[发明专利]一种面向自然场景的果实采收区域自动定位方法

说明书

本发明涉及一种面向自然场景的果实采收区域自动定位方法，包括如下步骤：提取训练数据中的荔枝果实区域，统计其加权三原色亮度分布特征作为客观亮度基准，采用迭代式Retinex算法增强加权三原色亮度分量；结合修正色差图、阈值化处理和数学形态学方法提取亮度增强后的果实区域；通过局部邻域像素的位置关系和色调信息重构HSI色彩空间中的色调分量，根据色调分布特征提取枝条区域；采用细化算法提取枝条骨架，通过角点检测和角点邻域像素的模式分布规则提取骨架上的关键角点，结合果实与枝条的相对位置约束和关键角点的空间分布特性，自动定位荔枝果实采收区域。本发明可以提高自然场景中荔枝果实采收区域自动定位的自适应性和准确性。

技术领域

本发明涉及农业信息化、精细农业、机器视觉与图像处理技术领域，具体涉及一种面向自然场景的果实采收区域自动定位方法。

背景技术

现代果园逐渐出现管理成本不断递增、人工劳动力不断递减的现状，以劳动力密集型为基础的果实采摘方式，逐渐呈现出可持续发展性降低的趋势(Gongal A.,AmatyaS.,Karkee M.,et al,2015.Sensors and systems for fruit detection and localization.Comput.Electron.Agric.116,8-19)。果实的智能化采收装备是一种改变传统人工方式的自动化作业装备，通常包括移动平台、操控系统、林果检测与末端执行器等关键部件，目前已逐步投入到多种山区林果的自动采收作业中，它面临的一个主要问题是自然成像条件下果实区域的可靠检测与采收点/区域的准确定位。

果实检测与采收点/区域定位通常采用机器视觉和图像处理技术。针对自然场景中林果区域成像质量易受光照条件的影响，Xu等(Xu L.M.,Lv J.D.,2018.Recognitionmethod for apple fruit based on SUSAN and PCNN.Multimed.Tools Appl.77(6),7205-7219)采用同态滤波方法处理光照较弱情况下采集的果实图像。Wang等(Wang C.L.,Lee W.S,Zou X.J.,et al,2018.Detection and counting of immature green citrusfruit based on the Local Binary Patterns(LBP)feature using illumination-normalized images.Precision Agric.17(6),678-697)采用基于双边滤波的Retinex算法提高了图像中果实区域的整体亮度。但上述方法均未考虑输入图像光照性质的智能辨识，处理亮度较高或亮度分布较为均匀的图像容易出现“过度曝光”现象或改变果实区域的原有色调信息，可能影响后续果实区域检测与采收点/区域定位的准确性，所以并不适合于自动处理自然场景下的林果图像。Zhuang等(Zhuang J.J.,Luo S.M.,Hou C.J.,et al,2018.Detection of orchard citrus fruits using a monocular machine vision-based method for automatic fruit picking applications.Comput.Electron.Agric.152,64-73)采用局部分块同态滤波方法自动处理了果实区域图像的光照不均匀问题，但该方法包含较多调节参数，当环境因素显著改变时可能需要重新调整，处理过程较为繁琐。Wang等(Wang C.L.,Zou X.J.,Tang Y.C.,et al,2016.Localisation of litchi in anunstructured environment using binocular stereo vision.Biosyst.Eng.145,39-51)结合K-均值聚类法和基于标签模板的配准方法提取双目视觉图像序列中的红色荔枝果实区域，对背景色彩差异较小的林果图像有较好的检测效果。针对风动环境下的荔枝采收点定位问题，Xiong等(Xiong J.T.,He Z.L.,Lin R.,et al,2018.Visual positioningtechnology of picking robots for dynamic litchi clusters with disturbance.Comput.Electron.Agric.151,226-237)基于荔枝果实区域的色调分布知识，采用聚类算法从HSI图像的色调分量中提取成熟荔枝果实区域及其质心，通过钟摆准则从双目视觉图像中估计出采收点，但自动定位误差较大，适合于剪枝作业范围较宽的末端执行器。为避免环境因素对荔枝采收点定位精度的影响，Xiong等(Xiong J.T.,Lin R.,Liu Z.,et al,2018.The recognition of litchi clusters and the calculation of picking pointin a nocturnal natural environment.Biosyst.Eng.166,44-57)采用基于LED定向补光的夜间成像系统，通过模糊C均值聚类法滤除夜间场景图像中的非林果和干扰枝干区域，结合Otsu阈值分割和Harris角点检测法定位出荔枝果实的采收点，该方法主要用于处理前背景差异较为显著的夜间林果图像。