[发明专利]一种绿色果实识别方法

摘要

本发明公开了一种绿色果实识别方法，首先采集图像，提取R通道分量图像，对分量图像进行中值滤波和8级灰度离散化操作；其次对8级灰度图像进行多角度灰度阶梯扫描，并基于启发式规则对扫描结果进行筛选；接着对筛选结果对应的各类信息进行融合，生成候选果实区域；最后从外观特征和团块操作、灰度阶梯方向数量、灰度阶梯数量三方面对候选果实区域进行投票，根据多数投票原则，确定最终的真实果实区域。本发明识别过程引入多数投票决策机制，并通过该机制融合了场景图像外观特征、网状灰度阶梯特征，大幅提升了识别方法的准确率和鲁棒性，有助于大幅提升采摘机器人整体作业效率。

主权项

一种绿色果实识别方法，其特征在于，识别方法具体为：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，对中值滤波输出图像进行8级灰度离散化操作，得到8级灰度图；第五步，对8级灰度图进行多角度灰度阶梯扫描；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；第七步，融合各类信息，生成候选果实区域；第八步，基于外观特征对单个候选果实区域内的像素进行分类，并结合团块操作以生成决策结果1；第九步，统计单个候选果实区域对应的灰度阶梯方向数量以生成决策结果2；第十步，统计单个候选果实区域对应的灰度阶梯数量以生成决策结果3；第十一步，针对每个候选果实区域，基于多数投票机制融合上述三个决策结果，对伪果实区域进行筛除；第七步中所述的生成候选果实区域的步骤如下：A、将图像中贯穿同一超像素集合的灰度阶梯分到同一个初始簇，共得到K个初始簇(ci，i＝1,2...K)，每个初始簇ci关联的数据有：灰度阶梯集合及其灰度阶梯个数ni，超像素集合及其平均重心xi；B、将所有初始簇按照ni由大到小重新排序，依据任意两簇所关联超像素平均重心的相对位置，对同一果实重复检测结果进行合并；C、计算任意合并更新后的簇所关联的所有超像素的外接矩阵，并将所有超像素按外接矩阵的面积降序排列，得到新的超像素序列sp1new,sp2new,...spMnew；D、对超像素spjnew中的每个像素赋权重j，即超像素外接矩阵越小，其对应像素在后续候选果实区域拟合过程中的重要性越高；E、基于罚函数法对果实位置进行圆形近似拟合，根据圆形包含的像素权重之和尽量大以及圆形不应超出实际果实可能占据的范围的原则确定圆形的圆心坐标及圆半径。