论文部分内容阅读
研究基于机器视觉的树上果实的识别和定位技术，可以开发针对果树在生长过程中发生在果实部位的病虫害的精确喷雾技术，以减少果实中的农药残留、浪费和对环境的污染。另外还可以应用于果实采摘机器人的开发研究，机器视觉在农业中的应用是近年来的研究重点之一。机器视觉的关键技术就是要从场景中识别出目标物体，进行目标的立体匹配并确定其空间位置。本文就是在基于解决以上关键技术上展开的。本文以果树上的果实为研究对象，以实现果实目标的识别与定位为研究目的，建立双目机器视觉系统。并完成视觉系统的硬件设计，主要由两个CCD摄像头、图像采集卡及控制主机构成。它们的恰当选择，为整个视觉系统奠定了基础。
在摄像机标定部分，由于一般的摄像机标定方法要分别标定双目视觉系统中的两个摄像机的内外参数，方法繁琐不易实现。而摄像机标定结果直接影响到空间坐标点的恢复精度。本文利用神经网络强大的非线性映射功能，建立BP神经网络双目视觉成像模型。一次性完成两个摄像机的标定，视觉系统的各参数信息皆分别存储在网络的各个权值内。通过仿真实验测的目标的最大距离误差为0.48mm，验证了该方法的可行性。
在机器视觉中的图像采集与识别部分，重点研究果实图像分割方法。本文利用红色和黄色果实与周围环境相比较为明显的颜色特征，分别找出最合适的阈值分割特征，对果实进行了识别。本文中以荔枝和桔子为例分别代表红色和黄色果实，在确定颜色分割特征时，本文不仅仅是定性的评价颜色特征优劣，而是引入以“误判率”为指标的定量颜色特征评价方法。通过“误判率”曲线可以定量的说明各种颜色特征在分割中的表现，找出最适合的颜色特征。对荔枝图片的分析中，结果表明R-G分量特征的阈值分割效果最好，最小误差率为0.016。而黄色桔子的R-B分量特征的阈值分割效果最好，最小误差率为0.043。
在立体匹配部分，本文提取识别的果实目标的边缘，利用Freeman码进行轮廓表示，并由此计算出目标轮廓的周长、面积、圆度、扁度及倾斜角等特征值。根据以上特征建立相似度特征函数，对目标进行匹配，实现了目标之间快速准确的匹配。
在空间定位部分，本文构建一个4-20-3型BP神经网络。通过标定实验得到的样本数据训练神经网络，实现了从目标的左右图像坐标(m<,1>，n<,1>)、(m<,2>,n<,2>)到目标的空间坐标(X，Y，Z)的映射。通过对金桔进行实验，利用在立体匹配中得到的对应金桔目标在左右图像中的形心坐标作为神经网络的输入，经神经网络可以直接得到金桔的空间坐标。对于单个果实最-人距离误差d为1.75cm，在误差允许范围之内。证明该BP神经网络的可用性本文建立了图像处理系统的界面，对输入的图像可以直接得出目标的匹配结果和空间坐标。本文中所有所有编程都用Matlab实现。