自然環(huán)境下葡萄采摘機器人采摘點的自動定位

　　摘要：針對葡萄果梗顏色復(fù)雜多變、輪廓不規(guī)則等影響因素使得采摘機器人難以準確對采摘點進行定位的問題，該文提出一種基于改進聚類圖像分割和點線最小距離約束的采摘點定位新方法。首先通過分析葡萄圖像的顏色空間，提取最能突顯夏黑葡萄的HSI色彩空間分量H，運用改進的人工蜂群優(yōu)化模糊聚類方法對葡萄果圖像進行分割；然后對分割圖像進行形態(tài)學(xué)去噪處理，提取最大連通區(qū)域，計算該區(qū)域質(zhì)心、輪廓極值點、外接矩形；再根據(jù)質(zhì)心坐標與葡萄簇邊緣信息確定采摘點的感興趣區(qū)域，在區(qū)域內(nèi)進行累計概率霍夫直線檢測，求解所有檢測得出的直線到質(zhì)心之間的距離，最后選取點線距離最小的直線作為采摘點所在線，并取線段中點坐標作為采摘點。以從晴天順光、晴天遮陰、陰天光照下采集的300幅夏黑葡萄進行分類試驗，結(jié)果表明，該方法的采摘點定位準確率達88.33%，平均定位時間為0.3467s，可滿足采摘機器人對采摘點的定位需求，為葡萄采摘機器人提供了一種新的采摘點求解方法。

　　關(guān)鍵詞：機器人；圖像分割；定位；葡萄；采摘點

　　0引言

　　葡萄營養(yǎng)價值非常豐富，被譽為世界四大水果之一。在葡萄酒的釀造過程中，最耗費時間和人力的便是葡萄采摘。而由于葡萄生長環(huán)境的復(fù)雜性和不確定性、葡萄果輪廓不規(guī)則，同時受樹葉、枝條、光照等環(huán)境因素的干擾，使得葡萄采摘機器人難以對葡萄的采摘點進行精確識別和定位。葡萄采摘點的定位是采摘機器人采摘葡萄前的一個重要環(huán)節(jié)，農(nóng)業(yè)采摘智能機器人需要從復(fù)雜的果園環(huán)境中快速識別出葡萄，并計算出采摘點的三維空間坐標。由于葡萄果梗顏色與樹枝或葉片相似，而與葡萄顆粒的顏色又往往不同，難以通過簡單的顏色分割來進行識別與定位。一直以來，采摘點的準確識別與定位亦是果蔬采摘機器人研究領(lǐng)域的難點問題。

　　1葡萄圖像采集

　　果蔬采摘機器人的采摘作業(yè)時間通常選在晴天或陰天，為此，課題組人員采用尼康D5200數(shù)碼相機分別于2014年7月21日（天氣晴朗）和2014年10月6日（陰天）在天津茶淀葡萄科技園內(nèi)按晴天順光、晴天遮陰、陰天光照3種光照情況對夏黑葡萄進行圖像采集。晴天順光指太陽光照射在葡萄簇上，相機順著太陽光線拍攝；晴天遮陰是指在太陽光照射下，葡萄簇被葉片或其他障礙物遮蓋的情況；陰天光照指在陰天環(huán)境下，沒有太陽光直射，光線相對均勻。采集圖像大小為2592像素×1944像素。為便于對采摘點的定位像素誤差進行分析，在拍照時使相機與葡萄簇距離約為80cm，每次拍攝一個葡萄簇。獲得晴天順光、晴天遮陰、陰天光照下的葡萄圖像各100余幅，共計300余幅試驗圖像。在進行本文采摘點的定位試驗時，為使本文采摘點定位方法能與實際物理樣機作業(yè)時保持一致，將采集回來的葡萄圖像縮至800像素×600像素，與實驗室自主研制的HN-6Robot型采摘機器人的相機分辨率保持一致。

　　2采摘點定位的計算方法

　　本文提出的葡萄采摘點自動定位方法流程如圖1所示

　　首先對采集圖像進行預(yù)處理并對葡萄進行分割，得到葡萄圖像的輪廓區(qū)域；求解葡萄質(zhì)心和輪廓最高點及輪廓最大左右長度；確定葡萄果梗感興趣區(qū)域，對其進行邊緣提取，在提取的邊緣圖像中進行累計概率霍夫直線檢測；求解檢測到的所有直線到質(zhì)心之間的距離，通過點線距離最小約束選取距離最短的直線作為采摘點所在果梗的位置，最后取線段中點坐標作為采摘點。

　　3試驗與分析

　　3.1定位試驗

　　為試驗本文采摘點定位方法的效果，對采集的不同光照下的300幅圖像進行試驗。按晴天順光、晴天遮陰、陰天光照3種情況進行分類試驗。試驗平臺所用計算機配置為：Intel(R)Core(TM)i5-3230MCPU@2.60GHz，4G內(nèi)存，Window7操作系統(tǒng)。算法編程平臺采用Opencv2.3.1和VisualC++2008。

　　3.2定位誤差分析

　　為了便于分析采摘點定位的精準度，在這里引入像素定位誤差[24]：

　　4結(jié)論

　　本文提出了一種基于葡萄圖像分割和點線最小距離約束求解相結(jié)合的采摘點定位方法。該方法首先分析葡萄各色彩空間的顏色分量，提取直方圖雙峰明顯的HSI顏色空間分量H；通過改進人工蜂群優(yōu)化算法中的適應(yīng)度函數(shù)，對葡萄果圖像進行模糊聚類優(yōu)化分割，再對其進行形態(tài)學(xué)去噪處理，得到葡萄區(qū)域圖像，提取圖像中的最大連通域區(qū)域；再求出該區(qū)域圖像的質(zhì)心、輪廓極值點和外接矩形；確定果梗采摘點的感興趣區(qū)域，在區(qū)域內(nèi)進行累計概率霍夫直線檢測，檢測出所有滿足預(yù)設(shè)條件的直線，選取到質(zhì)心距離最短的直線段作為采摘點所在線，最后取該線段中點作為葡萄簇的采摘點。以晴天順光、晴天遮陰、陰天光照下采集的300幅夏黑葡萄試驗分析，結(jié)果顯示，采摘點的定位準確率達88.33%，平均定位時間為0.3467s，可滿足采摘機器人對采摘點定位的實時性需求。

　　[參考文獻]

　　[1]KondoN,ShibanoY，MohriK,etal.Basicstudiesonrobottoworkinvineyard(part2)[J].JournaloftheJapaneseSocietyofAgriculturalMachinery,1994,56(1):45－53.

　　[2]ChamelatR,RossoE,ChoksuriwongA,etal.Grapedetectionbyimageprocessing[C].IECON2006-32ndAnnualConferenceonIEEEIndustrialElectronics,2006:3521－3526.

　　羅陸鋒1,2，鄒湘軍1※，熊俊濤1，張宇2，彭紅星1，林桂潮1

《自然環(huán)境下葡萄采摘機器人采摘點的自動定位》

上一篇：基于系統(tǒng)層次的常見中藥材生態(tài)種植模式及其配套技術(shù)

下一篇：振動式枸杞采摘機理仿真分析與樣機試驗