一种用于采摘机器人的莲蓬目标图像识别方法技术

本发明专利技术公开了一种用于采摘机器人的莲蓬目标图像识别方法，采用图像高斯滤波与超绿色指标法相结合的方法，设计超绿色高斯滤波器，去除复杂背景；采用改进的形态学分水岭分割算法对有重叠现象的图像实现重叠部分的分离和分割；改进Hu不变矩算法，计算莲蓬、荷叶、荷花、茎的不变矩an，对所计算的n阶不变矩进行线性组合，得到能够表征莲蓬、荷叶、荷花、茎不同形状特征的不变矩主成分zm；图像目标识别，利用K-Means聚类算法对莲蓬、荷花、荷叶、茎图像的不变矩主成分zm分类。主成分离莲蓬聚类中心最近的连通分量即为莲蓬。本发明专利技术可以有效地区分识别莲蓬、荷叶、荷花、茎，是莲蓬采摘机器人的视觉系统的核心算法技术。

【技术实现步骤摘要】

本专利技术属于农业机械领域，涉及。
技术介绍
采摘机器人的开发与发展始于1968年的美国，主要有机械振摇式和气动振摇式， 但两者对果实的伤害较大。随着智能化、自动化、工业化的发展，国外采摘机器人的发展已 经突飞猛进，日本、荷兰、法国、英国等国家已试验成功了很多采摘机器人，如番茄采摘机器 人、葡萄采摘机器人、黄瓜采摘机器人、西瓜采摘机器人、甘蓝采摘机器人、蘑菇采摘机器人 等。在国内，果蔬采摘机器人的研宄刚刚起步，东北大学的陆怀民试验成功了林木果球采摘 机器人，郭峰等人运用图像处理和神经网络技术，开发了草莓挑选机器人，随后浙江大学的 应义斌开发了水果自动分级机器人。为使机器人得到更大的发展空间，我们将其运用到水 生植物的采摘，为人们提供更大的便利。
技术实现思路
本专利技术的目的是：为了将采摘机器人用于更广泛的领域，不仅适用于陆地果实、农 作物的采摘，也能用于水生植物的识别、定位和采摘，研宄开发了一种用于水上作物采摘机 器人的莲蓬目标图像识别方法，并针对识别过程中存在的问题，提出解决方案。 本专利技术的技术方案为： 本专利技术的技术方案包括以下步 骤： -种用于采摘机器人的莲蓬目标图像识别方法，包括以下步骤： 步骤1，采用图像高斯滤波与超绿色指标法相结合的方法，设计超绿色高斯滤波 器，去除复杂背景； 步骤2,采用距离变换与空间模式聚类算法相结合的分水岭算法，对有重叠现象的 图像实现重叠部分的分离和分割； 步骤3,利用改进Hu不变矩算法，计算莲蓬、荷叶、荷花、茎的不变矩\，对所计算 的n阶不变矩进行线性组合，得到能够表征莲蓬、荷叶、荷花、茎不同形状特征的不变矩主 成分zm (m彡n); 步骤4,图像目标识别，利用K-Means聚类算法对莲蓬、荷花、荷叶、茎图像的不变 矩主成分zm分类，主成分离莲蓬聚类中心最近的连通分量即为莲蓬。 进一步，所述步骤1的高斯滤波函数为：【主权项】1. ，其特征在于，包括以下步骤： 步骤1，采用图像高斯滤波与超绿色指标法相结合的方法，设计超绿色高斯滤波器，去 除复杂背景； 步骤2,采用距离变换与空间模式聚类算法相结合的分水岭算法，对有重叠现象的图像 实现重叠部分的分离和分割； 步骤3,利用改进Hu不变矩算法，计算莲蓬、荷叶、荷花、茎的不变矩an，对所计算的η 阶不变矩进行线性组合，得到能够表征莲蓬、荷叶、荷花、茎不同形状特征的不变矩主成分 zm (m ^ η)； 步骤4,图像目标识别，利用K-Means聚类算法对莲蓬、荷花、荷叶、茎图像的不变矩主 成分Zm分类，主成分离莲蓬聚类中心最近的连通分量即为莲蓬。2. 根据权利要求1所述的用于采摘机器人的莲蓬目标图像识别方法，其特征在于，所 述步骤1的高斯滤波函数为：其中 X = 0, 1，2, . . .，M-I ;y = 0, 1，2, . . .，Ν-1。X，y 轴垂直，在与 X，y 相互正交的 ζ 轴上加入一维离散信号，其中X，y，z轴符合右手定则，利用卷积定理，构造超绿色高斯滤波 器。3. 根据权利要求1所述的用于采摘机器人的莲蓬目标图像识别方法，其特征在于，所 述步骤2具体过程为： 步骤2. 1，通过bwdist函数实现二值图像中的每个像素值的距离变换； 步骤2. 2,经过距离变换后，再进行分水岭分割算法，为每个分水岭定义特征值，根据特 征量计算相似区域之间的欧氏距离和空间距离，从而确定像素聚类中心的距离，然后对产 生过分割现象的图像区域采用基于空间模式聚类方案进行合并，实现相似小区域的合并， 从而避免过分割现象，这里的欧氏距离计算公式如下：其中，（Xuy1)和（x2，y2)为图像中的相似区域中任意两点。4. 根据权利要求1所述的用于采摘机器人的莲蓬目标图像识别方法，其特征在于，所 述步骤4具体过程为： 步骤4. 1，以莲蓬、荷叶、荷花、茎为对象，且他们的形状特征差异较大，取K = 4,从N = 80组不变矩主成分样本{Znil，Zni2, ...，z_}中选取K = 4个样本值，作为初始聚类中心； 步骤4. 2,计算各样本到各聚类中心的欧式距离并获取其类别标号； 步骤4. 3,计算每个聚类的样本均值，作为新的聚类中心； 步骤4. 4,重复步骤4. 2~4. 3,直到聚类中心不再变化，即得K = 4个聚类中心。5. 根据权利要求4述的用于采摘机器人的莲蓬目标图像识别方法，其特征在于，所述 步骤4. 4具体过程为： 通过K-Means聚类算法将样本不变矩主成分分为四个聚类中心{Cl，c2, c3c4}，分别代表 莲蓬、荷叶、荷花、茎，然后对采集的目标图像进行连通分量提取，计算每个连通域的主成分 分量Zm，主成分分量离莲蓬聚类中心最近的连通分量即为莲蓬，并用" + "标记，同时在原始 图像相应位置处用"+"标记，标记完所有连通域后，显示该二值图像以及标记后的原始图 像。【专利摘要】本专利技术公开了，采用图像高斯滤波与超绿色指标法相结合的方法，设计超绿色高斯滤波器，去除复杂背景；采用改进的形态学分水岭分割算法对有重叠现象的图像实现重叠部分的分离和分割；改进Hu不变矩算法，计算莲蓬、荷叶、荷花、茎的不变矩an，对所计算的n阶不变矩进行线性组合，得到能够表征莲蓬、荷叶、荷花、茎不同形状特征的不变矩主成分zm；图像目标识别，利用K-Means聚类算法对莲蓬、荷花、荷叶、茎图像的不变矩主成分zm分类。主成分离莲蓬聚类中心最近的连通分量即为莲蓬。本专利技术可以有效地区分识别莲蓬、荷叶、荷花、茎，是莲蓬采摘机器人的视觉系统的核心算法技术。【IPC分类】G06K9-46, G06K9-00【公开号】CN104751117【申请号】CN201510037353【专利技术人】赵德安, 唐书萍, 陈玉, 贾伟宽 【申请人】江苏大学【公开日】2015年7月1日【申请日】2015年1月26日本文档来自技高网...

【技术保护点】
一种用于采摘机器人的莲蓬目标图像识别方法，其特征在于，包括以下步骤：步骤1，采用图像高斯滤波与超绿色指标法相结合的方法，设计超绿色高斯滤波器，去除复杂背景；步骤2，采用距离变换与空间模式聚类算法相结合的分水岭算法，对有重叠现象的图像实现重叠部分的分离和分割；步骤3，利用改进Hu不变矩算法，计算莲蓬、荷叶、荷花、茎的不变矩an，对所计算的n阶不变矩进行线性组合，得到能够表征莲蓬、荷叶、荷花、茎不同形状特征的不变矩主成分zm(m≤n)；步骤4，图像目标识别，利用K‑Means聚类算法对莲蓬、荷花、荷叶、茎图像的不变矩主成分zm分类，主成分离莲蓬聚类中心最近的连通分量即为莲蓬。

【技术特征摘要】

【专利技术属性】
技术研发人员：赵德安，唐书萍，陈玉，贾伟宽，
申请(专利权)人：江苏大学，
类型：发明
国别省市：江苏;32