论文部分内容阅读
科技的进步,推动农业机器人技术迅猛发展。在农业生产中,采摘是一个重要的环节,它的工作量约占整个工作量的一半以上。采摘机器人作为农业机器人的一个主要的类型,能够提高劳动生产率,保证果实及时有效的采摘。因此发展采摘机器人技术,对于促进农业发展有着重要的意义。
图像的分割与识别是采摘机器人机器视觉系统的基础,识别结果的好坏直接影响到采摘机器人能否顺利采摘果实。传统的研究大多数针对单果、无遮挡、自然环境较简单的情况,而解决复杂自然环境下(复杂环境包括大面积地面,颜色与茄子相似的绳子等)多果、遮挡的果实识别问题,已经成为果蔬采摘机器人急需解决的问题。本文的主要研究工作如下:
首先,对茄子颜色空间进行分析及图像分割。通过实验分析了几种常用的颜色空间的特点,即各个分量的灰度直方图的特征,选出合适的分量进行分割。通过对图像分割结果的分析得出:单个分量进行图像分割很难达到理想的效果,并且该算法对环境的适应性较差,无法适应复杂的自然条件,该方法的鲁棒性有待提高。因此本文下一步考虑使用多分量彩色图像进行图像分割。
其次,采用支持向量机和凸包拟合对茄子图像进行分割。通过之前的实验表明单个分量的灰度图像分割效果不佳,因此本文考虑使用多分量彩色图像,即RGB彩色图像为输入的支持向量机进行图像分割。本文通过实验确定了最优核函数及其参数,即多项式核函数,并应用支持向量机方法进行分割。通过实验确定了开运算的结构元素参数,并应用开运算去除细小连接。为了去除大面积噪声,采用面积法和外接矩形法。对于被遮挡的茄子应用凸包拟合的方法进行分割。最后,本文算法与其他算法进行比较,结果表明本文算法的分割成功率较高。
然后,对茄子图像进行识别。针对背景与茄子相似的情况,采用直方图匹配的方法进行识别;并且使用基于外接矩形的宽长比识别茄子和西红柿。
最后,设计并实现了茄子图像分割与识别原型系统。该系统是在matlab环境下编程实现,包含颜色模型分析、茄子图像分割、茄子图像识别3个模块。该系统对之前的研究工作进行了系统实现,为以后的研究打下良好的基础。