基于机器视觉的果园成熟柑橘快速识别及产量预估研究

【目的】提供一种快速、准确的自然环境下成熟柑橘的识别及计数方法，解决传统的通过人工采样的方法进行产量预估带来的成本高、时间长和精度低的不足，并为以后对柑橘进行自动采摘打下基础。【方法】应用 RGB 相机采集柑橘园果树图像，并通过转换到 Lab 颜色空间，对与背景颜色有明显区别的柑橘区分采用“a”分量，然后基于霍夫圆变换法应用 MATLAB 软件对剔除背景的柑橘进行计数，实现对柑橘产量的预估。【结果】该图像处理方法与传统的水果与背景分离方法相比更简单快速，果实识别正确率达94.01%，产量预估正确率达 96.58%，平均识别时间 1.03 s。选取 10 棵树共 20 个图片进行产量预估，将该算法得到的柑橘数量与通过人眼计数得到的结果进行比较，其相关系数 R2 为 0.9879。【结论】该算法简单快速，能精确实现水果的快速自动识别及产量预估，对果实的重叠性、果实遮挡有较好的鲁棒性，促进了机器学习在现代农业的应用，具有较高的理论和实践意义，推动了果园智慧农业进一步发展。

Fast Detection and Yield Estimation of RipeCitrus Fruit Based on Machine Vision