茶叶是人们日常生活中的必需品,同时茶叶在出口商品中也占有一席之地。其中名优茶以精益的加工质量和良好的茶叶品质广受人们追捧。但是名优茶的采摘仍处于手工采摘的阶段,低效率的名优茶采摘工作始终无法扩大生产,所以一套关于名优茶采摘的全自动设备与理论仍有待研究,而在采摘过程中最关键也是最难的问题便是对茶叶嫩芽的识别与定位。本文在综合名优茶采摘的具体环境及近几年目标识别的相关进展的基础上,基于机器视觉相关理论重点研究了芽叶识别与定位问题,在一系列图像预处理和颜色空间变换处理的基础上,建立了茶叶嫩芽的外形特征子集;应用特征mask矩阵的方法判别嫩芽与老叶,并实现自动分割;以张正友相机标定方法为基础,通过改进的RANSAC算法完成特征匹配,最终实现嫩芽三维坐标提取与定位。具体研究工作包括:首先,针对茶叶采摘现场的环境复杂和摄像头自身的原因导致采集到的茶叶图像对比度低、噪点多的问题,先对原始茶叶图像进行了一系列图像预处理,结合数字图像处理相关技术,平滑了图像,使得茶叶嫩芽的边界得到增强。应用边缘检测算法提取图像中边界,为后续芽叶外形特征识别提供了基础数据。运用双边滤波技术对图像进行处理,进一步滤除图像噪声。采用OSTU方法对图像进行阈值分割得到二值化图像。其次,茶叶嫩芽的颜色特征可以带来很多信息,所以先从颜色信息入手进行提取和分隔。而基于RGB通道的灰度直方图统计方式可以看出每个通道的颜色都比较平滑,直接分割相对困难。因此分别采用HSI和HSV色彩空间对原图像进行变换,采用色彩变换和相应的阈值范围判断方案获得嫩芽的位置和基本的外形轮廓。经过大量实验数据的分析,在转换后的各通道采用不同的分隔阈值,然后融合各通道数据为最终结果,实现了嫩芽的区域的较好分割。最后,在嫩芽叶片识别与定位阶段,在一系列图像预处理和颜色空间变换处理的基础上,建立了茶叶嫩芽的外形特征子集;应用mask特征矩阵方法判别实现了嫩芽与老叶判别,并实现自动分割。整合Realsense深度相机的深度数据,采用张正友相机标定方法处理深度数据,结合改进的RANSAC算法完成特征匹配,获得所识别芽叶的三维空间坐标,再经过相机坐标系到机械臂坐标系的变换,最终通过以太网接口上传至机械臂控制系统。由此完成了茶叶嫩芽的自动分割、识别与定位,初步现场试验表明,该方法对茶叶嫩芽识别与定位具有较好效果。