[发明专利]自动采摘机器人中的苹果识别与定位方法

权利要求书

1.一种自动采摘机器人中的苹果识别与定位的方法，其特征在于：所述方法具体步骤如下：

步骤1：使用苹果采摘机器人的摄像头采集图像，获取原始苹果图像。

步骤2：在步骤1的基础上，对苹果的图像进行初步的中值滤波及颜色空间变换的处理。

步骤3：对步骤2得到的单通道图像进行二值化处理、数学形态学处理和边缘处理。

步骤4：找到处理后图像有效区域最大面积进行外接矩形标记。

步骤5：检查步骤4得到的图像是否是被遮挡的图形，若没有被遮挡，跳过此步骤，若被遮挡，将被遮挡的部分通过曲线拟合的方式进行补充与连接，再进行识别，使得霍夫圆变换的识别更加精确。

假设，重叠苹果图像交叉点的向量坐标为和和与圆心所成的夹角为θ，则有：

求出a、b向量的夹角的余弦值，使用反余弦函数求出弧长，从而实现曲线的连接与拟合。

步骤6：对步骤5得到的拟合后的二值化图像进行霍夫圆变换，实现框选与中心坐标的定位。

步骤7：对识别出的苹果图像进行成熟度的判定。本发明采用像素值选取的方法，用加权平均数法计算出平均像素值，并与所规定的像素值比较，如果相差在±5％以内，则判定为成熟，否则判定为不成熟。

苹果生长曲线函数：

图像近似抛物线，x指加权像素值，其取值范围为(0，255)，f(x)指成熟度，取值范围为(0，1)，a₀指苹果刚结出果实时的成熟度，即成熟度初始值(苹果生长曲线与成熟度坐标轴的交点)，a₁指成熟度比例系数。

将视线内的苹果表面分为N*N个不同区域，得到每一个区域内不同像素点的平均像素值，采用权重的方法，苹果的不同区域所占成熟情况的比重不同，用加权平均数法计算出完整苹果的加权平均像素值。

例N＝3，则苹果表面形成9个小的区域，其中左上、右下、左下和右上四个角的小区域用C表示，每一个小区域所占的权重为A，其他五个区域用D表示，每一个小区域所占的权重为B，a表示不同区域的权重情况，如公式3：

对权值总和进行约束，使得：

4A+5B＝1且B＞A (公式4)

苹果加权平均像素值的计算方法：

d_i表示不同区域内的平均像素值，a_i表示不同区域所占的权重，n表示总的区域数(即N*N)，每一个区域乘以其对应的权重并求和，得到的则为加权平均像素值，用该像素值带入公式2进行成熟度判定，若相差在±5％以内，则判定为成熟，可进行采摘。

在以上苹果成熟度判断的基础上，由于苹果在生长时有的表面会出现虫蛀现象和局部坏果现象，在识别过程中需要对损坏的果实加以判断，由于损坏部分的颜色与正常生长的果实表面颜色存在很大的差异，故在以上N*N的区域中如果出现像素值大于区域像素平均值20％且个数超过该区域面积5％的，则认为该苹果为坏果，不予采摘。

步骤8：在步骤7处理的基础上，采用超声波时间差测距法，通过苹果、摄像头和超声波模块之间的直角三角形关系，测得苹果与机器之间的距离。

摄像头采集图像信息，使所要采摘的苹果到达摄像头的成像中心。超声波模块固定于摄像头的正下方，超声波模块与摄像头之间的直线长度为L，超声波测距测得的距离为X，根据直角三角形原理，苹果距离摄像头的距离为D：

机械臂控制摄像头上移，在上移过程中苹果距离超声波距离最短为D1时，超声波模块到达原摄像头成像中心点位置。此时D/D₁表示偏移量。

当偏移量如公式7所示时，认为测得苹果与机器之间的距离：

2.根据权利要求1所述的一种自动采摘机器人中的苹果识别与定位的研究，其特征在于：所述的滤波处理采用的是中值滤波处理技术，通过3×3的矩阵对图像进行滤波处理。

3.根据权利要求1所述的一种自动采摘机器人中的苹果识别与定位的研究，其特征在于：所述的颜色空间变换是将RGB颜色空间转换为YCrCb^[5]颜色空间，分离Cb通道作为图像处理的基础。