摘 要随着社会的发展和自动化程度的提高,智能农业越来越受欢迎,机器人分拣技术已经广泛应用于社会生产中。现今，工业上的生产线通常是单一的水果分拣,使得机器闲置率高分拣效率低。机器分拣可以实现多种类识别,提高分拣效率[1]。本文主要讲述基于VC以及Opencv的水果识别来实现机器分拣。本文主要针对水果识别的需求设计总体方案。系统主要包括水果轮廓检测模块、特征提取及识别模块和输出模块三个部分。并选择简捷方便的Opencv与VC结合设计一套可行的识别方案,搭建可行平台。苹果、香蕉、橙子是本文的主要研究对象。用C++语言编写水果识别相关程序，输入水果信息的识别标准。然后用灰度化、图像二值化、形态学去噪、图像边缘检测与水果轮廓阈值提取等图像预处理方法处理摄像机提取的图信息。最后分割水果轮廓图像，通过提取水果图像的面积、周长、圆形度和颜色特征信息识别水果的种类。
Key Words: intelligent agriculture；machine vision；open cv；fruit recognition目 录
1．引言 1
1.1 研究背景及意义 1
1.2 水果识别分类的现状研究 1
1.3本文内容 5
2．水果识别系统及平台 6
2.1 系统总体框架 6
2.2开发平台VC++ 6
2.3 Opencv平台 7
3．静态图像处理 11
3.1水果图像获取 11
3.2水果图像预处理 11
3.3水果检测 14
4．水果特征提取 15
4.1水果图像分割 15
4.2水果特征提取 15
4.3 水果识别 16
5．总结 20
5.1 总结 20
5.2 展望 20
参考文献 21
致谢 22
1．引言
1.1 研究背景及意义
社会不断进步，人民生活水平不断提高，社会需要小批量、多种类和短周期的发展节奏。这加大了农业生产的工作量和水果分拣的难度 ，使水果分拣数量及种类大大增多[2]。技术革新后，这些问题都被农业机器人一一解决 *景先生毕设|www.jxszl.com +Q: ^351916072* 
。机器人作业取代传统的手工操作，工作效率提高的同时也降低了分拣水果数量增加的压力。
传统的水果分拣方法分为两种：一种是纯粹的手工分拣，费时费力；第二种方法是依靠机械和手工合作。在某方面用机械代替手工作业提高工作效率，但这种设备通常只能用于分拣一种特定的水果。在特定的水果收获季节，这类设备的利用率非常高，但由于水果的时令特性和设备的单一性，这类设备在其他季节基本不会被使用，闲置率高[3]。现在，科学技术取得重大突破，机器视觉技术在此方面收获巨大成就。譬如：水果质量测试、食品加工和包装、药品生产和加工、物流的分类检测等都离不开机器视觉技术。并且，作为世界农业大国，中国必定会加大智能机器人在农业生产发展中的比例，逐步改变农业生产方式，解放劳动力。
机器视觉是一种智能化的体现。它用计算机来模拟人眼功能，用摄像机来模拟人眼对物体的感知。从图像中获取信息经过处理后用于实际的检测和控制中。机器视觉速度快、信息量大、功能多[4]。本文基于机器视觉的研究，把结合了机器视觉的分拣机器人应用到水果分类识别中,以此来实现智能化的水果分拣。这项研究今后将会对视觉分拣机器人在农业方面的作用起巨大作用。
1.2 水果识别分类的现状研究
在人类历史长河中，水果分类技术主要有三个阶段：一是纯手工分类，近年来劳动力价格的增加导致人工成本增加，和不可避免的效率低下和人工疲劳造等人工分类误差，只在小规模生产环境会使用这种方法[5]。第二种是传统的机械分离方法，即机械刚性分拣。这种方法通过水果的大小和重量进行分拣。不同大小的水果被放在不同的孔中被分开，然后再用传感器检测它们的重量和位置，将不同的水果分拣开来。该设备对水果大小有一定的限制，就水果大小来说，具有设备单一性[6]。第三种方法是柔性分拣。它是将机器视觉和工业机器人技术结合的分拣方法。系统可以分析分类的参数信息，是人工智能进步的标志。也是现代农业生产方式的主流发展。本节分析了国内外智能机器人在水果识别分类中的现状研究。
1.2.1 国外现状研究
众所周知，机器视觉研究比较发达地区主要是日本、美国和欧洲等地区。他们是把机器视觉和机器人技术结合应用到农业领域最多的国家[7]。并且随着时代的发展科技的进步，许多研究已不仅仅限于实验室，更多的已经应用到实际中，造福人类。
作为东京大学的教授，Naoshi Kondo设计了实现苹果自动分拣的系统，并将该系统与机器人技术结合，发明了自动分拣苹果的机器人。系统包含供给机器人和分拣机器人，并采用12台CCD摄像机和28台照明系统来获取水果图片信息[8]。该系统目前已经用于实际生产中。
/
图1.1苹果分类系统示意图
Yousef Al Ohali 团队利用机器视觉技术设计了椰枣果分类识别系统[9]。系统通过摄像机对水果进行多方位拍照，然后利用 BP 神经网络训练分类器识别枣椰果。如图所示：
/
图1.2枣椰果识别分类系统
伊朗塔比阿特莫达勒斯大学的教授Mehrdad Baigwasser设计了一个基于机器视觉的无花果分类系统[10]。给料机、带式输送机系统、CCD摄像机、照明和分离装置共同组成该系统。首先根据摄像机拍摄水果获取水果图像的颜色、大小等参数将无花果分为5类。然后根据无花果的重心位置判断无花果的精准类别。如图所示：
/
图1.3干燥无花果分拣系统
此外，sambhram研究所的 Megha.P. Arakeri 等人设计了基于计算机视觉的番茄分级系统[11]。系统有硬件和软件开发两种质量评价方法。用硬件获取番茄图像，然后将番茄移入到相应的箱子中。最后用软件分析箱子中番茄的成熟度。如图所示。
/
图1.4番茄分拣系统
1.2.2 国内现状研究
虽然，与其他国家相比，我国基于机器视觉的机器人技术以及该技术在在农业生产中的应用发展还相对滞后[12]。但是我国现在已经自主研发了许多用于农业生产加工的机器人，相信在不久的将来，我国农业机器人的研究与开发将会列入世界前沿。
北京农林科学院和上海交通大学共同开发了一套苹果腐烂的分级系统，如图1.5所示。系统通过结合高光谱成像、光谱分析和图像处理技术检测苹果的腐烂程度[13]。该技术经过大量实验被证明可行，分级准确率高达98%。
王鑫团队设计了基于计算机视觉的苹果分拣系统[14]。系统通过摄像机多方位拍摄苹果提取苹果的缺陷、轮廓和颜色特征，然后利用这些特征进行分类。此方法分类精度高达94.2%。
李国金等将神经网络的ELM模型和机器视觉结合，实现了芒果识别分类[15]。系统对水果图像进行预处理，然后提取芒果区域大小、长短轴之比、缺陷率等参数，利用粒子群优化将ELM优化以此实现芒果的识别分类。

原文链接：http://www.jxszl.com/dzxx/dzkxyjs/557026.html