葡萄套袋可以防止葡萄受到农药污染与外界损伤,提高葡萄外观品质和产量,是葡萄生产过程中的重要环节,目前仍由人工操作完成,劳动强度大、效率低,制约了葡萄套袋技术的应用。因此,研究开发葡萄套袋机器人实现葡萄套袋作业,对于提高葡萄作业装备的自动化和智能化具有重要意义。本课题以水平棚架下的葡萄为研究对象,将葡萄颜色、形状及纹理特征相结合,提取葡萄果穗区域,获得葡萄果穗的中心线和长度特征参数,为葡萄套袋机器人的进一步研发奠定基础。主要研究内容和成果如下：(1)根据南方葡萄的生长特性,确定了适合于葡萄机器人套袋操作的栽培模式和剪枝整形方式。对现有的果袋进行结构改进,使其更适合于机器人自动套袋,同时提出葡萄套袋机器人的总体设计方案。(2)通过葡萄图像颜色特征分析,选取目标和背景灰度差异较大的|G-R|+|G-B|色差图,分别采用人工阈值法和自动阈值法对其进行分割。由于葡萄与其茎叶的颜色相似,分割效果不是很理想。(3)利用Sobel算子对葡萄的|G-R|+|G-B|色差图进行边缘提取,并进行细化操作。结合葡萄果穗的外形特点,建立葡萄果粒圆的数学模型。采用融合边缘梯度信息的Hough变换进行葡萄果粒的检测。由于受到复杂的背景干扰及Hough圆检测精度的限制,部分检测出的圆位于非果穗区域,需进一步判断去除。(4)考虑到葡萄果粒区域的纹理信息和果粒较为集中的特点,对Hough变换检测出的圆进行是否为果粒的判断。去除位于果穗区域以外的圆,进而提取葡萄区域,获得果穗的中心线和长度特征参数。(5)采用本文提出的识别算法,对采集到的120幅葡萄图像进行算法验证,结果表明单幅葡萄图像的目标识别成功率约为90%,耗时约为3.8秒。