一种基于超像素特征提取实现柑橘分割方法技术

本发明专利技术公开了一种基于超像素特征提取实现柑橘分割方法，方法包括以下步骤：S1：获取柑橘图像；S2：对柑橘图像使用分割算法进行超像素分割；S3：提取柑橘图像的超像素颜色特征和超像素纹理特征，然后将柑橘图像的超像素颜色特征和超像素纹理特征进行特征融合；S4：训练超像素预测模型；S5：在对超像素进行分类后，提取预测为柑橘的超像素掩膜，并对得到的掩膜进行后处理。本发明专利技术提供一种在不同光照条件、柑橘互相遮挡的情况、不同成熟阶段柑橘颜色的差异以及在机器人工作过程中由于必然存在的位移形成的与光源相对位置改变的情况下，依然能够实现果实的准确识别的基于超像素特征提取实现柑橘分割方法。

【技术实现步骤摘要】
一种基于超像素特征提取实现柑橘分割方法
本专利技术涉及图像处理领域，尤其是涉及一种基于超像素特征提取实现柑橘分割方法。
技术介绍
目前柑橘是我国各地广泛种植的水果之一，也是世界贸易的主要农产品之一，仅次于小麦和玉米。柑橘产业作为我国重要的贸易农产品发展产业，在我国被广泛地种植，种植面积居世界第一，总产量占世界第三位。据统计，截止2016年，柑橘在我国的有效栽培面积为3835.05万亩，总产量己达3618.8万吨。在柑橘果实的生产作业中，果实的采摘环节是一个较为复杂的环节，在全部生产作业中比重较大。正是由于采摘作业的复杂性，使其自动化程度较低，柑橘果实的采摘往往都是通过人工进行，不仅劳动强度大，同时也产生了大量的人工成本。据统计，柑橘果实的采摘成本占到其全部生产成本的33％～50％。使用采摘机器人代替人工进行果实采摘，不仅可以降低劳动强度，节省有限的劳动力资源，同时也能够节省人工成本，提高劳动生产率。机器人采摘成熟柑橘前，必须先识别柑橘、提取相关特征并定位，但在非结构化的自然场景中，想要把柑橘从复杂的背景中分割出来是存在难度的，比本文档来自技高网...

【技术保护点】
1.一种基于超像素特征提取实现柑橘分割方法，其特征是方法包括以下步骤：/nS1：获取柑橘图像；/nS2：对柑橘图像使用分割算法进行超像素分割；/nS3：提取柑橘图像的超像素颜色特征和超像素纹理特征，然后将柑橘图像的超像素颜色特征和超像素纹理特征进行特征融合；/nS4：训练超像素预测模型；/nS5：在对超像素进行分类后，提取预测为柑橘的超像素掩膜，并对得到的掩膜进行后处理。/n

【技术特征摘要】
1.一种基于超像素特征提取实现柑橘分割方法，其特征是方法包括以下步骤：
S1：获取柑橘图像；
S2：对柑橘图像使用分割算法进行超像素分割；
S3：提取柑橘图像的超像素颜色特征和超像素纹理特征，然后将柑橘图像的超像素颜色特征和超像素纹理特征进行特征融合；
S4：训练超像素预测模型；
S5：在对超像素进行分类后，提取预测为柑橘的超像素掩膜，并对得到的掩膜进行后处理。


2.根据权利要求1所述的一种基于超像素特征提取实现柑橘分割方法，其特征是步骤S1中获取柑橘图像是通过摄像头拍摄柑橘树来获取柑橘图像。


3.根据权利要求1所述的一种基于超像素特征提取实现柑橘分割方法，其特征是步骤S2包括以下步骤：
S21：选用了欠分割率UE来选取超像素的分割数量K；
S22：使用分割算法将柑橘图像分割成K个超像素单元。


4.根据权利要求3所述的一种基于超像素特征提取实现柑橘分割方法，其特征是S21具体过程为：欠分割率UE计算公式为：



式中，Gi表示标记出来的其中一块柑橘区域，i＝1,2,3,…,n，n为某图像标记出的柑橘区域数量，Sk表示分割得到的超像素，k＝1,2,3,…,K；
选取若干个柑橘图像，标记出其中的柑橘部分，然后用标记后的柑橘图像生成的掩膜图像，使用不同的分割数量K将各个柑橘图像分割成K个超像素单元，计算各个柑橘图像分割后的欠分割率均值Mean和标准差Standarddeviation，






式中，Pi为各个柑橘图片超像素的欠分割率，n为各个柑橘图片的超像素分割数量；
根据分割数量K和欠分割率均值Mean和标准差Standarddeviation变化关系，将选取...

【专利技术属性】
技术研发人员：杨庆华，陈一钦，鲍官军，荀一，
申请(专利权)人：浙江工业大学，
类型：发明
国别省市：浙江;33