[发明专利]一种绿色果实识别方法

说明书

技术领域：

本发明属于图像识别技术领域，涉及一种基于网状灰度阶梯特征、自适应分类器以及多数投票决策机制的树上绿色果实识别方法。

背景技术：

采摘机器人有助于提高果实采摘效率、降低损伤率及节省人工成本，具有重要现实意义。其中基于场景解析的果实识别策略是采摘机器人实现果实采摘的重要关键技术。

机器视觉被普遍认为是采摘机器人实现果实场景解析的最佳途径，基于机器视觉的果实识别是相关领域的长期研究热点。然而非结构化果实场景固有的不确定性对机器人通过视觉感知果实及作业环境信息构成了巨大挑战。果实生长条件(如水果品种、营养状态、水分条件、生长阶段、果实相对树枝的位置)、环境条件(如光源强度、色温、照射方向等参数的动态变化)、光照条件(遮挡、树冠场景几何)都是潜在的不确定因素。

当前相关研究主要集中在采摘目标与背景颜色对比度大、形状较规则的非绿色水果品种上，并已取得较多进展。综合利用果实外观特征(如颜色、纹理及形状特征)，结合阈值分割以及形态拟合方法对果实目标进行识别定位是较常见和识别率较高的方法，相关研究涉及柑橘、葡萄、猕猴桃、番茄[等多类水果。

另一方面，绿色果实的识别对于成熟绿色水果的自动收获、水果产量的前期估计和销售策略的制定有重要的意义。尽管绿色水果的识别难度较大，特别是国内学者研究很少，但是其已逐渐成为国内外农业工程领域的一个新的研究热点。

国内关于绿色水果识别的相关专利暂时没有。经对现有文献检索发现，Ferhat等人在2011年第78卷2期的Computers and Electronics in Agriculture专业期刊上发表了题为《基于特征果、颜色及环形Gabor纹理特征的绿色果实识别方法》的文章(文章英文名：Green citrus detection using‘eigenfruit’,color and circular Gabor texture features under natural outdoor conditions)，该文章公开了一种综合多类特征、多尺度寻找策略以及多数投票策略的绿色柑橘识别方法，但其仍然存在果实识别率较低、果实误检率高、检测算法过程复杂等问题。

发明内容：

本发明的目的在于克服现有技术的不足，提出一种融合网状灰度阶梯特征、自适应分类器以及多数投票决策机制的绿色果实识别方法，该方法基于多角度网状灰度阶梯特征的检测及筛选提出候选果实区域，并利用自适应分类器以及灰度阶梯特征的统计特性对候选区域进行综合判断以确定果实数量及实际位置，其技术方案如下：

一种绿色果实识别方法，其特征在于，包括步骤如下：

第一步，采集一帧图像到内存。

第二步，提取彩色图像的R通道图像。

第三步，以特定大小的滤波模块对R通道图像进行中值滤波。

第四步，对中值滤波处理后的输出图像进行8级灰度离散化操作，得到8级灰度图。

8级灰度图中，果实表面对应区域在相当大的取景尺度范围内均呈现8,7..i,i-1,..2,1的完整灰度分布。其中灰度8仅当果实表面被大面积阴影遮挡时不存在，而灰度1的分布均在随机性。我们将果实表面这种在特定方向上灰度由高到低的等差递减特性定义为灰度阶梯；将不同方向上的灰度阶梯集合总称为网状灰度阶梯特征。

第五步，对8级灰度图进行多角度灰度阶梯扫描。

扫描角度定义为扫描方向与X轴的夹角。由于果实表面下半部分呈现的灰度阶梯比较完整，因此，我们只扫描0-180度区间(间隔为15度)的灰度阶梯，具体涉及的灰度阶梯有87654321、8765432、765432、7654321四种。场景中绝大部分果实表面的最大灰度为8，而少部分完全处于阴影下的果实表面从灰度7开始，我们将两种灰度阶梯模式分别规定为pattern1及pattern2。

第六步，对灰度阶梯扫描结果应用启发式规则进行筛选，以去除各类场景几何产生的伪灰度阶梯。

所述的启发式规则涉及灰度阶梯的跨度及特定灰度阶宽概念，其定义为：针对已有灰度阶梯和对应的扫描线，我们将扫描线经历的特定灰度像素点总数定义为该灰度的阶宽(如widthofgray(i)表示灰度i的阶宽)，同时将所有灰度阶宽的总和定义为灰度阶梯的跨度span，且基于前期实验结果和场景的实际灰度统计特性，本发明针对灰度阶梯模式pattern1和pattern2，分别定义为及

所述伪灰度阶梯包含三类：树枝表面、树叶表面以及场景几何随机产生的伪灰度阶梯，分别设计多个启发式规则进行筛选。