摘要：概述了近年來(lái)國(guó)內(nèi)外水果采摘機(jī)器人視覺(jué)系統(tǒng)的特點(diǎn)并進(jìn)行了分析和歸類(lèi)，分析了不同視覺(jué)系統(tǒng)和方法的主要特征、所使用的傳感器、檢測(cè)水果的圖像處理技術(shù)策略、檢測(cè)效果以及系統(tǒng)的優(yōu)點(diǎn)和局限性，并對(duì)研究的現(xiàn)狀進(jìn)行了綜述。經(jīng)分析發(fā)現(xiàn)大多數(shù)視覺(jué)系統(tǒng)是通過(guò)電荷耦合器件（CCD）攝像機(jī)來(lái)獲取圖像，利用顏色和紋理分析作為特征，由各種分類(lèi)器進(jìn)行水果的檢測(cè)，通過(guò)多相機(jī)或者距離傳感器來(lái)進(jìn)行空間定位和尺度測(cè)量。指出了水果采摘機(jī)器人視覺(jué)系統(tǒng)存在的問(wèn)題和有待改進(jìn)的方面，并初步提出了一些設(shè)想和建議。

關(guān)鍵詞：水果；采摘機(jī)器人；機(jī)器人視覺(jué)；空間定位；顏色和紋理分析

中圖分類(lèi)號(hào)：TP242.6+2 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：0439-8114（2012）21-4705-04

Development of Machine Vision System for Fruit Harvesting Robots

LU Jun，WANG Xian-feng，HOU De-jia

（College of Science，Huazhong Agricultural University， Wuhan 430070， China）

Abstract： A review of previous studies on automatic locating fruits on trees using computer vision methods was performed. The main features of these approaches were described， especially focusing on the sensors utilized for capturing tree images， the image processing strategy used to detect fruits， the results obtained in terms of the correct/1 detection rates， and the advantages and limitation of the systems. The majority of these works use CCD cameras to capture the images and use local or shape-based analysis to detect the fruits， use multi cameras or range senses to locate the fruits. The affecting factors of these systems such as the intensity of light， occlusion， and algorithm efficiency were pointed out； and some opinions and advices on machine vision system were given.

Key words： fruit； harvest robot； machine vision； space orientation； color and shape analysis

水果種植業(yè)的迅速發(fā)展提升了果園機(jī)械的市場(chǎng)需求。采摘作業(yè)所用勞動(dòng)力占整個(gè)生產(chǎn)過(guò)程所用勞動(dòng)力的33%～50%，采摘作業(yè)比較復(fù)雜，季節(jié)性很強(qiáng)，若使用人工采摘，不僅效率低、勞動(dòng)量大，而且容易造成果實(shí)的損傷，直接影響到水果的品質(zhì)。使用采摘機(jī)器人不僅提高了采摘效率，而且降低了損傷率，節(jié)省了人工成本，提高了果農(nóng)的經(jīng)濟(jì)效益，因此，提高采摘作業(yè)機(jī)械化程度具有重要意義。隨著農(nóng)業(yè)從業(yè)者的減少及老齡化趨勢(shì)的不斷加大，采摘機(jī)器人的開(kāi)發(fā)利用具有巨大的經(jīng)濟(jì)效益和廣闊的市場(chǎng)前景，符合社會(huì)發(fā)展的需求。

任何一種水果采摘機(jī)器人的正常工作均依賴(lài)于對(duì)作業(yè)對(duì)象的正確識(shí)別，因而要實(shí)現(xiàn)水果采摘機(jī)器人對(duì)水果的收獲，關(guān)鍵是要從果樹(shù)中識(shí)別出水果并確定水果的準(zhǔn)確空間位置，以便為機(jī)械手的運(yùn)動(dòng)提供參數(shù)，完成水果的采摘。因此，視覺(jué)系統(tǒng)性能的好壞會(huì)直接影響到水果采摘效果。視覺(jué)系統(tǒng)的性能應(yīng)從精度和速度兩方面來(lái)評(píng)價(jià)。影響視覺(jué)系統(tǒng)精度和速度的因素較多，比如不穩(wěn)定的光照、風(fēng)、水果和樹(shù)葉的相互遮蓋、水果自身生長(zhǎng)程度不一等等。目前僅依靠機(jī)器視覺(jué)識(shí)別水果的方法還未能達(dá)到商業(yè)化程度，要盡快改進(jìn)算法、降低使用成本、縮短采摘時(shí)間、提高機(jī)器識(shí)別率和采摘效率[1]。

1 水果識(shí)別研究進(jìn)展

1.1 非綠色水果識(shí)別研究進(jìn)展

國(guó)內(nèi)外在機(jī)器人采摘領(lǐng)域已進(jìn)行了不少研究，視覺(jué)系統(tǒng)的采摘對(duì)象主要集中于顏色和背景差距較大、形狀規(guī)則的水果，如接近紅色的蘋(píng)果、柑橘、番茄等[2]，由于目標(biāo)與背景顏色的差距大，通過(guò)不同的顏色特征可以較好地實(shí)現(xiàn)對(duì)圖像的分割，將水果從復(fù)雜的背景中提取出來(lái)。形狀規(guī)則的則可通過(guò)提取其邊緣特征，通過(guò)模式識(shí)別等方法將水果從復(fù)雜的背景圖像中提取出來(lái)。也有部分工作將顏色特征和形狀特征予以整合，從而提高識(shí)別的精度和效率。為了克服光照不均勻的現(xiàn)象，部分研究增加頻閃光來(lái)改善照明條件，或者采用近紅外光、超聲成像的方式來(lái)獲取圖像。另外，也有將多類(lèi)圖像進(jìn)行整合，采用圖像融合技術(shù)來(lái)實(shí)現(xiàn)水果檢測(cè)的研究[3]。

對(duì)于樹(shù)上的非綠色水果，主要提取顏色特征、結(jié)合使用紋理特征和形狀特征進(jìn)行檢測(cè)是多數(shù)采摘機(jī)器人視覺(jué)系統(tǒng)所采用的技術(shù)手段。蔡健榮等[4]利用彩色攝像機(jī)將獲取到的RGB彩色圖像轉(zhuǎn)換到HIS顏色空間，并將色調(diào)和飽和度結(jié)合產(chǎn)生融合圖像，利用大津（Otsu）算法自動(dòng)獲取分割閾值，提取目標(biāo)區(qū)域；然后利用提取的區(qū)域形態(tài)特征進(jìn)一步分割圖像，去除顏色類(lèi)似的枯葉和其他背景，提取成熟水果區(qū)域。徐惠榮等[5]建立了利用柑橘、樹(shù)葉、樹(shù)枝在R-B 顏色指標(biāo)上的差異進(jìn)行樹(shù)上柑橘識(shí)別的顏色模型，并利用動(dòng)態(tài)閾值法，根據(jù)圖像特征動(dòng)態(tài)產(chǎn)生閾值T，將柑橘?gòu)谋尘爸蟹指畛鰜?lái)，試驗(yàn)結(jié)果表明在順光和逆光條件下識(shí)別率均較高。古輝等[6]提出一種結(jié)合多種顏色特征和紋理特征進(jìn)行分割的方法，能有效解決果蔬目標(biāo)和背景顏色差異較小時(shí)的果蔬對(duì)象識(shí)別問(wèn)題；同時(shí)，提出一種新理念解決果實(shí)被部分遮擋時(shí)中心點(diǎn)和采摘點(diǎn)確定問(wèn)題，且利用幾何校正方法有效定位了疊加的多個(gè)果蔬，試驗(yàn)結(jié)果表明該算法效果良好。蔡健榮等[7]采用2R-G-B色差分量，通過(guò)Ostu自適應(yīng)閾值算法進(jìn)行圖像分割，利用形態(tài)運(yùn)算消除隨機(jī)噪音，并對(duì)分割區(qū)域進(jìn)行標(biāo)記，利用區(qū)域面積和區(qū)域最小外接矩形長(zhǎng)寬比參數(shù)進(jìn)一步去除背景區(qū)域；對(duì)于多果重疊問(wèn)題，利用T=Sqrt（S×I） 形成新的圖像提取邊界，再結(jié)合形態(tài)學(xué)運(yùn)算實(shí)現(xiàn)分割；最后利用優(yōu)化的圓形霍夫變換提取目標(biāo)圖像的形心坐標(biāo)及半徑，恢復(fù)遮擋果形；經(jīng)驗(yàn)證，有95%的果實(shí)能被正確識(shí)別。郭峰等[8]利用基于OHTA顏色空間的圖像分割方法從背景中分割草莓，通過(guò)計(jì)算二值化草莓分割塊的慣性主軸來(lái)判斷草莓的姿態(tài)，并根據(jù)草莓的成熟度實(shí)現(xiàn)了果實(shí)的選擇性采摘；試驗(yàn)證明該方法的平均判別速度為1 s/個(gè)，果柄誤判率為7%，在采摘過(guò)程中僅對(duì)5%的果實(shí)造成損傷。姜莉等[9]研究了自然光照條件下成熟石榴的識(shí)別，利用同態(tài)濾波進(jìn)行圖像增強(qiáng)，將圖像從RGB空間轉(zhuǎn)換到HIS空間，并將色調(diào)和飽和度融合，有效去除暗背景和灰背景，利用區(qū)域面積并結(jié)合形態(tài)學(xué)特征去除噪音實(shí)現(xiàn)區(qū)域分割，最后利用優(yōu)化后的霍夫變換提取形心和半徑，恢復(fù)遮擋果形。

同時(shí)，也有一部分工作通過(guò)采用較復(fù)雜的圖像處理技術(shù)和模式識(shí)別方法，達(dá)到了不錯(cuò)的檢測(cè)效果。蔡健榮等[10]采用遺傳算法得到描述柑橘形狀的最佳擬合橢圓參數(shù)，因任意橢圓都可以用5個(gè)變量描述，對(duì)這些變量進(jìn)行二進(jìn)制編碼使之形成初始的基因碼，在給定的圖形匹配率公式的作用下進(jìn)行遺傳運(yùn)算可以得到全局最優(yōu)解，通過(guò)對(duì)變量添加一些約束條件，提高遺傳算法收斂速度，試驗(yàn)結(jié)果表明該算法相對(duì)傳統(tǒng)的圓形霍夫變換算法減少了空間需求和時(shí)間消耗，且利用橢圓來(lái)描述柑橘外形更接近真實(shí)情況。

1.2 綠色水果識(shí)別研究進(jìn)展

近幾年，對(duì)于樹(shù)上綠色水果的檢測(cè)逐漸成為國(guó)內(nèi)外農(nóng)業(yè)機(jī)械領(lǐng)域的一個(gè)研究熱點(diǎn)，通過(guò)采用許多新的圖像處理方法和手段獲得了樹(shù)上綠色水果識(shí)別定位研究的成果。樹(shù)上綠色水果的檢測(cè)技術(shù)對(duì)于成熟綠色水果的自動(dòng)收獲、水果產(chǎn)量的前期估計(jì)和銷(xiāo)售策略的制定等方面具有重要意義。

由于果樹(shù)的樹(shù)葉顏色為綠色，所以將綠色的水果從樹(shù)冠中分割識(shí)別出來(lái)比識(shí)別非綠色水果難度要大得多，綠色水果在分割識(shí)別時(shí)顏色將不能作為一個(gè)主要特征，所以得尋求其他能夠有效區(qū)分水果與樹(shù)葉及背景的技術(shù)手段和檢測(cè)算法，近幾年圍繞綠色水果的識(shí)別也派生出了一系列的工作。

司永勝等[11]以8×8像素的正方形區(qū)域?yàn)榉指顔挝?，選擇顏色差R-B作為顏色特征，選擇灰度均值、標(biāo)準(zhǔn)偏差和熵作為紋理特征，形成特征向量空間，采用間隙統(tǒng)計(jì)法確定蘋(píng)果圖像的最佳聚類(lèi)數(shù)。將特征向量空間和最佳聚類(lèi)數(shù)作為輸入，運(yùn)用均值聚類(lèi)對(duì)樹(shù)上綠色蘋(píng)果圖像進(jìn)行聚類(lèi)和分割。試驗(yàn)結(jié)果表明該算法能有效處理光照且果實(shí)識(shí)別的正確率達(dá)到81%。Ferhat等[12]利用顏色、環(huán)形Gabor濾波器提取的紋理特征以及特征果（類(lèi)似于“特征臉”）組合成的特征向量，通過(guò)在3個(gè)不同尺度上滑動(dòng)3個(gè)子窗口從而在整幅圖像中尋找綠色柑橘。每個(gè)子窗口分類(lèi)3次并利用多數(shù)投票的方式確定最終的分類(lèi)結(jié)果，試驗(yàn)結(jié)果表明在驗(yàn)證集上有75.30%的真實(shí)水果被正確檢出。Raphael等[13]通過(guò)4個(gè)步驟實(shí)現(xiàn)了從彩色圖像中估計(jì)綠色蘋(píng)果數(shù)量的算法，首先利用顏色和平滑度來(lái)檢測(cè)每個(gè)像素屬于蘋(píng)果的概率，然后將高概率且連通的區(qū)域定義為種子區(qū)域，接著將種子區(qū)域的邊界分割為很多小段的弧，最后將這些弧組合起來(lái)并與理想的蘋(píng)果模型進(jìn)行比較，從而獲得最終的檢測(cè)結(jié)果。在兩個(gè)驗(yàn)證集上的試驗(yàn)均表明該算法的識(shí)別率達(dá)到85%以上。

Hiroshi等[14]通過(guò)高光譜成像及圖像處理算法的方式實(shí)現(xiàn)了樹(shù)上綠色柑橘的識(shí)別。利用波長(zhǎng)在369～1 042 nm的高光譜相機(jī)對(duì)不同品種的綠色水果成像，基于線(xiàn)性判別函數(shù)實(shí)現(xiàn)了高光譜圖像的分割，通過(guò)空間域處理分割圖像，檢測(cè)出綠色的柑橘。水果檢測(cè)試驗(yàn)表明在測(cè)試集上80%～89%的水果被成功檢出，但是對(duì)于被遮擋和高對(duì)比度的水果檢測(cè)存在困難。Wachs等[15]利用近紅外熱成像和視覺(jué)成像融合的方式，利用低層和高層視覺(jué)特征分別作用于兩類(lèi)圖像模式，并采用互信息最大化的方式來(lái)優(yōu)化參數(shù)，采用自適應(yīng)投票的方式實(shí)現(xiàn)了決策級(jí)的圖像融合，最終實(shí)現(xiàn)樹(shù)上綠色蘋(píng)果的識(shí)別，其融合后的識(shí)別精度約為75%。

2 水果空間定位機(jī)制研究進(jìn)展

采摘機(jī)器人的視覺(jué)系統(tǒng)不僅僅要能夠從背景中檢測(cè)出樹(shù)上的水果，而且要能夠?qū)σ晥?chǎng)中的水果進(jìn)行空間定位，從而指導(dǎo)自身的末端執(zhí)行器件完成水果采摘作業(yè)。樹(shù)上水果通常采用雙目相機(jī)和多目相機(jī)，通過(guò)多視幾何方法和立體匹配技術(shù)進(jìn)行空間定位；也有一些工作通過(guò)結(jié)合相機(jī)和其他距離傳感技術(shù)來(lái)進(jìn)行空間定位。

Alessio等[16]利用裝在兩個(gè)機(jī)械手臂上的4個(gè)相機(jī)同時(shí)獲取4幅圖像，并分別對(duì)左右手臂上的兩臺(tái)相機(jī)獲取的兩幅圖像進(jìn)行立體匹配以獲得惟一的中心，然后將二維坐標(biāo)映射到三維空間。對(duì)于左右手臂獲得的目標(biāo)，通過(guò)立體匹配技術(shù)和動(dòng)態(tài)優(yōu)化技術(shù)分配由哪個(gè)手臂實(shí)現(xiàn)采摘，并且在采摘過(guò)程中不斷對(duì)目標(biāo)位置進(jìn)行修正。周俊等[17]利用雙目視覺(jué)相機(jī)獲取圖像，利用霍夫變化檢測(cè)出果實(shí)目標(biāo)，并利用隨機(jī)采樣目標(biāo)上均勻分布多個(gè)點(diǎn)的三維坐標(biāo)信息重建果實(shí)球模型，從而獲得目標(biāo)質(zhì)心的空間位置坐標(biāo)，同時(shí)還在機(jī)械手上添加了單目攝像機(jī)以實(shí)現(xiàn)小尺度的精確伺服定位。Rakun等[18]通過(guò)整合物體顏色、紋理以及三維形狀信息來(lái)識(shí)別水果，利用多視幾何方法來(lái)進(jìn)行空間定位，較好地處理了光照不均勻、部分遮擋以及相似背景等問(wèn)題，最終實(shí)現(xiàn)了估計(jì)圖像中的水果數(shù)量、半徑以及產(chǎn)量等目標(biāo)。

在采用新的傳感技術(shù)手段及圖像融合技術(shù)進(jìn)行識(shí)別和定位方面，也派生出一些新的工作。Jimenez等[19]利用紅外激光測(cè)距儀獲得樹(shù)上球形水果的深度圖像和反射圖像，再整合這兩種圖像獲得邊界像素、頂部像素、凸區(qū)域和反射區(qū)域等4個(gè)原始特征，然后通過(guò)圓形霍夫變化算法獲得球形水果的空間位置、半徑和反射率等參數(shù)，該算法應(yīng)用到柑橘采摘機(jī)器人上獲得了較好的效果。Bulanon等[20]采用結(jié)合機(jī)器視覺(jué)系統(tǒng)和激光距離傳感器的方式定位水果，其中用機(jī)器視覺(jué)系統(tǒng)識(shí)別蘋(píng)果，用激光距離傳感器來(lái)測(cè)量距離，田間試驗(yàn)結(jié)果顯示末端執(zhí)行器能夠在7.1 s的時(shí)間內(nèi)采摘單果，采摘成功率達(dá)到90%。

3 存在的問(wèn)題與展望

3.1 水果生長(zhǎng)條件的不確定性

水果采摘機(jī)器人的作業(yè)對(duì)象是具有生命的離散個(gè)體，不同種類(lèi)的水果具有不同的形狀和顏色，而同一類(lèi)水果具有不同的品種，且同一品種的水果在不同的生長(zhǎng)環(huán)境（光照、營(yíng)養(yǎng)、水分等）條件下，個(gè)體的形狀或顏色也會(huì)有所差異。另外，水果在不同的成熟階段，本身的形狀、顏色、紋理等外觀特征也可能發(fā)生較大變化。而且水果在樹(shù)上的位置是不確定的，果實(shí)的生長(zhǎng)是隨著時(shí)間和空間而變化的，這就要求水果采摘機(jī)器人能適應(yīng)種類(lèi)、品種和生長(zhǎng)條件的變化，能處理形狀和顏色上的細(xì)微差異。

3.2 環(huán)境條件的不確定性

水果采摘機(jī)器人的工作條件在不斷發(fā)生變化，工作時(shí)的天氣條件可能時(shí)時(shí)改變，一天中的不同時(shí)辰也會(huì)導(dǎo)致光照度發(fā)生很大變化。自然光照度變化和陰影等都會(huì)給圖像獲取和圖像分析帶來(lái)困難，影響識(shí)別的正確率。這就要求水果采摘機(jī)器人不僅要具有與生物體柔性相對(duì)應(yīng)的處理功能，而且還要能夠順應(yīng)變化無(wú)常的自然環(huán)境，在視覺(jué)、知識(shí)推理和判斷等方面具有相當(dāng)高的智能。

3.3 遮擋情況的不確定性

遮擋是影響水果采摘機(jī)器人能否正常有效工作的一個(gè)重要因素。在有光源直射的地方，由于不同物體的遮擋可能導(dǎo)致在工作視場(chǎng)內(nèi)有明顯的陰影，這就明顯影響識(shí)別的速度和效果。另外，采用可見(jiàn)光相機(jī)在理論上只能檢測(cè)視場(chǎng)范圍內(nèi)能夠看到的水果，而無(wú)法檢測(cè)到完全被遮擋、隱藏在樹(shù)冠內(nèi)部的水果。同時(shí)，視場(chǎng)內(nèi)的水果可能部分被樹(shù)干、樹(shù)葉或者其他水果遮擋，也給有效地檢測(cè)和識(shí)別帶來(lái)了較大的困難。水果采摘機(jī)器人必須能夠快速、高效地處理以上不同的遮擋情況，準(zhǔn)確地對(duì)樹(shù)上水果進(jìn)行定位。

通過(guò)以上分析可以看出，雖然近年來(lái)國(guó)內(nèi)外學(xué)者在樹(shù)上水果識(shí)別方面已經(jīng)開(kāi)展了一些研究，但基于樹(shù)上水果識(shí)別中的復(fù)雜性和不確定性，水果采摘機(jī)器人視覺(jué)系統(tǒng)應(yīng)在充分提取樹(shù)上水果及其背景的邊界、顏色、紋理信息的基礎(chǔ)上，充分利用鄰域及上下文信息，并結(jié)合多種軟件和硬件的技術(shù)手段，著力解決分割識(shí)別定位過(guò)程中的生長(zhǎng)條件差異、光照變化、陰影和遮擋等諸多問(wèn)題。

4 結(jié)語(yǔ)

水果采摘是一個(gè)季節(jié)性強(qiáng)的勞動(dòng)密集型工作，基于人口老齡化以及農(nóng)村勞動(dòng)力越來(lái)越少的趨勢(shì)，單調(diào)繁重的水果采摘作業(yè)需要高效率、低成本、通用化的采摘機(jī)器人技術(shù)。隨著精準(zhǔn)農(nóng)業(yè)研究與示范工程的開(kāi)展和農(nóng)業(yè)機(jī)器人成本的下降，水果采摘機(jī)器人必將越來(lái)越廣泛地應(yīng)用到農(nóng)業(yè)生產(chǎn)過(guò)程中，有著巨大的發(fā)展?jié)摿?。這就對(duì)水果采摘機(jī)器人的視覺(jué)系統(tǒng)在處理時(shí)間和精度上提出了更高的要求，它必將隨著機(jī)器人的普及得到更快的發(fā)展。

參考文獻(xiàn)：

[1] 宋 健，張鐵中，徐麗明，等.果蔬采摘機(jī)器人研究進(jìn)展與展望[J].農(nóng)業(yè)機(jī)械學(xué)報(bào)，2006，37（5）：158-162.

[2] 張瑞合，姬長(zhǎng)英，沈明霞，等.計(jì)算機(jī)視覺(jué)技術(shù)在番茄收獲中的應(yīng)用[J].農(nóng)業(yè)機(jī)械學(xué)報(bào)，2001，32（5）：50-52，58.

[3] JIMEZ R， CERES R，PONS J L. A vision system based on a laser range-finder applied to robotic fruit harvesting [J]. Machine Vision and Applications，2000，11（6）：321-329.

[4] 蔡健榮，趙杰文.自然場(chǎng)景下成熟水果的計(jì)算機(jī)視覺(jué)識(shí)別[J]. 農(nóng)業(yè)機(jī)械學(xué)報(bào)，2005，36（2）：61-64.

[5] 徐惠榮，葉尊忠，應(yīng)義斌.基于彩色信息的樹(shù)上柑橘識(shí)別研究[J].農(nóng)業(yè)工程學(xué)報(bào)，2005，21（5）：98-101.

[6] 古 輝，蘆亞亞，丁維龍，等.自然場(chǎng)景下果實(shí)目標(biāo)的識(shí)別和定位[J]. 浙江工業(yè)大學(xué)學(xué)報(bào)，2007，35（3）：267-273.

[7] 蔡健榮，周小軍，李玉良，等.基于機(jī)器視覺(jué)自然場(chǎng)景下成熟柑橘識(shí)別[J].農(nóng)業(yè)工程學(xué)報(bào)，2008，24（1）：175-178.

[8] 郭 峰，曹其新，崔永杰，等. 用于草莓收獲機(jī)器人的果實(shí)定位和果柄檢測(cè)方法[J].農(nóng)業(yè)工程學(xué)報(bào)，2008，24（10）：89-94.

[9] 姜 莉， 沈明霞， 王學(xué)林. 基于計(jì)算機(jī)視覺(jué)的自然光照條件下成熟石榴的識(shí)別[J]. 浙江農(nóng)業(yè)學(xué)報(bào)，2009，21（3）：278-282.

[10] 蔡健榮，范 軍，李玉良，等. 基于遺傳算法的樹(shù)上柑桔形狀特征提取[J]. 江蘇大學(xué)學(xué)報(bào)（自然科學(xué)版），2007，28（6）：469-472.

[11] 司永勝，劉 剛，高 瑞.基于K-均值聚類(lèi)的綠色蘋(píng)果識(shí)別技術(shù)[J]. 農(nóng)業(yè)機(jī)械學(xué)報(bào)，2009，40（增刊）：100-104.

[12] FERHAT K， WON S L， ALI V. Green citrus detection using ‘eigenfruit’， color and circular gabor texture features under natural outdoor conditions[J]. Computers and Electronics in Agriculture， 2011，78（2）：140-149.

[13] RAPHAEL L，ODED C， AMOS N. Determination of the number of green apples in RGB images recorded in orchards[J]. Computers and Electronics in Agriculture，2012，81（1）：45-57.

[14] HIROSHI O，WON S L. Green citrus detection using hyperspectral imaging[J]. Computers and Electronics in Agriculture，2009，66（2）：201-208.

[15] WACHS J P， STERN H I， BURKS T， et al. Low and high-level visual feature-based apple detection from multi-modal images [J].Precision Agric，2010，11（6）：717-735.

[16] ALESSIO P， GIORGIO G. Localization of spherical fruits for robotic harvesting[J]. Machine Vision and Applications，2001， 13（2）：70-79.

[17] 周 俊，劉 銳，張高陽(yáng). 基于立體視覺(jué)的水果采摘機(jī)器人系統(tǒng)設(shè)計(jì)[J].農(nóng)業(yè)機(jī)械學(xué)報(bào)，2010，41（6）：158-162.

[18] RAKUN J， STAJNKO D， ZAZULA D. Detecting fruits in natural scenes by using spatial-frequency based texture analysis and multiview geometry[J]. Computers and Electronics in Agriculture，2011，76（1）：80-88.

[19] JIMENEZ A R，CERES R， PONS J L. A vision system based on a laser range-finder applied to robotic fruit harvesting[J].Machine Vision and Applications，2000，11（6）：321-329.

[20] BULANON D M， KATAOKA T. Fruit detection system and an end effector for robotic harvesting of Fuji apples[J]. Agric Eng Int：CIGR Journal，2010，12（1）：203-210.

收稿日期：2012-02-24

基金項(xiàng)目：中央高校基本科研業(yè)務(wù)費(fèi)專(zhuān)項(xiàng)資金資助項(xiàng)目（HZAU：2011QC024）

作者簡(jiǎn)介：盧 軍（1979-），男，湖北宜昌人，講師，在讀博士研究生，研究方向?yàn)閳D像處理和機(jī)器人視覺(jué)，（電話(huà)）15827641151（電子信箱）

lujun5918@163.com。