摘要:水果采摘作為水果生產過程中的一個重要環(huán)節(jié)，具有季節(jié)性強和勞動密集的特點，所占用的勞動力數量較大且整體自動化程度較低。為提高水果采摘效率，設計了一種基于視覺的橘類水果識別系統，基于水果的顏色特征、霍夫圓檢測原理進行成熟橘類水果的識別，使用深度攝像頭實現目標的定位。以蜜桔為研究對象，分別在正常光線無遮擋、正常光線有遮擋以及外部光源補光的情況下開展試驗研究。試驗結果表明，提出的基于視覺的橘類水果識別系統能夠為水果識別與定位技術提供技術支撐和可靠數據，為實現水果智能化采摘樣機的研制奠定基礎。

　　關鍵詞:水果采摘;視覺;識別與定位;成熟度;深度攝像頭

　　0引言

　　水果采收作為果園生產全過程中的一個重要環(huán)節(jié)，具有季節(jié)性強和勞動密集型的特點［1］，所用勞動力占整個生產過程所用勞動力的35%～45%［2］。目前采摘水果的主要方法是依靠人工攀爬或借助簡單工具，且水果采摘效率較低。由于人工采摘水果自身所存在的勞動強度大、效率較低等原因，繼而造成水果采摘成本逐漸提高［3］。使用輔助水果采摘設備能夠有效提高水果采摘的質量和效率，降低人工采摘的勞動強度，具有良好的經濟效益。水果識別技術作為水果輔助采摘設備的重要技術之一，其性能對于提高輔助水果采摘的效率及準確率具有很大的影響［4］。因此，對于輔助水果采摘設備的研制而言，探究水果識別技術具有重要意義。

　　1基于視覺的橘類水果識別系統模型

　　基于視覺的橘類水果識別系統模型由圖像采集、圖像處理、目標識別和目標定位四個環(huán)節(jié)構成，如圖1所示。圖像采集環(huán)節(jié)使用IntelRealSenseD415深度相機在室內正常光線下拍攝橘類水果圖像，該圖像中水果數量隨機，且存在水果重疊的現象。圖像處理環(huán)節(jié)包括背景移除與成熟度篩選、圖像形態(tài)學處理兩個部分，先在RGB顏色空間下實現背景移除與成熟度篩選，再使用中值濾波和高斯平滑消除圖像噪點和空洞。目標識別環(huán)節(jié)使用霍夫變換識別目標圖像中的橘類水果，獲得水果中心的像素坐標。目標定位環(huán)節(jié)則根據目標識別得到的像素坐標及相機參數，計算得到目標相對于相機的空間坐標，從而實現水果的識別與定位。

　　2系統設計

　　2．1橘類水果顏色分析

　　使用顏色特征對橘類水果進行識別時，需要對橘類水果及枝葉在圖像中的R(紅色)、G(綠色)、B(藍色)顏色分量進行分析，從而實現成熟橘類水果與背景區(qū)分的目的。由圖2和圖3分析可知，成熟橘類水果與未成熟橘類水果及枝葉在R－G分量和R－B分量上有明顯區(qū)分，成熟水果的R－G分量和R－B分量主要分布在坐標軸對角線的下方，具有明顯的顏色特征;由圖4可知，成熟橘類水果的G－B分量主要分布在枝葉和未成熟水果之間，與樹枝及未成熟水果有一定的區(qū)別?；谝陨戏治隹芍赗GB顏色空間中，成熟橘類水果顏色特征與未成熟水果及樹枝的顏色特征有較大區(qū)別，根據顏色差異能夠有效地將成熟橘類水果從圖像中提取出來。

　　2．2圖像處理

　　攝像頭采集到的圖像經過顏色篩選后，將顏色特征符合成熟橘類水果的像素點保留下來。受光線和顏色篩選范圍的影響，篩選后獲得的橘類水果的邊緣毛刺較多，且圖像中存在較多噪點，因此，需要對該圖像進行處理，以便提高后續(xù)目標識別的精確性。使用中值濾波和高斯平滑對圖像進行平滑濾波處理，處理前后的圖像如圖5所示。

　　3試驗研究

　　3．1試驗平臺

　　對橘類水果識別系統的識別效果及識別準確率進行了試驗驗證，試驗在室內正常光線下對枝葉上的蜜桔進行識別，深度攝像頭安裝于水果采摘試驗平臺的相機支架上。硬件環(huán)境:IntelRealSenseD415深度攝像頭，CPU2．3GHz，內存16GB，水果采摘試驗平臺;軟件環(huán)境:IntelRealSenseSDK2．0，VisualStudio2015，OpenCV3．3．1。部分實驗圖片如圖6所示。

　　3．2試驗方案及結果

　　基于上述試驗平臺，分別在蜜桔有枝葉遮擋和無枝葉遮擋兩種條件下進行試驗研究，并在有枝葉遮擋的條件下增加有外部光源補光的試驗，統計上述3種情況下正確識別到的蜜桔數量和平均識別時間，試驗結果如表1所示。

　　4結論

　　設計的基于視覺的橘類水果識別系統，根據成34熟橘類水果在RGB顏色空間中的顏色特征，實現了水果成熟度的判別;基于霍夫圓檢測原理進行目標識別，獲得目標中心點的像素坐標;使用深度攝像頭，獲得目標中心點與相機的相對坐標。以蜜桔為研究對象開展試驗研究，在正常光線無遮擋情況下具有良好的識別率;在正常光線、有枝葉遮擋時識別率存在一定程度的降低，且在外部光源補光后識別率有明顯提升，識別與定位的速度快，能夠滿足實時處理的要求，適應性好。試驗結果表明，提出的基于視覺的橘類水果識別系統能夠為水果識別與定位技術提供技術支撐和可靠數據，為實現水果智能化采摘樣機的研制奠定基礎。

　　參考文獻:

　?。?］段潔利，陸華忠，王慰祖，等．水果采收機械的現狀與發(fā)展［J］．廣東農業(yè)科學，2012，39(16):189－192．

　?。?］付榮利．果園采摘機械的現狀及發(fā)展趨勢［J］．農業(yè)開發(fā)與裝備，2011(05):17－19．

　　［3］王祺，王艷玲，俄勝哲．我國果園機械裝備現狀及發(fā)展思路［J］．農業(yè)機械，2019(01):109－111．

　　［4］伍錫如，雪剛剛，劉英璇．基于深度學習的水果采摘機器人視覺識別系統設計［J］．農機化研究，2020，42(02):177－182+188．

　　顏申a，c，宋文浩b，陳光b，顏兵兵b，*