【技术实现步骤摘要】
一种用于苹果采摘机器人的果实快速识别方法
本专利技术涉及农业机械领域，具体是一种用于苹果采摘机器人的果实快速识别方法。
技术介绍
果蔬生产的快速发展和农业劳动力短缺、劳动强度过大的矛盾日益显现，而替代选择性收获这一复杂人力劳动只有通过采摘机器人技术的深入研究才能实现。因此，水果农作物采摘机器人的研究应用，对于减轻农业从业者的劳动强度、解放农业劳动力和提高果蔬的集约化生产水平，都具有重要的意义。采摘机器人的首要任务是利用视觉系统进行成熟苹果目标的识别与定位。基于图像处理研究领域的相关算法，以实现果实的自动化检测、识别和定位，成为当前果实自动采摘机器人研发应用中的研究热点。面向果实的机械化采摘，通过相关的图像技术自动识别和定位场景中的果实信息成为一个广泛的研究课题。2010年，司永胜等人提出了利用归一化的红绿色差(R-G)/(R+G)分割苹果的方法对不同光照情况下拍摄的苹果图像进行了识别,并对识别后的图像进行预处理,获得苹果的轮廓图像。对轮廓图像采用随机圆环法进行果实圆心、半径提取。识别算法可以较好地消除阴影、裸露土壤等...
【技术保护点】
1.一种用于苹果采摘机器人的果实快速识别方法，其特征在于，包括以下步骤：/n步骤1，获取原始图像，即自然环境下苹果果实图片的采集；/n步骤2，颜色空间变换，将原始图像分别转换为Lab颜色空间下的图片；/n步骤3，显著性检测：分离出Lab颜色空间中的L通道，采用全局L分量对比计算法对Lab颜色空间下的图片数据进行显著性检测，得到显著图S；/n步骤4，色差法，分离RGB颜色通道，计算红绿色差值作为此步骤结果Se的像素值；/n步骤5，图像融合，将显著性检测得到的结果图做累加运算并与色差法结果相加；/n步骤6，二值化，用OTSU方法对步骤5得到的结果图进行二值化处理并对二值化结果用...
【技术特征摘要】
1.一种用于苹果采摘机器人的果实快速识别方法，其特征在于，包括以下步骤：
步骤1，获取原始图像，即自然环境下苹果果实图片的采集；
步骤2，颜色空间变换，将原始图像分别转换为Lab颜色空间下的图片；
步骤3，显著性检测：分离出Lab颜色空间中的L通道，采用全局L分量对比计算法对Lab颜色空间下的图片数据进行显著性检测，得到显著图S；
步骤4，色差法，分离RGB颜色通道，计算红绿色差值作为此步骤结果Se的像素值；
步骤5，图像融合，将显著性检测得到的结果图做累加运算并与色差法结果相加；
步骤6，二值化，用OTSU方法对步骤5得到的结果图进行二值化处理并对二值化结果用边长为30的正方形结构元素进行开运算；
步骤7，模板提取，对步骤6的结果求得最大连通域，做最大连通域的外接矩形；按照一定比例缩小矩形范围，截取矩形部分作为模板；
步骤8，RGB直方图反向投影，以步骤7的结果图为模板，对原始RGB图像做RGB直方图反向投影处理；
步骤9，图像融合，将RGB直方图反向投影的结果图与步骤5得到的结果图进行加法运算；
步骤10，二值化，用OTSU方法对步骤9得到的结果图进行二值化处理，对二值化结果用边长为17的正方形结构元素进行开运算；
步骤11，孔洞填充，设置面积阈值，当内轮廓面积小于该阈值时进行填充；
步骤12，只保留最大连通域，遍历步骤11结果中所有的连通域，为每一个连通域标记不同的颜色，统计每种颜色的数量，数量最多的颜色值设置为255，其余设置为0；
步骤13，自适应次数腐蚀，以当前图片最大连通域面积的五分之一的值为动态阈值对图片进行腐蚀处理，并保存进行腐蚀处理的次数,次数记为n；
步骤14，只保留最大连通域，遍历步骤13结果中所有的连通域，为每一个连通域标记不同的颜色，统计每种颜色的数量，数量最多的颜色值设置为255，其余设置为0；
步骤15，膨胀，使用与步骤13中相同的结构元素对步骤15的结果图进行膨胀处理，并重复n次；
步骤16，标定目标果实，做最大连通域的外接矩形。
2.根据权利要求1所述的一种用于苹果采摘机器人的果实快速识别方法，其特征在于，所述步骤1中获取的原始图像为RGB颜色空间下的彩色二维图像。
3.根据权利要求1所述的一种用于苹果采摘机器人的果实快速识别方法，其特征在于，所述步骤2中Lab颜色空间的转换方法为：
4.根据权利要求1所述的一种用于苹果采摘机器人的果实快速识别方法，其特征在于，所述步骤3中图像显著性检测算法为：
其中，Ii为像素i的L通道值，Ii∈[0,255]；Lab颜色空间对应的显著图为S。
5.根据权利要求1所述的一种用于苹果采摘机器人的果实快速识别方法，其特征在于，所述步骤4中色差法算法为...
【专利技术属性】
技术研发人员：王静，王乐琪，董洪伟，刘建云，朱海怡，张云，韩彦岭，周汝雁，洪中华，杨树瑚，
申请(专利权)人：上海海洋大学，
类型：发明
国别省市：上海;31
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。