一种基于机器视觉智能识别成熟度的桑葚采摘方法与装置制造方法及图纸

本发明专利技术涉及桑葚自动采摘领域，其具体公开了一种基于机器视觉智能识别成熟度的桑葚采摘方法与装置。采摘前对果园的桑树进行分组，再采集每组桑树对应的桑葚图像，结合图像处理技术提取桑葚的颜色特征和面积特征，利用预先训练好的多层感知机成熟度检测模型对预先分组的桑树进行成熟度检测，并基于不同的成熟度为参与采摘任务的多台振采装置设置振采参数，再对整个采摘任务进行分配和规划，最终提升了桑葚采摘的效率和质量，减小了采摘过程中对桑树的损伤。树的损伤。树的损伤。

【技术实现步骤摘要】
一种基于机器视觉智能识别成熟度的桑葚采摘方法与装置


[0001]本专利技术属于桑葚采摘
，具体涉及基于机器视觉智能识别成熟度的桑葚采摘方法与装置。

技术介绍

[0002]当前，为了提升采摘效率，桑葚采摘多采用机械化方式，主要采用机械振动或者气动式采果机，使果实振摇掉落，由设置在果树下的承接装置接收，并由输送装置输送至运输车上。桑葚成熟度越高，与桑树枝条连接强度越低，此时用比较小的振采强度就能够使得桑葚脱落；反之，桑葚成熟度越低，与桑树枝条连接强度越高，此时用比较大的振采强度才能够使得桑葚脱落，而振采强度越大对桑树的损伤就越大。
[0003]现有技术中，在采摘桑葚时通常使用相同的振采强度实现采摘，并未依据成熟度来设置不同的振采强度。究其原因，一方面是桑葚成熟度的智能检测方法还存在诸多实践困难，另一方面是若是以棵为单位进行振采强度的设置，会大幅度降低采摘效率。
[0004]目前对桑葚成熟度的检测方法更多应用于采后分类，即采摘以后进行抽样检测并分类；而采摘前的成熟度检测方法相比于采后检测，存在更多的困难，比如采集图像中会存在干扰本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于机器视觉智能识别成熟度的桑葚采摘方法，其特征在于，包括如下步骤：步骤S1、将果园中的桑树划分成n组；步骤S2、对每棵所述桑树上的桑葚进行图像采集；步骤S3、基于预先训练好的多层感知机成熟度检测模型对所述桑葚进行成熟度检测，得到每组所述桑树对应的成熟度；步骤S4、根据成熟度为该组桑树的振采装置设计振采参数；步骤S5、按照总采摘时间最短的原则规划采摘路径；其中，步骤S2具体包括：以桑葚簇为单位，采集同一个桑葚簇对应的多张多视角桑葚簇样本图像；其中，步骤S3具体包括：对所述多张多视角桑葚簇样本图像进行特征提取，获取颜色特征向量和面积特征向量；颜色特征向量提取方式为：对所述同一个桑葚簇对应的多张多视角桑葚簇样本图像进行融合处理，得到一张融合桑葚簇样本图像，具体包括：首先对所述多张多视角桑葚簇样本图像进行彩图分割操作，去除遮挡物，从采集的图像中分割出目标桑葚簇；彩图分割操作采用颜色空间聚类的方式，利用k
‑
均值方法对R、G、B三个颜色空间进行聚类，从而得到保留颜色特征的多张多视角桑葚簇样本图像；对于分割后的所述多张多视角桑葚簇样本图像，分别在R、G、B三个通道上进行均值处理，以得到一张融合桑葚簇样本图像；融合后的桑葚簇样本图像中，每个通道上某个坐标的像素值等于所述多张多视角桑葚簇图像在对应坐标上该通道对应的像素值相加取平均；对所述融合桑葚簇样本图像，提取RGB和HSI特征，统计每张所述融合桑葚簇样本图像中的R、G、B每个通道的像素均值和方差，作为该通道的特征值；统计每张所述融合桑葚簇样本图像中的H、S、I分量的均值和方差，作为该分量对应的特征值，将统计出的上述特征值进行拼接，形成所述多张多视角桑葚簇样本图像对应的12维颜色特征向量；面积特征向量提取方式为：以所述多视角桑葚簇样本图像为基础，首先对所述多视角桑葚簇样本图像进行二值化表示，再进行阈值分割，识别每张图像中包含的多颗桑葚中每一颗；对识别得到的每一颗桑葚，计算其最小外接矩形，并将该外接矩形的长和宽分别作为该颗桑葚的横径和纵径，以横径和纵径的乘积来表示每颗桑葚的面积；预先设置大果、中果、小果分别对应的面积范围，计算桑葚簇中识别得到的每颗桑葚的面积，并统计该桑葚簇中包含的桑葚分别属于大果面积、中果面积以及小果面积的比例，将三个比例分别映射到[0,1]范围区间内，作为面积的三个特征值进行记录，从而得到多角度桑葚簇图像对应的3维面积特征向量；将获得的所述颜色特征向量和面积特征向量进行融合，形成融合后的特征向量；将所述融合后的特征向量输入预先训练好的多层感知机成熟度检测模型实现成熟度检测；根据预先设置的成熟度判断规则确定所述每组桑树对应的成熟度。2...

【专利技术属性】
技术研发人员：王攀，易文裕，陈爽，周彦君，文亦骁，
申请(专利权)人：四川省农业机械研究设计院，
类型：发明
国别省市：