本文的研究目的是应用计算机对田间青椒进行自动识别,为将来实现田间青椒自动采摘机器人打下基础。本文的主要研究内容如下:1.提出了颜色因子与直方图阈值相结合对田间青椒与叶子(枝干)进行分割的方法。根据田间拍摄的青椒图像中的青椒、叶子(枝干)等颜色特征,进行了仔细地统计和分析,提出了颜色因子与直方图阈值相结合对田间青椒与叶子(枝干)进行分割的方法。2.为了准确提取青椒图像的形状特征,本文提出了对图像进行去噪、二值形态学、边缘检测等一系列的前期处理过程。由于图像在输入和处理过程中会产生干扰,形成噪声,降低图像质量,本文采用中值滤波对图像进行了去噪处理;对图像实行开启和闭合运算进行误判区域处理;通过Canny算子对图像进行了边缘检测处理,对目标图像的轮廓进行特征提取。3.计算并提取了青椒的五个形状特征,作为BP神经网络的输入。如果直接把预处理后的青椒图像作为神经网络的输入,会导致数据量大,识别速率比较慢,因此,本文提取了青椒的形状系数、伸长度、紧密度、长宽比、主轴周长比等五个归一化形状特征,作为神经网络的输入。4.构造BP神经网络图像识别系统。本文在实验的基础上确定了改进的BP神经网络模型及其对应参数,包括神经网络层数、各层结点数、激活函数、学习速率、动量因子等,并通过稳定的BP神经网络实现样本的识别测试,最终对识别结果进行统计、分析。5.本文利用最小二乘法进行圆的拟合以提取青椒的质心,从而实现青椒的准确定位。