[发明专利]基于分水岭和神经网络的苹果采摘机器人夜间图像识别方法

权利要求书

1.一种基于分水岭和神经网络的苹果采摘机器人夜间图像识别方法，其特征是，包括以下步骤：

在夜间通过人工光源辅助照明采集苹果果园中的彩色图像，采用改进的分水岭算法沿图像边缘将图像碎片化，所述改进的分水岭算法是将分水岭算法的输入变为所采集彩色图像的梯度图像并对梯度图像采用3×3模板进行中值滤波和开闭滤波以平滑噪声，然后提取每个碎片的颜色特征和纹理特征，再建立反向传播人工神经网络并利用苹果、树叶、树枝及背景的图像碎片特征量进行训练，接着利用训练好的神经网络根据每个碎片的特征量进行分类，最后根据碎片之间的位置关系滤除错误分类以修正分类结果并确定苹果的位置；

所述改进的分水岭算法的改进部分为：

a)彩色图像梯度计算：和灰度图像的梯度计算相比，彩色图像的梯度计算把关于单一灰度的计算转换成三维的向量计算，彩色图像在点(x,y)上的梯度定义公式如下：

其中，R、G、B分别是点(x,y)处的颜色分量；分别是沿RGB彩色空间的R、G、B轴的单位向量；分别是彩色图像在点(x,y)处沿x和y方向的梯度向量；

b)采用中值滤波和形态学的开闭滤波相结合的方法对梯度图像进行滤波：采用3×3正方形模板对彩色图像的梯度图像进行中值滤波后，再采用3×3的正方形结构元素对其进行开闭滤波；

所述反向传播人工神经网络训练是分别取苹果、树叶、树枝和背景的图像碎片若干并分别提取其颜色特征和纹理特征作为神经网络输入，这些碎片对应的类别编号作为神经网络输出，然后进行多次训练并选取训练误差最小的网络作为最终用于分类的网络；所述反向传播人工神经网络分类是提取图像中每个碎片的颜色特征和纹理特征，并利用训练好的神经网络将其分为苹果、树叶、树枝和背景4类；

在夜间通过人工光源辅助照明采集苹果果园中的彩色图像的具体过程为：首先在夜间以白色LED灯作为人工辅助照明光源，选用CMOS彩色摄像头对目标果实进行拍摄完成图像采集；

所述图像碎片化是以改进分水岭算法检测的边缘为基础将图像分为大小不一的碎片；

所述颜色特征是为图像碎片内像素点在RGB颜色空间的颜色平均值和方差；所述纹理特征是为图像碎片内所有像素灰度直方图的统计特征，包括：灰度均值，标准差，平滑度，熵；

所述碎片之间的位置关系是采用区域邻接图描述的图像碎片之间的邻接关系。

2.根据权利要求1所述的基于分水岭和神经网络的苹果采摘机器人夜间图像识别方法，其特征是，所述滤除错误分类是将孤立的或者只有一个苹果碎片与之相邻的苹果碎片作为错误分类的碎片并予以滤除。