基于计算机视觉的苹果树果实探测与定位方法

摘要

随着城镇化进程的快速发展，农村劳动力短缺和人工成本的不断提升使现有苹果生产模式已不能满足日益增长的苹果生产规模。因此，将机器人引入果园替代人工作业成为现代果业智能化发展的必然趋势。本文以树上苹果为对象，利用计算机视觉、数字图像处理、模式识别、机器学习等技术，研究了自然环境下苹果目标的机器探测与定位方法，以期加强机器人果实作业的精准率，提高机器人工作效率。具体开展了如下几方面工作:
　　(1)研究了苹果图像的信息采集及特性。在探讨幼果期苹果和成熟期苹果实际生长情况的基础上，重点分析了图像处理常用基本颜色空间模型的特点，对常用颜色空间模型中多个颜色分量的苹果图像进行处理，对比各分量中苹果图像的颜色特征和差异，利用定量化的统计方法对各分量图中果实、树枝、茎叶和天空等景物的灰阶进行统计和分析。
　　(2)研究了自然环境下幼果期苹果的机器探测与定位方法。设计了基于自适应G-B色差图，并结合迭代阂值分割法(ITS)探测出幼果期苹果图像兴趣区;引入基于PhaseCode的圆形Hough变换目标检测法，用以定位潜在果实目标，利用融合梯度方向直方图特征和网格搜索优化支持向量机的判别模型(HOG-SVM)进一步去除虚假果实，定位真实果实目标。
　　(3)研究了自然环境下相互重叠苹果目标的机器探测与定位方法。利用视觉显著性机制改进GrabCut算法，用以探测重叠苹果图像兴趣区，设计了一种基于关键角点检测的方法用以足位苹果重叠部分的果实轮廓所在区域，并提取出该区域果实真实轮廓，利用Y型节点搜索算法分离重叠果实，形成各自独立的果实目标，并利用距离最小二乘算法重建出被遮挡苹果缺失轮廓。
　　(4)研究了自然环境下枝叶遮挡苹果目标的机器探测与定位方法。利用基于启发式聚类中心点搜索的K-means算法探测出枝叶遮挡苹果图像兴趣区，引入一种自适控制的QuickHull算法构造出果实目标的连续凸包，并去除果实凸包中的虚假果实边界;根据获取的已知果实轮廓信息，利用欧拉螺旋圆弧样条重建并定位出符合不同果实边界曲率和弧长的果实被遮挡区域的轮廓。
　　(5)研究了苹果目标探测与定位系统软件。基于MATLAB程序开发环境及其GUI编译工具箱，设计开发了苹果果实探测与定位系统软件。分别设计了分步式和一键式两种处理模式，以满足苹果目标探测与定位任务中的不同使用需求。
　　论文创新之处主要体现在:(1)针对自然光照下幼小青苹果的特点，设计了基于自适应G-B色差的ITS分割方法，显著增强了果实兴趣区的探测效果。将HOG-SVM模型引入幼小青苹果识别处理中，有效提升了真实果实的辨识能力。(2)设计了基于视觉显著性检测的GrabCut分割方法并应用于重叠苹果图像兴趣区探测中，弥补了传统GrabCut法需要人工干预的缺陷。提出的关键角点检测算法弥补了传统方法缺失重叠区域真实果实轮廓的不足，避免了全局边缘检测带来的噪声干扰。(3)将QuickHull凸包理论和欧拉螺旋圆弧样条引入枝叶遮挡果实探测与定位中，初步解决了果实随机生长过程中不同边界曲率和弧长的果实轮廓自适应定位与修复问题。

目录

声明

摘要

英文缩略表

1．1 研究背景与意义

1．2 国内外研究现状

1．2．1 果实图像数据获取的研究现状

1．2．2 果实目标探测与定位的研究现状

1．2．3 存在的问题与挑战

1．3 研究目标与研究内容

1．3．1 研究目标

1．3．2 研究内容

1．4 研究方法与技术路线

1．4．1 研究方法

1．4．2 技术路线

1．5 本章小结

2．1 引言

2．2 苹果图像信息采集

2．3 基本颜色空间模型特点分析

2．3．1 RGB颜色空间模型

2．3．2 L*a*b*颜色空间模型

2．3．4 HSI颜色空间模型

2．3．5 Ohta颜色空间模型

2．4 苹果图像颜色特征分析

2．4．1 苹果图像颜色特征定性分析

2．4．2 苹果图像颜色特征定量分析

2．5 本章小结

第三章 自然环境下幼果期苹果目标探测与定位方法

3．1 引言

3．2 基于自适应比率色差的苹果目标兴趣区探测

3．2．1 苹果图像色差图计算

3．2．2 幼小青苹果目标兴趣区探测

3．3 图像噪声去除与潜在苹果目标定位

3．3．1 图像噪声去除

3．3．2 潜在苹果目标定位

3．4 基于HOG-SVM模型的虚假果实去除

3．4．1 HOG特征提取

3．4．2 网格搜索优化的支持向量机(GS-SVM)

3．4．3 训练HOG-SVM模型去除虚假果实目标

3．5 试验与分析

3．5．1 试验条件

3．5．2 试验结果与算法模型性能分析

3．5．3 结果分析与讨论

3．6 本章小结

第四章 自然环境下相互重叠苹果目标探测与定位方法

4．1 引言

4．2 改进GrabCut算法探测重叠苹果目标兴趣区

4．2．1 传统GrabCut算法

4．2．2 基于视觉显著性检测的GrabCut算法

4．3 基于关键角点检测的重叠果实轮廓定位

4．4 基于Y型节点搜索的重叠苹果单果目标分离

4．5 基于DLS算法的被遮挡苹果目标轮廓重建

4．6 试验与分析

4．6．1 试验条件

4．6．2 试验结果

4．6．3 结果分析与讨论

4．7 本章小结

第五章 自然环境下枝叶遮挡苹果目标探测与定位方法

5．1 引言

5．2．1 K-means聚类算法

5．2．2 改进K-means算法实现枝叶遮挡苹果图像兴趣区探测

5．2．3 苹果果实图像的预处理

5．3 基于凸包理论的枝叶遮挡苹果轮廓定位

5．3．1 凸包算法

5．3．2 基于QuickHull的果实轮廓凸包的构建

5．3．3 改进凸包实现果实真实轮廓的自适应提取

5．4 基于欧拉螺旋的苹果目标遮挡轮廓修复

5．4．1 传统轮廓修复方法

5．4．2 欧拉螺旋模型

5．4．3 基于欧拉螺旋圆弧样条曲线的轮廓修复

5．5 试验与分析

5．5．2 试验结果

5．5．3 结果分析与讨论

5．6 本章小结

第六章 苹果目标探测与定位系统的设计与实现

6．1 引言

6．2 系统运行及开发平台

6．3 系统功能结构设计

6．4 系统功能实现与运行界面

6．5 本章小结

7．1 研究结论

7．2 创新点

7．3 研究展望

参考文献

致谢

作者简历