成芳 吳文秀 何涵 黃遠翔 付運金

摘? 要：該文利用CCD雙目攝像機采集柑橘的圖片信息，分析計算圖像的RGB3個分量的灰度值，并轉(zhuǎn)換為HSV顏色空間，利用Canny邊緣算子分割圖片中的柑橘和枝葉，利用最小二乘法進行橢圓擬合，求出果實質(zhì)心，提高識別成熟果實的成功率。

關(guān)鍵詞：目標識別? 閾值分割? 最小二乘法

中圖分類號：TP391.41;TP242? ? ? ? ? ? ? ? ? ?文獻標識碼：A? ? ? ? ? ? ? ? ? ? ? ? ?文章編號：1672-3791（2019）04（b）-0030-02

隨著農(nóng)業(yè)自動化的發(fā)展和農(nóng)業(yè)勞動力短缺，自動化采摘是農(nóng)業(yè)發(fā)展的趨勢。在柑橘采摘環(huán)節(jié)中，由于枝葉遮擋部分果實，導(dǎo)致采摘機器人難以識別及定位果實，為了提高采摘效率與質(zhì)量，需要分析采集圖片的灰度值，確定圖片中的果實，然后利用分割方法對背景和果實進行分割，求出果實質(zhì)心。

1? 果實識別

為避免錯誤采摘未成熟的青色果實和因枝葉遮擋漏摘果實而造成損失，需要對采集到的圖像進行圖像分析，識別出已成熟柑橘，對果實和背景進行分割，去除枝葉小噪聲。

1.1 顏色空間

常見的顏色空間有RGB顏色空間、HSV顏色空間、Lab顏色空間等。

RGB顏色空間一般為圖像處理的基本顏色空間，RGB三種顏色分量的灰度值都在[0，255]之間。通過對比RGB三種顏色分量之間的關(guān)系，經(jīng)過公式計算，可以得出果實的顏色。

HSV顏色空間為六角椎體模型，H表示色調(diào)，取值區(qū)間為[0°，360°];S表示飽和度，取值區(qū)間為[0，255];V表示亮度，取值區(qū)間為[0，1]（見圖1）。

HSV顏色空間更趨近生活中人眼對色彩的感受，此文采用HSV模型對圖片進行分析。HSV顏色空間可以由RGB顏色空間轉(zhuǎn)換而來，轉(zhuǎn)換公式如下。

通過公式計算可以得到圖片中柑橘的色調(diào)、飽和度和亮度，在H、S、V通道中，分析H通道的灰度值可以確定圖片中的柑橘、背景和枝葉。

1.2 圖像分割

圖像分割方法一般有閾值分割法、邊緣分割法、k-means聚類算法等。

基于邊緣的分割方法是利用微分算法對圖片的邊緣灰度值進行檢測，由于邊緣灰度值階躍性變化較大，可以檢測到果實的邊緣點集，將圖片的果實輪廓與背景分割，精度高，運算快。常用的邊緣算子有Canny邊緣檢測算子、 Harris角點檢測算子和SIFT邊緣檢測算子等。

該文采用Canny算子對圖片進行邊緣分割，Canny算子運算步驟如下。

（1）對圖像進行高斯濾波，模糊圖像。

（2）計算圖像上像素點的梯度方向和幅值，若幅值大于給定的臨界值，就會將它作為邊緣。

（3）去掉局部像素點非極大值幅值，避免將非邊緣作為邊緣處理。

（4）利用雙閾值法來檢測和連接邊緣。

經(jīng)過以上步驟處理過的圖片，可以成功地分割果實與背景，避免將枝葉造成的偽邊緣也當作邊緣處理，提高算法的抗干擾能力。

2? 果實定位

2.1 雙目攝像機原理

雙目攝像機與人眼識別定位原理相似，人眼通過對比左右眼視差得出目標的深度信息;雙目攝像機左右相機同時拍攝目標果實，兩條視線必然相交于一點，這個點就是果實上某一個像素點，與三角測量原理相似（見圖2）。

P1（u1，v1）為左圖像上的一點，P2（u2，v）為右圖像上的同一點。左右攝像機的距離為0102=b，f代表焦距，P（X，Y，Z）為該點在像素坐標系的空間坐標。相關(guān)公式（4）如下。

2.2 果實質(zhì)心定位

Canny算法可以提取柑橘果實的邊緣輪廓，其輪廓大多為橢圓，通過橢圓擬合來確定質(zhì)心，常用的橢圓擬合方法為最小二乘法。最小二乘法是一種優(yōu)化算法，通過尋找橢圓參數(shù)，然后將誤差平方和最小化，誤差一般指幾何距離和代數(shù)距離，本文采用代數(shù)擬合橢圓的方法，橢圓公式（5）如下。

橢圓的代數(shù)擬合方程如下。

其中，a=（A，B，C，D，E，F(xiàn)）表示系數(shù)向量，x=（x2，xy，y2，x，y，1）T。將實際點代入公式11中，將獲取的邊緣點集進行最小二乘法處理，就可以得到方程中的各個參數(shù)，由于獲取的邊緣點不可能正好在橢圓上，所以函數(shù)F（α，x）不等于零，所以求出函數(shù)F（α，x）的最小值，就可以確定參數(shù)，計算出柑橘質(zhì)心。若要使函數(shù)得到最小值，則：

求解此線性方程組就可以得到橢圓的各個參數(shù)。

3? 結(jié)語

通過對圖片進行HSV分析和Canny邊緣算子分割，可以確定成熟柑橘果實，確定果實、背景和果柄，減小了枝葉噪聲對識別結(jié)果的干擾，同時得到柑橘邊緣輪廓點集，利用最小二乘法對橢圓柑橘進行擬合，求出柑橘質(zhì)心，提高了定位精度。

參考文獻

[1] 李揚.基于雙目視覺的柑橘采摘機器人目標識別及定位技術(shù)研究[D].重慶理工大學(xué)，2017.

[2] 初廣麗，張偉，王延杰，等.基于機器視覺的水果采摘機器人目標識別方法[J].中國農(nóng)機化學(xué)報，2018，39（2）：83-88.

[3] 朱暉.雙目圖像的目標分割方法研究[D].西安電子科技大學(xué)，2018.①作者簡介：成芳（1995—），女，漢族，湖北荊州人，碩士在讀，研究方向：機電控制工程。

①作者簡介：成芳（1995—），女，漢族，湖北荊州人，碩士在讀，研究方向：機電控制工程。