[发明专利]一种基于MATLAB图像处理荔枝果实采摘区域划分方法

说明书

本发明公开了一种基于MATLAB图像处理荔枝果实采摘区域划分方法，结合区域性采摘方法的采果机械对其采摘进行决策划分，通过双目视觉相机对荔枝树冠进行拍摄，识别、定位、坐标提取、划分采摘区域的最佳位置。使用双目相机采集到树冠果实照片对照片进行分析采用基于颜色的K均值聚类和霍夫圆变换检测疑似水果果实区域。并用通过果实与非果实的局部二值模式特征训练的AdaBoost分类器对疑似果实区域和非果实区域进行错误检测，在合并检测结果后完成荔枝果实的识别；得到荔枝的坐标信息之后使用K‑means聚类方法对该区域进行聚类分析，分类之后对每一块的划分区域质心作为采摘位置的中心点。本发明涉及到机器视觉领域，对果园自动化有重要的意义。

技术领域

本发明属于果园采摘领域，特别涉及一种基于MATLAB图像分析的荔枝果园采摘的决策方法。

背景技术

荔枝采摘机因其具有提高采摘效率、减轻人工劳动强度以及节省荔枝收获成本等优点日益成为农业工程领域的研究热点。然而，在荔枝采摘过程中，机器人的视觉系统多结合于机械手采摘，基本没有对区域性采摘的研究。为此，本文以双目立体视觉、机器学习、聚类分析等理论方法为基础，深入研究非结构环境下荔枝果实的识别定位与采摘决策的方法。并对多类不同生长形态荔枝的识别与定位运用软件仿真与硬件试验，意在为荔枝采摘的双目视觉系统提供对非结构环境鲁棒的水果识别与定位方法，从而精确地指导机器人完成水果采摘作业。

发明内容

本发明的主要目的在于克服现有技术的缺点与不足，提供一种基于MATLAB图像处理荔枝果实采摘区域划分方法，以双目立体视觉、机器学习、聚类分析等理论方法为基础，深入研究非结构环境下荔枝果实的识别定位与采摘决策的方法。

为了达到上述目的，本发明采用以下技术方案：

一种基于MATLAB图像处理荔枝果实采摘区域划分方法，包括下述步骤：

S1、采集荔枝树冠的树冠图像；

S2、对采集到的树冠图像进行去噪声预处理，具体为：

S2.1、原始水果图像在RGB颜色空间里，被分解成R、G、B三个颜色图像，每个颜色图像都为二维图像；

S2.2、每个颜色图像利用二维塔式分解算法被分解成低频和高频部分，然后利用直方图均值化和对比度提升分别处理低频部分和高频部分；

S2.3、对处理后的低频和高频部分利用塔式重构算法合并成二维图像，分别完成三个颜色图像的光照均值化处理；

S2.4、对光照均值化处理后的三个颜色图像，在RGB颜色空间合并成色彩图像，完成水果彩色图像的预处理；

S3、通过果实与非果实的局部二值模式LBP特征训练的AdaBoost分类器对疑似果实区域和非果实区域进行错误检测，在合并检测结果后完成荔枝果实的识别；

S4、荔枝边缘提取并边缘化，完成定位提取图像中荔枝坐标；

S5、得到荔枝的坐标信息之后使用K-means聚类方法对该区域进行聚类分析，分类之后对每一块的划分区域质心作为采摘位置的中心点。

作为优选的技术方案，步骤S1中，使用工业相机对荔枝树冠进行采摘拍摄得到树冠图像。

作为优选的技术方案，步骤S2.2中，所述二维塔式分解算法具体为：

其中，x，y代表像素点的横纵坐标，k，l都是整数，g，h分别是高通滤波器和低通滤波器，c_j是一个二维信号，和c_j+1分别是垂直高频部分，水平高频部分，对角高频部分和低频部分。

作为优选的技术方案，步骤S2.3中，进行光照均值化处理的按照下述公式进行：