【文章內(nèi)容簡介】 age analysis without segmentation, Computers and Electronics in (38):141158Dandy R C. Developments in electronics[J].Agricultural Engineer,1994,49(1):24 [20], , . Identification of idealized leaf types using simple dimensionless shape factors by image analysis. Transactions of the ASAE. 39(4):15251533,1996 [21], , . Robotic weed control system for tomatoes. Precision Agriculture. 1(1),95113(1999) [22], , , , . Robotic. Weed 10 control using machine vision. Biosystems engineering. 83(2),149157,20xx [23]. Weed classification by active shape models. Biosystems engineering, 91(3):271281,20xx [24]紀壽文 ,王榮本 ,陳佳娟 ,趙學篤 . 應用計算機圖像處理技術識別玉米苗期田間雜草的研究 . 農(nóng) 業(yè)工程學報 . 17(2):154156,20xx [25]龍滿生 . 玉米苗期雜草識別的機器視覺研究 .碩士論文 . 西北農(nóng)林科技大 ,20xx [26]Astrand B., Baerveldt . An agricultural mobile robot with visionbased perception for mechanical weed control. Autonomous robots,20xx(13):2135 [27]Yutaka Kaizu. Prototype rice transplanter masters the paddy with machine vision. (Automation Technology).20xx, [28] 沈 明 霞 , 姬 長 英 . 農(nóng) 作 物 邊 緣 提 取 方 法 研 究 . 農(nóng) 業(yè) 機 械 學報 ,20xx,31(6):4547 [29]沈明霞 ,姬長英 .基于紋理頻譜的農(nóng)田景物區(qū)域檢測 .農(nóng)機化研究 ,20xx,8(3):4347 [30]沈明霞 ,李秀智，姬長英 .基于形態(tài)學的農(nóng)田景物區(qū)域檢測技術 .農(nóng)業(yè)機械學報， 20xx,34(1):9294 三、研究方案 1. 項目研究的目標、內(nèi)容 和擬解決的關鍵問題 研究目標 ☆在 VC++平臺下，編寫制作一款軟件，以實現(xiàn)果樹主干及其支干的圖像信息 11 提取，為機器人采摘果實的實時避障提供大量果樹枝干信息儲備。 內(nèi)容 ☆利用數(shù)碼攝像機采集果樹圖像信息，通過開發(fā)相應的軟件同時利用相關技 術對圖像中果樹主干及其枝干的圖像信息進行提取，并重新繪制出果樹枝 干的二維平面圖像，為機器人能夠正確辨認出強硬枝干提供大量信息，從 而自動避開枝干等障礙，實現(xiàn)機械手不受損傷。 ☆開發(fā)能夠提取果樹枝干信息的軟件系統(tǒng)是我們的主要任務。初步確定需要 經(jīng)過顏色分割、 灰度閾值分割、 樹枝區(qū)域提取、樹枝骨架提取、骨架修剪、 遮擋樹枝恢復等步驟，其中會運用到形態(tài)學方法、距離變換法、細線化法 ，最后集成調(diào)試，得到所需軟件。 擬解決的關鍵問題 ☆消除樹葉、果實等對枝干的影響。由于春夏之際樹葉茂密，此時不利于枝 干的信息提取，因此選擇在秋天對果樹進行拍照處理，從而避開了樹葉對 枝干的影響，使研究更加方便； ☆ 利用對 RGB 顏色系統(tǒng)的色差分量 2RGB 進行迭代自適應閾值分割法去除 圖像天空、棕色土地等區(qū)域，并利用對 2GRB 進行迭 代分割法去除圖像 嫩樹枝等區(qū)域，再采用灰度閾值分割法去除圖像較亮和較暗區(qū)域，能快速 有效地分割出圖像的樹枝區(qū)域。 ☆在識別 樹枝區(qū)域的過程中，樹枝區(qū)域形狀較復雜，利用此區(qū)域來恢復樹枝 的二維信息顯然非常困難，如何簡單有效的恢復樹枝二維信息是我們課題 研究的一個難點。 12 ☆通過細線化處理得到的樹枝骨架，雖然很好的保持了連接性，但當樹枝區(qū) 域邊緣不平滑時會產(chǎn)生“假分支”。這些“假分支”將影響本研究后續(xù)處理， 需將其去除。如何去除假分支則是我們研究中又一個難點。 ☆如何恢復被遮擋的樹枝。 2. 擬采 取的研究方法、技術路線、實驗方案及可行性分析 研究方法 ☆首先選擇在秋天利用數(shù)碼相機拍攝果樹圖像，再在 VC++平臺下運用所編寫程序，對采集到的圖像信息分別實現(xiàn)果樹主干及其支干的二維重構功能，并使其滿足在機器人實際摘果過程中順利地避開障礙物（果樹樹干及其支干）的匹配條件。本研究以針對柑橘果樹為例，但也可以通過適當調(diào)整應用到其他自然場景下的果樹主干及其支桿（以下簡稱樹枝）的二維重繪工作中。 技術路線及實驗方案 顏色分割 ☆ 從采集的圖像分析可知，由于秋天的季節(jié)性因素，排除了果樹樹葉和 果實的影響，柑橘圖像主要包含樹枝、天空、土地等區(qū)域。由于樹枝區(qū)域顏色特征不明顯，要想直接從圖像中提取出樹枝區(qū)域比較困難，但圖像中天空的顏色特征卻非常明顯，為白色或藍色等。利用這一特點，本研究使用去除背景留下目標的方法提取樹枝區(qū)域。由于迭代法能自動快速準確地找到圖像分割閾值，因此考慮使用迭代閾值分割法去除背景。 灰度閾值分割 ☆ 將真彩色圖像轉(zhuǎn)化為灰度圖像，利用像素的顏色分量間的差異，對所得到的 13 灰色圖像進行灰度閾值分割。 BGRyxf 1 1 9 9 ),( ??? () ????? fayxf fayxf ),( ),( 背景 () 其中 R,G,B為圖像 (x,y)像素點的顏色分量， 為圖像平均灰度 (即圖像各像素點 的均值 )。 ☆經(jīng)過以上分割處理后，可以提取大部分樹枝區(qū)域，但由于自然場景下拍攝的圖像受外界干擾較大，圖像中陰影區(qū)域、隨機噪聲等仍無法完全去除?？刹捎眯螒B(tài)學處理和區(qū)域標記法將其除去。 提取樹枝區(qū)域 ☆分割后的圖像，經(jīng)過二值化、形態(tài)學運算、區(qū)域標記及小區(qū)域去除、區(qū)域填充處理提取出圖像樹枝區(qū)域。最終 的樹枝區(qū)域提取結(jié)果中，背景區(qū)域被完全去除，絕大部分障礙物 (樹枝 )區(qū)域被提取出來。如下圖所示： 14 樹枝特征提取 ☆我們可以從識別出的樹枝區(qū)域看出，樹枝區(qū)域形狀較復雜，利用此區(qū)域來恢復樹枝的二維信息顯然非常困難，為了準確快速地獲取障礙物二維信息，需要提取樹枝區(qū)域特征，由于正常樹枝形狀投影在平面內(nèi)為細長的方形，因此本研究使用相應的方形長條代表樹枝，由幾何知識可知，要想得到長方形在二維平面內(nèi)的具體圖像必須先提取出其長、寬及對稱線的傾斜角度。根據(jù)這一思想，本研究首先提取樹枝區(qū)域骨架（即平面上長方形沿 長方向的對稱線），并檢測骨架上的特征點 (端點、分支點等 )，然后利用特征點將骨架分段，將每段樹枝看成一段長方形，恢復出每段長方形的二維信息，也就恢復出了每段樹枝的二維信息。 樹枝骨架提取 ☆為了對二值圖像中各個圖形分量 (對象物 )的形狀進行分析，需要有各種能表示圖形的特征，骨架就是其中之一。骨架是對象物的核心部分，不同形 狀的對象物就有不同的骨架。一般來說，骨架具有三個主要特征：連續(xù)性、最小寬度為 1和中心對稱性。從 1967年 Blum等首先用中軸表示連續(xù)平面上圖形以來，有許多骨架求解算法產(chǎn)生，可歸納 為骨架子化算法和細化算法兩種類型。目前區(qū)域骨架的提取方法主要有形態(tài)學方法、距離變換法、細線