盧峰，胡利軍

（江西環(huán)境工程職業(yè)學(xué)院，341000，江西贛州）

在國(guó)家實(shí)施鄉(xiāng)村振興戰(zhàn)略的背景下，贛南臍橙產(chǎn)業(yè)逐步成為贛南果農(nóng)的主要收入來(lái)源。但是，以往的臍橙采摘主要采用較為傳統(tǒng)的人工采摘作業(yè)方式，需要耗費(fèi)大量的勞動(dòng)力資源，工作量巨大。隨著我國(guó)農(nóng)業(yè)科技的不斷發(fā)展及農(nóng)業(yè)勞動(dòng)人口總額的降低，臍橙采摘正在向智能化、自動(dòng)化的方向發(fā)展?，F(xiàn)階段，絕大多數(shù)臍橙種植地區(qū)仍然主要依靠人工采摘，如何利用臍橙采摘機(jī)器人提高采摘效率，解決我國(guó)農(nóng)業(yè)勞動(dòng)力不足正是我們研究的問(wèn)題。在臍橙采摘機(jī)器人完成采摘作業(yè)的過(guò)程中，需要利用視覺(jué)系統(tǒng)對(duì)果實(shí)進(jìn)行識(shí)別與定位，機(jī)器人的果實(shí)識(shí)別準(zhǔn)確度與定位效率決定了視覺(jué)系統(tǒng)的性能水平，從而對(duì)臍橙采摘效果帶來(lái)直接影響。

基于此，必須對(duì)臍橙采摘機(jī)器人的視覺(jué)系統(tǒng)進(jìn)行深入研究與創(chuàng)新，研發(fā)一種視覺(jué)系統(tǒng)，使得臍橙采摘機(jī)器人在采摘過(guò)程中可以實(shí)時(shí)、快速定位空間果實(shí)并準(zhǔn)確采摘。

1 臍橙采摘機(jī)器人視覺(jué)系統(tǒng)概述

應(yīng)用臍橙采摘機(jī)器人是臍橙智能采摘的趨勢(shì)，可以實(shí)現(xiàn)對(duì)臍橙的實(shí)時(shí)定位并快速采摘。在實(shí)時(shí)定位的過(guò)程中，識(shí)別定位的精準(zhǔn)度與效率是最關(guān)鍵的影響因素。因此不斷提升視覺(jué)系統(tǒng)識(shí)別定位的準(zhǔn)確度與實(shí)時(shí)性，可以改進(jìn)并優(yōu)化臍橙采摘機(jī)器人的工作性能，從而提升采摘效率，有利于進(jìn)一步推廣應(yīng)用。

臍橙采摘機(jī)器人的視覺(jué)系統(tǒng)一般由以下幾個(gè)部分組成：攝像機(jī)、計(jì)算機(jī)、圖像處理與距離測(cè)量設(shè)備?，F(xiàn)階段，大部分臍橙采摘機(jī)器人應(yīng)用一個(gè)或兩個(gè)攝像機(jī)，所以應(yīng)用的識(shí)別技術(shù)主要為單目視覺(jué)技術(shù)或雙目視覺(jué)技術(shù)。在采摘前，臍橙采摘機(jī)器人會(huì)應(yīng)用視覺(jué)系統(tǒng)中的攝像機(jī)捕捉果實(shí)的實(shí)時(shí)圖像，在獲取圖像后進(jìn)行處理與分析，從而分辨并識(shí)別出果實(shí)部位，最后確定臍橙的精準(zhǔn)空間坐標(biāo)。

本文研究的臍橙采摘機(jī)器人采用控制器、攝像頭、上位機(jī)組成的視覺(jué)系統(tǒng)，其中控制器采用美國(guó)國(guó)家儀器公司（簡(jiǎn)稱NI）的myRIO-1900 作為圖像處理設(shè)備，NI myRIO 是針對(duì)教學(xué)和學(xué)生創(chuàng)新應(yīng)用的嵌入式系統(tǒng)開發(fā)平臺(tái)，內(nèi)嵌Xilinx Zynq 芯片，使用戶可以利用雙核ARM Cortex-A9 的實(shí)時(shí)性能及Xilinx FPGA 定制化I/O，學(xué)習(xí)從簡(jiǎn)單嵌入式系統(tǒng)開發(fā)到具有一定復(fù)雜度的系統(tǒng)設(shè)計(jì)，用戶可以實(shí)時(shí)應(yīng)用，通過(guò)myRIO-1900 自帶的內(nèi)置WiFi 功能模塊進(jìn)行無(wú)線操作，也可以通過(guò)USB有線傳輸程序下載。圖1 為myRIO 實(shí)現(xiàn)WiFi 連接的不同方式：myRIO 可以通過(guò)一個(gè)外置的無(wú)線路由器來(lái)實(shí)現(xiàn)WiFi 連接，如圖1（a）所示；myRIO 自身也可以被配置為一個(gè)WiFi 熱點(diǎn)，上位機(jī)和其他智能終端都可以通過(guò)其發(fā)射的無(wú)線網(wǎng)絡(luò)連接至myRIO上，如圖1（b），這樣就不需要再通過(guò)第三方的無(wú)線路由器來(lái)實(shí)現(xiàn)連接，在實(shí)際應(yīng)用中會(huì)顯得更加便捷。

圖1 myRIO 實(shí)現(xiàn)WiFi 連接的不同方式

系統(tǒng)采用單個(gè)攝像頭進(jìn)行圖像采集，上位機(jī)應(yīng)用編程處理。由于myRIO 有豐富的板載資源，擁有40 條數(shù)字I/O線，支持SPI、PWM 輸出、正交編碼器輸入、UART 和I2C，以及8 個(gè)單端模擬輸入、2 個(gè)差分模擬輸入、4 個(gè)單端模擬輸出和2 個(gè)對(duì)地參考模擬輸出，可方便地通過(guò)編程控制與連接各種傳感器及外圍設(shè)備，因此視覺(jué)系統(tǒng)組成框圖如圖2 所示。

圖2 視覺(jué)系統(tǒng)組成框圖

2 臍橙采摘機(jī)器人視覺(jué)系統(tǒng)的果實(shí)識(shí)別

本文研究的臍橙采摘機(jī)器人視覺(jué)系統(tǒng)采用NI 公司的LabVIEW 軟件,它是一種圖形化的編程語(yǔ)言開發(fā)環(huán)境，已經(jīng)廣泛地被工業(yè)界、學(xué)術(shù)界和研究實(shí)驗(yàn)室所接受，被視為一個(gè)標(biāo)準(zhǔn)的數(shù)據(jù)采集和儀器控制軟件，其采用圖形化編輯語(yǔ)言G 編寫使用。對(duì)于臍橙采摘我們使用LabVIEW 軟件中的Vision Development Module 視覺(jué)開發(fā)模塊，其優(yōu)勢(shì)在于機(jī)器視覺(jué)應(yīng)用的開發(fā)可在之前采集的程序基礎(chǔ)上，增加機(jī)器視覺(jué)相關(guān)的算法。LabVIEW 提供了豐富的功能算法，例如邊緣檢測(cè)、顆粒分析、模式匹配、文字識(shí)別等，方便了對(duì)臍橙采摘的視覺(jué)識(shí)別。圖像采集處理過(guò)程如下。

（1）臍橙圖片采集。通過(guò)圖像采集系統(tǒng)中的Acquire Images 相機(jī)采集臍橙實(shí)物圖片，分別對(duì)不同光照程度下的臍橙進(jìn)行數(shù)據(jù)采集。

（2）采集臍橙數(shù)據(jù)模板。使用Color Classification顏色分類模塊，創(chuàng)建顏色分類樣本，選取臍橙樣本，盡可能選取不同光照條件下有不同陰影的臍橙。采集完顏色模板后，對(duì)其進(jìn)行訓(xùn)練，采集的模板越多，機(jī)器人視覺(jué)識(shí)別越精細(xì)，隨后保存采集到的顏色模板。

（3）圖像存儲(chǔ)。將圖像存儲(chǔ)到緩存中，方便重新利用它們。將當(dāng)前的圖像復(fù)制到一個(gè)圖像緩存中，以便后續(xù)的步驟再利用此圖像。圖像緩存共有10 個(gè)可以利用。

（4）抽取彩色平面。從HSL 圖像中抽取飽和度平面，將彩色圖像轉(zhuǎn)換成灰度圖像。由于我們采摘的臍橙圖片是彩色的，我們需要得到一幅灰度圖像，以便處理函數(shù)能接受灰度圖像。

（5）二值化處理。對(duì)灰度圖像進(jìn)行二值化處理，處理后圖像中只有黑白兩色，而不是灰度圖或彩色圖。采用手動(dòng)二值化，選擇Manual Threshold 手動(dòng)，可以手動(dòng)調(diào)整閾值范圍，從而得到所需的目標(biāo)。

（6）填充缺口。對(duì)圖像中丟失的模塊進(jìn)行填充，使得臍橙圖像更易識(shí)別。

（7）臍橙大小檢測(cè)。選擇合理的臍橙圖像半徑范圍，得到滿足條件的臍橙圓心坐標(biāo)和半徑，如圖3 所示，為方便機(jī)器人后續(xù)采摘提供條件。

圖3 臍橙檢測(cè)

我們通過(guò)以上對(duì)臍橙采摘圖像的處理，目標(biāo)是優(yōu)先選取圖像中臍橙直徑識(shí)別最大的臍橙個(gè)體進(jìn)行采摘，更易實(shí)現(xiàn)我們采摘機(jī)器人的采摘功能。

3 實(shí)驗(yàn)分析

本研究提出的快速視覺(jué)系統(tǒng)由攝像機(jī)、上位機(jī)、NI myRIO-1900 控制器等組成。在應(yīng)用過(guò)程中通過(guò)多角度拍攝20 組圖像，采用VI 程序文件進(jìn)行實(shí)時(shí)識(shí)別實(shí)驗(yàn)。為了驗(yàn)證系統(tǒng)的識(shí)別情況，采用攝像機(jī)隨機(jī)選取20 個(gè)直徑范圍為50～120 mm 的目標(biāo)臍橙進(jìn)行識(shí)別測(cè)試，如圖4 所示，記錄和測(cè)量坐標(biāo)中心點(diǎn)和臍橙直徑。結(jié)果臍橙識(shí)別成功17次，漏檢1 次（未檢出水果），誤檢2 次。除此之外，在特征分析的過(guò)程中所采集的臍橙圖片樣本具有良好的代表性，能達(dá)到較好的采集效果；但如果遇見干擾性較強(qiáng)的橙色背景光線，識(shí)別效果較差，還需要進(jìn)行樣本優(yōu)化或進(jìn)行其他數(shù)據(jù)處理。

圖4 臍橙識(shí)別試驗(yàn)

4 結(jié)語(yǔ)

本文對(duì)臍橙采摘機(jī)器人的視覺(jué)系統(tǒng)加以探討，并提出了一種臍橙機(jī)器視覺(jué)識(shí)別的方法，希望可實(shí)現(xiàn)采摘機(jī)器人的快速視覺(jué)識(shí)別與精準(zhǔn)定位?？紤]進(jìn)一步提升采摘識(shí)別效率及減少橙色背景光線的干擾，本方法還有一定的改進(jìn)提升空間。