基于视觉的橘类水果识别系统设计

　　摘要:水果采摘作为水果生产过程中的一个重要环节，具有季节性强和劳动密集的特点，所占用的劳动力数量较大且整体自动化程度较低。为提高水果采摘效率，设计了一种基于视觉的橘类水果识别系统，基于水果的颜色特征、霍夫圆检测原理进行成熟橘类水果的识别，使用深度摄像头实现目标的定位。以蜜桔为研究对象，分别在正常光线无遮挡、正常光线有遮挡以及外部光源补光的情况下开展试验研究。试验结果表明，提出的基于视觉的橘类水果识别系统能够为水果识别与定位技术提供技术支撑和可靠数据，为实现水果智能化采摘样机的研制奠定基础。

　　关键词:水果采摘;视觉;识别与定位;成熟度;深度摄像头

　　0引言

　　水果采收作为果园生产全过程中的一个重要环节，具有季节性强和劳动密集型的特点［1］，所用劳动力占整个生产过程所用劳动力的35%～45%［2］。目前采摘水果的主要方法是依靠人工攀爬或借助简单工具，且水果采摘效率较低。由于人工采摘水果自身所存在的劳动强度大、效率较低等原因，继而造成水果采摘成本逐渐提高［3］。使用辅助水果采摘设备能够有效提高水果采摘的质量和效率，降低人工采摘的劳动强度，具有良好的经济效益。水果识别技术作为水果辅助采摘设备的重要技术之一，其性能对于提高辅助水果采摘的效率及准确率具有很大的影响［4］。因此，对于辅助水果采摘设备的研制而言，探究水果识别技术具有重要意义。

　　1基于视觉的橘类水果识别系统模型

　　基于视觉的橘类水果识别系统模型由图像采集、图像处理、目标识别和目标定位四个环节构成，如图1所示。图像采集环节使用IntelRealSenseD415深度相机在室内正常光线下拍摄橘类水果图像，该图像中水果数量随机，且存在水果重叠的现象。图像处理环节包括背景移除与成熟度筛选、图像形态学处理两个部分，先在RGB颜色空间下实现背景移除与成熟度筛选，再使用中值滤波和高斯平滑消除图像噪点和空洞。目标识别环节使用霍夫变换识别目标图像中的橘类水果，获得水果中心的像素坐标。目标定位环节则根据目标识别得到的像素坐标及相机参数，计算得到目标相对于相机的空间坐标，从而实现水果的识别与定位。

　　2系统设计

　　2．1橘类水果颜色分析

　　使用颜色特征对橘类水果进行识别时，需要对橘类水果及枝叶在图像中的R(红色)、G(绿色)、B(蓝色)颜色分量进行分析，从而实现成熟橘类水果与背景区分的目的。由图2和图3分析可知，成熟橘类水果与未成熟橘类水果及枝叶在R－G分量和R－B分量上有明显区分，成熟水果的R－G分量和R－B分量主要分布在坐标轴对角线的下方，具有明显的颜色特征;由图4可知，成熟橘类水果的G－B分量主要分布在枝叶和未成熟水果之间，与树枝及未成熟水果有一定的区别。基于以上分析可知，在RGB颜色空间中，成熟橘类水果颜色特征与未成熟水果及树枝的颜色特征有较大区别，根据颜色差异能够有效地将成熟橘类水果从图像中提取出来。

　　2．2图像处理

　　摄像头采集到的图像经过颜色筛选后，将颜色特征符合成熟橘类水果的像素点保留下来。受光线和颜色筛选范围的影响，筛选后获得的橘类水果的边缘毛刺较多，且图像中存在较多噪点，因此，需要对该图像进行处理，以便提高后续目标识别的精确性。使用中值滤波和高斯平滑对图像进行平滑滤波处理，处理前后的图像如图5所示。

　　3试验研究

　　3．1试验平台

　　对橘类水果识别系统的识别效果及识别准确率进行了试验验证，试验在室内正常光线下对枝叶上的蜜桔进行识别，深度摄像头安装于水果采摘试验平台的相机支架上。硬件环境:IntelRealSenseD415深度摄像头，CPU2．3GHz，内存16GB，水果采摘试验平台;软件环境:IntelRealSenseSDK2．0，VisualStudio2015，OpenCV3．3．1。部分实验图片如图6所示。

　　3．2试验方案及结果

　　基于上述试验平台，分别在蜜桔有枝叶遮挡和无枝叶遮挡两种条件下进行试验研究，并在有枝叶遮挡的条件下增加有外部光源补光的试验，统计上述3种情况下正确识别到的蜜桔数量和平均识别时间，试验结果如表1所示。

　　4结论

　　设计的基于视觉的橘类水果识别系统，根据成34熟橘类水果在RGB颜色空间中的颜色特征，实现了水果成熟度的判别;基于霍夫圆检测原理进行目标识别，获得目标中心点的像素坐标;使用深度摄像头，获得目标中心点与相机的相对坐标。以蜜桔为研究对象开展试验研究，在正常光线无遮挡情况下具有良好的识别率;在正常光线、有枝叶遮挡时识别率存在一定程度的降低，且在外部光源补光后识别率有明显提升，识别与定位的速度快，能够满足实时处理的要求，适应性好。试验结果表明，提出的基于视觉的橘类水果识别系统能够为水果识别与定位技术提供技术支撑和可靠数据，为实现水果智能化采摘样机的研制奠定基础。

　　参考文献:

　　［1］段洁利，陆华忠，王慰祖，等．水果采收机械的现状与发展［J］．广东农业科学，2012，39(16):189－192．

　　［2］付荣利．果园采摘机械的现状及发展趋势［J］．农业开发与装备，2011(05):17－19．

　　［3］王祺，王艳玲，俄胜哲．我国果园机械装备现状及发展思路［J］．农业机械，2019(01):109－111．

　　［4］伍锡如，雪刚刚，刘英璇．基于深度学习的水果采摘机器人视觉识别系统设计［J］．农机化研究，2020，42(02):177－182+188．

　　颜申a，c，宋文浩b，陈光b，颜兵兵b，*

《基于视觉的橘类水果识别系统设计》

上一篇：乡村振兴环境下饲料企业应用电子商务创新发展模式的研究<p>　　[摘要]饲料业产值提升和总体规模的发展壮大，对

下一篇：城市“拆围透绿”整治工程存在的问题及对策研究