基于图像融合的不同成熟阶段苹果果实识别
Apple fruit recognition at different maturity stages based on image fusion作者机构:山东理工大学农业工程与食品科学学院山东淄博255000 南京蜻蜓智慧农业研究院有限公司江苏南京210019 山东理工大学机械工程学院山东淄博255000
出 版 物:《华南农业大学学报》 (Journal of South China Agricultural University)
年 卷 期:2024年第45卷第2期
页 面:293-303页
核心收录:
基 金:山东省重点研发计划(2020CXGC010804) 山东省自然科学基金(ZR202102210303) 淄博市重点研发计划(2019ZBXC200)
摘 要:【目的】针对复杂农业环境中不同成熟阶段苹果目标识别困难的问题,研究一种基于图像融合的苹果识别算法。【方法】采用保边性能较好的均值漂移滤波对图像进行预处理,滤除少量背景噪声。分别从RGB颜色空间和YIQ颜色空间提取R-G分量和I分量特征图像,采用像素级图像融合算法融合2幅特征图像信息,突出显示果实目标区域。利用Otsu自适应阈值算法获得最佳阈值,将目标苹果从背景中分割出来。为识别苹果目标,提出一种基于改进梯度场的Hough变换圆检测算法,通过引入形态学重建算法清理背景中残留的小面积区域,提高检测效率;同时以分割的苹果二值图像为判断标准构造剔除虚假圆算法,避免检测出现虚假目标。【结果】对采集到的50幅未完全成熟的苹果图像和50幅完全成熟的苹果图像进行识别,并与最小外接圆法进行对比,试验结果表明,本文算法平均识别时间为0.367 s,对完全裸露果实、被遮挡面积≤1/2果实和被遮挡面积1/2果实的识别正确率分别为100%、92.46%,和81.87%,整体识别准确率比最小外接圆算法提高了11.43个百分点。本文算法圆心相对误差均值和半径相对误差均值分别为0.216和0.048%,最小外接圆算法圆心相对误差均值和半径相对误差均值分别为0.508和0.370%。【结论】本文提出的方法能够快速识别苹果目标,具有较高精度和效率的果实定位,可以服务于苹果采摘机器人进行果实采摘。