外文翻译译文-基于机器视觉的苹果果实识别

编号：毕业设计外文翻译（译文）学院：机电工程学院专业：电气工程及其自动化学生姓名：黄钟庆学号：1200120313指导教师单位：机电工程学院姓名：张彤职称：副教授2016年06月1日基于机器视觉的自然光照下的苹果果实识别1M.B.Lak,2S.Minaei,3J.Amiriparianand2B.Beheshti1DepartmentofAgriculturalMechanization,2DepartmentofAgriculturalMachineryEngineering,ScienceandResearchBranch,IslamicAzadUniversity,Tehran,Iran3DepartmentofMechanicsofAgriculturalMachinery,FacultyofAgriculture,Bu-AliSinaUniversity,Hamedan,Iran摘要：在这项研究中，在自然照明下获得的红苹果段图像，对其边缘检测和组合的颜色和形状分析，。为了找到一个苹果在每个图像，并确定其位置，获得了三十幅图像的果园。双算法（边缘检测和基于颜色的形状）的开发过程中的图像。他们被过滤，转换为二进制图像，和减少噪声。基于边缘检测的算法是不成功的，而彩色形状为基础的算法可以检测到苹果果实中的83.33%的图像。关键词：苹果收获，基于颜色形状的算法，边缘检测，机器视觉简介新鲜水果收获是一个敏感的操作。其盈利能力可能受到劳动不当，成本和无效性，低质量的采摘和操作不及时等的影响。因此，机械化收割作业可以解决问题苹果果实收获机械化在像伊朗这样世界第四大苹果生产国（粮农组织，2009）的国家是必要的。机械化收获可能是机械地或自动地。机械收获的问题，导致机器人收割方法的不断发展，从而通过收割机为原型机器视觉已逐渐发展。Parrish和Goksel（1977）和bulanon和Kataoka（2010）研究了苹果果实收获机器人。自动收获系统应执行以下操作：（1）识别和定位水果；（2）摘果子；（3）分离果没有造成的水果和树的损伤；和（4）在果园里轻松地移动（Sarig，1990）。第一个操作需要发展适当的方法来检测和定位的水果。用光度信息基础（斯哥尔斯和Brown，1968）和红外激光测距（希门尼斯等，2000）的方法。同时，基于图像处理的方法已被用于检测和定位的水果（bulanon和Kataoka，2010；Satish，2007；Harrel等人.，1989）。基于像素和基于形状分析的方法是水果被识别强度/颜色的一种方式，但也存在一些问题从遥感图像本身的变化时，使用CCD相机，这是在光照强度的变化非常敏感，以及阴影的叶子产生（Jimenez等.，2000）由于没有研究报道，在伊朗的机器人苹果收获，本文侧重于识别的苹果，苹果机器人收获的第一阶段。在自然光照条件下，利用机器视觉识别苹果果实是本研究的目标。三十个苹果树在秋天拍摄的照片随机选择苹果树的照片。拍摄的图像来自位于伊朗的哈马丹园。材料与方法在不受控制的日光条件下得到了三十个数字图像。图像帧为30722304像素的JPEG格式。数码相机（索尼，DSC-H5，彩色CCD摄像机）得到的RGB图像。图像处理算法：目标是在不受控制的光照条件下得到的每一个图像中的苹果。为了对所获得的图像进行分割，提出了基于边缘检测和基于颜色形状的图像分割算法。基于边缘检测的算法：最初的考虑表明，绿色的灰度图像包含的大部分所需的对象。精明的（1986）法测定苹果绿色灰度图像的边缘（图1B）。基于颜色形状的算法：基于以下步骤实现的算法：第一次增强的图像。高斯低通滤波器被用来尽可能地降低噪声。噪声预示在色调和光泽，形成区域在图像的原始图像的颜色强度分布不均匀。高斯滤波器是一个250250像素矩阵的标准偏差为200，这限制了图像。频率小于200兆赫兹（MHz）。滤波后的图像被噪声降低，通过除去高频率（超过200兆赫）。滤波图像造成的模糊，降低了噪音（图2a）。滤波后的图像分别转换为二进制形式，然后才能处理（图2b）二进制图像进行处理，以减少转换后的图像存在的噪声。在这一阶段中，噪声被定义为检测到的功能以外的苹果。这一阶段的项目是基于形状的处理基于颜色的图像（图2C）二值化，消除了噪声的图像进行标记提取苹果（图2d）ab图1：基于边缘检测的算法。a）图像的原始图像，b)边缘检测图像(a)(b)(c)(d)图2：颜色形状为基础的算法。a)滤波图像，b)二值图像，c)减小噪声二值图像，d)标记图像.结果与讨论其主要思想是在各种自然光照条件下，开发一种通用算法。因此，没有补充的照明光源被用来控制亮度。由于在不受控制的自然光照条件下获得的图像，他们包括树的檐篷，包括树枝，树叶，水果，天空等。每个对象的图像有自己的边缘，使图像集的边缘，苹果只是一个子集。所以，边缘检测算法不成功（图1）。基于颜色的图像分割算法在图像中检测到图像中的目标，但是，它比边缘检测更复杂。彩色处理阶段模糊的图像和它的输出是低对比度的颜色具有分布式图像（图2A）。因此，图像的噪声减少，其中的对象的数目是小于的原始图像。将图像转换为二进制形式和基于形状分析的噪声尽可能低（图2b、c）。基于颜色形状的算法能够检测到25个图像中的30个苹果。换言之，算法的精度为83.33%。