论文部分内容阅读
中国是世界上苹果种植面积最大、总产量最高的国家。由于我国近几年社会劳动力成本增高,导致果实收获成本高。随着自动化技术的飞速发展,农业机器人的诞生为降低果实收获成本和提高农业自动化水平提供了可能。在农业机器人采摘的过程中,果实识别是最关键的一步,识别精度的高低直接影响农业机器人能否快速准确完成采摘任务,因此研究出一种高效、准确的识别算法是实现果实自动采摘的关键。本文以绿苹果为研究对象,针对自然环境中绿苹果的识别问题进行了以下几个方面的研究工作:(1)针对自然环境中光照不均匀造成的光斑问题,采用矢量中值滤波对获取的图像平滑去噪,根据二分光反射模型分析光斑的特征,利用光斑特性设计提取光斑区域的方法,再通过改进的Criminisi图像修复算法对图像光斑去除区域进行修复。(2)针对自然环境中无重叠果实的识别问题,提出了一种基于支持向量机(Support Vector Machines,SVM)的识别方法,该方法还融合了图像的纹理、颜色和形状特征,实现了对自然环境中绿苹果的识别。(3)针对自然环境中重叠果实的识别问题,利用改进的谱聚类(Spectral Clustering)算法对图像进行分割,使用随机霍夫变换(Random Hough Transform,RHT)进行目标检测。针对传统谱聚类算法运算数据量大,运算速度慢的问题,本文基于均值漂移(Mean Shift,MS)和稀疏矩阵原理对传统的谱聚类算法进行改进。首先用均值漂移算法对图像进行分割,利用分割结果提供的先验信息再结合图像的颜色特征和纹理特征建立稀疏相似度矩阵,通过改进大大降低了谱聚类算法的数据处理量,提高了算法的运行速度。本文针对自然环境中的光照不均问题、无重叠果实和重叠果实的识别问题分别进行了研究,提出了相应的识别方法,最后基于matlab R2013a平台利用采集的测试图像分别进行了实验,验证了算法的有效性。