基于視覺的樹上綠色柑橘檢測(cè).pdf

1、隨著圖像處理、機(jī)器視覺技術(shù)的發(fā)展，關(guān)于樹上水果的檢測(cè)已吸引了眾多在圖像處理和農(nóng)業(yè)工程領(lǐng)域研究者的目光。在水果生產(chǎn)過(guò)程中，充分利用信息化、智能化技術(shù)對(duì)作物生長(zhǎng)進(jìn)行動(dòng)態(tài)監(jiān)測(cè)，對(duì)于果園的自動(dòng)管理（自動(dòng)施肥、灌溉、噴藥）、提高農(nóng)作物品質(zhì)、產(chǎn)量估計(jì)及自動(dòng)采摘都有著重要意義。樹上綠色水果的檢測(cè)是實(shí)現(xiàn)水果生產(chǎn)自動(dòng)化和智能化的一個(gè)關(guān)鍵環(huán)節(jié)，對(duì)早期果樹估產(chǎn)、優(yōu)化果園管理及實(shí)現(xiàn)自動(dòng)作業(yè)具有重要的價(jià)值和應(yīng)用前景。而已有樹上綠色水果檢測(cè)的方法不夠準(zhǔn)確魯棒，仍然

2、有許多值得改進(jìn)的地方。因此，本文以柑橘為例，將檢測(cè)過(guò)程分為兩個(gè)階段:感興趣區(qū)域(Region of Interest，ROI)提取及分層輪廓分析(Hierarchical Contour Analysis，HCA)。其中，感興趣區(qū)域提取這一階段分別采用兩種方法提取彩色圖像中的感興趣區(qū)域，第一種方法提取區(qū)域的局部二值模式(Local Binary Pattems，LBP)作為紋理特征送入分類器分類，第二種方法采用最大穩(wěn)定極值區(qū)域(Maxi

3、mally Stable Extremal Region，MSER)算法對(duì)圖像中的ROI進(jìn)行提取。結(jié)合本文首次提出的這種基于水果表面環(huán)形光照分布的HCA算法，先建立分層輪廓圖，然后提取感興趣區(qū)域的分層輪廓線，并利用霍夫變換擬合每一級(jí)輪廓線獲得分層圓形目標(biāo)，最后進(jìn)行擬合圓嵌套分析得到綠色柑橘水果目標(biāo)。下面就對(duì)本文的主要內(nèi)容和試驗(yàn)結(jié)論做簡(jiǎn)要總結(jié)。
　　研究?jī)?nèi)容:
　　(1)基于紋理特征的感興趣區(qū)域提取。算法首先取綠色分量圖作為灰

4、度圖像進(jìn)行圖像預(yù)處理，然后提取圖像中的局部極大值點(diǎn)作為目標(biāo)點(diǎn)，在以該點(diǎn)為中心的區(qū)域提取LBP特征，所提取特征組成56維特征向量送入基于決策樹的RUSBoost集成分類器，對(duì)分類器進(jìn)行分類訓(xùn)練，取最終輸出的表示感興趣區(qū)域的局部極大值點(diǎn)為感興趣點(diǎn)。
　　(2)基于MSER算法的感興趣區(qū)域提取。這種算法在圖像預(yù)處理后，采用MSER算法提取感興趣區(qū)域，并對(duì)提取到的區(qū)域進(jìn)行橢圓擬合，得到一系列擬合橢圓目標(biāo)，取橢圓中心點(diǎn)作為感興趣點(diǎn)，然后根據(jù)

5、橢圓離心率閾值進(jìn)行初步形狀分析，篩選出符合閾值條件的目標(biāo)。
　　(3)分層輪廓分析算法。包括朗伯光照模型介紹及環(huán)形光照特征原理推導(dǎo)，根據(jù)HCA算法建立分層輪廓圖，提取每個(gè)感興趣區(qū)域的分層輪廓線，并使用霍夫變換對(duì)感興趣點(diǎn)附近區(qū)域的各級(jí)輪廓線進(jìn)行圓擬合，同時(shí)對(duì)各級(jí)擬合圓進(jìn)行嵌套分析合并擬合同一目標(biāo)的多個(gè)擬合圓，最終得到與目標(biāo)唯一對(duì)應(yīng)的柑橘目標(biāo)擬合圓。
　　基于LBP特征及HCA算法的方法以45張復(fù)雜的柑橘果園場(chǎng)景圖像作為訓(xùn)練集訓(xùn)