基于MATLAB的柑橘图像预处理及识别系统研究

第３４卷第５期２００８年５月

电子工窟师

ＥＬＥＣＴＲＯＮＩＣＥＮＧＩＮＥＥＲ

Ｖ０１．３４Ｎｏ．５Ｍａｖ２００８

基于ＭＡＴＬＡＢ的柑橘图像预处理及识别系统研究

朱莉，覃亚丽

（浙江工业大学浙西分校信电系，浙江省衢州市３２４０００）

摘要：柑橘的识别方法目前主要还是采用劳动强度大、工作效率低、随意性大、客观性不强、不符合当前标准化要求的人工检测方法。文中运用计算机视觉和模式识别技术，研究了柑橘图像的实时采集与识别技术以及分析软件系统。借助ＭＡＴＬＡＢ图像处理工具箱给出了柑橘品质检测中的图像

预处理方法，实现了农副产品的品质科学分级的目的。

关键词：机器视觉；柑橘；图像预处理；ＭＡ７Ｉ队Ｂ

中图分类号：ＴＮ９１１．７３

０引言

随着计算机技术的发展，图像处理及识别技术的应用范围及领域也不断扩大…。将机器视觉技术用于水果检测具有许多优越性。首先，它排除了在分级

的Ｍａｔｒｏｘ

Ｍｅｔｅｏｒ

ｌＩ图像采集卡具有３２位ＰＣＩ总线，可

将采集到的图像实时传递到计算机内存或显示于计算

机显示器上，并内置４ＭＢ缓存，以保证图像数据的实

时传输。选用Ｐ４微处理器的计算机，内存１２８ＭＢ，硬

盘４０ＧＢ，主频１．３１１．２用户界面设计

本研究编制的系统软件用ＶＢ编写。根据功能划

ＧＨｚ。

过程中人的主观因素的干扰；同时提高了水果检测精度，降低了劳动强度旧Ｊ。本文选择柑橘为研究对象，利用机器视觉实现柑橘图像的实时采集、边缘检测、分

割以及柑橘图像的特征提取与识别，实现了机器视觉对人眼的扩展，使其在一定程度上具有了人的判断能力，从而实现了对农副产品的品质进行较为全面的检测与科学分级的目的。

ＭＡＴＬＡＢ（ＭＡＴｒｉｘＬＡＢｏｒａｔｏｒｙ）是国际上公认的最优秀的科学技术与数学应用软件之一，已经在生物医学工程、图像处理、统计分析领域得到广泛的应用。本文借助于ＭＡＴＬＡＢ图像处理工具箱，开发了基于计算

分，系统可分为：文件模块，用于打开图像和保存处理结果；图像采集模块，完成用ＣＣＤ摄像头采集柑橘图

像的过程，并把位图以ＤＩＢ格式存到硬盘上；图像预处理模块，包括图像平滑、图像增强、图像分割、边缘检

测；特征提取模块，包括大小、形态、颜色特征模块；分级模块，把特征提取模块中的３个子功能综合使用，以

实现对柑橘检测与分级的自动处理，并把结果显示到屏幕上。如图２所示。

机视觉技术的柑橘识别算法，取得了事半功倍的效果。

１柑橘识别系统设计

１．１硬件系统设计

本文研究的机器视觉检测系统如图１所示。

图２软件界面

２柑橘ｉ只别算法

图１机器视觉硬件示意图

２．１图像滤波‘３］

图像在采集和使用过程中，往往受到各种离散的和随机的噪声源的干扰而污损，要进行滤波处理。通

本研究选用的摄像机是日本产Ｐａｎａｓｏｎｉｃ公司的ＷＶ－ＣＰ４１０／Ｇ彩色数字摄像机。加拿大Ｍａｔｒｏｘ公司

过滤波使图像变得清晰，从而提高图像分析的效率。

收稿日期：２００７－０９－２１；修回日期：２００８－０２—１８。

为抑制图像中的噪声而且保持轮廓的清晰，这里采用

４１

基于MATLAB的柑橘图像预处理及识别系统研究

信号处理与显示技术 电子工露师２００８年５月

了非线性处理技术——中值滤波，它可做到既去掉噪

声，又保持图像边缘信息。所以采用３ｘ３模板的中值滤波进行了滤波除噪处理，滤波后的图像如图３所示。

ＬｂＪ－ｉ 值臆披

图３图像平滑处理

２．２图像增强

图像增强的目的是突出图像中的有用信息，扩大不同影像特征之问的差别，从而提高对图像的解释和

分析能力ＨＪ，即把图像变换成易于人观察和易于机器

处理的图像。为了增强图像的局部的反差，可以用灰度变换的方法使灰度变化范围增大，使原来极差很小的图像变得灰度层次丰富，从而改善视觉感知条件，达到图像增强的目的。灰度变换后的图像如图４所示。

【ｂ）线Ｊ生监换

图４图像增强处理

２．３图像分割

本系统背景为黑色即输送装置，背景单一，采用最

佳阈值分割算法将柑橘和背景分离开来，成为２类区

域的二值图像。步骤如下：

ａ）求出图像中最小和最大的灰度值ｚ。ｉ。和ｚ一，

令阈值的初值为：

“一——厂

Ｔ

Ｚ。ｉ。＋Ｚ。。

ｂ）根据阀值瓦将图像分割成目标和背景２部分，

求出２部分的平均灰度值磊和磊，

∑ｚ（ｉ√）Ⅳ（ｉＪ）

Ｚ．：型卫翌Ｌ———一一”

∑Ｊ７ｖ（ｉ√）

ｚ【ｉｊ）’ｎ

∑ｚ（ｉＪ）Ｊ７、，（ｉ√）

知一

∑心√）

ｚ０４）‘ｌｉｋ

式中：Ｚ（ｉ，．『）为图像上（ｉ，Ｊ）点的灰度值；Ｎ（ｉ，，）为（ｉＪ）点的权重系数，一般Ｎ（ｉ，Ｊ）＝１．０。

４２．

Ｃ）求出新的阀值：

‰＝半

ｄ）如果砭＝致＋。，则结束，否则，后卜．ｊ｝＋１，转步骤

ｂ。

图像分割结果如图５所示。

（ｂ）最佳阈值分割图像

图５图像分割

２．４边缘提取

图６所示为采用Ｒｏｂｅｒｔ、Ｓｏｂｅｌ、Ｐｒｅｗｉｔｔ和Ｌａｐｌａｃｉａｎ边缘检测算子对分割好的图像进行边缘检测。由于Ｐｒｅｗｉｔｔ算子并不是各向同性的，其检测到的边缘并不是完全连通的，有～定程度的断开。Ｓｏｂｅｌ算子也存在同样的问题。Ｌａｐｌａｅｉａｎ算子对噪声比较敏感，检测到的图像边缘较粗，还需要进行进一步的细化。而采用Ｒｏｂｅｒｔ算子可得到较为理想的边缘。

图６边缘检测处理结果

本文通过理沦分析和ＭＡＴＬＡＢ仿真实验，提出适

于实时检测的柑橘预处理方法，设计了柑橘快速自动化检测硬件和软件系统，突破了常规检测方法的高成本、低效率、对操作人员专业要求高的局限性。本文研究为机器视觉技术对农副产品的品质无损检测提供理论基础和应用价值。

参考文献

［１］张海云．基于ＶＢ的灰度图像平滑方法及应用［Ｊ］．山东

３结束语

基于MATLAB的柑橘图像预处理及识别系统研究

第３４卷第５期朱莉，等：基于ＭＡＴＬＡＢ的柑橘图像预处理及识别系统研究

信号处理与显示技术

理工大学学报：自然利学版，２００３，１７（５）：４－７．学出版社，１９９６．

［２］ＷＯＬＦＳ

ＲＲ，ＳＡＮＣＤＬＥＲ

ＷＥ．Ａｎａｌｇｏｒｉｔｈｍｆｏｒｓｔｅｍｄｅｔｅｅ—

［４］应义斌，景寒松，马俊福，等．黄花梨果形的机器视觉识

ｌｉｏｎｕｓｉｎｇｄｉｇｉｔａｌａｎａｌｙｓｉｓ［Ｊ］．Ｔｒａｎｓａｃｔｉｏｎｓ

ｏｆＡＳＡＥ，１９８５，

别方法研究［Ｊ］．农业工程学报，１９９９，１５（１）：１９２—１９６．２８（２）：６４１石４４．

朱莉（１９７５．），女，实验师，主要研究方向为图像识剐。

［３］张远鹏，等．计算机图象处理技术基础［Ｍ］．北京：北京大

ＯｒａｎｇｅＩｍａｇｅＰｒｏｃｅｓｓｉｎｇＢａｓｅｄ

ｏｎ

ＭＡＴＬＡＢ

ａｎｄ

ＩｄｅｎｔｉｆｉｃａｔｉｏｎＴｅｃｈｎｉｑｕｅ

ＺＨＵ

Ｌｉ．ＱＩＮ

Ｙａｌｉ

（Ｗｅｓｔ

Ｂｒａｎｃｈｏｆ

ＺｈｅｊｉａｎｇＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙ，Ｑｕｚｈｏｕ３２４０００，Ｃｈｉｎａ）

Ａｂｓｔｒａｃｔ：Ｏｒａｎｇｅｄｅｔｅｃｔｉｏｎｍｅｔｈｏｄｈａｓｍａｎｙｄｅｆｅｃｔｓａｔｐｒｅｓｅｎｔ．Ｆｏｒｅｘａｍｐｌｅ，ｉｔａｄｏｐｔｓｍａｎｕａｌｉｍａｇｅｐｒｏｃｅｓｓｉｎｇｍｅｔｈｏｄｆｏｒｏｒａｎｇｅｑｕａｌｉｔｙｄｅｔｅｃｔｉｏｎ，ＳＯｉｔｃａｎ

ｎｏｔｇｕａｒａｎｔｅｅ

ｔｈｅ

ｏｂｊｅｃｔｉｖｉｔｙ

ｏｆｄｅｔｅｃｔｉｏｎ，ａｎｄｔｈｅｄｅ—

ｔｅｃｔｉｏｎ

ｃａｎ

ｎｏｔ

ａｌｗａｙｓｂｅｉｍｐｌｅｍｅｎｔｅｄｗｉｔｈｇｒｅａｔｅｆｆｉｃｉｅｎｃｙａｎｄｈｉｇｈｓｐｅｅｄ，ａｎｄｉｔ

ｃａｎ

ｎｏｔ

ｍｅｅｔｔｈｅｒｅｑｕｉｒｅ—

ｍｅｎｔｏｆｒｅｑｕｌａｔｉｏｎａｎｄｓｔａｎｄａｒｄｉｚａｔｉｏｎ．ＵｓｉｎｇｃｏｍｐｕｔｅｒｖｉｓｉｏｎａｎｄｐａｔｔｅｒｎｒｅｃｏｇｎｉｔｉｏｎｔｅｃｈｎｏｌｏｇｙａｎｄＭＡＴ－ＬＡＢｉｎｔｈｉｓｐａｐｅｒｗｅｍａｉｎｌｙｓｔｕｄｉｅｄｔｈｅｔｅｃｈｎｏｌｏｇｙｏｆａｃｑｕｉｓｉｔｉｏｎａｎｄｒｅｃｏｇｎｉｔｉｏｎｏｆｒｅａｌ－ｔｉｍｅｏｒａｎｇｅｉｍａｇｅ，ｄｅｖｅｌｏｐｅｄｔｈｅａｎａｌｙｓｉｓｓｏｆｔｗａｒｅｓｙｓｔｅｍ，ａｃｈｉｅｖｅｄｔｈｅｇｏａｌｏｆａｇｒｉｃｕｌｔｕｒａｌａｎｄｓｕｂｓｉｄｉａｒｙｐｒｏｄｕｃｔｑｕａｌｉｔｙｓｃｉｅｎ－ｔｉｆｉｃａｌｇｒａｄｕａｔｉｏｎ．

Ｋｅｙｗｏｒｄｓ：ｃｏｍｐｕｔｅｒｖｉｓｉｏｎ；ｏｒａｎｇｅ；ｉｍａｇｅｐｒｏｃｅｓｓｉｎｇ；ＭＡＴＬＡＢ

篓≤整《鳖ｉ醢ｉｇ：≤丘：≤盛ｇ盛ｇ啦≤统缴缢ｉ线城ｉ缓≤篮城弛：鲨：显：≤鲨≤盆ｇ监魁坦ｉ篓鲤蛾善蛙：域弛≤监：些≤基：ｉ鲨线≤鬟滥≤鐾ｉ篮ｉ篮ｊ鬓ｉ篮≤蕴≤骘≤茁ｇｇ：ｉ妥：蘸（上接第１４页）

单、硬件成本低、开发灵活性高，对于控制算法可再开

发，因而具备广泛的实用价值。

参考文献

［１］赵伟军．基于ＰＣＩ总线的虚拟示波器的设计与实现［Ｊ］．

现代雷达，２００７，２９（１）：４１－４３．

［２］萧世文，等．ＵＳＢ２．０硬件设计［Ｍ］．北京：清华大学出版

社，２００６．

图７计算机控制界面

［３］蒋曼芳，王章瑞，赖欣，等．带有ＵＳＢ的ＤＴＵ设计［Ｊ］．电

３结束语

子工程师，２００６，３２（５）：５－７．

了Ｃ８０５１Ｆ３２０的强大功能，所需外围电路少、设计简

一本文描述鬯毳三黑嘤懋鬻煮豫型２控制笔教鬻溢？黻授’主要从事锄传动及其

”１。”一１……”ＤｅｓｉｇｎｏｆＡｕｔｏｍａｔｉｃＣｏｎｔｒｏｌＬａｂｏｒａｔｏｒｙＳｙｓｔｅｍＢａｓｅｄ

ｏｎ

ＶｉｒｔｕａｌＩｎｓｔｒｕｍｅｎｔ

ＣＨＥＮＧ

Ｇｕｉｌ，ＷＡＮＱｉ２

（１．Ｎａｎｊｉｎｇ

Ｉｎｓｔｉｔｕｔｅｏｆ

Ｔｅｃｈｎｏｌｏｇｙ，Ｎａｎｊｉｎｇ

２１００１３，Ｃｈｉｎａ；

２．Ｎａｎｊｉｎｇ

ＲｅｓｅａｒｃｈＩｎｓｔｉｔｕｔｅｏｆＥｌｅｃｔｒｏｎｉｃｓ

Ｔｅｃｈｎｏｌｏｇｙ，Ｎａｎｊｉｎｇ２１００１３，Ｃｈｉｎａ）

Ａｂｓｔｒａｃｔ：Ｓｅｅｉｎｇｓｈｏｒｔｃｏｍｉｎｇｓｏｆｔｒａｄｉｔｉｏｎａｌａｕｔｏｍａｔｉｃｃｏｎｔｒｏｌｅｘｐｅｒｉｍｅｎｔｔｅａｃｈｉｎｇｓｙｓｔｅｍ，ｔｈｉｓｐａｐｅｒｉｎ。ｔｒｏｄｕｃｅｓｔｈｅ

ａｄｖａｎｔａｇｅｓａｎｄ

ｓｉｇｎｉｆｉｃａｎｃｅｏｆ

ｔｈｅｖｉｒｔｕａｌｉｎｓｔｒｕｍｅｎｔｕｓｅｄｉｎａｕｔｏｍａｔｉｃｃｏｎｔｒｏｌ

ｔｅａｃｈｉｎｇ．Ａ

ｓｃｈｅｍｅａｎｄｃｏｎｓｔｒｕｃｔｉｏｎｏｆ

ａｎ

ａｕｔｏｍａｔｉｃｃｏｎｔｒｏｌｌａｂｏｒａｔｏｒｙｓｙｓｔｅｍｉｓｐｒｏｐｏｓｅｄ．Ｉｎｔｈｅｓｙｓｔｅｍ，ｍｏｔｏｒｉｓ

ｃｏｎ’

ｔｒｏｌｌｅｄｂｙＳＯＣ，ｄａｔａｅｘｃｈａｎｇｅｂｅｔｗｅｅｎｔｈｅｉｎｓｔｒｕｍｅｎｔａｎｄｔｈｅｃｏｎｔｒｏｌｓｙｓｔｅｍｉｓａｃｈｉｅｖｅｄｂｙＵＳＢ．Ｔｈｅｔｅａｃｈ ｉｎｇｐｒｏｃｅｓｓｏｆｔｈｅａｕｔｏｍａｔｉｃｃｏｎｔｒｏｌｅｘｐｅｒｉｍｅｎｔｉｓａｌｓｏｄｅｓｃｒｉｂｅｄ．Ｗｉｔｈｉｔｓｃａｐａｂｉｌｉｔｙｓｅｃｏｎｄａｒｙｄｅｖｅｌｏｐｍｅｎｔ，

ｔｈｅｔｅａｃｈｉｎｇｃｏｎｔｅｎｔｃａｎｂｅｃｏｎｖｅｎｉｅｎｔｌｙａｓｓｏｃｉａｔｅｄｗｉｔｈｈ．ｅｎｄｏｆｔｅｃｈｎｏｌｏｇｙｄｅｖｅｌｏｐｍｅｎｔ．Ｔｈｅｓｙｓｔｅｍｉｓｉｎｄｅ—ｐｅｎｄｅｎｔｏｆｒｅａｌｉｎｓｔｒｕｍｅｎｔ，ｈａｓｌｏｗｃｏｓｔ，ｍａｋｅｓｔｈｅｔｅａｃｈｉｎｇｌｉｖｅｌｙａｎｄｆｌｅｘｉｂｌｅ，ａｎｄｒａｉｓｅｓｔｈｅｔｅａｃｈｉｎｇｅｆｆｉ—

ｃｉｅｎｃｙ．

Ｋｅｙｗｏｒｄｓ：ＵＳＢ；ｖｉｒｔｕａｌｉｎｓｔｒｕｍｅｎｔ；ａｕｔｏｍａｔｉｃｃｏｎｔｒｏｌ

４３

基于MATLAB的柑橘图像预处理及识别系统研究

基于MATLAB的柑橘图像预处理及识别系统研究

作者：作者单位：刊名：英文刊名：年，卷(期)：引用次数：

朱莉， 覃亚丽， ZHU Li， QIN Yali

浙江工业大学浙西分校信电系,浙江省衢州市,324000电子工程师

ELECTRONIC ENGINEER2008，34(5)0次

参考文献(4条)

1.张海云.赵玉刚.戴向云 基于VB的灰度图像平滑方法及应用[期刊论文]-山东理工大学学报(自然科学版) 2003(5)2.WOLFS R R.SANCDLER W E An algorithm for stem deteetion using digital analysis 1985(2)3.张远鹏 计算机图象处理技术基础 1996

4.应义斌 黄花梨果形的机器视觉识别方法研究[期刊论文]-农业工程学报 1999(1)

相似文献(10条)

1.学位论文 白菲 基于机器视觉的柑橘水果外形识别方法研究 2005

柑橘产业是我国南方主产区农村经济的一大支柱产业。目前我国的柑橘分级主要依靠人工和机械装置完成，工作效率低。采用机器视觉技术进行柑橘的自动分级能提高商品价值和生产率，是当今国际上水果分级的主要技术。

本文在广泛查阅国内外水果自动分级方面资料和深入了解机器视觉相关知识的基础上，通过对比分析采用了适合在机器视觉技术柑橘自动分级检测系统中使用的预处理和大小、颜色及形状识别方法，并介绍了整个自动分级系统装置。文中描述了图像预处理和分级模式判定的方法。在图像预处理方面本文采用了阈值分割中比较先进而且适用的大津法(OTSU法)进行背景分割，采用数学形态算子方法去除噪音，采用Roberts算子进行边缘检测。在柑橘图像的模式识别中用柑橘的投影面积描述柑橘大小，图像主色调值描述柑橘颜色，提取圆度特征识别柑橘的识别。由于在柑橘的尺寸大小、颜色和形状分级的表达中采用了投影面积法、面积周长比法等算法，提高了分级速度。

本文在Windows2000系统上用VisualC++6.0初步实现了基于机器视觉技术的柑橘分级软件系统。分级基准和级数可以根据用户的要求或市场的任意调整。通过实验，该分级系统能够进行柑橘的外形分级，实现了预期的设计目标。

2.期刊论文 曹乐平.温芝元.陈理渊.CAO Leping.WEN Zhiyuan.CHEN Liyuan 基于分形维数的柑橘形状与光滑度的机器视觉分级 -测试技术学报2009,23(5)

为了实现柑橘形状与果皮光滑度的自动分级,研究了柑橘分形维数与柑橘形状和果皮光滑度间的对应关系.对机器视觉系统采集的柑橘花萼面和侧面的图像设置蓝色分量阈值去除背景后,经图像二值化、四连通化边界跟踪和边界细化操作,提取柑橘边界周长和柑橘区域面积,利用周长一面积方法计算柑橘分形维数,以此度量柑橘形状和果皮光滑度.3组仿形样本的分析表明,分形维数随形状和表面光滑度的变化而变化,说明分形维数既概括了柑橘外部形状特征,同时又包含了果皮光滑度信息.用10个柑橘检验样本的分形维数评定柑橘等级,其结果与人工感官判断结果完全吻合,这表明:分形维数能对柑橘形状和果皮光滑度进行分级.

3.学位论文 张俊雄 柑橘机器视觉分级中运动模糊图像恢复研究 2007

在基于机器视觉的产品质量快速检测中，图像运动模糊是影响检测精度的重要因素。解决图像运动模糊的有效方法之一是对图像进行恢复处理。本文以柑橘为对象，研究了其机器视觉检测中的运动模糊图像恢复问题，提出了相应的运动模糊参数估计方法和图像恢复算法。同时开发了柑橘机器视觉自动化分级系统，实现了柑橘的快速在线分级。论文的主要研究内容及成果如下：

1)通过分析运动模糊图像的退化模型，研究了匀速直线运动模糊图像的参数估计方法。根据匀速直线运动模糊使图像傅立叶功率谱在沿与运动方向垂直的方向上得到增强的特性，提出了一种基于图像二阶微分频谱的运动模糊方向辨识方法。在运动模糊图像的傅立叶功率谱中以直线拟合的方式识别出运动模糊方向。同时还提出一种基于图像水平二阶微分自相关的运动模糊尺度估计方法。对平面任意方向的运动模糊通过坐标旋转将其转变为水平方向的运动模糊。水平运动模糊图像沿水平方向二阶微分图像的自相关谱中存在明显的负值共轭相关峰，峰值之间的距离为运动模糊尺度的两倍，根据这一特点可确定运动模糊尺度。

2) 比较了多种算法对柑橘运动模糊图像恢复的效果，提出一种改进的约束最小二乘方滤波恢复算法。在标准约束最小二乘方滤波方法的基础上，基于区域分割的思想为背景区域添加方差变化约束，改善了图像恢复中的振铃效应，提高了复原图像的质量。

3) 研究了柑橘机器视觉检测中的图像处理算法，包括图像的预处理和目标分割算法，柑橘的大小、表面颜色、形状检测算法等。对大小检测的空间误差进行了讨论和解决。分析了球面效应对颜色分级的影响，并提出一种RGB色彩空间下的柑橘颜色分级模型。针对柑橘提出一种基于边界重建的果柄处突起程度的检测方法。通过提取目标边界的傅立叶描述子，选取两组不同阶数的系数重建目标边界，并以重建边界上对应点的半径差或距离作为依据有效地判别出果柄处突起的程度。

4) 提出一种基于PC-PLC上下位机结构的双通道水果机器视觉分级自动化系统模式，并研究了其硬件系统的实现，包括图像采集方式、光照环境、水果卸料装置和卸料控制算法、系统电气控制等。

5) 对水果机器视觉分级系统进行整体试验，试验结果表明该系统可以在每通道每秒6个柑橘的分级速度下，按最大分级数为9级稳定工作，其中按大小分级的检测精度为±1.5mm。

4.期刊论文 应义斌.饶秀勤.马俊福 柑橘成熟度机器视觉无损检测方法研究 -农业工程学报2004,20(2)

水果内部品质无损检测技术是确定水果最佳采收期和按成熟度进行准确分级的关键.本研究以表面色泽与固酸比为柑橘成熟度指标,建立了用于柑橘成熟度检测的机器视觉系统,确定了适宜的背景颜色,进行了柑橘的分光反射试验,发现绿色柑橘表面与桔黄色表面的反射率在700 nm时反射率相差最大,约达53%,且各自的反射率都较大,700 nm是获得高质量的柑橘图像的较佳中心波长.建立了利用协方差矩阵和样本属于桔黄色和绿色的概率来判断柑橘成熟度的判别分析法,并以实测的固酸比值作为对照,对72枚柑橘样本进行了试验,柑橘成熟度的判别准确率达到91.67%.这表明柑橘果实的表皮颜色与成熟度之间具有相关性.

5.期刊论文 张亚静.邓烈.李民赞.赵瑞娇.何绍兰.易时来 基于图像处理的柑橘测产方法 -农业机械学报2009,40(z1)

利用机器视觉技术可以快速、无损预测柑橘产量.采集了10幅生长中的柑橘果树照片,同时测量了每棵果树的柑橘产量.基于RGB颜色模型,对柑橘图像进行分割,柑橘与背景的分割条件为(R-B>100)且(R>G).通过提取柑橘个数、柑橘总周长、柑橘总面积3个特征参数,分析了特征参数和柑橘单株产量之间

基于MATLAB的柑橘图像预处理及识别系统研究

的关系.实验证明,经过图像分析后得出的柑橘数与柑橘单株产量之间的相关系数最高,达到0.97,说明了利用图像分析方法预测柑橘产量具有良好的应用前景.

6.期刊论文 曹乐平.温芝元.沈陆明 基于色调分形维数的柑橘糖度和有效酸度检测 -农业机械学报2010,41(3)

研究了宫川温州蜜柑糖度及有效酸度的机器视觉检测技术及影响检测精度的因素.对机器视觉系统采集的柑橘图像进行图像裁切、亮度法去图像背景和RGB空间至HSI空间的转换,将柑橘色调范围分割为0°～20°、20°～40°、40°～60°、60°～80°、80°～100°和100°～120°共6个区域,提取各区域色调分形维数,以此作为BP神经网络输入,无损检测宫川温州蜜柑糖度及有效酸度.167个测试样本的检测结果表明:在±1.5°Brix精度范围内糖度正确识别率为66.6175%,在±0.5精度范围内有效酸度正确识别率为73.9275%.宫川温州蜜柑糖度及有效酸度与果皮色调分形维数之间具有相关性,可用机器视觉检测其糖度及有效酸度.

7.期刊论文 蔡健荣.周小军.李玉良.范军.Cai Jianrong.Zhou Xiaojun.Li Yuliang.Fan Jun 基于机器视觉自然场景下成熟柑橘识别 -农业工程学报2008,24(1)

采用2R-G-B色差分量,通过Ostu自适应阈值算法进行图像分割,利用形态运算消除分割后随机噪声,并对分割区域进行标记,利用区域面积和区域最小外接矩形长宽比参数进一步去除背景区域.对于多果重叠问题,利用T=Sqrt(S×I)形成新的图像提取边界,再结合形态学运算实现分割.最后利用优化的圆形Hough变换提取目标图像的形心坐标及半径,恢复遮挡果形.经验证有95%果实能正确识别.

8.学位论文 李玉良 基于立体视觉的遮挡柑橘识别与空间匹配研究 2007

随着农业生产的飞速发展，农业劳动力的成本也会迅速上升，劳动力匮乏也正将成为许多发达国家和发展中国家共同面对的问题，目前机器人技术在农业上应用研究越来越成为热门课题，与工业机器人特定的工作环境不同，农业机器人主要在自然场景下工作，要面对更为复杂多变的情况，有更多的问题需要解决。

由于同一株作物上水果成熟的时间段不同，收获期长，水果成本中人力成本的比例很高，因此水果采摘机器人的研究近年来得到广泛的关注。但由于自然环境的复杂性，机器人在水果成熟度判别、视觉定位及机器手采摘操作方面遇到了很多的困难，影响了其实用化进程。本文以典型的圆形水果为研究对象，选择颜色有明显特征的柑橘为例，利用双目立体视觉技术，研究自然场景下的成熟柑橘的识别和匹配方法，其中，着重对光照变化、存在轻微遮挡或部分粘连的情形进行了研究，为开发未来收获机器人采摘柑橘进行前期视觉系统方面的准备工作，这部分相关的研究也是水果收获机器人实用化的关键。

本研究的主要内容和方法如下： 1．识别

识别的目的是把成熟柑橘从背景中识别出来，为空间定位做准备。本研究在对成熟柑橘、树叶、树枝等颜色信息提取分析的基础上，对不同拍摄条件下的图像利用RGB、HIS等不同颜色模型进行比较实验，发现利用RGB系统中的色差分量2R-G-B进行Ostu法自适应阈值分割的方法，可以快速、准确识别柑橘。将区域分割后的彩色图像转化为二值图像，经过形态学运算消除噪声，标记区域，根据区域面积和区域最小外接矩形长宽比设定阈值，去除小块及非类圆形干扰区域，然后进行区域填充、轮廓提取，并采用优化圆形Hough变换拟合出成熟果实图像中的圆心坐标、半径等特征值，实验表明识别正确率在95％以上。 2．匹配

匹配的最终目的是确定柑橘的空间三维坐标，只要确定了柑橘的空间坐标，机器人就可以根据坐标值，利用机械手或者采摘装置进行采摘工作。本研究采用双目立体视觉技术，利用三角形计算原理计算果实在世界坐标系中的位置信息，采用极线约束和保序性约束，提出了一种过重心和拟合圆心两种情况下基于面积、灰度和灰度均方差等参数进行相互制约的特征匹配策略，来实现左右两幅图像中对应果实的唯一匹配，研究结果显示正确匹配率达90％以上。最后对摄像机内外部参数进行了标定，利用激光测距仪进行了对比验证，当测量距离小于等于1.3m时，误差基本上都在±4mm以内。

通过研究，在成熟水果识别、匹配和定位方面取得了较大进展。系统能在温室和野外光线变化较大的场合准确识别果实，即使水果之间存在部分重叠和轻微遮挡时也能准确识别与定位。本文的研究内容对我国开展农业收获机器人视觉识别技术领域的研究具有参考价值，为进一步的研究打下了基础，对提高我国农业的国际竞争力有重要的经济意义。

9.期刊论文 徐惠荣.叶尊忠.应义斌.Xu Huirong.Ye Zunzhong.Ying Yibin 基于彩色信息的树上柑橘识别研究 -农业工程学报2005,21(5)

为正确识别自然环境中的树上水果,从而为机械手的运动提供参数并完成水果的自动采摘,研究了基于彩色信息的树上柑橘识别方法.在对53幅含有各种背景情况的可见光彩色图像进行颜色特征提取和理解的基础上,建立了利用柑橘、树叶、树枝在R-B颜色指标上的差异进行树上柑橘识别的颜色模型,并利用动态阈值法,根据图像特征动态产生阈值T,将柑橘从背景中分割出来.分别在顺光条件和逆光条件下进行了试验分析,试验结果表明该识别模型可以实现对树上可见的柑橘的识别,并适用于单个和多个果实的识别,正确识别率较高.

10.学位论文 陈庆丰 识别桔子树干的图像处理方法研究 2009

基于视觉的自动导航研究一直是当今计算机视觉的热点之一。本研究是智能柑橘收获机器人自动导航技术研究的一个基础部分，用桔子树干的存在和位置信息代表果树的有无与位置信息。桔子树干图像分割和特征提取，是将摄像机采集的图像中的桔子树干与所在周围环境分割，并且获取特征点数据的方法和技术。本文在对常规的图像分割算法的研究和分析的基础上，针对桔子树干图像本身的特点并结合先验知识，提出了适用于桔子树干图像分割的算法，实现了桔子树干图像的计算机自动分割。主要内容和结论如下：

1．运用三种常规图像分割算法试分割桔子树干图像，分析对比三种算法的分割效果，得出简单利用常规方法不能够满足桔子树干自动分割的要求。 2．提出了基于彩色图像分割的算法。本文通过对桔子树干图像分析，发现桔子树干区域中的像素点的G分量值与R分量值的比值大约为0.9。根据这一特征选择初始颜色特征向量进行彩色图像分割，经过线性空间滤波、形状特征分割等主要处理步骤，可以提取出桔子树干。采用数学形态学运算修复分割中产生的桔子树干不连续区域，可以完全消除图像中的孔洞，对断裂区域的连接效果良好。正确识别率达到了75％。

3．本文提出了适用于桔子树干分割的剥离算法。桔子树干图像可分为三部分：桔子树干区域、绿色区域以及背景区域。算法思想是依次去除绿色区域和背景区域，则保留下来的就是桔子树干区域，就可以精确的将桔子树干从图像中分割出来。本算法通过对像素点亮度值的操作，成功的在彩色图像中完全去除桔子树冠和杂草区域、天空背景及亮斑等区域，而几乎不改变桔子树干区域的信息。在二值图像中，运用树干与土壤背景的之间的形态特征分别去除土壤背景。经过对40幅图像进行试验，该算法的识别正确率达到了92.5％，桔子树干识别率平均达到了86.2％，平均处理时间为1.535s。将提取的桔子树干还原到原图像中，桔子树干中轴线的定位误差平均为0.802 pixel。

本文链接：http://www.77cn.com.cn/Periodical_dzgcs200805014.aspx

下载时间：2010年5月22日