熟蘋果的色差分析測試
目前，國內(nèi)外研究人員已經(jīng)廣泛地開展了果蔬采摘機器人的研究。在自然環(huán)境條件下，實現(xiàn)果實的準確識別與定位，是果蔬采摘機器人視覺系統(tǒng)的的基礎(chǔ)和關(guān)鍵技術(shù)，直接影響采摘機器人的作業(yè)效率。所以，可靠性好、精度高的視覺識別技術(shù)，能夠檢測出所有成熟果實，并對其進行精確定位已經(jīng)成為智能采摘機器人非常重要的一個環(huán)節(jié)。從現(xiàn)有文獻看，果蔬采摘機器人的視覺識別系統(tǒng)主要原理是利用顏色、形狀、紋理和近紅外反射等從背景中區(qū)分植株、水果和蔬菜，多數(shù)研究在室內(nèi)和可控光照條件下進行。
我們結(jié)合前人研究成果，提出在自然環(huán)境下，利用R-G色差圖像進行改進 OTSU 算法分割，對區(qū)域進行標記，計算出連通區(qū)域的面積和質(zhì)心，進而推出同面積質(zhì)心圓。自然場景下，成像條件多變，光線明暗不一，場景復(fù)雜多樣。要去除的背景既有樹枝、樹葉和未成熟蘋果，也有天空、草地等。為滿足蘋果采摘機器人逐個采摘成熟蘋果的要求，需逐個識別成熟蘋果并提取相關(guān)特征。在對蘋果進行拍攝時，由于環(huán)境和角度等因素的影響，相機系統(tǒng)難免受到影響，所以圖像中存在噪聲，對圖像正確識別產(chǎn)生干擾，要對圖像進行濾波去噪處理。直方圖雙峰法閾值受人為及統(tǒng)計樣本的影響較大，對于有些圖像容易造成過度分割。迭代法僅考慮到像素本身的灰度，而忽略了其領(lǐng)域的空間信息，且迭代計算的閾值結(jié)果受初始閾值的影響。
OTSU 法將像素本身的灰度以及領(lǐng)域平均灰度綜合判斷，根據(jù)最大類間方差自動獲取最佳閾值進行圖像分割，一定程度上消除了環(huán)境光線變化的影響，分割較為穩(wěn)定。但在實驗中發(fā)現(xiàn)，當圖像中目標與背景差異顯著時，其自動確定的閾值一般均能較好地將目標從背景中分割出來，當目標與背景較為復(fù)雜或目標物與背景差異不明顯時，會出現(xiàn)較為嚴重的過度分割或大塊黑色區(qū)域，分割效果不理想。后續(xù)的蘋果定位主要是特征點的選取和匹配，由于面積特征呈現(xiàn)隨機不同，且計算量大; 圓度特征對分割算法的依賴性很大，容易造成誤匹配，所以面積、圓度等特征匹配不適合作為匹配特征。由于蘋果的形狀接近于球體，對于每個成熟蘋果采集的左、右圖像上的質(zhì)心是一對極好的匹配點，選擇其作為匹配特征點可以使問題簡化，且易于實現(xiàn)。中國糧油儀器網(wǎng) http://m.6upk.com/
