)R2，均方根誤差為和平均絕對誤差均優(yōu)于HOUGH變換方法。說明最小二乘法的模擬直徑值更接近于實測值，最小二

5、乘法更適用于本文圖像的圓擬合，且檢測簡單、速度快。
　　3.建立生長發(fā)育模型并驗證。由于果實直徑發(fā)育呈S型曲線增長并且Logistics曲線較好的描述了蘋果的生長發(fā)育規(guī)律，因此利用最小二乘法的模擬直徑值y與盛花期后的生長發(fā)育天數(shù)t建立Logistics曲線方程，該方程能模擬果實生長過程中的直徑大小。選取任意天數(shù)進(jìn)行模型驗證，驗證結(jié)果與真實值誤差在2mm以內(nèi)，符合蘋果直徑評價要求。
　　對不同時期的蘋果果實進(jìn)行圖像識別、分割提