全方位高速瓜果图像采集系统的研究

快速可靠的图像采集系统是实现对瓜果进行准确分拣的基础。介绍了一种全方位高速瓜果图像采集系统。该系统实现了果实多个表面图像的同步采集，采用多线程程序结构提高图像采集速度，采用单场提取模式提高图像质量。利用开发的智能瓜果精选分级试验样机对图像采集系统的性能进行了试验，试验结果证明获得的图像质量和采集速度可以满足实时瓜果分级系统的需要。     

基于多方位视觉的果实形状特征的提取研究

针对传统瓜果分级中捕捉单幅果实图像来分析果实特征时信息较少的缺陷，提出了一种基于多方位视觉系统的果实形状特征提取算法。同步采集3个方向的果实图像信息，经OHTA空间上的图像分割和改进的BLOB算法去噪声等处理后，分别给出果实的多方位的图像特征信息。运用统计学原理，设计了线性分类器，对3个方向的图像特征信息进行了互补性融合，得出分级判别准则。利用开发的智能瓜果精选分级试验样机，验证了该算法的有效性, 试验结果证明识别成功率达到97％，达到了实用的要求。     

基于模糊彩色聚类方法的西红柿缺陷分割研究

缺陷的检测一直是应用计算机视觉技术进行水果自动分级的难点。在HSL颜色模型的基础上，提出了基于模糊颜色聚类的缺陷分割方法。将RGB颜色模型转化为HSL颜色模型；用三角隶属度函数定义H、S、L模糊集，进而构成模糊颜色集；在模糊颜色的基础上，定义模糊颜色相似度测度，分析两种模糊颜色的形似性。将该分割方法应用于西红柿的缺陷分割，试验表明：准确率达96%。     

基于机器视觉的育苗穴盘定位与检测系统

针对嫁接苗自动移栽机器人,提出了一种基于器视觉的育苗穴盘定位与检测系统.该系统不仅能够确定育苗穴盘在传送带上的位置,而且能够获得各穴孔内的基质深度和三维形状信息.其方法是利用彩色图像与深度图像的注册,从彩色图像中检测穴盘轮廓,结合穴盘规格,实现深度图像中穴盘各穴孔的分割;利用分割后的深度图像对每个穴孔生成三维点云,结合最近邻算法与主成分分析算法计算各点的法向量,基于该法向量实现穴孔侧壁与穴底基质的分割,进而获得基质的深度.试验表明,该系统能够有效定位穴盘并检测基质深度,平均定位误差为3.5 mm,深度检测误差为4.9 mm,满足嫁接苗自动移栽机器人的控制要求.     

基于OHTA颜色空间的瓜果轮廓提取方法

提出了一种对彩色水果图像进行果实轮廓提取的算法.首先将图像转换为OHTA颜色空间中的灰度图像,用阈值法实现了图像分割;然后用BLOB算法滤去图像中的噪声;最后用插值的方法得到平滑的轮廓曲线.利用开发的智能瓜果精选分级试验样机,按照大小对温室西红柿进行分类,对算法的精度和实时性进行检验,结果表明算法的精度可达98%,分选速度达到3个/s,达到了实用化的目标.     

基于深度图像的蔬果形状特征提取

针对蔬果二维投影图像含形状信息量少而影响蔬果分级精度的问题,提出一种基于深度图像的蔬果形状特征描述方法,以番茄形状特征提取为例,对该方法进行了探讨.首先利用彩色图像信息将番茄从背景中分割出;其次通过三维机器视觉测量设备获取番茄的点云数据,并对待检测番茄的点云数据深度进行归一化处理;然后通过关联被分割出的番茄区域信息与深度信息得到了番茄的深度图,并对该深度图进行极坐标采样.通过在笛卡尔直角坐标下对采样结果进行傅里叶变换,获得了基于深度图像的通用傅里叶形状描述子,该描述子不仅能有效地描述番茄在深度和横向上的形状特征,同时还具有平移、旋转和缩放的不变性.将基于深度图的通用傅里叶描述子和基于一般二维投影图像的通用傅里叶描述子先后用于番茄的分级实验中,结果表明前者平均分级精度达到92％,精度高于后者.     

用于草莓收获机器人的果实定位和果柄检测方法

介绍了一种用于草莓收获机器人的果实定位和果柄检测方法。利用基于OHTA颜色空间的图像分割方法从背景中分割草莓通过计算二值化草莓blob的惯性主轴来判断草莓的姿态,根据草莓的成熟度实现了果实的选择性采摘。试验证明这种方法的平均判别速度为1 s,果柄误判率为7%,在采摘过程中仅对5%的果实造成损伤,满足草莓机器人的收获速度和精度要求。     

种盘秧苗生产中图像处理与机器人技术

为提高蔬果类种盘秧苗生产系统的自动化程度,本文应用图像处理与机器人技术对其排种装置漏播的检出和补种方法进行了探讨。利用对播种前后的数字图像进行相减运算来提取种子的尺寸和灰度特征,从而对种盘种穴内的漏播情况进行判断。试验证明,此法可精确地检出黄瓜及丸粒化的莴苣种子的漏播。同时利用检出的漏播信号控制辅助播种机器人,能有效地对漏播的种穴进行补种作业,补种精度达到９９％ 。     

秧苗嫁接机器人视觉与识别的研究

研制了一套应用于瓜果秧苗嫁接机器人的视觉系统，该系统能判别秧苗品质和秧苗方向，使得瓜类秧苗嫁接机器人在保证质量情况下实现全自动嫁接成为可能。     

基于机器视觉的嫁接苗移栽实时定位研究

针对自动化育苗流程中的嫁接苗移栽环节,提出了一种基于机器视觉的嫁接苗移栽实时定位系统。该系统能根据点云信息定位每次移栽嫁接苗时穴孔的位置,并且在穴盘受迫移动后重新定位穴孔的位置。具体的方法是通过RGB传感器与红外传感器获取工作区域内的点云信息,利用点云信息,首先离线标定传送带平面方程,进而根据实时的位置信息完成穴盘与背景的在线分离;接着从分离出的穴盘点云得到对应的二维掩膜,从掩膜中的单连通区域推算出每个穴孔的位置;针对穴盘移动之后的重定位,使用了基于随机采样一致算法的单应矩阵计算方法,由历史单应矩阵从初次定位的穴孔坐标计算出当前的穴孔位置。实验表明,该定位系统能有效定位穴孔的位置,满足嫁接苗移栽要求。