摘要：光线变化与目标重叠是影响自然环境中果实正确识别的重要原因。为了降低两者的影响，研究了融合多源图像信息的果实识别方法。在图像配准的基础上，优选了日分量图与幅度图像作为待融合的源图像；由模糊推理系统（隶属度函数和模糊规则）决定权重，采用加权平均策略实现图像的像素级融合；根据融合图像中果实区域的分布规律，设计了一种基于直方图的首阈检测法以获得最佳的果实分割效果；利用深度图像的统计特性，设计了一种逐层分割图像的方法以解决重叠果实的分离问题。实验结果表明：多源融合图像用于果实识别与定位比单一图像具有更好的准确性与鲁棒性，对重叠果实的正确识别率在83．67％～94．22％之间。

摘要：Hough圆变换算法可以解决成熟番茄果实识别问题,但计算量较大,且由于番茄非标准球形、多果重叠、茎叶遮挡等问题,识别准确率有待进一步提高,因此本文对其改进,设计一种实现番茄收获机器人视觉系统的成熟果实识别算法。首先对采集到的图像下采样,以减少计算量;然后进行基于颜色信息的背景分割,得到成熟番茄果实为目标的二值图像;并在此基础上采用Sobel算子提取边缘信息;最后基于改进Hough圆变换算法实现番茄果实识别。Hough圆变换算法的改进之处有两点:(1)根据边缘信息转换到参数空间时,对转换得到的圆心及其8-连通域对应的组合均进行投票,以减少离散坐标计算时产生的误差;(2)采用基于圆心相近且半径相似的聚类思想,对Hough圆变换算法检测到的结果进行聚类,以适应类圆形目标的检测。试验结果表明,本文算法对存在不同成熟周期的番茄果实、茎叶遮挡、多果重叠等多种情况都能有效识别,上述三种情况的准确识别率分别为87.5%、85%、84.8%,三种情况同时存在的复杂情况下准确识别率为84.6%,而简单情况下可以100%准确识别,经统计,平均正确识别率为86.3%,平均运行时间为398 ms。

摘要：在猕猴桃采摘机器人作业的过程中,由于对于目标果实的识别一般是针对单个果实,极大影响了猕猴桃采摘的效率。为此,提出多目标果实的识别方法,以猕猴桃果萼为识别对象对猕猴桃图像进行识别。运用该方法对多目标果实进行识别,对所采集的样本图像中的20幅图片进行实验,实验结果表明,运用该方法识别的准确率为88.86%,该识别获得的信息能达到猕猴桃多目标识别的目的,为后续机械臂的路径规划,采摘机器人末端执行器设计提供了信息支持,也可为苹果、柑橘等果实的识别提供参考。

摘要：为适应农业果实采摘机器人自主采摘的需求,针对重叠番茄果实,设计了一种在不同光照条件下改进色差算子的组合处理识别并抓取重叠果实的方法。首先,利用中值滤波滤除噪声;然后,采用改进算子的OTSU分割算法和形态学处理对番茄图像进行背景分割,通过异或运算、腐蚀操作,使未覆盖果实与被覆盖果实的分离更加明显,进而将凸包算法、泛洪填充算法和霍夫直线检测相结合,提取出番茄的真实轮廓,并利用最小二乘法对其进行椭圆拟合,计算出果实质心进行立体匹配;最后,设计了适用于番茄果实采摘的原型机器人,主要由三自由度的机械臂构成,用于抓取果实。分别从不同角度对不同光照条件下重叠的番茄果实图像进行了实验,并进行了水果立体匹配实验,结果表明:该方法是有效、可行且高效的。

摘要：我国快速发展的城镇化和人口老龄化,导致生产劳动力短缺和人工成本大幅度增长,而机器人成本却在不断下降,性能不断提升,已成为替代繁重体力劳动的关键装备。开发智能果品采摘机器人是实现果业现代化的重要手段和必经途径。