农业智能机器人在复杂环境下对目标水果的采摘一直是业界最关注的问题之一。为推动水果采摘机器人产业化,提高采摘机器人的综合性能以及应用价值,本文结合经典机器学习方法、卷积神经网络理论与双目立体视觉技术,以自然环境下的番石榴为研究对象,对图像采集、图像预处理、番石榴的准确分割识别与定位进行了研究,并开发了番石榴智能识别与定位系统,为复杂环境下的番石榴或者类似水果的采摘提供一种有效可靠的技术支持。本文的主要研究工作如下:1)番石榴图像的采集。在自然环境下,首先进行相机标定,包含单目标定和立体标定,求得相机的内外参数以及相机之间的结构参数,然后在利用双目立体视觉系统采集番石榴图像,左右相机与番石榴之间的距离大约为500mm,共计500张图像,并将采集的图像转换为二维矩阵存储在笔记本电脑中。2)研究了番石榴的准确分割识别。在自然环境下,受光照变化影响依靠传统颜色模型的分割方法难以将目标果实与背景分割开。本文选取纹理特征来区分图像中的番石榴和背景,以便准确分割出番石榴。针对单个分类器分类准确率不高的情况,采用基于Ada Boost算法将弱分类器构建为强分类器,并将若干个强分类器组合成级联分类器,提高番石榴的识别准确率。利用训练获得的基于MB-LBP特征的Ada Boost级联分类器对64张测试图像中的番石榴进行检测识别,试验结果表明番石榴的识别准确率为85.5%,召回率为66.3%,图像的平均处理时间为0.77s。同时采用基于全卷积神经网络算法的方法对番石榴图像进行分割识别,通过多个卷积层和池化层自动提取图像多个层次的特征,对图像中像素点逐个进行分类,可从图像中准确分割出番石榴,实现在图像像素级上分类。用训练获得的全卷积神经网络来分割测试图像中的番石榴,分别从像素精度、均像素精度和均交并比等指标对全卷积神经网络的性能进行评价以及分析,经试验可得平均像素精度为99.1%,均像素精度为99%,均交并比为85.3%,验证了该方法的分割效果较好。3)研究了番石榴质心的获取及其空间三维坐标的计算。首先介绍了相机基本成像模型、常用坐标系及其之间的关系,然后用已经标定好的相机参数以及相机之间的结构参数,对分割后的左右图像对进行外极线校准使得左右图像对行对准,再寻找左右图像对中番石榴的最小外接矩形并标上序号,将矩形的中心作为番石榴的质心,根据序号对图像对中的番石榴质心进行匹配并求取视差,结合三角测量原理可求得番石榴质心的空间三维坐标。最后进行了双目视觉系统的测量误差试验,试验结果分析可知双目视觉系统的测量误差在-0.06～0.08mm之间,最大的绝对误差不超过0.12mm,即本文选取的双目视觉系统测量精度高。还进行了番石榴质心的空间三维坐标计算试验,根据上述理论可求得番石榴质心的空间三维坐标,即本文提出的番石榴定位方法具有可行性。4)开发了一种番石榴智能分割识别与定位系统。本文采用Matlab软件作为编程平台,设计了番石榴智能分割识别与定位系统并制作人机交互界面,对本文采用的番石榴分割识别与定位方法进行编程实现,以验证本文采用的识别与定位方法具有可行性,可满足自然环境下水果采摘机器人的需求。