河北農(nóng)業(yè)大學(xué) 崔卓賢 張清 王恩培 劉月皓

引言

對經(jīng)攝像頭采集到的圖像進行合理的處理，并達到預(yù)期的任務(wù)目標要求，是機器視覺的最關(guān)鍵部分?，F(xiàn)行主流的視覺處理是基于Opencv 庫，通過python 和C++語言進行代碼編寫，調(diào)用庫中相關(guān)功能模塊構(gòu)成算法，進行任務(wù)處理。因為越疆的視覺操作平臺已將相關(guān)的視覺處理功能模塊封裝完成，我們將工作的重心放在研究圖像處理算法上。

1 任務(wù)需求

定位識別種子（判斷種子在工作區(qū)域內(nèi)的位置，和物體是否為種子）。

缺陷檢測（將種子的特征值提取完畢后與存入的良好的種子特征值進行比對）。

傳送種子坐標（比對完成后，將優(yōu)質(zhì)種子、劣質(zhì)種子坐標分批傳送到控制運動機構(gòu)的MCU，進行分揀操作）。

影響任務(wù)處理效果的因素，可能有光源、使用的攝像頭、算法層面等各種因素，將在下文展開進一步的分析。

2 圖像處理流程

圖像采集（使用高分辨率攝像投采集圖像）。

圖像預(yù)處理，進行幾何變換、灰度化、圖像增強（使亮的地方更亮，暗的地方更暗）。

圖像位置定位（進行坐標變換處理，確定物體在世界坐標的位置，和機械臂坐標系的相對位置，便于執(zhí)行機構(gòu)在圖像處理結(jié)束后完成相關(guān)的抓取任務(wù)）。

特征提取，有形狀特征、紋理特征、概率特征、焦點、特征描述算子特征等，其與定位、識別效果息息相關(guān)。

圖像識別，將采集到的圖像處理完畢并提取特征值，與特征值庫中的數(shù)據(jù)進行比對。

顯示處理結(jié)果。

3 處理步驟

分揀機器人在圖像處理中的關(guān)鍵步驟如下。

3.1 圖像變換

由于采集到圖像轉(zhuǎn)換成的矩陣數(shù)據(jù)量巨大，直接在原先的笛卡兒直角空間坐標系中進行處理，涉及計算量很大，數(shù)據(jù)的處理時間隨量的增多在整體上成幾何增加，非常影響系統(tǒng)整體的運行性能，因此，采用圖像變換的方法，如傅立葉變換等處理技術(shù)，將空間域的處理轉(zhuǎn)換為變換域處理，不僅可減少運算量，更可以高效處理數(shù)據(jù)，使得分揀機器人的整體性能得到保證。

3.2 圖像閾值化

采集到的正常圖像為彩色圖像，分為R、G、B 三個通道，彩色圖像中的每個像素點，都是由不同RGB 值混合在一起形成的。將彩色圖片去色后得到灰度圖，近似于黑白照片，但其中仍然存在著一些灰色地帶（介于黑色與白色之間的像素成分），我們需要設(shè)置一個閾值，高于它將變?yōu)楹谏蛘呤前咨?，或者是人為?guī)定的新的像素值。反之亦然，將其完全轉(zhuǎn)變成黑白圖像。大幅度減少圖片中與分揀任務(wù)無關(guān)的信息，提高處理效率。

3.3 圖像增強

調(diào)整圖像的對比度，簡單來說就是讓黑的更黑，白的更白。突出圖像中的重要細節(jié)（如采集到的種子的圖像，將種子的細節(jié)部分盡可能地展現(xiàn)出來），改善圖像對任務(wù)要求的質(zhì)量。有目的地強調(diào)圖像的整體或局部特征，將模糊的圖像變得清晰或強調(diào)識別任務(wù)中所需要的特征，擴大圖像中不同物體特征之間的差別，降低與任務(wù)無關(guān)的特征的重要程度，為提取圖像的特征值做進一步準備。

3.4 圖像特征提取

此步的操作也可以稱作圖像分割提取，想要把圖像上的特定部分區(qū)域與其他部分分離出來或者是以不同的顏色標記出來，通過將圖像上的點、連續(xù)的曲線將區(qū)域分割為不同的子集（將種子的外部優(yōu)質(zhì)特征，如形狀、顏色、根芽等），把這些特征子集以數(shù)據(jù)矩陣的形式記錄下來，構(gòu)成數(shù)據(jù)庫。這正是進行種子分揀的基礎(chǔ)，將種子優(yōu)秀的外部特征制作成為數(shù)據(jù)庫，讓機器人明白對種子的好壞是如何定義的。

3.5 圖像識別

經(jīng)過同樣的圖像處理手法后，得到經(jīng)攝像頭采集圖像的特征值信息后，與評判標準的特征值數(shù)據(jù)進行比對后，完成識別（圖1）。

圖1 流程圖

4 圖像處理的可能性優(yōu)化

4.1 圖像處理的可能性優(yōu)化

4.1.1 硬件方面

可以進行優(yōu)化的方面為攝像頭和光源照射。將攝像頭的像素進一步增加以提高圖像本身的信息質(zhì)量，光源采用為漫射照射，多光源照射。減少可能出現(xiàn)的過高曝光和光照不均勻以至于圖像的部分區(qū)域出現(xiàn)模糊等其他情況，來增加獲取圖片信息的傳輸量。

電源系統(tǒng)，因為電源是向分揀機器人的視覺處理和抓取機構(gòu)兩部分同時進行供電的，這就包括了進行視覺任務(wù)處理的miniPC 和控制執(zhí)行機構(gòu)的MCU，這兩者構(gòu)成了數(shù)據(jù)鏈中的關(guān)鍵部分，如果出現(xiàn)運行不穩(wěn)定的狀況，則直接影響分揀作業(yè)的效果，電源轉(zhuǎn)換系統(tǒng)的設(shè)計一定要盡可能減小波動，即使在外部電壓出現(xiàn)大幅度波動的情況下，也能最大限度地留出工作緩沖空間，啟動相應(yīng)的保護機制，防止設(shè)備出現(xiàn)損壞。

4.1.2 軟件方面

對于算法進行改進。如進行圖像變化時，可以采用離散傅里葉變換、離散余弦變換等改良算法。脫離單純的傅里葉變換，將計算周期減半大大減少計算任務(wù)量，進一步提高圖像處理的效率。

分割圖像時，采用更加優(yōu)秀的分割算法，讓特征矩陣的數(shù)據(jù)得到最大發(fā)揮。如采用分水嶺分割算法，將圖像看作一個平面，圖像灰度值高的區(qū)域被看作山峰，灰度值低的地方被看作山谷，若相鄰的山峰高度相差不大，這些不同區(qū)域的山谷則可能會出現(xiàn)會合的問題，在圖像分割時處理的圖像的區(qū)域越大，則這種山谷會合的問題的出現(xiàn)率也會增大（圖像特征區(qū)域提取的結(jié)果不一定指向我們真正需要的那些特征值），根據(jù)算法流程我們可以得出結(jié)論，也就是在識別匹配的過程將會出現(xiàn)錯誤，導(dǎo)致種子被誤揀，造成農(nóng)業(yè)資源浪費。為了防止這一現(xiàn)象的出現(xiàn)，要做的就是把高峰變得更高 (改變對應(yīng)區(qū)域的灰度值)，之后再用顏色標記，如此反復(fù)完成對所有山谷的顏色標記，最后完成圖像的分割。提高圖像識別的準確率，這對于種子分揀機器人技術(shù)指標達標是十分必要的。

5 結(jié)語

通過對種子分揀機器人的任務(wù)需求分析，結(jié)合現(xiàn)行的機器視覺技術(shù)，利用越疆視覺工作平臺，建立了一套相應(yīng)的圖像處理流程。對其關(guān)鍵步驟進行分析和改善，使種子分揀從外觀上的初次分揀效率得到提升，為農(nóng)業(yè)智能化進一步發(fā)展打下基礎(chǔ)