一种基于不同边缘类型交点的蔬果植株侧枝点识别方法

摘要

本发明公开了一种基于不同边缘类型的蔬果植株侧枝点识别方法。首先对采集的蔬果类植株彩色图像进行阈值分割，在其二值化图像中分别进行横向边缘的提取和纵向边缘的提取，对所提取的边缘进行去噪处理，然后对提取的横纵边缘进行阈值分割，来除去蔬果类植株叶片的短边缘。通过对处理过后的横纵边缘寻求交点，来获到蔬果植株的分枝点。最后通过两点之间的距离限制和所在的边缘类型，筛选出相互对应蔬果类植株的侧枝点。本发明可以实现对枝叶颜色类似的蔬果植株侧枝点进行识别，为枝叶修剪机器人作业提供侧枝位置的信息。

说明书

技术领域

本发明涉及一种蔬果植株侧枝点识别方法，特别是一种基于不同边缘类型交点的蔬果植株侧枝点识别方法。

背景技术

为了保证蔬果植株的正常生长就需要定期给蔬果植株进行枝叶修剪工作，而且适当的枝叶修剪会减少植株虫害的发生，促进果实的成熟。但是由于国内修剪机械研究发展缓慢，至今农业修剪工作还是以手工修剪为主，修剪机械的自动化和智能化程度不高，因此就非常需要智能化的枝叶修剪机器人。而且在农业活动中劳动力欠缺，劳动成本高，但使用蔬果枝叶修剪机器人就能够解决劳动力问题，又能够增加日常工作的可持续性和可预测性。

蔬果植株侧枝点的识别是蔬果枝叶修剪机器人视觉系统的重要部分。当前农业果蔬植株侧枝的识别方法可分为基于彩色图像、多光谱图像及立体视觉的识别方法。多光谱图像识别方法可以识别一些枝叶颜色相近的的蔬果植株的根茎，但是成本高，效果差；立体视觉识别方法无法将蔬果植株从近似色的背景中识别出来；而彩色图像识别方法无法将枝叶颜色相近的的蔬果植株(如番茄植株)的枝叶分离，也就找不到植株根茎的位置。

综上，蔬果枝叶修剪机器人非常需要一种识别蔬果植株侧枝点的方法。

发明内容

本发明的目的在于克服无法准确识别枝叶颜色相近的蔬果植株侧枝的不足，提出一种基于不同边缘类型交点的蔬果植株侧枝点识别方法，在彩色图像中得到蔬果枝叶的边缘，去除叶子短小边缘，得到蔬果植株的枝干边缘，再通过不同的枝干边缘类型寻求交点，进行筛选找到蔬果植株的侧枝点。

本发明采用的技术方案是：

一种基于不同边缘类型交点的蔬果植株侧枝点识别方法，其步骤如下：

S1：获取待识别的蔬果植株根茎部位彩色图像I；

S2：对彩色图像I进行背景分割，提取出整株的蔬果枝叶，并对提取的图像进行二值化处理，得到二值化图像C；

S3：对二值化图像C进行横纵边缘的提取，分别形成与二值化图像C尺寸相同的纵边缘图像C

所述纵边缘图像C

若C(x,y)＝C(x+1,y)，则C

若C(x,y)-C(x+1,y)≠0，则C

所述横边缘图像C

若C(x,y)＝C(x,y+1)，则C

若C(x,y)-C(x,y+1)>0，则C

若C(x,y)-C(x,y+1)＜0，则C

其中：C(x,y)、C

S4：对得到的纵边缘图像C

S5：基于上下边缘标记图像C

S6：基于纵向枝条边缘图像C

S7：将图像C

作为优选，所述S1中，蔬果植株根茎部位彩色图像I应在光照条件下，于蔬果植株斜下方使用双目相机斜向上拍摄植株的根茎而获得。

作为优选，所述S2中，得到二值化图像C的具体方法如下：

以彩色图像I中的蓝色分量为基础，对彩色图像I进行背景分割，提取出整株的蔬果枝叶图像，并对提取的图像进行灰度化后采用阈值法进行二值化处理。

作为优选，所述S5中，利用蔬果植株边缘排序算法对植株的横向枝条边缘进行类别判断的具体方法如下：按序遍历图像C

作为优选，所述的S6中，将横纵边缘进行整合和交点判断，得到记录横纵边缘交点的图像C

进一步的，所述通过聚类方式仅保留一个交点时，随机保留圆内交点中的任意一个。

进一步的，所述圆的半径为3个像素。

进一步的，针对交点图E

采用一个半径为三个像素的圆对交点图E

作为优选，所述S7中，通过设置最大距离阈值剔除非侧枝点，得到每一根横向枝条对应的一组分叉点的具体方法如下：根据得到的交点图E

进一步的，所述最大距离阈值为30～40个像素。

本发明首先对采集的蔬果类植株彩色图像进行阈值分割，在其二值化图像中分别进行横向边缘的提取和纵向边缘的提取，对所提取的边缘进行去噪处理，然后对提取的横纵边缘进行阈值分割，来除去蔬果类植株叶片的短边缘。通过对处理过后的横纵边缘寻求交点，来获到蔬果植株的分枝点。最后通过两点之间的距离限制和所在的边缘类型，筛选出相互对应蔬果类植株的侧枝点。本发明可以实现对枝叶颜色类似的蔬果植株侧枝点进行识别，为枝叶修剪机器人作业提供侧枝位置的信息。

附图说明

图1基于不同边缘类型交点的蔬果(以番茄为例)植株侧枝点识别方法的流程图

图2照相机与蔬果(以番茄为例)植株的位置关系

图3整个蔬果(以番茄为例)植株的边缘提取图

图4阈值处理后的蔬果(以番茄为例)植株纵向边缘提取图

图5阈值处理后的蔬果(以番茄为例)植株横向边缘提取图

图6在原图上标记识别出来的蔬果(以番茄为例)植株侧枝点图

具体实施方式

结合附图和实例来对本专利进行进一步说明

如图1所示不同边缘类型交点的蔬果植株侧枝点识别方法的基本操作流程图，具体操作步骤如下：

图像采集：如图2示意了图像采集的实施方法和拍摄角度，在光照条件良好的条件(或是阳光)下，在蔬果植株斜下方，使用双目相机斜向上拍摄植株的根茎，避免了地面颜色给图像分割带来的不便，输出一张待识别的蔬果植株根茎部位彩色图像I。

图像分割：对蔬果植株彩色图像I进行RGB的各个分量的提取和直方图统计，进行对比，得到蓝色分量更容易的从背景中提取整个植株的边缘。因此，以彩色图像I中的蓝色分量为基础，对彩色图像I进行背景分割(分割阈值设置为0.18)，由此提取出整株的蔬果枝叶图像。然后对提取的图像进行灰度化处理转换为灰度图，再采用阈值法进行二值化处理，二值化阈值设置为0.18。这样即使在叶片背景下，也可以清晰的得到枝干的边缘，如图3所示，为整个植株枝干和叶子边缘的二值化图像C。

横纵边缘提取：对二值化图像C进行横纵边缘的提取，分别形成与二值化图像C尺寸相同的纵边缘图像C

其中，纵边缘图像C

若C(x,y)＝C(x+1,y)，则C

若C(x,y)-C(x+1,y)≠0，则C

其中，横边缘图像C

若C(x,y)＝C(x,y+1)，则C

若C(x,y)-C(x,y+1)>0，则C

若C(x,y)-C(x,y+1)＜0，则C

其中：C(x,y)、C

纵边缘图像C

上下边缘归类：由于枝条具有一定的宽度，因此横向边缘分为上边缘和下边缘，需要进行归类。本实施例中，利用一种番茄植株边缘排序算法将蔬果植株的横向边缘C

(1)存储已排序边缘的变量和数组定义和初始化；定义已排序边缘数变量CN，初始化为0；定义存储已排序边缘点数的一维数组CPN，并将其所有元素均初始化为0；定义存储已排序边缘点图像纵横坐标y、x的二维数组CPY、CPX，第一维表示该边缘点所在边缘序号，第二维表示该边缘点在所在已排序边缘所有边缘点中的序号；定义标识边缘点是否为已排序边缘点的二维数组CdgPoF，第一维表示边缘点在图像坐标系中的纵坐标，第二维表示边缘点在图像坐标系中的横坐标，将其所有元素均初始化为0。定义同一起点边缘簇中边缘数变量CdgeNo，初始化为0；定义存储边缘点数的一维数组CdgPoNo，并将其所有元素均初始化为0；定义存储边缘点图像纵横坐标y、x的二维数组CdgPoY、CdgPoX，第一维表示该边缘点所在边缘的序号，第二维表示该边缘点在所在边缘所有边缘点中的序号。

(2)从上往下，从左往右逐点扫描边缘图像C

(3)统计当前边缘点(r,c)8邻域内的未排序边缘点数UnFPoNo，即遍历当前边缘点(r,c)8邻域内像素(m,n)，统计C

(4)按序遍历图像C

求边缘交点：基于纵向枝条边缘图像C

设置一个半径为三个像素的圆，对纵向枝条边缘图像C

上述聚类方式可以采用如下方式实现：采用一个半径为三个像素的圆对交点图E

剔除非侧枝点：将图像C

以上所述的实施例只是本发明的一种较佳的方案，然其并非用以限制本发明。有关技术领域的普通技术人员，在不脱离本发明的精神和范围的情况下，还可以做出各种变化和变型。因此凡采取等同替换或等效变换的方式所获得的技术方案，均落在本发明的保护范围内。