绿色果实识别方法
【技术领域】
[0001] 本发明属于图像识别技术领域，涉及一种基于灰度阶梯特征的树上绿色果实识别 方法。
【背景技术】
[0002] 采摘机器人有助于提高果实采摘效率、降低损伤率及节省人工成本，具有重要现 实意义。其中基于场景解析的果实识别策略是采摘机器人实现果实采摘的重要关键技术。
[0003] 机器视觉被普遍认为是采摘机器人实现果实场景解析的最佳途径，基于机器视觉 的果实识别是相关领域的长期研宄热点。然而非结构化果实场景固有的不确定性对机器人 通过视觉感知果实及作业环境信息构成了巨大挑战。果实生长条件（如水果品种、营养状 态、水分条件、生长阶段、果实相对树枝的位置）、环境条件（如光源强度、色温、照射方向等 参数的动态变化）、光照条件（遮挡、树冠场景几何）都是潜在的不确定因素。
[0004] 当前相关研宄主要集中在采摘目标与背景颜色对比度大、形状较规则的非绿色水 果品种上，并已取得较多进展。综合利用果实外观特征（如颜色、纹理及形状特征），结合阈 值分割以及形态拟合方法对果实目标进行识别定位是较常见和识别率较高的方法，相关研 宄涉及柑橘、葡萄、猕猴桃、番茄 [等多类水果。
[0005] 另一方面，绿色果实的识别对于成熟绿色水果的自动收获、水果产量的前期估计 和销售策略的制定有重要的意义。尽管绿色水果的识别难度较大，特别是国内学者研宄很 少，但是其已逐渐成为国内外农业工程领域的一个新的研宄热点。
[0006] 国内关于绿色水果识别的相关专利暂时没有。经对现有文献检索发现，Ferhat等 人在 2011 年第 78 卷 2 期的 Computers and Electronics in Agriculture 专业期刊上发表 了题为《基于特征果、颜色及环形Gabor纹理特征的绿色果实识别方法》的文章（文章英文 名：Green citrus detection using <eigenfruit,, color and circular Gabor texture features under natural outdoor conditions)，该文章公开了一种综合多类特征、多尺度 寻找策略以及多数投票策略的绿色柑橘识别方法，但其仍然存在果实识别率较低、果实误 检率尚、检测算法过程复杂等问题。
【发明内容】
[0007] 本发明的目的在于克服现有技术的不足，提出一种基于果实表面灰度阶梯特征的 绿色果实识别方法，该方法结合多角度灰度阶梯扫描、启发式筛选规则及检测结果合并，实 现绿色果实的数量确定和果实空间位置的拟合。
[0008] 本发明是通过以下技术方案实现的，包括步骤如下：
[0009] 第一步，采集一帧图像到内存。
[0010] 第二步，提取彩色图像的R通道图像。
[0011] 第三步，以特定大小的滤波模块对R通道图像进行中值滤波。
[0012] 第四步，对中值滤波输出图像进行8级灰度离散化操作，得到8级灰度图。
[0013] 8级灰度图中，果实表面对应区域在相当大的取景尺度范围内均呈现8, 7.. i，i-1，.. 2, 1的完整灰度分布。其中灰度8仅当果实表面被大面积阴影遮挡时不存在，而灰 度1的分布均在随机性。我们将果实表面这种在特定方向上灰度由高到低的等差递减特性 定义为灰度阶梯。
[0014] 第五步，对8级灰度图进行多角度灰度阶梯扫描。
[0015] 扫描角度定义为扫描方向与X轴的夹角。由于果实表面下半部分呈现的灰度阶梯 比较完整，因此，我们只扫描0-180度区间（间隔为15度）的灰度阶梯，具体涉及的灰度阶 梯有87654321、8765432、765432、7654321四种。场景中绝大部分果实表面的最大灰度为8， 而少部分完全处于阴影下的果实表面从灰度7开始，我们将两种灰度阶梯模式分别规定为 patternl及 pattern2〇
[0016] 第六步，对灰度阶梯扫描结果应用启发式规则进行筛选，以去除各类场景几何产 生的伪灰度阶梯。
[0017] 所述的启发式规则涉及灰度阶梯的跨度及特定灰度阶宽概念，其定义为：针对已 有灰度阶梯和对应的扫描线，我们将扫描线经历的特定灰度像素点总数定义为该灰度的阶 宽（如widthofgray (i)表示灰度i的阶宽），同时将所有灰度阶宽的总和定义为灰度阶梯 的跨度span，f
【主权项】
1. 绿色果实识别方法，其特征在于，识别方法具体为： 第一步，采集一帖图像到内存； 第二步，提取彩色图像的R通道图像； 第=步，W特定大小的滤波模块对R通道图像进行中值滤波； 第四步，对中值滤波输出图像进行8级灰度离散化操作，得到8级灰度图； 第五步，对8级灰度图进行多角度灰度阶梯扫描； 第六步，对灰度阶梯扫描结果应用启发式规则进行筛选，W去除各类场景几何产生的 伪灰度阶梯； 第走步，合并筛选结果，确定果实数量； 第八步，基于罚函数法对果实空间位置进行拟合。
2. 根据权利要求1所述的绿色果实识别方法，其特征在于，第五步中所述的灰度阶梯 是指果实表面固有的在特定方向上由高到低的灰度等差递减特性，其具体表现为8级灰度 图上8, 7. . i，i-1，. . 2, 1的完整灰度分布。
3. 根据权利要求1所述的绿色果实识别方法，其特征在于，第五步中所述的多角度扫 描是指0-180度区间、间隔为15度的扫描角度，而扫描角度定义为扫描方向与X轴的夹角。
4. 根据权利要求1所述的绿色果实识别方法，其特征在于，第六步中所述的伪灰度阶 梯根据其产生机理分为=类，分别为树枝表面、树叶表面W及场景几何随机产生的伪灰度 阶梯。
5. 根据权利要求1所述的绿色果实识别方法，其特征在于，第六步中所述的启发式规 则为针对不同类型伪灰度阶梯设计的筛选规则，该类规则主要对目标灰度阶梯的跨度、阶 宽占比、灰度超像素的形状进行限制，W区分伪灰度阶梯和目标灰度阶梯。
6. 根据权利要求1所述的绿色果实识别方法，其特征在于，第走步中所述的合并操作 是指对隶属于同一果实表面的灰度阶梯进行合并，使得合并后的每个灰度阶梯对应唯一一 个真实的果实。合并的依据基于如下事实：隶属于同一果实表面的灰度阶梯通常共用多个 灰度超像素；合并策略为；依次捜索每个灰度阶梯，如果两个灰度阶梯共用3个W上灰度超 像素，只留其一；最终灰度阶梯数量与果实个数相同。
7. 根据权利要求1所述的绿色果实识别方法，其特征在于，第八步中所述的果实空间 位置进行拟合是指按照特定原则，对每个果实实际所处的图像空间位置和果实半径进行拟 合；拟合后，该圆形包含的像素权重值之和尽量大。
8. 根据权利要求1所述的绿色果实识别方法，其特征在于，第八步中所述的罚函数法 是指在果实空间位置拟合公式中加入惩罚因子W防止果实拟合半径过大；尤其当拟合半径 超过正常果实大小时，惩罚因子快速增大。
【专利摘要】本发明公开了一种基于果实表面灰度阶梯特征的绿色果实识别新方法。首先采集图像，提取R通道分量图像，对分量图像进行中值滤波和8级灰度离散化操作；其次对8级灰度图像进行多角度灰度阶梯扫描，并基于启发式规则对扫描结果进行筛选；最后对筛选结果进行合并，并实现果实空间位置的拟合，得到最终检测结果。本发明对应的算法过程只涉及灰度阶梯特征的检测及处理，不涉及多类复杂特征的提取与融合，算法过程相对简单；本方法识别准确率较高，误检率较低，有助于大幅提升采摘机器人整体作业效率。
【IPC分类】G06K9-00
【公开号】CN104636716
【申请号】CN201410745063
【发明人】王明军
【申请人】宁波工程学院
【公开日】2015年5月20日
【申请日】2014年12月8日