番茄收获机器人中视觉目标的自动分割与识别

摘要

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。

目录

文摘

英文文摘

学位论文版权使用授权书和声明

第1章绪论

1.1课题背景

1.2国内外研究现状

1.2.1国外研究现状

1.2.2国内研究现状

1.3研究内容

1.3.1技术路线

1.3.2关键问题

1.3.3预期效果

1.4本章小结

第2章机器视觉系统的理论与实现

2.1机器视觉系统的理论基础

2.2机器视觉系统的实现

2.2.1硬件构成

2.2.2软件实现

2.3本章小结

第3章番茄图像的采集与处理

3.1番茄图像的采集

3.2噪声去除

3.3番茄的颜色特征

3.3.1.颜色模型

3.3.2番茄的颜色统计

3.4番茄图像的分割方法

3.4.1根据边界进行图像分割

3.4.2根据区域进行图像分割

3.5本章小结

第4章番茄图像的神经网络分割方法

4.1人工神经网络概述

4.2人工神经网络结构

4.1.1 BP网络

4.1.2 RBF网络

4.1.3 LVQ网络

4.2番茄分割的可行性分析

4.2.1网络的输入输出设计

4.2.2网络的建立与运行

4.2.3应用小结

4.3网络的改进设计

4.3.1网络数据的输入改进

4.3.2 网络参数的优化

4.4本章小结

第5章番茄目标的识别与定位

5.1特征量计算前的处理

5.1.1区域(Blob)处理

5.1.2形态学处理

5.2特征量的选择和分析

5.3多目标的分离

5.3.1产生距离图

5.3.2分水岭分离

5.3.3应用小结

5.4番茄目标的定位

5.4.1利用长短径估计番茄的中心

5.4.2利用圆的数学性质估计番茄中心

5.4.3应用小结

5.5本章小结

第6章研究总结与未来展望

6.1主要工作与结论

6.2存在的问题与未来的设想

致 谢

参考文献

在学期间发表的论文