论文部分内容阅读
机器视觉技术是利用代替人眼的图像传感器获取物体的图像,将图像转换成一个数据矩阵,并利用代替人脑的计算机来分析图像,同时完成与视觉有关的任务。该技术是20世纪70年代初期在遥感图片和生物医学图片分析两项应用技术取得卓有成效的成果后开始兴起的。其后,发达国家利用该技术开展了多方面的研究,并在多种产业领域中进行了应用。 研究者(如Parish和Goksel(1977),Grand d’Esonon(1984~1985)以及Harrell et al.(1985))已经证实了用机器视觉(计算机视觉)指导水果收获机械中的机器人系统的可行性。而且Harrell(1987)得出结论:由于劳动力成本的增加,更迅速、更有效的微型计算机系统的不断开发和新型传感器系统的发展决定了机器人水果收获系统的经济可行性。 现在,机器人活跃在各个领域,它们代替人干着许多人们难以从事的工作,把视觉传感器装载在机械手上,让机械手能够通过图像的轮廓来识别物体,这就是一种最简单的机器人。计算机视觉与其控制的机械手在农业工程中应用的主要研究方向有在线分级中的机器视觉,园林生产中的机器人(包含鲜果、蔬菜的收获、包装、林木剪枝等)田间、温室中的机器人(包括作物的识别与定位)等等。 本论文主要研究计算机视觉控制的机械手系统在番茄收获系统中的应用,即如何迅速、准确地从复杂背景中识别出番茄,然后移动摄像机镜头对准番茄中心,用激光测距的方法测得摄像头至番茄的距离,从而控制机械手收获番茄。主要研究番茄和叶子的识别问题。 为了充分利用国外的最新研究成果,缩小与国外先进水平的差距,本论文进行了以下的研究: (1)综述了机器视觉技术在农产品收获和加工自动化中应用的国内外研究现状。 (2)应用传统的图像处理手段,对拍摄的番茄和叶子的图像进行处理,寻找番茄的大致的质心位置,并说明此种方法在农产品收获中存在的弊端。 (3)提出一种新的思路:根据图像的RGB颜色信息来寻找番茄的质心位置。 (4)对比传统的图像处理方法和通过颜色值处理的新的方法,说明新的方法的应用在农产品收获上的优越性。 本论文所采用的新的算法:根据所拍摄的番茄和叶子的图像中RGB颜色信息来提取番茄RGB颜色特征,通过对番茄和叶子图像中像素的分析得到R-G>80为图像中番茄的识别条件;并且计算质心坐标来定位图像中的番茄,满足了水果智能收获机械中的迅速、准确识别的要求。