[发明专利]一种基于机器视觉的山核桃果实在图像中的实时识别方法

权利要求书

1.一种基于机器视觉的山核桃果实在图像中的实时识别方法，其特征在于：包括以下步骤：

1)对摄像头采集到的原始图像进行降采样处理，获得降采样图像；

2)对降采样图像进行平滑去噪处理，获得去噪图像；

3)将去噪图像在颜色空间中转换获得各个颜色空间中的特征图像分量，取特征图像分量中目标特征明显的特征图像分量；

所述步骤(3)具体为：

将去噪图像转换到YUV颜色空间、LA*B*颜色空间和HSV颜色空间中获得各个颜色空间中的特征图像分量，选择YUV颜色空间中的第一色度分量u和第二色度分量v、LA*B*颜色空间中的黄蓝值分量b*以及HSV颜色空间中的明度分量h作为目标特征明显的特征图像分量；

4)对目标特征明显的特征图像分量进行阈值分割，分割后的获得第一二值化图像，记为第一二值化图；

5)设定成熟山核桃果实的颜色阈值范围，根据颜色阈值范围将步骤2)中的去噪图像进行处理，提取去噪图像中成熟山核桃果实区域，形成第二二值化图像，记为第二二值化图；

6)分别对第一二值化图和第二二值化图进行形态学处理，去除第一二值化图和第二二值化图中的非目标区域和噪点，非目标区域为成熟山核桃果实不在的区域；

所述步骤6)具体为：

6.1)对第一二值化图和第二二值化图均使用开运算方法处理，去除放射状非核桃目标区域；

6.2)通过检测轮廓方法对开运算后的第一二值化图和第二二值化图进行处理分别获得第一检测区域和第二检测区域，第一检测区域和第二检测区域均由若干个子区域组成，对第一检测区域和第二检测区域内子区域的像素点数目分别进行计算，去除第一检测区域和第二检测区域内像素点数目低于对应检测阈值的子区域；

6.3)计算步骤6.2)处理后的第一检测区域和第二检测区域中剩余的所有子区域的最小外接矩阵，将最小外接矩阵的行宽和最小外接矩阵的列高的比值大于最小外接矩阵阈值的子区域去除，同时也将最小外接矩阵的列高和最小外接矩阵的行宽的比值大于最小外接矩阵阈值的子区域去除；并且根据最小外接矩阵将长度或宽度小于150像素的子区域去除；

6.4)最后判断步骤6.3)处理后的第一检测区域和第二检测区域中剩余的所有子区域的区域像素面积是否小于对应检测区域中剩余的所有子区域的当前最小外接矩阵面积的像素面积阈值，若区域像素面积小于对应检测区域的当前最小外接矩阵面积的像素面积阈值，则去除该子区域；否则，保留该子区域；最终获得形态学处理后的第一二值化图和第二二值化图；

7)取步骤6)中形态学处理后的第一二值化图和第二二值化图的公共区域，公共区域为采摘机器人识别的山核桃果实。

2.根据权利要求1所述的一种基于机器视觉的山核桃果实在图像中的实时识别方法，其特征在于：所述步骤4)中的阈值分割采用最大类间方差法(Otsu)、K近邻方法(K-means)或快速递归多阈值分割方法(recursionOtsu)。