基于機器視覺的蓮蓬識別關(guān)鍵技術(shù)研究.pdf

1、蓮蓬的自動采摘是一新型研究領(lǐng)域，蓮蓬采摘機器人的開發(fā)目的在于使蓮子生產(chǎn)更好的適應(yīng)市場需求、降低勞動強度、提高經(jīng)濟效益。能否準確識別出自然環(huán)境下的蓮蓬果實是蓮蓬采摘機器人的首要任務(wù)。本文以自然環(huán)境下采集到的子蓮蓮蓬圖像為研究對象，主要從圖像預(yù)處理、圖像特征提取、目標特征降維以及目標識別等關(guān)鍵技術(shù)展開相關(guān)研究，以實現(xiàn)基于機器視覺的蓮蓬圖像目標物識別，同時驗證本文所提出的相關(guān)理論與技術(shù)應(yīng)用在同色系圖像識別中的可行性和可靠性，為蓮蓬的自動采摘研

2、究提供技術(shù)支持。主要研究內(nèi)容涉及如下幾個方面：
　　1、蓮蓬圖像信息獲取。根據(jù)機器視覺的基礎(chǔ)理論，分析影響蓮蓬視覺系統(tǒng)識別的因素，并確定蓮蓬識別視覺系統(tǒng)中的軟件和硬件組成、以及開發(fā)平臺和實驗平臺；同時根據(jù)蓮蓬的自然生長環(huán)境和生長姿態(tài)，確定蓮蓬圖像采集的具體方案為：采用數(shù)碼相機對自然場景下的子蓮蓮蓬進行順光側(cè)面微仰角拍攝，并輸入計算機機終端，處理時分辨率統(tǒng)一保存為640×480像素，共采集200幅圖像，各圖像中一般包含蓮蓬、蓮花、蓮

3、葉、蓮莖，部分圖像包含天空、水等背景。
　　2、蓮蓬圖像預(yù)處理。主要目標是去除復雜背景，保留各完整連通區(qū)域。根據(jù)蓮蓬圖像及其生長環(huán)境等特點，選擇HSI顏色空間中的H通道作為分割通道；運用簡化脈沖耦合神經(jīng)網(wǎng)絡(luò)算法在H通道對目標圖像進行分割；結(jié)合區(qū)域形態(tài)學知識，去除區(qū)域噪點，填充孔洞，得到包含蓮蓬、蓮花、蓮葉等完整連通域的預(yù)處理圖像。
　　3、目標圖像的特征提取及基于主成分分析（PCA）的特征降維。在RGB和HSI顏色空間下，提

4、取目標圖像各連通區(qū)域的R、G、B、H、S、I值，并進行線性運算，結(jié)合均值直方圖分析得到R、B、H、S、2G-R-B、R/B、G/B這7個顏色特征量；采用具有平移、縮放、旋轉(zhuǎn)不變特性的Hu不變矩對預(yù)處理后的單個連通區(qū)域進行形態(tài)特征提取，共提取7個Hu不變矩；為減輕數(shù)據(jù)計算量，提高運行效率，將提取的14個顏色和形態(tài)特征進行歸一化處理，然后利用PCA對其進行特征降維，提取得到3個主成分，用于獲取蓮蓬識別模型。
　　4、基于K-Means

5、聚類分析的目標識別。根據(jù)圖像預(yù)處理和特征提取的結(jié)果，確定所聚類個數(shù)K=4，隨機確定4個初始聚類中心，運用K-Means聚類對訓練樣本進行訓練，得到蓮蓬圖像的目標物識別模型；運用該識別模型對測試樣本數(shù)據(jù)進行測試，記錄蓮蓬圖像的準確識別率和平均識別時間。
　　本研究針對同色系的蓮蓬圖像進行相關(guān)研究，分別從圖像預(yù)處理、特征提取和特征降維、K-Means聚類的目標識別等方面逐步展開，以期實現(xiàn)基于機器視覺的蓮蓬圖像的目標物識別，為蓮蓬采摘機