黄瓜采摘机器人的研究：基于图像的黄瓜果实目标识别

黄瓜采摘机器人的研究：

基于图像的黄瓜果实目标识别

袁国勇

（中国农业大学工学院 , 北京 100083）

摘要温室黄瓜成熟度和空间位置的识别是黄瓜采摘机器人研究的重要环节，要解决此问题首先必须对采集的黄瓜图像进行分割。虽然黄瓜果实与其果梗叶片的颜色都同为绿色，但由于黄瓜果实与其果梗叶片在反射率和含水率上存在差距，因此在颜色深度上就存在差别。本文就利用它们在颜色深度上的差异，利用RGB颜色模型中的G分量及阈值化方法对在自然背景下采集的黄瓜图像进行图像分割，实现黄瓜果实与背景的分离。在图像分割后对图像进行腐蚀，膨胀，区域标记及特征提取等处理，从而准确地提取出黄瓜果实。

关键字：颜色模型，图像分割，特征提取，黄瓜采摘

Study on Cucumber Harvesting Robot：

Recognition of Cucumbers Based on Images

Yuan Guoyong

(College of Engineering, China Agricultural University, Beijing 100083 China)

Abstract For the cucumber harvesting robot , the degree of maturation and recognition of the position in space are the important steps . First of all, segmentation of cucumber image is required. The color of cucumber is the same with its peduncle and leave, but they are different in reflectivity and containing of water, so the depth of their color are recognizable. Based on the difference, abstract the G channel information from the image which cucumber in the nature background in the color model of RGB and binarize the gray image, separate the cucumber from its background. Then, through erosion and dilatation to remove the little and isolated noises, and do area-sign to the image, after that separated the cucumber exactly from image by feature abstract.

Key words: color model, image separate, feature abstract, cucumber harvest

黄瓜是目前栽培区域最广、总产量最高、经济效益最好的大宗型蔬菜之一。黄瓜以嫩果供食，生长速度快，果实容易肥大。因此，黄瓜必须及时采摘，晚摘不仅影响品质，而且会导致坠秧，延缓下一个果实的生长。黄瓜亩产可达6000kg/（市）亩。黄瓜在300~600g之间都认为是成熟的。由于黄瓜需求和产量都非常巨大，在大面积种植黄瓜后，黄瓜收获就要耗费相当大的一部分时间，提高黄瓜收获的生产效率是很有必要的。目前，荷兰种植黄瓜量大，黄瓜按标准的园艺技术种植并把它培养为高挂线缠绕方式吊挂生长，人工收获费用占整个温室黄瓜生产费用的 30％。

黄瓜成熟度和空间位置的识别是机器人进行黄瓜采摘需要首先解决的关键问题, 而要解决此问题必须先将成熟黄瓜果实的图像从复杂的背景图像中提取出来,即对实际拍摄的彩色图像进行分割。本文阐述了黄瓜采摘机器人中对黄瓜果实进行图像处理，把黄瓜果实从自然背景下的图像中识别出来。

利用颜色特征对黄瓜图像进行分割

1．RGB颜色模型[1]

人们的眼睛通过三种可见光对视网膜的锥状体细胞的刺激来感受颜色。这些光载波长为630nm（红）、530nm（绿）和450nm（蓝）时的刺激达到高峰。通过对各种刺激强度的比较，人们感觉到光的颜色。这种视觉理论就是使用红、绿、蓝三种基色来显示彩色的基础，称之为RGB 颜色模型。

图1 RGB彩色立方体示意图，沿着主对角线从

原点的黑色到点（1，1，1）的白色是灰度值

RGB颜色模型是应用最为普通的模型，是面向硬件设备（显示器、CCD摄像头、打印机）的模型。以R、G、B三个参数为坐标，可以得到如图1所示的一个单位立方体来描述RGB颜色模型。任何自然界的色彩都可以再经过采样和量化以后，由红、绿、蓝三种颜色所表示。根据红、绿、蓝所占的成分不同组合来决定其颜色值。每组不同的值对应一种颜色。将每种颜色的浓度按照要求分为不同的n等分，即有n级该颜色浓度。在计算机存储机制中，每个字节为8位，也就是可以表示范围为0~255。因此为了方便，通常在计算机中用一个字节来存储一种颜色的浓度情况，即256种情况。对于R、G、B各占8位表示的图像系统，其颜色数共有28×28×28 = 1677万种颜色。2．利用RGB色彩模型对黄瓜图像的分割

虽然黄瓜果实颜色与其果梗叶片的颜色基本相近，但是由于黄瓜果实与叶子反射率及含水率的不同，使得黄瓜果实与其果梗叶片在颜色深度方面从在一定的差异，黄瓜果实一般要比果梗叶片的颜色更为深暗一些。由于黄瓜果实及其果梗叶片都成绿色，因此在本文中，先将RGB彩色图像转换成G分量的灰度图像，然后再进行灰度阈值处理，转换成二值图像，将黄瓜果实从背景中分割出来。从灰度图像的直方图以及多次的试验结果表明，黄瓜图像的G分量灰度图像在阈值为80以下的二值化过程中效果最好。其分割结果如图2所示。从图2可以看出，识别后的图像中仍然存在一些与果实像素模式相同的果梗及果叶上的像素点。但果实边界像素点保持较为完整。在此基础上，经过进一步处理可以方便地消除这些残留的像素点。本文选取了几幅较为有代表性的图像来说明试验结果：图2(a)为一幅黄瓜果实较为完好的图像，试验结果很理想，如图2(c)所示；图2 (d)难度较大，即使人眼也不能很容易地分辨出黄瓜果实，但从提取的试验结果看，效果比较理想，如图2 (f)所示；图2(g)为黄瓜果实被果梗遮挡，因此只提取出了黄瓜果实的大部分区域，被遮挡部分及其以下部分未能提取出，但试验结果还是不错，如图2(i)所示。