基于紋理顏色的溫室大棚黃瓜圖像識別.pdf

1、我國是農(nóng)業(yè)大國，農(nóng)業(yè)人口在世界上最多，農(nóng)業(yè)是我國賴以生存的基礎(chǔ)產(chǎn)業(yè)。我國的耕地面積僅占世界7％，卻要承載占世界1/5的人口。隨著我國老齡化趨勢的加劇，導(dǎo)致從事農(nóng)業(yè)生產(chǎn)的人口逐年下降，因此解決這一問題刻不容緩。隨著機(jī)器人技術(shù)和人工智能的發(fā)展，機(jī)器人進(jìn)入農(nóng)業(yè)生產(chǎn)領(lǐng)域成為可能。引進(jìn)農(nóng)業(yè)機(jī)器人進(jìn)行農(nóng)業(yè)生產(chǎn)可以有效的緩解當(dāng)前矛盾，在促進(jìn)機(jī)器人行業(yè)發(fā)展的同時解放有限的勞動力資源，還可以大大降低黃瓜的生產(chǎn)成本，提高生產(chǎn)率。
　　農(nóng)業(yè)機(jī)器人的機(jī)械

2、收獲需要自動檢測和計數(shù)樹冠的果實。由于顏色相似，形狀不規(guī)則，背景復(fù)雜等問題造成果實識別非常困難而難以執(zhí)行采摘動作。因此基于所有上述問題，在復(fù)雜背景下識別黃瓜是一項具有挑戰(zhàn)性的任務(wù)。在本文中，提出了一種基于紋理分析和顏色分析的技術(shù)用于檢測溫室中的黃瓜。RGB圖像轉(zhuǎn)換為灰度圖像和HSI圖像分別執(zhí)行算法。在第一階段進(jìn)行顏色分析以除去背景，例如土壤，樹枝和天空，同時保持盡可能多的綠色水果像素呈現(xiàn)黃瓜和葉子。同時，MSER和HOG應(yīng)用于灰度圖像中

3、的紋理分析。通過MSER獲得候選區(qū)域,這些候選區(qū)域有的是包括黃瓜的候選區(qū)域。HOG+SVM用于區(qū)分黃瓜目標(biāo)和背景消除不是黃瓜的候選區(qū)域。為了進(jìn)一步消除非目標(biāo)區(qū)域，通過SIFT算法檢測關(guān)鍵點，根據(jù)SIFT的疏密特征確定黃瓜區(qū)域。然后，將顏色分析和紋理分析的結(jié)果合并以獲得候選黃瓜區(qū)域。最后階段應(yīng)用數(shù)學(xué)形態(tài)學(xué)操作以獲得完整的黃瓜。經(jīng)過以上操作后可以得到相較于一般分割方法更加精確的黃瓜輪廓，在農(nóng)業(yè)大棚中的自然光照環(huán)境下進(jìn)行測試識別率高于普通的分