随着机器视觉技术、机器人技术和人工智能的不断发展,果蔬收获机器人的研究已取得重要进展,但由于作业环境复杂,采摘效率还不能满足实际生产需要。机器视觉系统作为苹果采摘机器人的重要组成部分,对改善目标果实的识别和定位性能具有重要作用,是提高采摘机器人作业效率的关键技术;同时,延长采摘机器人的作业时间,实现夜间作业模式,也能达到充分利用时间、提高采摘效率的目的。因此,苹果采摘机器人夜间视觉检测算法研究具有重要理论意义和实际应用价值。本文以夜间苹果图像为研究对象,围绕目标苹果的精准识别,研究了夜间图像的降噪、分割及识别定位等问题。本文首先对夜间苹果图像降噪进行研究,针对高斯噪声处理难题,提出采用基于极大似然偏差去除的FastICA降噪算法,该算法以信号处理为基础,将含噪图像看作噪声与源图像的混合体,通过对偏差进行修正达到减小噪声影响的目的。实验结果表明,该算法可以有效提高图像质量,减小噪声影响。为了精准地提取出夜间环境下的目标苹果,将L*a*b*的a*分量、YCbCr的Cb分量与RGB分量的R分量按一定的比例进行融合,在得到的a*CbR融合空间下进行阈值分割,实验结果表明,对比Otsu法、色差法、K-means聚类三种分割算法,a*CbR融合空间法能够精准有效地将目标苹果从复杂的夜间环境下提取出来。然后,针对夜间目标果实识别精准度不高、识别时间较长的问题,本文利用苹果的类圆特性,提出基于遗传算法改进的三点定圆法,实现了有枝叶遮挡苹果和重叠果实的目标识别与定位,仿真实验结果证明,对比Hough变换检测算法与三点定圆法,基于遗传算法改进的三点定圆法提高了目标果实识别的精准度,减小了三点定圆法识别果实过程中求均值存在的误差。最后,基于MATLAB中的GUI编译工具箱,设计了包括图像的降噪处理、图像分割以及有枝叶遮挡和重叠的夜间苹果目标识别等功能的夜间苹果图像的目标识别与定位软件,建立了图形用户界面。