1、隨著城鎮(zhèn)化進(jìn)程的快速發(fā)展，農(nóng)村勞動(dòng)力短缺和人工成本的不斷提升使現(xiàn)有蘋(píng)果生產(chǎn)模式已不能滿足日益增長(zhǎng)的蘋(píng)果生產(chǎn)規(guī)模。因此，將機(jī)器人引入果園替代人工作業(yè)成為現(xiàn)代果業(yè)智能化發(fā)展的必然趨勢(shì)。本文以樹(shù)上蘋(píng)果為對(duì)象，利用計(jì)算機(jī)視覺(jué)、數(shù)字圖像處理、模式識(shí)別、機(jī)器學(xué)習(xí)等技術(shù)，研究了自然環(huán)境下蘋(píng)果目標(biāo)的機(jī)器探測(cè)與定位方法，以期加強(qiáng)機(jī)器人果實(shí)作業(yè)的精準(zhǔn)率，提高機(jī)器人工作效率。具體開(kāi)展了如下幾方面工作:
　　(1)研究了蘋(píng)果圖像的信息采集及特性。在探討幼

2、果期蘋(píng)果和成熟期蘋(píng)果實(shí)際生長(zhǎng)情況的基礎(chǔ)上，重點(diǎn)分析了圖像處理常用基本顏色空間模型的特點(diǎn)，對(duì)常用顏色空間模型中多個(gè)顏色分量的蘋(píng)果圖像進(jìn)行處理，對(duì)比各分量中蘋(píng)果圖像的顏色特征和差異，利用定量化的統(tǒng)計(jì)方法對(duì)各分量圖中果實(shí)、樹(shù)枝、莖葉和天空等景物的灰階進(jìn)行統(tǒng)計(jì)和分析。
　　(2)研究了自然環(huán)境下幼果期蘋(píng)果的機(jī)器探測(cè)與定位方法。設(shè)計(jì)了基于自適應(yīng)G-B色差圖，并結(jié)合迭代閡值分割法(ITS)探測(cè)出幼果期蘋(píng)果圖像興趣區(qū);引入基于PhaseCode

3、的圓形Hough變換目標(biāo)檢測(cè)法，用以定位潛在果實(shí)目標(biāo)，利用融合梯度方向直方圖特征和網(wǎng)格搜索優(yōu)化支持向量機(jī)的判別模型(HOG-SVM)進(jìn)一步去除虛假果實(shí)，定位真實(shí)果實(shí)目標(biāo)。
　　(3)研究了自然環(huán)境下相互重疊蘋(píng)果目標(biāo)的機(jī)器探測(cè)與定位方法。利用視覺(jué)顯著性機(jī)制改進(jìn)GrabCut算法，用以探測(cè)重疊蘋(píng)果圖像興趣區(qū)，設(shè)計(jì)了一種基于關(guān)鍵角點(diǎn)檢測(cè)的方法用以足位蘋(píng)果重疊部分的果實(shí)輪廓所在區(qū)域，并提取出該區(qū)域果實(shí)真實(shí)輪廓，利用Y型節(jié)點(diǎn)搜索算法分離重疊

4、果實(shí)，形成各自獨(dú)立的果實(shí)目標(biāo)，并利用距離最小二乘算法重建出被遮擋蘋(píng)果缺失輪廓。
　　(4)研究了自然環(huán)境下枝葉遮擋蘋(píng)果目標(biāo)的機(jī)器探測(cè)與定位方法。利用基于啟發(fā)式聚類中心點(diǎn)搜索的K-means算法探測(cè)出枝葉遮擋蘋(píng)果圖像興趣區(qū)，引入一種自適控制的QuickHull算法構(gòu)造出果實(shí)目標(biāo)的連續(xù)凸包，并去除果實(shí)凸包中的虛假果實(shí)邊界;根據(jù)獲取的已知果實(shí)輪廓信息，利用歐拉螺旋圓弧樣條重建并定位出符合不同果實(shí)邊界曲率和弧長(zhǎng)的果實(shí)被遮擋區(qū)域的輪廓。

5、r>　　(5)研究了蘋(píng)果目標(biāo)探測(cè)與定位系統(tǒng)軟件。基于MATLAB程序開(kāi)發(fā)環(huán)境及其GUI編譯工具箱，設(shè)計(jì)開(kāi)發(fā)了蘋(píng)果果實(shí)探測(cè)與定位系統(tǒng)軟件。分別設(shè)計(jì)了分步式和一鍵式兩種處理模式，以滿足蘋(píng)果目標(biāo)探測(cè)與定位任務(wù)中的不同使用需求。
　　論文創(chuàng)新之處主要體現(xiàn)在:(1)針對(duì)自然光照下幼小青蘋(píng)果的特點(diǎn)，設(shè)計(jì)了基于自適應(yīng)G-B色差的ITS分割方法，顯著增強(qiáng)了果實(shí)興趣區(qū)的探測(cè)效果。將HOG-SVM模型引入幼小青蘋(píng)果識(shí)別處理中，有效提升了真實(shí)果實(shí)的辨識(shí)