农产品(特别是水果)的自动化收获机器人有着良好的应用前景。在国外,这项工作已经进行了很多年,并且取得了一定的研究成果;而在国内,这个领域的应用研究还相对落后,离实际应用还有很大距离。本文以成熟的红色番茄为研究对象,从番茄收获的实际情况出发,利用番茄的颜色特征,在计算机上实现了对自然场景下的成熟番茄进行自动分割与识别的方法,为以后实现番茄的准确定位与机械采摘打下基础。 基于上述目的,本文主要完成的工作有: 1.针对自然环境的复杂多变,本文采集了番茄在不同自然环境下的大量彩色图片以保证能对所解决的问题有较全面的认识,从而使设计的算法具有良好的适应性。 2.统计了番茄的各类颜色分布直方图,分析了番茄的颜色特征,为下一步图像的分割与识别提供判断依据。设计了常见的基于边界和区域的分割方法,然后试验分析了这些方法对番茄的色度及各类色差图像的分割效果。大量的试验表明这些方法仍存在的一些不足:对自然环境的变化适应性较差,算法的稳定性还有待提高。 3.提出了将神经网络应用于番茄图像分割的方法,分析了网络应用的可行性,然后设计了网络的输入输出和网络的结构类型,并对该网络做了进一步的参数优化设计与试验分析,确定了网络的最佳参数。试验表明,该网络的分割效果优于前面的常规方法,但仍有值得研究的地方。 4.本文针对在实际情况中可能存在的几种情况下的番茄目标位置识别问题(番茄被遮挡,多个番茄重叠)做了讨论研究。计算了番茄目标识别中几个有用的形状和位置特征量。对于重叠的番茄,本文提出了使用距离算法和分水岭算法将多果分离的方法;并对被遮挡的不完整番茄提出了判定其区域与质心的方法。 最后,本文总结了所做的主要研究工作,讨论了未来的研究方向。本文的研究对于将机器视觉应用于水果自动化收获,并最终在硬件上实现水果收获机器人的识别定位功能具有一定的意义。