[发明专利]基于支持向量机的苹果采摘机器人果实自动识别方法

摘要

本发明公开了一种基于支持向量机的苹果采摘机器人果实自动识别方法，先采集自然光照下的苹果果园彩色图像，用矢量中值滤波对苹果彩色图像进行预处理，预处理后采用区域生长和颜色特征相结合的方法进行图像分割，分别提取分割后苹果彩色图像的颜色特征和几何形状特征，再应用支持向量机的模式识别方法来识别苹果果实，最后准确定位果实。本发明综合颜色特征和形状特征的支持向量机识别方法对苹果果实识别的正确率高于只用颜色特征或形状特征的正确率，识别效果更好，并且算法实现简单，运行时间短，识别性能优于普遍采用的神经网络方法，对于小样本的学习表现出了优势。

主权项

一种基于支持向量机的苹果采摘机器人果实自动识别方法，其特征是：先采集自然光照下的苹果果园彩色图像，用矢量中值滤波对苹果彩色图像进行预处理，预处理后采用区域生长和颜色特征相结合的方法进行图像分割，分别提取分割后苹果彩色图像的颜色特征和几何形状特征，再应用支持向量机的模式识别方法来识别苹果果实，最后准确定位果实，其中：所述矢量中值滤波法是将给定窗口中所有矢量取平均得到平均矢量，计算窗口中矢量到平均矢量的距离，将距离平均矢量最近的矢量作为窗口中心像元素的输出值；所述图像分割将图像像素投影到RGB模型的直方图上，求出概率较大的颜色，在这些颜色中选取几个像素作为备选生长点，设置生长阈值后选择出1个备选生长点，运用生长规则进行生长，判断颜色是否相近运用欧氏距离求得；图像颜色特征提取是将苹果果实图像HLS颜色空间的每一个点看作是HLS三维颜色空间的一个点，两个颜色的差异通过两个颜色点的欧氏距离计算衡量，采用HLS三维颜色空间中的H和S分量值作为苹果识别的颜色特征；图像几何形状特征提取是提取圆方差、椭圆方差、紧密度、周长平方面积比这4个苹果果实轮廓的特征量，作为每一个样本的特征向量，构造支持向量机进行训练和分类；所述图像识别是分别基于颜色信息、几何形状信息结合支持向量机进行苹果果实识别，并将其结果与综合采用颜色和几何形状信息的支持向量机结果进行比较，得出RBF支持向量机核函数。