成熟番茄的图像识别及其位姿的获取研究
基于图像处理技术的番茄成熟度检测研究
第4期（总第376期）2021年4月No.4 APR文章编号：1673-887X(2021)04-0050-03基于图像处理技术的番茄成熟度检测研究伍蓥芮，张志勇，韩小平，杨威，杨原青（山西农业大学农业工程学院，山西太谷030801）摘要提出了一种利用图像处理技术判别番茄成熟度的方法。
将实验温室大棚采集的番茄果实图像转化为RGB颜色模型，人工划分阈值并提取果实坐标，以原图像素与人工分量阈值的方差为依据，判别番茄成熟过程的4个时期，为研制番茄成熟度判别设备提供了参考。
关键词图像处理技术；番茄；成熟度中图分类号S371文献标志码A doi:10.3969/j.issn.1673-887X.2021.04.022Research on Tomato Maturity Detection Based on Image Processing TechnologyWu Yingrui,Zhang Zhiyong,Han Xiaoping,Yang Wei,Yang Yuanqing(College of Agricultural Engineering,Shanxi Agricultural University,Taigu030801,Shanxi,China)Abstract：A method for judging tomato maturity using image processing technology is proposed.The tomato fruit images collected in the experimental greenhouse were converted into RGB color models,and the thresholds were manually divided and the fruit coor‐dinates were extracted.Based on the variance of the original image pixels and the artificial component thresholds,the four stages of the tomato ripening process were distinguished for the purpose of developing tomato maturity.The discrimination equipment pro‐vides a reference.Key words：image processing technology,tomato,maturity番茄果实营养价值较高，含丰富的维生素和矿物质。
西红柿采摘机器视觉中的图像采集技术
的软件不 具 备 通 用 性 ， 利 于灵 活 应 用 ； 是 基 于 不 二 Ｖ 阿 的图像 采集方法 ， 利用 Ｖ 技术可 以提 高图像 阿 采集 的灵活性 ， 少对采 集设备 的依赖 ， 减 且具 有通用 性强和成本低等特点 ， 为机器视觉系统 的开发带来 了
很 大 的方便 。
Ｏ Ｆａ ｅ ） 用它注册的 回调 函数在 预览 的图像显示 ｎｒ （ ， ｍ
多个采集设备时 ， 可以在发送 ＷＭ Ｃ Ｐ Ｄ ＩＲ Ｃ Ｎ ～ Ａ ＿ ＲＶ ＿ Ｏ 一
。Ｃ Ｎ Ｔ消息 时 设 置 ｗ ｒｒ Ｅ Ｐａｍ参 数 ， 表示 一个 系统 已经 它
创建 是 通 过 调 用 Ａ ＩＡ ＶＣ Ｐ模 块 中 的 Ｃｐ ｒａ ． ａＣｅｔ ｅ
Ｃ ｐｕｅ ｎ ｏ （ 函数来 实现 的。其 主要 功能包 括 ： ａ ｔ Ｗｉｄｗ： ｒ ）
点 的结 论 ， 方 法 为 机 器 视 觉 系统 的 开 发 提 供 了 新 的 途 径 。为 此 ， 绍 了 Ｖ ｗ 实 现 图 像 实 时 采 集 的 基 本 过 程 ； 该 一 介 Ｆ
在 基 于 ｖ ｗ 图像 实 时 采 集 的基 础 上 ， 成 了 西 红 柿 采 摘 机 器 视 觉 中 的 图像 实 时 采 集 软 件 系 统 的设 计 。通 过 使 Ｆ 完 用 该 系统 对 采 摘 物 进行 实 时采 集 可 知 ， 采集 效 果 能 较好 地 满足 实 际 需 要 。 其 关键 词 ：西红柿采 摘 ；Ｖ ｗ；图像实时采集 ；机器视觉 Ｆ 中图分类 号 ： ￥ ２ Ｔ ３ １ ４ １ ６；Ｐ ９ ． 文献标识码 ：Ａ 、 文章编号 ：１ ０ ０ ３—１ ８ ２ ０ 】 ８— １ ７— ２ ８ Ｘ（ ０ ８ ０ ０ ８ ０
０ 引言
基于双目立体视觉技术的成熟番茄识别与定位
基于双目立体视觉技术的成熟番茄识别与定位蒋焕煜;彭永石;申川;应义斌【期刊名称】《农业工程学报》【年(卷),期】2008(024)008【摘要】研究了基于双目立体视觉技术的成熟番茄的识别与定位方法,获取了成熟番茄的位置信息,用于指导温室内成熟番茄的自动化采摘作业.该方法利用成熟番茄与背景之间颜色特征的差异进行图像分割来识别成熟番茄;根据图像分割的结果,用形心匹配方法获取番茄中心的位置;然后根据相邻区域像素点灰度的相关性,利用区域匹配方法计算番茄表面各点的深度信息.使用限制候选区域和两次阈值分割的方法减少计算量,提高了计算精度.实验结果表明,工作距离小于550 mm时,番茄深度值的误差约为±15 mm.利用该测量方法可以实现成熟番茄位置信息的获取,测量精度较高.【总页数】5页(P279-283)【作者】蒋焕煜;彭永石;申川;应义斌【作者单位】浙江大学生物系统工程与食品科学学院,杭州,310029;浙江大学生物系统工程与食品科学学院,杭州,310029;浙江大学生物系统工程与食品科学学院,杭州,310029;浙江大学生物系统工程与食品科学学院,杭州,310029【正文语种】中文【中图分类】TP242.62;TP391.41【相关文献】1.基于双目立体视觉的成熟棉花识别定位 [J], 沈晓晨;李霞;王维新;宋欢;冯康2.基于双目立体视觉的番茄识别与定位技术 [J], 郑小东;赵杰文;刘木华3.双目立体视觉技术在潜孔钻机钻孔定位中的应用 [J], 吴万荣;史建;徐智4.基于双目立体视觉的番茄定位 [J], 项荣;应义斌;蒋焕煜;彭永石5.基于双目立体视觉技术的空间定位系统设计与实现 [J], 李冠贤;何思铭;费浩雯因版权原因，仅展示原文概要，查看原文内容请购买。
基于四自由度西红柿采摘机器人视觉系统的研究
基于四自由度西红柿采摘机器人视觉系统的研究一、内容概括随着科技的不断发展，机器人技术在各个领域的应用越来越广泛。
本文主要研究了一种基于四自由度的西红柿采摘机器人视觉系统。
该系统采用了先进的图像处理技术和机器视觉算法，能够实现对西红柿植株的精确识别和定位，从而实现高效、准确的采摘。
为了提高采摘效果，本文首先分析了西红柿植株的生长特点和果实成熟度的判断方法。
通过对不同生长阶段的西红柿植株进行实验观察，建立了一套较为完善的果实成熟度评价体系。
在此基础上，设计了一种基于深度学习的图像识别算法，能够快速准确地识别出成熟的西红柿果实。
此外为了适应不同地形和环境条件，本文还研究了一种四自由度的机械臂控制系统。
通过调整机械臂的运动轨迹和姿态，使其能够在各种复杂的地形和环境中实现稳定、高效的采摘。
同时为了保证采摘过程的安全性和稳定性，本文还设计了一种实时监测和保护机制，能够在遇到障碍物时自动避让，确保采摘过程的顺利进行。
通过实验验证，本文所提出的基于四自由度西红柿采摘机器人视觉系统能够实现高效、准确的果实采摘，大大提高了采摘效率和产量。
同时该系统具有较强的通用性和可扩展性，有望在其他果蔬采摘领域得到广泛应用。
A. 研究背景和意义随着科技的不断发展，机器人技术在各个领域得到了广泛的应用。
特别是在农业领域，机器人技术的应用为提高农业生产效率、减轻农民劳动强度、保障农产品质量和安全发挥了重要作用。
然而目前市场上的农业机器人大多针对特定作物或任务开发，对于多种作物的自动化种植和采摘仍存在一定的局限性。
西红柿作为一种常见的蔬菜作物，其种植和采摘过程中需要大量的人工劳动力，而且对环境条件要求较高，如温度、湿度等。
因此研究一种能够实现西红柿自动种植和采摘的机器人具有重要的现实意义。
本研究基于四自由度西红柿采摘机器人视觉系统，旨在解决当前市场上农业机器人在西红柿种植和采摘方面的技术瓶颈。
通过研究和改进机器人的视觉系统，使其能够准确识别和定位西红柿植株的位置、果实的大小和颜色等信息，从而实现对西红柿的精确采摘。
成熟果实识别和定位的图像处理方法
成熟果实识别和定位的图像处理方法引言：在农业领域，果实的成熟度识别和定位对于果农和农民来说十分重要。
准确地识别出成熟的果实，并将其定位，可以帮助果农采摘果实，提高收获效益。
近年来，随着计算机视觉和图像处理技术的快速发展，利用图像处理方法实现成熟果实的识别和定位成为了一个研究热点的领域。
本文将介绍几种常用的成熟果实识别和定位的图像处理方法。
I. 阈值分割方法阈值分割是一种简单且常用的图像处理方法，通过将图像转化为二值图像，来实现果实的识别与定位。
该方法有以下几个步骤：1. 图像预处理：对图像进行预处理，包括灰度化、去噪等操作，以提高后续处理的效果。
2. 阈值选择：选择一个适当的阈值将图像转化为二值图像。
常用的阈值选择方法有固定阈值法、自适应阈值法等。
3. 目标提取：利用二值图像进行目标提取，将目标与背景进行区分。
4. 目标识别与定位：对提取出的目标进行形态学操作、轮廓分析等，实现果实的识别与定位。
阈值分割方法简单且高效，但对于存在光照不均匀、图像噪声较多等问题的果实图像，效果可能会有一定的局限性。
II. 颜色模型方法颜色是区分果实成熟程度的重要特征之一。
利用颜色模型方法进行果实的识别与定位，可以有效地提取果实的颜色特征。
常用的颜色模型方法有RGB颜色模型、HSV颜色模型等。
1. 颜色空间转换：将采集到的彩色图像转换为相应的颜色空间，例如将RGB图像转换为HSV图像。
2. 阈值设定：通过设定适当的颜色阈值，提取出图像中符合要求的颜色区域。
3. 目标提取和特征提取：对颜色区域进行目标提取和特征提取，例如利用形态学操作提取果实轮廓、计算果实的颜色直方图等。
4. 目标识别与定位：根据提取到的果实特征进行识别与定位。
颜色模型方法适用于色彩较为丰富的果实，但对于同一种果实的不同成熟度，颜色变化较小，可能存在一定的误判情况。
III. 纹理特征方法纹理特征是果实成熟度识别的另一个重要指标。
利用纹理特征方法进行果实识别与定位，可以通过果实的纹理信息进行判断。
成熟番茄的图像识别及其位姿的获取研究
ｔｏⅡ诅ｔｏ ｊⅡｌａｇ髂；卸ｄ ｔｈｅｎ ｔｈｅ ｍｏｍｅｎｔ ｍｅｔｈｏｄ ｗａｓ ｕｓｅｄ ｔｏ ｏｂｔａｉｎ ｔｈｅ ｃｅｎｔｅｒ ｏｆⅡｌａｓｓ ０ｆ ｔｈｅ ｔａｌ．ｇｅｔ ｒｅｇｉｏｎ ａｒＩｄ ｉｎｅｒｔｉａ ａ五ｓ，卸ｄ ｄｌｅ ａｎ酉ｅ
ｏ‰ｎ ｏｆ山ｅ ｐ—ｎｃｉｐａｌ ｉｎｅｎｉａ ａ】【ｉｓ ｗａｓ ｕｓｅｄ ｔｏ ｉｄｅｎｔｉｆｙ ｔｈｅ ｄｉｒｅｃｌｉｏｎ ｏｆ ｆ而ｉｔ ｆｍｉｔ—ａ面ｓ ａｎｄ
图４除噪后的图像
（ｂ）
（ｃ）
（ｄ）
图５ 四类不同姿态的番茄图像
我们把番茄果轴的倾斜角度定义在（一仃／２，仃／２）范
围内，即惯性主轴的口角在（一仃／２，以）之问变化，所以
需要对ｐ的值进行讨论。 当一仇／４＜口＜７ｒ／４时，即，％＜，％时，如图５（ａ）和
（ｄ）这两类情况，此时
口：｛ａｒｃｔａｌｌ（—垫Ｌ）
江西农业学报２００９，２１（８）：１５２—１５５ Ａｃｔａ Ａ鲥ｃｕｌｔｕｒａｅ Ｊｉａｎ鲥
成熟番茄的图像识别及其位姿的获取研究
董坦坦，姬长英＋，周俊，邵云涟，黄浩乾
（南京农业大学工学院，江苏南京２１００３１）
摘要：针对自然生长状态下成熟番茄图像的识别问题，提出选用ＹＩＱ颜色空间，采用ｏｔｓｕ最大类间方差法分割图像，然 后用面积闽值的方法消除噪声，来荻取成熟番茄图像的目标区域；然后用矩法来求目标区域的质心位置和惯性主轴，用惯性 主轴的角度来标识果实果轴的方向，进而获取果实的生长姿态。实验结果表明，用这种方法可以取得较好的效果。
导致识别错误的原因主要有以下几个方面：（１）由 于光照和阴影的影响，在果实的边缘处出现大的凹陷，可 能会导致识别错误；（２）本方法仅适用于目标为扁的椭 圆形的果实，对形状畸形（如长形）或接近圆形的果实， 可能会导致识别错误；（３）在番茄的生长姿态为近似垂 直情况时，可能出现识别错误（垂直情况为上面分类讨 论的一个分界点）。
番茄成熟度检测系统研究
工程管理与技术现代商贸工业２０１９年第１０期１８４㊀㊀番茄成熟度检测系统研究郑雯轩(宁波市镇海中学,浙江宁波３１５２００)摘㊀要:中国是一个农业大国,人们对食品的需求越来越多,而且对食品的品质要求也越来越高.番茄是深受人们喜爱的果蔬,我国番茄的种植量很大,但在采摘过程中存在一定问题.传统采摘用人工和简单仪器判断其成熟度或等级,会造成判断不准采摘时间误差,或是用仪器测定,会损伤番茄,存在很多弊端.我们尝试用基于图像处理的途径,对获取的图像进行中值滤波法去噪预处理和由R G B 到H I S 颜色空间转化分割预处理,来获取各种精细度较高的图像,从而对番茄的成熟度从颜色㊁大小㊁果形三方面进行精细等级分类及判断,让果农利用我们的系统,根据不同的需求及时采摘,不仅减少浪费,同时大大提高了劳动效率.关键词:去噪;中值滤波;图像分割;H I S 颜色空间;圆形度法中图分类号:T B ㊀㊀㊀㊀㊀文献标识码:A㊀㊀㊀㊀㊀㊀d o i :１０．１９３１１/j．c n k i ．１６７２Ｇ３１９８．２０１９．１０．０８７１㊀引言１．１㊀设计番茄成熟度检测系统的重要性近年来,随着我国农业结构的不断调整,果蔬以越来越重要的姿态走进人们的视野,产量也日益增加.尤其是番茄,有关数据显示,世界上每年番茄的种植面积可达３００万公顷,产量高达６０００万吨,中国的番茄产量亦是以同样态势发展.然而,这中间也逐步暴露出一些问题:在大规模番茄种植中,采摘者可能由于经验不足,无法准确判断番茄是否成熟;有时购买商因为用途不同,需要不同成熟度的番茄,采摘者对此更是难以把握 种种原因对果农造成很大的困扰:采摘时间若太迟,会耽误最佳采摘时间,甚至有可能太熟了烂在果树上;若太早,因为达不到一定的成熟度而无法销售.不管哪种情况,都对果农造成了巨大的经济损失.不管是食品加工还是远距离输送和保存,保持番茄的品质首当其冲,准确判断成熟度,并准确确定采摘时间显得尤为重要,因此,我们为果农们设计出了番茄成熟度检测系统,让这种系统用于检测树上每一个番茄的成熟度,以期获得最佳采摘时间,进行选择性收获,既保持了产品的质量,减少浪费,又使果实在树上就完成了等级分类.１．２㊀番茄成熟度检测的现状与弊端番茄成熟度的检测一直有受到人们的重视,总的来说有两种方法:第一种方法是传统人工判断法:番茄成熟度常根据果皮颜色来判断,按其色泽的变化,番茄的成熟度可分为绿熟期㊁微熟期㊁半熟期㊁坚熟期㊁完熟期和过熟期几个阶段.目前,传统农业中,水果成熟度的检测主要靠人工进行:一看,二闻,三捏.第二种方法是仪器化检测:如近红外高光谱检测:首先进行不同生长阶段西红柿高光谱图像的采集,其次对图像进行预处理,包括平滑处理㊁变量标准化㊁多元散射校正㊁导数处理等,通过主成分分析法对光谱数据进行降维,然后利用支持向量机建立西红柿成熟度光谱曲线的多元回归模型,最后比较不同模型的回归预测效果.但是该仪器成本均较高.１．３㊀本产品的创新点本系统不同于传统的检测方法,采用仪器数字化方法,通过对未采摘前的不同番茄采集的图像进行去噪㊁图像分割的预处理,然后通过番茄的颜色㊁大小㊁形状特征,对不同的番茄进行精细分级.果农去采摘前,利用该仪器,可以快速准确判断番茄的成熟度,以准确确定采摘时间,这样可以大大减少了不必要的浪费,提高了经济效益.数字化番茄成熟度的检测,已成未来农业发展的必然趋势.２㊀番茄成熟度检测系统介绍２．１㊀图像采集与检测本系统使用的图像采集摄像头是P XW－X ２８０型号.P XW－X ２８０型号是索尼应用于摄像机的一种摄像头的型号.该型号能合成极其高清的图片,并对光照强度有极高的辨识度,基于此特质,这款型号摄像头及为合适地适应了番茄照片的采取和识别要求,使其不受光照等因素限制,且能使果农及时查看番茄生长状况,本系统及时分析处理所取照片.２．２㊀图像预处理采集的原始图像由于光线㊁曝光的不均匀㊁电子器件的误差等因素会使我们感兴趣的信息因为携带有随机噪声等无用信息受到各种干扰,因此要先进行预处现代商贸工业２０１９年第１０期１８５㊀理除去各种因素,使对比结果等价准确,从而达到提高图像的质量的目的.对于番茄的图像,我们主要采用了图像去噪和图像分割.２．２．１㊀番茄图像的去噪由于天气等原因可能使得果实光照不均匀,在获取的图像中会出现阴影,这种情况一定会影响对果实成熟度的判断,因此,对图像中的干扰因素进行去噪处理有重要意义.常见噪声主要有高斯噪声和椒盐噪声等,对图像去噪处理主要有均值滤波算法和中值滤波算法.均值滤波也称为线性滤波,其采用的主要方法为邻域平均法,求模板中所有像素的均值,再把该均值赋予当前像素点(x ,y )在获取的图像中,作为处理后图像在该点上的灰度.这种算法简单,处理速度快,但它在降低噪声的同时会使图像产生模糊.而且邻域越大,在去噪能力增强的同时模糊程度越严重.中值滤波是基于排序统计理论的一种能有效抑制噪声的非线性信号处理技术.此法将某个像素邻域中的像素按灰度值进行排序,最常用的是采用一个３x ３窗口的滤波器模板,将９个像素值作为待排序的数值,按照从大到小的排列,取第５个数值作为该一区域的像素值,让周围像素灰度值的差比较大的像素改取与周围的像素值接近的值,从而可以消除孤立的噪声点.利用中值滤波算法可以很好地对图像进行平滑处理,这种方法很适合对番茄的图像去噪.因此,我们采用的是中值滤波法.２．２．２㊀番茄图像的分割图像分割是指把图像分成各具特性的区域并提取出感兴趣目标的技术和过程.番茄图像主要识别的是番茄的颜色,在图像分割时以颜色空间作为标准,传统的最常用的是R G B 空间,即红色(R e d )㊁黄色(G r e e n )㊁蓝色(B l u e )三种颜色混合,但是,这三种颜色分量都和亮度有关,图像中番茄的颜色会受到光线的影响.为了得到更符合人眼视觉特点的表示方法,我们采用H I S 颜色空间,我们把摄像机拍摄的原始彩色图像R G B 模型转换为H I s 模型,它反映了人的视觉系统感知彩色的方式.其中,H 表示色调,S 表示饱和度,I 表示强度或亮度,色调H (H u e )用颜色的波长表示,能体现人的感觉器官对不同颜色的感受.饱和度s (S a t Ｇu r a t i o n )用颜色的深浅程度表示,饱和度越大,颜色看起来就会越鲜艳.其参数是色环的原点(圆心)到彩色点的半径的长度.I (I n t e n s 畸):表示强度或亮度,即对应成像亮度和图像灰度,表示颜色的明亮程度.我们用推导法,公式如下:I ＝１３(R＋G＋B )(１)S ＝１－m i n (R ,G ,B )I(２)θ＝a r c c o s R －G ()＋R －B ()２㊀(R －G )２＋(R －G )(R －B )(３)H＝θ G ⩾B２π－θ G ＜B{(４)影响S 分量的光源和光照强度都不变,S 分量值是不变的,对番茄颜色的识别只需考虑H 分量就可以,比直接用R G B 彩色模型做番茄颜色识别减少了三分之二的工作量,大大提高了处理速度.２．３㊀番茄成熟度等级的确定本文根据番茄的特征进行番茄的自动识别,并判别番茄的成熟等级.第一是番茄的颜色特征,可以通过番茄外观的颜色来判断番茄成熟度;第二是番茄的大小,有利于番茄分类挑拣;第三是番茄果型分析,圆润的番茄等级更高.２．３．１㊀番茄颜色判定通过图像分割中颜色空间转换的公式,可以分别计算出H ㊁S ㊁V 的值,并通过查阅资料和实验发现:H 值区间为１１到２５,S 值区间为４３到２５５,V 值区间为４６到２５５的点称为橙色点,H 值区间为０到１０或１５６到１８０,S 值区间为４３到２５５,V 值区间为４６到２５５的点称为鲜红色点,H 值区间为７８到９９,S 值区间为４３到２５５,V 值区间为４６到２５５的点称为青色点.并通过大数据分析对所有番茄颜色进行统计并排名,鲜红＞９５％且青色＜３％的番茄分类为超优,９５％＞鲜红＞９０％且青色＜５％的番茄分类为优,９０％＞鲜红＞８５％且青色＜１０％的番茄分类为良,橙色＞５０％的认为是未成熟.２．３．２㊀番茄大小分级通过描述番茄大小来反映番茄的特征量,而半径正能直观㊁准确地反映番茄的周长及面积,不过能清楚分辨出番茄和背景才能达到更好的效果.对于周长求取,为了提高准确度,我们可以采用８联通计算,即奇数链码长度为ɿ２,偶数链码长度为１,则周长可以表示为C ＝N＋ɿ２N .对于面积求取,可以表示为像素点的总和,所以根据G r e e n (格林)定理,在x －y 平面上的封闭曲线包围的面积可表示为:A ＝１２ɥ(x d y －y d x )工程管理与技术现代商贸工业２０１９年第１０期１８６㊀㊀A ＝１２ðN bi ＝１x i y i ＋１－y i ()－y i x i ＋１－x i ()[]A ＝１２ðN bi ＝１x i y i ＋１－x i ＋１y i []然后,由于番茄可近似看成球形,等效半径可通过面积和周长求得,根据圆半径和周长的关系C ＝２πr圆半径与面积的关系S ＝πr２虽然番茄不可能是纯圆,但是可以此为依据确定番茄的大小,并进行大小分级,分级依据同番茄颜色的分类同理,通过番茄样本统计分析,分级标准为:直径大于７c m 的为大番茄,直径在５－７c m 之间的为中等大小的番茄,直径小于５c m 的为小番茄.２．３．３㊀番茄果形分级若把番茄近似为椭球形,其果形可用最大纵径L １与最大横径L ２之比表示,令圆形度为e .e ＝L １/L ２求得e 越接近１,表示番茄越圆,外观等级越高.N Y /T９４０－２００６标准为国家规定番茄外观等级分级标准,规定如表１.表１㊀番茄外观等级分级标准等级要求特级外观一致,果形圆润无筋角(具棱品种除外):成熟适度㊁一致;色泽均匀;表皮光滑;果腔充实,果实坚实,富有弹性,无损伤,无裂口,无疤痕一级外观基本一致,果形基本圆润,稍有变形;已成熟或欠成熟;成熟度基本一致,色泽较均匀;表皮有轻微的缺陷,果腔充实,果实坚实,富有弹性,无损伤,无裂口,无疤痕二级外观基本一致,果形基本圆润,稍有变形;稍欠成熟或稍过熟;色泽较均匀;果腔基本充实,果实较坚实,弹性稍差,有轻微损伤,无裂口,果皮有轻微的无疤痕,但果实商品性未受影响２．４㊀实验验证本系统进行了实验结果的验证,在果园中选取６组形态各异的样本,通过图像处理对实验进行验证,如下图所示,经过图像处理之后,背景和叶子部分已完全去除,可有效对番茄的大小以及果型进行检测识别,实现本文的番茄成熟度检测.图１㊀实验验证３㊀可实现的功能该系统在果农大面积采摘或是普通民众小面积采摘,都有一定的实用性和可操作性.第一,减少浪费.传统情况下,番茄原始产出最后到消费者购买消费,每一个环节都存在巨大的㊁不可忽视的浪费,本系统可通过对番茄成熟度分级帮助人们及时㊁准确做出判断.可实现利用率大大提高,浪费减少的功能.第二,利润最大化.不同成熟度的番茄可用于不同类型的食品加工,比如不同甜度的番茄酱可以利用不同甜度的番茄制作,从这一角度,该技术能准确分辨出成熟度,便于果农分拣,准时采摘,达到利润最大化的目的.第三,提高劳动率.机器操作较人工操作而言有较高的准确性,机器操作可以减少由肉眼判断造成的失误,还可以及时提醒果农进行采摘,提高了农业活动的劳动率,即以更少的人做更多的事.大大解放了劳动力.４㊀结语番茄成熟度检测系统,经过中值滤波㊁颜色空间的转化等数字化处理,将番茄的图像信息转化为文字等级信息,可帮助人们快速判定其成熟度,给我们的采摘提供了很大的便利,但是,由于自己知识水平有限,本系统还有很大的改善空间,如图像的预处理中仅用中值滤波不能完全排除条件干扰,成熟度等级的确定还可以加上果形的刚面等等,期待进入大学后能有更多的研究空间.在物质生活快速发展的今天,农业的数字化越来越成为人们日常生活的需求.希望番茄成熟度检测的方面可以引起更多关注,利用图像处理技术提高农产品利用率的应用技术还方兴未艾.参考文献[１]蔡宇翔．基于机器视觉的番茄品质检测和分级方法研究[D ]．中山:中山大学,２０１０．[２]王红珠,崔永杰,西杨凌．基于计算机视觉的番茄颜色检测研究[D ]．杨凌:西北农林科技大学,２０１６．[３]董坦坦．成熟番茄的图像识别及其位姿的获取研究[D ]．南京:南京农业大学,２００９．[４]杨国彬．利用计算机视觉对自然场景下的成熟西红柿进行识别[D ]．镇江:江苏大学,２００３．[５]伊建军．基于颜色差异的果实自动识别方法与双目定位技术研究[D ]．镇江:江苏大学,２００６．。
近红外高光谱检测西红柿成熟度
C
光谱数据处 理与分析
分析
B
高光谱图像
A
的采集和处
理
A
高光谱图像的采集和处理
0 1 0 2 0 3 0 4
实验材料
高光谱图像采集
高光谱图像的预处理 图像分割
实验材料
不同生长阶段的西红柿果实
高光谱图像采集
该系统主要由面阵相 机、分光设备、光源、 传输机构、及计算机软 硬件等五部分构成。
支持向量机SVM
在利用 LIBSVM 分类的过程中，主要函数 有： 1）训练函数 svmtrain—基于训练样本建 立 SVM 模型，该函数格式如下： model=svmtrain(yTra, XTraDedu, cmd); 2）预测函数 svmpredict—用于测试样本 的分类，该函数格式如下： [predict_label,accuracy,~]=svmpredict(yTe s,XTesDedu,model);
支持向量机SVM
一般情况下选项参 数中要设置惩罚参数 c 和核函数参数 g，可以 任意给定或凭测试经验 给定。本次实验通过不 断尝试，结合模型的识 别正确率，从而确定参 数c和g的值。右图所示 为SVM参数选择结果图
结论
经过试验发现： 对于不同的光谱预处理方法，模 型识别准确率有很大的差别。针对不 同的预处理方法进行建模后，结果表 明，多元散射校正更适合西红柿高光 谱数据的预处理。 经过多元散射校正处理后，在最 优参数情况下，训练集的判别准确率 为90%，测试集的判别准确率为 86.7%。
光谱数据预处理
提取的光谱信息仍然包含了大量的噪 声和无关信息，如果直接用来建模则效率 低且具有很大的误差。因此一般会首先对 光谱信息进行预处理，减弱或消除各种噪 声等无关信息对光谱曲线的造成的影响。 合适的预处理方法能够去除光谱中无关信 息、提高模型的预测能力，还能够大幅提 升模型的稳定性，提高建模质量。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
（５）
ｚ
ｍ加一，‰
当一仃／２＜口＜一刷，４时，即，％＞，％且ｍ１１＜０时，
如图５（ｂ）这类情况，此时
口：÷眦ｔａｎ（—！塑一）一詈
（６）
二
，，‘２０一，，‘位
二
当训＜口＜仃／２时，即７‰＞，％且ｍｌｌ＞０时，如图
５（ｃ）这类情况，此时
口＝Ｚ ÷， ａｒｎｃ加 ｔａｎ一 （≤ｍ０等２ｉ）＋詈Ｚ
（７）
图６为图５中４幅图用惯性主轴的方法求番茄果轴
收稿日期：２００９—０６一１７
基金项目：国家“８６３”项目（２００６从１０２２５９）。
作者简介：董坦坦（１９８４一），男，山东滕州人，硕士研究生，主要从事图像处理与模式识别方面的研究。·通讯作者：姬长英。
万方数据
８期
董坦坦等：成熟番茄的图像识别及其位姿的获取研究
１５３
Ｓ来表示，比较符合人眼对颜色的描述习惯。它有两个 特点：其一，１分量与图像的彩色信息无关，因此对彩色 处理只需考虑其它两个分量；其二，Ｈ与ｓ分量与人感受 颜色的方式非常接近。但是，ＨＩＳ颜色空间存在奇异点， 在奇异点附近，即使Ｒ、Ｇ、Ｂ分量有很小的变化也会引起 Ｈ很大的波动，导致不稳定。另外，ＲＧＢ与ＨＩＳ的变换 并非线性变换，耗时较多，难以满足机器人采摘的实时性 要求。Ｌ木ａ堆ｂ十颜色空间能够直接用颜色空间的几何 距离进行不同颜色的比较，因而可有效地用于测量小的 色差。虽然非线性变换空间消除了３个颜色分量间的相 关性，适合于图像处理，但由于是非线性变换，因此计算 量较大，且颜色空间存在奇异点问题。ＹＩＱ颜色空间也
（ａ）原彩色图像
（ｂ）Ｙ分量
（ｃ）１分量
图ｌ番茄原图像与ⅥＱ各分量图像
（ｄ）Ｑ分量
２．２图像分割 ０ｔｓｕ最大类间方差法‘１…，是一种性能 良好的自动阈值分割方法，是通过计算图像中目标类和 背景类的类内方差最小、类间方差最大来进行自动阈值 求取的。图２是图ｌ（ｃ）１分量图像的直方图。从图２可 以看出，１分量图像中灰度值分布比较集中，并且呈明显 的双峰分布，这种灰度分布特点非常适合ｏｔｓｕ法进行分 割处理的要求。因此本文采用０ｔｓｕ最大类间方差法进 行图像的分割。图３为对１分量图像分割的结果图。
１图像的获取 使用Ｃ锄ｏｎⅨｕｓ３０数码相机在南京林大农业发展
有限公司林大都市农业生态园蔬菜基地大棚中拍摄番茄 图像，日期为２００９年５月，图像采集时间从上午９：００至 下午１５：００，天气情况为晴天和多云。拍摄角度为背光 和向光。番茄的品种为大红果，成熟时的颜色为红色。 共采集各种条件下番茄图像８８幅，基本上满足本研究的 需要。
因此中心矩具有位置无关性。 由２阶中心矩构造的惯性主轴方向角为：
日：喜ａｒｃｔａｒＩ（』！塑一）
（４）
Ｚ
ｍ２０一ｍ０２
它与物体所处的姿态有关系，所以我们用它来求番
茄果实的果轴方向，用果轴的方向来表示果实生长时所
处的姿态。
３．２利用惯性主轴求果轴的方向 根据番茄果实生长
姿态的特点，把它们分为四类，如图５所示。
江西农业学报２００９，２１（８）：１５２—１５５ Ａｃｔａ Ａ鲥ｃｕｌｔｕｒａｅ Ｊｉａｎ鲥
成熟番茄的图像识别及其位姿的获取研究
董坦坦，姬长英＋，周俊，邵云涟，黄浩乾
（南京农业大学工学院，江苏南京２１００３１）
摘要：针对自然生长状态下成熟番茄图像的识别问题，提出选用ＹＩＱ颜色空间，采用ｏｔｓｕ最大类间方差法分割图像，然 后用面积闽值的方法消除噪声，来荻取成熟番茄图像的目标区域；然后用矩法来求目标区域的质心位置和惯性主轴，用惯性 主轴的角度来标识果实果轴的方向，进而获取果实的生长姿态。实验结果表明，用这种方法可以取得较好的效果。
图４为对图３进行噪声消除处理后的图像。
图２ １分量图像直方图
２．３消除噪声从图３可以看出，图像分割的效果比较 好，整个番茄果实基本上被分离出来，但仍有许多像素被 误判。这些被误判的像素可分为两类：一类是背景区域 被误判为目标；另一类是目标由于光照等原因被误判为 背景。解决这个问题的步骤如下：
第一步，对于处在目标内部的一些黑洞，它们分别
万方数据
图３分割结果图
２．４实验结果对采集的８８幅图片利用上述方法进 行试验，其中有８４幅图像中的成熟番茄可以被正确地 识别。ｌ幅图像因遮挡严重而漏检，３幅图像因番茄绿 色面积太大而误判。实验结果表明，识别正确率为 ９５．４％．
１５４
江西农业学报
２１卷
３目标位姿的获取
在番茄图像中，番茄果实的质心可表明它的位置， 而果轴的方向可表明它生长的姿态。正确地识别出果实 的位置和它的生长姿态是机械手顺利地完成采摘任务的 基础和关键。 ３．１目标的质心与惯性主轴对于大小为忍×ｍ的数 字图像八ｉ√）的矩¨¨为：
的方向示意图，图６（ａ）一（ｄ）韵果轴角度分别为
一２５．５。、一６２．９０、５５．５０、２１．６。。图中“十”字为质心位
置，红线代表果轴的方向。 ３．３实验结果与分析对正确识别出目标区域的８４幅 番茄图像利用上述方法进行实验，其中有５７幅可以正确 识别出它们的生长姿态，即它们果轴的方向。识别的正 确率约为６７．８％。
ｔｏⅡ诅ｔｏ ｊⅡｌａｇ髂；卸ｄ ｔｈｅｎ ｔｈｅ ｍｏｍｅｎｔ ｍｅｔｈｏｄ ｗａｓ ｕｓｅｄ ｔｏ ｏｂｔａｉｎ ｔｈｅ ｃｅｎｔｅｒ ｏｆⅡｌａｓｓ ０ｆ ｔｈｅ ｔａｌ．ｇｅｔ ｒｅｇｉｏｎ ａｒＩｄ ｉｎｅｒｔｉａ ａ五ｓ，卸ｄ ｄｌｅ ａｎ酉ｅ
ｏ‰ｎ ｏｆ山ｅ ｐ—ｎｃｉｐａｌ ｉｎｅｎｉａ ａ】【ｉｓ ｗａｓ ｕｓｅｄ ｔｏ ｉｄｅｎｔｉｆｙ ｔｈｅ ｄｉｒｅｃｌｉｏｎ ｏｆ ｆ而ｉｔ ｆｍｉｔ—ａ面ｓ ａｎｄ
形成多个单连通区，且噪声区域的面积相比番茄果实部 分的面积非常小。可根据这一特点，以像素为单位计算 所有单连通区的面积，然后设定一个阈值，当单连通区的 面积小于这个阈值时，被判为噪声将其去除，反之则认为 是原图中的背景予以保留。
第二步，对于处于目标外部的亮斑，它们和目标的 颜色相同（白色），可以对第一步处理后的图像进行取 反，然后利用第一步的方法处理，最后再次取反就能得到 理想的结果。
ｔｌｌｅ ｐｏ∞ｏｆ ｔｈｅ ｆｍｉｔｓ．Ｔ１１ｅ ｅｘｐｅｒｉⅡ屺ｎｔａｌ ｒｅ－
ｓｌｌｌｔｓ ｓｈｏｗｅｄ ｔｈａｔ ｔｈｉｓ ｍｅｔｈｏｄ ｃ叫ｌｄ ｏｂｔａｉｎ ｇｏｏｄ ｅ疗＇ｅｃｔ８．
Ｋｅｙ ｗｏｒｄｓ：Ｒｉｐｅ ｔｏ胧吐ｏ；Ｒｅｃｏ印ｉｔｉｏｎ ｏｆ ｉ衄呼；Ｐ０雠；Ｃ∞ｔｅｒ ｏｆ ｆ咖ｓ；Ｐｒｉｎｃｉｐａｌ ｉ∞ｎｉａ ａｘｉｓ
导致识别错误的原因主要有以下几个方面：（１）由 于光照和阴影的影响，在果实的边缘处出现大的凹陷，可 能会导致识别错误；（２）本方法仅适用于目标为扁的椭 圆形的果实，对形状畸形（如长形）或接近圆形的果实， 可能会导致识别错误；（３）在番茄的生长姿态为近似垂 直情况时，可能出现识别错误（垂直情况为上面分类讨 论的一个分界点）。
具有能将色彩中的亮度分量分离出来的优点，其中，Ｙ分 量表示图像的亮度信息，ｌ、Ｑ两个分量则携带颜色信息。 ⅥＱ颜色空间与ＲＧＢ颜色空间之间是线性变换关系，计 算量小，其聚类特性也较好，能够适应光照强度不断变化 的场合，因而能够有效地用于彩色图像处理。故本文选 用ＹＩＱ颜色空间中的１分量用于番茄图像的分割识别。 图１为一幅采集的番茄彩色图像以及它在ＹＩＱ颜色空 间中的各分量的图像。从图ｌ（ｃ）中可以看出，番茄的红 色果实得到了强调，而原图像背景中的绿色枝叶、未成熟 的番茄、杂草、枯叶、支撑物（竹竿）、白色的系绳、地面、 阳光等均得到了抑制。
（Ｃｏｌｌｅｇｅ ０ｆ Ｅｎ画ｎｅｅｒｉｎｇ，Ｎａｎｊｉｎｇ Ａ鲥ｃｕｌｔｕ训ＵｎｉＶｅｒｓｉｔｙ，Ｎ肌ｊｉｎｇ ２１００３ｌ，Ｃｈｉ尬）
Ａｈｎ髓ｃｔ：ＡｉＩｎｉｎｇ ａｔ ｔｈｅ ｒｅｃｏ卵ｉｔｉｏｎ ｏｆ ｔｈｅ—ｐｅ ｔｏｍａｔｏ ｊｍａｇｅｓ ｉｎ ｎａｔｕｒａｌ ｇｍ叭ｈ ｃｏｎｄｉｔｉｏ璐，ⅥＱ ｃｏｌｏｒ ｓｐａｃｅ ｗ∞∞ｌｅｃｔｅｄ，ｏｔ鲫 ｍｅｔｈｏｄ ｗａｓ ｕｓｅｄ ｔｏ ｓｅｇｍｅｎ“舢炉ｓ，卸ｄ ｔｈｅ ａｒｅａ ｔ｝ＩＩ俗ｈｏｌｄ ｒｎｅｔｈｏｄ ｗａｓ印ｐｌｉｅｄ ｔｏ ｅｌｉｒｒＩｉｍｔｅ ｎｏｉ∞锄ｄ ｏｂｔａｉｎ ｔｈｅ ｔａｒｇｅｔ ａｒｅａ ０ｆ ｔＩｌｅ—ｐｅ
利用机器视觉技术将自然生长状态下的成熟番茄从 复杂背景中识别出来并确定其位姿，是番茄采摘机器人 视觉系统实现目标空间定位并与机械手协调操作的基础 和关键技术。目前，国内外有很多学者做过与此相关的 研究工作¨。６ｊ。他们的研究涉及到了图像的分割和目标 的特征识别等。但是对于番茄果实的生长姿态，即果实 果轴的倾斜方向的判别这个问题却很少有研究。我们知 道，每个番茄果实长在番茄植株上的姿态是不一样的。 机械手去采摘的时候，手的姿态必须与果实的姿态保持 一致，才能顺利地完成采摘任务。否则，机械手有可能对 果实造成损伤，或者会导致采摘失败。本文提出选用 ⅥＱ颜色空间，采用０ｔｓｕ最大类间方差法来提取番茄图 像的目标区域，然后提出用求目标惯性主轴的方法来获 得番茄果实的生长姿态，并进行实验验证，取得了较好的 效果。
图４除噪后的图像
（ｂ）
（ｃ）
（ｄ）
图５ 四类不同姿态的番茄图像
我们把番茄果轴的倾斜角度定义在（一仃／２，仃／２）范
围内，即惯性主轴的口角在（一仃／２，以）之问变化，所以
需要对ｐ的值进行讨论。 当一仇／４＜口＜７ｒ／４时，即，％＜，％时，如图５（ａ）和
（ｄ）这两类情况，此时
口：｛ａｒｃｔａｌｌ（—垫Ｌ）
影响大的特点，选用了ＹＩＱ颜色空间，采用０ｔｓｕ最大类 间方差法分割，然后用面积阈值法消除噪声，能够识别成 熟的番茄果实，实时性较好，能够适应采摘机器人视觉处
ｍ。＝；苫ｉ了抓ｉ√）
（１）
０阶矩，‰是图像灰度，（ｉ，＿『）的总和。二值图像的
，‰则表示对象物的面积。如果用，‰来规格化ｌ阶矩
ｍ．。及‰．，则得到一个物体的质心坐标（ｊＪ）：