自然场景下苹果检测系统的研究与实现

论文摘要

果实收获机器人可以有效地解决农业采摘作业中劳动强度大、劳动力不足、生产率和经济效益较低等问题。机器人进行果实采摘的第一步就是要实现对成熟果实的快速识别和精确定位。目前,对果实收获机器人的研究大多都停留在理论或实验阶段,其中最主要的问题是:果实的识别率不高以及处理速度难以满足实时性的要求。针对上述问题,本文以自然场景中的苹果作为研究对象,从苹果采摘的实际情况出发,在计算机上实现了对成熟果实的自动检测,为设计开发苹果收获机器人提供了技术支持。本文主要完成的内容如下:（1）针对自然场景中条件复杂多变的特点,为了尽可能全面地认识所要解决的问题,本文在不同条件下拍摄了大量的苹果图像,从而使苹果检测算法具有较好的适应性;（2）在分析和研究目前常用图像处理和特征提取方法的基础上,针对研究对象的特点,提出了一个适用于自然场景下检测苹果的方法:首先,采用模板为3×3的矢量中值滤波对原始图像进行平滑处理;然后在RGB颜色空间中对平滑后的图像做R-G/2-B/2色差分量,通过Otsu自适应阈值法进行目标和背景的分割,用数学形态学的方法消除分割后的随机噪音,接着采用四连通顺序法对分割图像的连通区域进行标记,利用区域面积进一步去除了背景区域;最后,运用Sobel算子提取果实轮廓、改进的Hough变换提取果实特征参数,从而有效地解决了果实特征提取准确度不高、速度过慢的问题;（3）利用在自然场景中拍摄的图像数据对本文提出的苹果检测方法进行实验分析。实验结果表明:本文提出的方法总体查全率和查准率分别达到93.5%和95.9%。对于无遮挡的单个苹果检测效果最好,查全率可达到98.4%。本方法还可以检测部分套袋苹果、黄颜色苹果等,同时对背景中含有土壤、天空等的图像检测效果也较好。（4）采用C#与Matlab混合编程技术设计并实现了一个自然场景下的苹果检测系统,促进了苹果收获机器人视觉技术的发展。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 研究背景与意义
• 1.2 国内外研究概况
• 1.2.1 国外研究现状和发展趋势概述
• 1.2.2 国内研究现状和发展趋势概述
• 1.3 本研究主要内容
• 1.3.1 主要内容
• 1.3.2 关键问题以及预期结果
• 1.4 论文组织结构
• 第二章 苹果检测视觉系统
• 2.1 机器视觉理论
• 2.1.1 机器视觉理论基础
• 2.1.2 机器视觉系统结构
• 2.2 苹果检测视觉系统构建
• 2.2.1 硬件构成
• 2.2.2 软件实现
• 2.3 本章小结
• 第三章 苹果果实检测方法研究
• 3.1 图像预处理
• 3.1.1 均值滤波
• 3.1.2 中值滤波
• 3.1.3 矢量中值滤波
• 3.2 成熟果实区域提取
• 3.2.1 颜色分割
• 3.2.2 形态学滤波
• 3.2.3 图像区域标记
• 3.2.4 图像区域填充
• 3.3 果实特征提取
• 3.3.1 提取果实图像轮廓
• 3.3.2 果实特征参数提取
• 3.4 苹果检测方法实验结果及分析
• 3.4.1 实验材料采集
• 3.4.2 实验结果
• 3.4.3 实验结果分析
• 3.5 本章小结
• 第四章 苹果检测系统实现
• 4.1 系统界面实现
• 4.1.1 界面实现技术
• 4.1.2 系统功能模块
• 4.2 系统主要算法实现流程
• 4.3 本章小结
• 第五章 总结与展望
• 5.1 总结
• 5.2 展望
• 参考文献
• 致谢
• 作者简介