２００
９年８月
农业机械学报’
第４０卷第８期
基于机器视觉的苹果识别和形状特征提取＊
司永胜１，２
乔
军３
刘刚１刘兆祥１高瑞１
（１．中国农业大学现代精细农业系统集成研究教育部重点实验室，北京１０００８３；
２．河北农业大学信息科学与技术学院，保定０７１００１；３．中国农业大学网络中心。北京１０００８３）
【摘要】提出了利用色差Ｒ—Ｇ和色差比（Ｒ—Ｇ）／（Ｇ—Ｂ）相结合的苹果识别方法。在顺光、逆光等不同情
况下对拍摄的苹果图像进行了识别。并对识别后的图像进行消除噪声、区域填充等预处理，获得苹果的轮廓图像。针对轮廓图像，采用遗传算法进行形状特征提取。采取多次运行遗传算法，并依次转换目标轮廓点为背景点的方法，处理果实图像邻接、重叠问题。实验结果表明：苹果识别方法在一定程度上消除了阴影、逆光、土壤等影响，识别率达９７％。基于遗传算法的形状特征提取方法，可对邻接、重叠图像进行有效分割，快速、准确地实现苹果图像圆心坐标和半径的提取。
关键词：苹果机器视觉
‘
图像识别遗传算法特征提取
文献标识码：Ａ
中图分类号：ＴＰ２４２．６＋２；ＴＰ３９１．４１
ＲｅｃｏｇｎｉｔｉｏｎａｎｄＳｈａｐｅＦｅａｔｕｒｅｓＥｘｔｒａｃｔｉｏｎｏｆＡｐｐｌｅｓＢａｓｅｄｏｎ
２
Ｍａｃｈｉｎｅ
Ｖｉｓｉｏｎ
ＳｉＹｏｎｇｓｈｅｎｇＬ
（１．ＫｅｙＬａｂｏｒａｔｏｒｙｏｆＭＯＥ
Ｂｅｉｊｉｎｇ
ｏｎ
ＱｉａｏＪｕｎ３ＬｉｕＧａｎ９１ＬｉｕＺｈａｏｘｉａｎ９１
ＧａｏＲｕｉｌ
Ｍｏｄｅｒｎ
ＰｒｅｃｉｓｉｏｎＡｇｒｉｃｕｌｔｕｒｅＳｙｓｔｅｍＩｎｔｅｇｒａｔｉｏｎＲｅｓｅａｒｃｈ，ＣｈｉｎａＡｇｒｉｃｕｌｔｕｒａｌＵｎｉｖｅｒｓｉｔｙ，
１０００８３。Ｃｈｉｎａ
２．Ｃｏｌｌｅｇｅ
ｏｆＩｎｆｏｒｍａｔｉｏｎＳｃｉｅｎｃｅ＆Ｔｅｃｈｎｏｌｏｇｙ，ＡｇｒｉｃｕｌｔｕｒａｌＵｎｉｖｅｒｓｉｔｙｏｆＨｅｂｅｉ，
Ｂａｏｄｉｎｇ０７１００１。Ｃｈｉｎａ
３．ＮｅｔｗｏｒｋＣｅｎｔｒｅ，ＣｈｉｎａＡｇｒｉｃｕｌｔｕｒａｌＵｎｉｖｅｒｓｉｔｙ。Ｂｅｉｊｉｎｇ１０００８３，Ｃｈｉｎａ）
Ａｂｓｔｒａｃｔ
ＡｎａｐｐｌｅｒｅｃｏｇｎｉｔｉｏｎｍｅｔｈｏｄｗｉｔｈｃｏｌｏｒｄｉｆｆｅｒｅｎｃｅＲ—Ｇａｎｄｃｏｌｏｒｄｉｆｆｅｒｅｎｃｅｒａｔｉｏ（Ｒ—Ｇ）／（Ｇ一
ｎｏｉｓｅｒｅｍｏｖａｌ，ａｒｅａ
１３）ｗａｓｐｒｅｓｅｎｔｅｄ．Ｔｈｅａｐｐｌｅｓｉｎｔｈｅｉｍａｇｅｓｔａｋｅｎｕｎｄｅｒｆｒｏｎｔｌｉｇｈｔｉｎｇａｎｄｂａｃｋｌｉｇｈｔｉｎｇｃｏｎｄｉｔｉｏｎｓｗｅｒｅ
ｒｅｃｏｇｎｉｚｅｄ．Ｔｈｅｃｏｎｔｏｕｒｉｍａｇｅｓｗｅｒｅｇａｉｎｅｄｔｈｒｏｕｇｈｔｈｅｐｒｅｔｒｅａｔｍｅｎｔｓｓｕｃｈｆｉｌｌｉｎｇｅｔｃ．ＳｈａｐｅｆｅａｔｕｒｅｓｗｅｒｅｅｘｔｒａｃｔｅｄｆｒｏｍｔｈｅｃｏｎｔｏｕｒｉｍａｇｅｓｂａｓｅｄＦｏｒｔｈｅｃｌｕｓｔｅｒｅｄ
ｏｒ
ｏｎ
ａｓ
ｇｅｎｅｔｉｃａｌｇｏｒｉｔｈｍ（ＧＡ）．
ｏｖｅｒｌａｐｐｅｄａｐｐｌｅｓ，ｔｈｅｍｅｔｈｏｄｏｆｍｕｌｔｉｐｌｅｒｕｎｎｉｎｇＧＡａｎｄｃｏｎｖｅｒｔｉｎｇｔｈｅｃｏｎｔｏｕｒ
ｐｏｉｎｔｓｏｆｅｖｅｒｙａｐｐｌｅｉｎｔｏｂａｃｋｇｒｏｕｎｄｉｎｔｕｒｎｗａｓａｐｐｌｉｅｄ．Ｔｈｅｅｘｐｅｒｉｍｅｎｔｒｅｓｕｌｔｓｓｈｏｗｅｄｔｈａｔｔｈｅ
ｐｒｏｐｏｓｅｄｒｅｃｏｇｎｉｔｉｏｎｍｅｔｈｏｄ，ｔｏ
ｓｏｉｌ．Ｔｈｅｒｅｃｏｇｎｉｔｉｏｎｃｌｕｓｔｅｒｅｄ
ｏｒ
ｒａｔｅ
ａ
ｃｅｒｔａｉｎｅｘｔｅｎｔ，ｅｌｉｍｉｎａｔｅｄｔｈｅｉｎｆｌｕｅｎｃｅｏｆｓｈａｄｅ，ｂａｃｋｌｉｇｈｔｉｎｇａｎｄ
ｒｅａｃｈｅｄ９７％．Ｔｈｅｆｅａｔｕｒｅｓｅｘｔｒａｃｔｉｏｎｍｅｔｈｏｄｂａｓｅｄ
ｐｏｉｎｔｓ
ｏｎ
ＧＡｓｅｇｍｅｎｔｅｄｔｈｅ
ｏｖｅｒｌａｐｐｅｄａｐｐｌｅｓｓｕｃｃｅｓｓｆｕｌｌｙ．Ｍｅａｎｗｈｉｌｅ，ｔｈｅ
ｃｅｎｔｅｒ
ａｎｄｒａｄｉｕｓｅｓｗｅｒｅｑｕｉｃｋｌｙ
ａｎｄａｃｃｕｒａｔｅｌｙｅｘｔｒａｃｔｅｄ．
Ｋｅｙｗｏｒｄｓ
Ａｐｐｌｅ，Ｍａｃｈｉｎｅｖｉｓｉｏｎ，Ｉｍａｇｅｒｅｃｏｇｎｉｔｉｏｎ，Ｇｅｎｅｔｉｃａｌｇｏｒｉｔｈｍ，Ｆｅａｔｕｒｅｅｘｔｒａｃｔｉｏｎ
引言
果实识别与定位。直接影响采摘机器人的作业效率。在采摘机器人的立体视觉技术中，识别果实并提取果实的点、线等形状特征，是特征匹配以及实
现定位的关键步骤，其中果实识别是进行果实形状特征提取的基础。文献［１～３］主要介绍相互分离的果实图像的圆心、半径特征提取，对采摘中常见的果实图像邻接、重叠情况研究较少。对于果实图像邻接、重叠问题，文献［４～６］提出了不同的解决方案，
收稿日期：２００９—０３—２５修回日期：２００９—０４一０９＊国家“８６３”高技术研究发展计划资助项目（２００６ＡＡｌＯＺ２５５）
作者简Ｏｒ．司永胜．博士生．河北农业大学讲师，主要从事机器视觉、农业机器人研究。Ｅ－ｍａｉｌ：ｓｉｙｏｎｇｓｈｅｎｇ＠ｙａｈｏｏ．ｃｎ通讯作者：刘刚，教授，博士生导师，主要从事电子信息技术在农业中的应用研究，Ｅ—ｍａｉｌ：ｐａｃ（孕ｃａｕ．ｅｄｕ．饥
１６２
农业机械学报２００９焦
但效果并不理想。
影响图像后期处理。为获得更优分割效果，对苹果遗传算法（ＧＡ）具有鲁棒性强、并行搜索、群体图像做线剖面图并进行分析。
寻优等特点。文献［７］采用ＧＡ对柑桔外形在５维图１ａ是自然场景下拍摄的苹果图像。图１ｂ是空间进行椭圆拟合，取得了较好效果，但没有讨论果图１ａ中白色线的线剖面图，其横坐标为剖面线的像实图像邻接、重叠的情况。
素序号（０～３９４），纵坐标为像素在Ｒ、Ｇ、Ｂ分量上本文提出利用图像色差和色差比相结合的方法的灰度值（０－－２５５）。图１ａ中剖面线上ＭＮ间像素对苹果进行识别，并利用ＧＡ对苹果图像的圆心、半点为苹果，其余点属于背景，包括树枝、树叶和天空。径进行提取，同时对图像邻接、重叠情况进行研究。
观察剖面图曲线，容易看出苹果的Ｒ值大于Ｇ值，１苹果识别及图像预处理
而大部分背景的Ｒ值小于Ｇ值。尝试采用Ｒ—Ｇ色差法进行分割，对Ｒ—Ｇ的差值进行二值化处理１．１果实识别
（如果Ｒ—Ｇ＞０，则Ｒ—Ｇ＝２５５，否则Ｒ—Ｇ＝０），得通过对ＲＧＢ颜色空间的色差分量２Ｒ—Ｇ—Ｂ到图１ｂ中曲线Ｒ—Ｇ。Ｒ—Ｇ可以较完整地识别出合成的图像进行Ｏｓｔｕ自适应阈值分割［３，５－－６］。可以苹果（值为２５５），但在部分枝、叶等背景区域，出现较好地分割果实与枝叶等背景。然而，通过实验发了错误识别。因此，简单采用Ｒ—Ｇ色差法进行分现，对于红色苹果，该方法容易受到阴影的影响，并割将会有较多噪声，需要考虑结合图像的其他特征且在逆光及背景含有裸露土壤等情况下效果较差，
共同进行识别。
３２∞如２∞ｌ趔毯撼
１∞∞
∞
０
．
如
０５０１００１５０２００２５０３００３５０４００
像素数（时
（”
图１线剖面分析示意图
Ｆｉｇ．１
Ｒｅｓｕｌｔｏｆｌｉｎｅｐｒｏｆｉｌｅｍａｐ
（ａ）原图（ｂ）线剖面图
通过对Ｒ、Ｇ、Ｂ值的统计分析，发现枝、叶等错误识别部分的色差比（Ｒ—Ｇ）／（Ｇ—Ｂ）与苹果的有较大差异，二者分界值为１（为便于显示，图中色差比的值为原值１０倍）。所以可以采用色差Ｒ—Ｇ和色差比（Ｒ—Ｇ）／（Ｇ—Ｂ）相结合的方法进行苹果和背景分割，如果一个像素点满足Ｒ—Ｇ＞０且色差比（Ｒ—Ｇ）／（Ｇ—Ｂ）＞１，则认为该像素点为苹果。否则认为该像素点为背景。图２为采用本方法进行分割与采用２Ｒ—Ｇ—Ｂ合成的图像进行Ｏｓｔｕ自适应阈值分割的效果对比图。１．２图像预处理
图２分割效果对比
提取果实形状特征前，需要对图像进行消除噪Ｆｉｇ．２
Ｃｏｍｐａｒｉｓｏｎｏｆ
ｓｅｇｍｅｎｔａｔｉｏｎｒｅｓｕｌｔ
声、提取边缘等预处理。在图２ｃ和２ｆ中。采用本文（ａ）原图顺光（６）２Ｒ—Ｇ－Ｂ顺光（ｃ）本文方法顺光方法苹果被识别出来，但有小部分枝叶、土壤等被错（８）原图逆光（ｅ）２Ｒ—Ｇ—Ｂ逆光（ｆ）本文方法逆光
误识别，形成噪声点。采用２×２的正方形结构元后去除面积小于最大面积１／８的区域。此外，由于素，进行形态学开运算、闭运算各一次，可有效去除反光的作用，识别后的果实图像内部常出现孔洞，为背景噪声点。部分被遮挡过多的苹果，难以进行特便于进一步的图像处理，采用种子填充法进行区域征提取，并影响处理速度，应予去除。首先对去噪声填充隋］。对上述处理过的图像提取８连接边缘，得点后的图像进行区域标记，并计算各个区域面积，然
到图３ｂ所示的果实轮廓图像。
第８期司永胜等：基于机器视觉的苹果识别和形状特征提取
１６３
图３果实圆心和半径提取
Ｆｉｇ．３
Ｅｘｔｒａｃｔｉｏｎｏｆ
ｃｅｎｔｅｒｓ
ａｎｄｒａｄｉｕｓｅｓｏｆａｐｐｌｅｓ
（ａ）原图（ｂ）轮郭图（ｃ）重叠图像消去前（ｄ）重叠图像消去后（ｅ）拟合图
２基于遗传算法的果实形状特征提取
在相关研究中，针对苹果、桔子、桃等球形水果图像，一般采用Ｈｏｕｇｈ变换提取果实的圆心坐标、半径等形状特征，但有研究表明，Ｈｏｕｇｈ变换速度慢，并且在处理果实图像邻接、重叠等情况时效果较差【９】。苹果的边缘近似为圆形或缺损的圆形，特点是都包含有一定的圆弧，因此，苹果的形状特征提取可以转化为几何基元识别与提取问题。几何基元的识别与提取实质上是参数优化问题，ＧＡ是有效解决办法Ｌ１０Ｊ
ｏ
中，摄像机拍摄距离在１／２行距至树冠半径的范围内，即１～３ｍ间，因此，图像上的苹果半径在一定范围内。本实验中摄像机在上述拍摄距离（１～３ｍ）内进行拍摄，获得的图像中的苹果半径在３０～６０像素之间，因此，定义此范围内的距离为约束半径。圆心点的特征是该点到各边缘点的约束半径数最多，且这些约束半径的方差最小，以此构造适应度函数为
厂２瓦７＂／
式中
（１）
咒——约束半径个数Ｖ。，——约束半径的方差愚——调整系数
如果厂在取值分布上差别很大，由此得到的平
如果已知圆心，求得圆心到边缘各点的距离，通过统计的方法，将容易求得果实半径。因此，可以将问题简化为采用ＧＡ求取果实圆心坐标，再求取半径。首先讨论相互分离果实的圆心坐标和半径提取，然后讨论处理图像邻接、重叠的方法。２．１基于ＧＡ的单个果实圆心、半径提取
ＧＡ综合了定向搜索和随机搜索的优点，在问题的解空间内自组织、自适应地进行搜索，直到满足优化准则。得到最优解或近似最优解。’其基本操作主要包括编码、选择、交叉和变异，分别设计如下：
（１）编码
算法的搜索能力是影响本问题解决的重要因素。相对于浮点数编码，二进制编码的搜索能力更强，因此采用二进制编码。根据图像尺寸，圆心坐标
均适应度将不利于体现种群的优劣，影响算法性能，因此。对系数ｋ进行调整。
（３）选择策略
采用按适应度比例分配的轮盘赌选择法，即利用个体的适应度比例的概率决定其后代的存留可能性。若个体ｉ的适应度为．＾，则其被选中的概率
Ｐｆ＝ｉ乙ｊｔ
疋
（２）
其中，∑＾为种群中所有个体的适应度之和。显
然，概率Ｐｉ越大，其基因结构被遗传到下一代的可能性就越大。
（４）交叉和变异
交叉算子采用单点交叉方式，变异算子采用对染色体二进制位逻辑取反的方式。交叉概率Ｐｆ和变异概率Ｐ。是影响ＧＡ性能的关键参数，直接影响
算法的收敛性。文献［１１］提出了一种自适应遗传算法，Ｐｆ和Ｐ。随适应度自动改变，取得了比基本遗传算法（Ｐ，和Ｐ。为定值）更好的效果，但缺陷是容易使进化走向局部最优而非全局最优。为此，对其进行改进，改进后的Ｐｆ和Ｐ。计算式为
“Ｙ都定义为９位二进制，染色体是长度为１８的二
进制串。
（２）适应度函数的构造
ＧＡ在进化搜索中仅以适应度函数为依据，利用种群个体的适应度值进行搜索。因此，适应度函数的选取直接影响算法的收敛速度及能否找到最优解。如图３ｂ所示，完整苹果图像或被遮挡苹果图像中，圆心点的共同特征是统计该点到边缘各点的距离，其等距点最多，但以此等距点数作为适应度函数导向性差，难以得到最优解。果树的株距和行距是一定的，一般在２．５～４．５ｍ。在机器人采摘过程
’
Ｐ，＝｛
。ｆ亟虻争粤ｋ盟＋Ｐｃ曲（厂≥‰）ｋ一厶ｇ
。““ｕ
７。“∥
【Ｐ。一
（厂＜，ａｖｇ）
（３）
农业机械学报
２００
９焦
ｍ
２≮，ｌＴｌａｘ—ａｖｇ
ｊ＂……。……
【Ｐ。。。
（厂＜＾增）
（４）
式中凡；——种群中最大适应度值
Ｊｆａ，。——每代种群的平均适应度值厂——参与交叉的个体中较大的适应度值
卜参与变异的个体适应度值
Ｐｆ。。、只ｔｎｉ。——交叉率的上、下限Ｐ。。ｘ、Ｐ。“。——变异率的上、下限
（５）搜索范围设定
为提高算法运行速度，对搜索范围进行限制。对求得的轮廓图像进行区域标记，对各个区域在以下范围内进行圆心坐标ｚ、Ｙ的搜索
ｆｚ∈［ｘｌ—Ｒ。ｉｌｌ，ｘ２＋Ｒｍｉｌｌ］Ｉｙ∈［ｙ２一Ｒ。ｉｎ，ｙ１＋Ｒ。砘］
其中（Ｘ１，ｙ１）、（ｘ２，ｙ２）分别为果实轮廓图像外接矩形左上角与右下角的坐标，Ｒｍｉｎ为约束半径下限，如果上述搜索范围的计算值超出图像边界，则取图像边界，如图３ｃ所示。对图像最下方４号轮廓的搜索范围计算中，坐标ｙ超出图像下边界，取图像下边界为搜索范围下边界。
按上述ＧＡ设计求取出果实图像圆心坐标后，将该点到边缘各点距离取整，得到若干个整数距离值Ｌ；，统计与每个Ｌｆ差值在两个像素以内的Ｌ；的个数，个数最多的Ｌ；作为半径值，如表１所示。与４３差值在两个像素以内的Ｌ；个数最多（４２个），取４３为半径。按区域标号顺序依次求取所有果实圆心坐标及半径。
表１距离统计
Ｔａｂ．１
Ⅸｓｌａｎｃｅ
ｓｔａｔｉｓｔｉｔｓ
Ｌｆ
３９
４０４１４３４４４５４７４８５０Ｌｆ个数２
６１０１５１２５７７２Ｌｆ±２内的个数１８
１８
３３
４２
３２
３９
１９
１６
９
２．２果实图像邻接、重叠情况的处理方法
上述箅法是在果实图像之间相互分离的假设上，但自然状态下经常发生多个果实生长在一起的情况，在图像上表现为果实图像邻接、重叠。考虑到果实图像之间发生邻接、重叠情况，对上述算法进行补充。本文采取多次运行ＧＡ，并依次转换目标轮廓点为背景点的方法处理果实图像邻接、重叠情况，具体算法如下：
（１）求得果实轮廓图像后，对轮廓图像进行区域标记。设定各个区域的搜索范围。
（２）在选定的搜索范围内对相同标记号的果实轮廓图像实施ＧＡ算法，提取出圆心和半径。
（３）设提取出的半径为Ｒ，则以提取出的圆心为圆心，以１．１Ｒ为半径画圆，将该圆范围内边缘点（白色）转换为背景色（黑色），将已经识别的目标轮廓点消去，实现重叠果实的分割，如图３ｄ所示。
（４）在该搜索范围内根据剩余图像边缘点进行判断，设剩余同标号边缘点外接矩形的长边为ａ，如果口＞Ｒ。ｉｎ’则认为该搜索范围内还有其他果实，返回步骤（２）继续执行；否则，认为该搜索范围内无其他果实，选择下一区域，从步骤（２）开始执行。
３实验及结果
３．１材料
图像处理系统由北京微视公司的一台ＣＭＯＳ彩色摄像机（型号ＭＶＣｌ０００ＳＡＣ—ＧＥ３０）和一台ＰＣ机（配置为主频２．２ＧＨｚ、内存１ＧＢ）组成。实验所用图像在北京市兴寿果园采集，苹果品种为红富士。不同天气情况下采集顺光、逆光图像共１１３幅，共含苹果总数６９５个，图像格式为ｂｍｐ，不同情况下的图像数量如表２所示。图像软件处理系统采用Ｍａｔｌａｂ
Ｒ２００８ａ和ＶｉｓｕａｌＣ十＋６．０。
表２苹果图像识别结果
Ｔａｂ．２
Ｒｅｓｕｌｔｓｏｆｒｅｃｏｇｎｉｔｉｏｎｉｎａｐｐｌｅｉｍａｇｅｓ
３．２结果
在ＭａｔｌａｂＲ２００８ａ编程环境下，对所采集图像利用色差Ｒ—Ｇ和色差比（Ｒ—Ｇ）／（Ｇ—Ｂ）相结合的方法进行了果实与背景的分割及图像预处理，成功识别苹果６７４个，成功率９７％，具体识别结果如表２所示。
．
在ＶｉｓｕａｌＣ＋＋６．０编程环境下。对图３ｂ中轮廓图像Ａ进行基于ＧＡ的圆心、半径提取，其中ＧＡ参数选择为：种群规模为５０，进化代数为６０，交叉率上、下限分别为０．２和０．１，变异率上、下限分别为０．０２和０．０１，适应度函数调整系数ｋ为１０。图４为求解圆心的进化过程。
对图３ｂ中其他轮廓图像采用同样办法求出圆心、半径，进行圆拟合，拟合效果如图３ｅ所示。
分别采用Ｈｏｕｇｈ变换（ＨＴ）、随机Ｈｏｕｇｈ变换
第８期司永胜等：基于机器视觉的苹果识别和形状特征提取
１６５
化，可视为已找到最优解。
通过表３中３种算法的对比，所提取的圆心、半径差别不大，都可以较准确进行圆提取，但所需时间差别很大。ＨＴ所需时间是ＧＡ所需时间的２０倍左右，ＲＨＴ所需时间是ＧＡ所需时间的７～８倍，表明ＧＡ法在保证精度的同时，具有较大的速度优势。
图４适应度曲线
从图３ｅ中重叠果实图像的拟合效果可看出，采Ｆｉｇ．４
Ｆｉｔｎｅｓｓ
Ｃｕｒｖｅ
用多次运行ＧＡ，并逐次消去识别目标轮廓的方法（ＲＨＴ）和遗传算法（ＧＡ）对图３ｂ中Ａ、Ｂ两个边缘可以较好解决果实图像邻接、重叠情况下的形状特图像进行了圆提取，其中搜索范围为将外接矩形向征提取问题。从图３ｅ中对图３ｃ区域３、４中的轮廓外扩展，扩展到１２８×１２８像素，ＧＡ交叉率、变异率图像拟合结果可看出，对于遮挡果实轮廓接近整个的设置同上，终止条件为最大进化代数５０。表３为边缘１／２或略超出１／２时，采用ＧＡ仍可较好地恢不同方法的检测结果，ｚ、Ｙ、ｒ分别是提取出的圆心复原果实轮廓。
横、纵坐标和半径，ｔ是提取过程所用时间。
分析拟合效果较差的苹果图像，主要原因有：算法————
表３不同方法圆提取结果
①苹果形状与标准圆形相差较大。②由于遮挡，果Ｔａｂ．３
Ｒｅｓｕｌｔｓｏｆｃｉｒｃｌｅｅｘｔｒａｃｔｉｏｎｂｙｄｉｆｆｅｒｅｎｔｍｅｔｈｏｄｓ
实图像被分割为几个部分，算法将每一部分作为一边缘图像Ａ
边缘图像Ｂ
个苹果处理。③果实边缘被遮挡过多。
ｚ
Ｙ
ｒ
ｔｌｓ
ｚ
Ｙ
ｒ
ｔ／ｓ
４结论
ＨＴ６５５３４２２．５２７５１４５４１２．２４ＲＨＴ６４５３４１０．８１７４１４６４０Ｏ．７３（１）采用Ｒ—Ｇ和色差比（Ｒ—Ｇ）／（Ｇ—Ｂ）相ＧＡ
６５
５３
４２
０．１１
７５
１４６
４１
Ｏ．１２
结合的方法，对顺光、逆光等不同情况下的红色苹果进行了识别。实验结果表明，该方法可以一定程度３．３讨论
上消除光线、土壤等影响，识别率达到９７％，但算法，
从图２可以看出，在顺光、逆光不同情况下，色在逆光同时光线较暗情况下识别效果较差。
差与色差比相结合的苹果识别算法能够在一定程度（２）采用多次运行ＧＡ，并依次转换目标轮廓点上克服阴影、裸露土壤、逆光等因素的影响。通过对为背景点的方法，能够较好解决果实图像邻接、重叠１１３幅图像的识别实验表明，识别效果较好，识别率情况下的形状特征提取问题。
较高。分析其他识别效果较差的图像，产生误识别（３）在果实轮廓图像接近或大于整体轮廓１／２的共同原因是逆光同时光线较暗。
时，采用本文提出的基于ＧＡ的果实形状特征提取进化曲线显示了种群的进化情况，其中，最大适算法，可以快速、准确地提取果实的圆心坐标和半应度曲线在１３代以后达到最大值，继续迭代无变
径。
参考文献
１
ＳｔａｊｎｋｏＤ，ＬａｋｏｔａａＭ，Ｈ＆ｅｖａｒｂＭ．ＥｓｔｉｍａｔｉｏｎｏｆｎｕｍｂｅｒａｎｄｄｉａｍｅｔｅｒｏｆａｐＣｅｆｒｕｉｔｓｉｎ
ａｎ
ｏｒｃｈａｒｄｄｕｒｉｎｇｔｈｅｇｒｏｗｉｎｇ
ｓｅａｓｏｎ
ｂｙ
ｔｈｅｒｍａｌｉｍａｇｉｎｇ［Ｊ］．ＣｏｍｐｕｔｅｒｓａｎｄＥｌｅｃｔｒｏｎｉｃｓｉｎＡｇｒｉｃｕｌｔｕｒｅ，２００４，４２（１）：３１～４２．
２王津京，赵德安，姬伟，等．采摘机器人基于支持向量机苹果识别方法［Ｊ】．农业机械学报，２００９，４０（１）：１４８—１５１。１４７．
ＷａｎｇＪｉｎｊｉｎｇ，ＺｈａｏＤｅａｎ，ＪｉＷｅｉ，ｅｔａ１．Ａｐｐｌｅ
ｆｒｕｉｔｒｅｃｏｇｎｉｔｉｏｎｂａｓｅｄ
ｏｎ
ｓｕｐｐｏｒｔｖｅｃｔｏｒ
ｍａｃｈｉｎｅｕｓｉｎｇｉｎｈａｒｖｅｓｔｉｎｇｒｏｂｏｔ［Ｊ］．
ＴｒａｎｓａｃｔｉｏｎｓｏｆｔｈｅＣｈｉｎｅｓｅＳｏｃｉｅｔｙｆｏｒ
ＡｇｒｉｃｕｌｔｕｒａｌＭａｃｈｉｎｅｒｙ，２００９。４０（１）：１４８
１５１，１４７．（ｉｎＣｈｉｎｅｓｅ）
３谢志勇，张铁中，赵金英．基于Ｈｏｕｇｈ变换的成熟草莓识别技术［Ｊ］．农业机械学报，２００７，３８（３）：１０６－－１０９．
ＸｉｅＺｈｉｙｏｎｇ，ＺｈａｎｇＴｉｅｚｈｏｎｇ，ＺｈａｏＪｉｎｙｉｎｇ．Ｒｉｐｅｎｅｄｓｔｒａｗｂｅｒｒｙｒｅｃｏｇｎｉｔｉｏｎｂａｓｅｄ
ｏｎ
Ｈｏｕｇｈ
ｔｒａｎｓｆｏｒｍ［Ｊ］．Ｔｒａｎｓａｃｔｉｏｎｓｏｆ
ｔｈｅＣｈｉｎｅｓｅＳｏｃｉｅｔｙｆｏｒＡｇｒｉｃｕｌｔｕｒａｌ
Ｍａｃｈｉｎｅｒｙ。２００７。３８（３）：１０６～１０９．（ｉｎＣｈｉｎｅｓｅ）
、
４尹建军，毛罕平，等．不同生长状态下多目标番茄图像的自动分割方法［Ｊ］．农业工程学报，２００６，２２（１０）：１４９～１５３．
Ｙｉｎ
Ｊｉａｎｊａｎ，ＭａｏＨａｎｐｉｎｇ，ｅｔａ１．Ａｕｔｏｍａｔｉｃｓｅｇｍｅｎｔａｔｉｏｎｍｅｔｈｏｄｆｏｒｍｕｌｔｉ—ｔｏｍａｔｏｉｍａｇｅｓｕｎｄｅｒ
ｖａｒｉｏｕｓ
ｇｒｏｗｔｈｃｏｎｄｉｔｉｏｎｓ
［Ｊ】．ＴｒａｎｓａｃｔｉｏｎｓｏｆｔｈｅＣＳＡＥ，２００６。２２（１０）：１４９～１５３．（ｉｎＣｈｉｎｅｓｅ）
５赵晓霞．桃子果实图像算法研究［Ｄ］．北京：中国农业大学，２００８．
ＺｈａｏＸｉａｏｘｉａ．Ｓｔｕｄｙ
ｏｎ
ｔｈｅｆｒｕｉｔｓ
ｒｅｃｏｇｎｉｔｉｏｎａｌｇｏｒｉｔｈｍｆｏｒｐｅａｃｈｐｉｃｋｉｎｇｒｏｂｏｔｓ［Ｄ］．Ｂｅｉｊｉｎｇ：ＣｈｉｎａＡｇｒｉｃｕｌｔｕｒａｌ
Ｕｎｉｖｅｒｓｉｔｙ，２００８．（ｉｎＣｈｉｎｅｓｅ）（下转第７３页）
第８期马孝义等：膜孔灌平均入渗水深简化计算模型建立与验证
２缴锡云，王文焰，张建丰．单点膜孔入渗特性的试验研究［Ｊ］．水利学报，１９９９，３０（７）：３３～３９．
ＪｉａｏＸｉｙｕｎ，ＷａｎｇＷｅｎｙａｎ，ＺｈａｎｇＪｉａｎｆｅｎｇ．Ｅｘｐｅｒｉｍｅｎｔａｌｒｅｓｅａｒｃｈ
ｏｎ
ｉｎｆｉｌｔｒａｔｉｏｎｆｒｏｍｓｉｎｇｌｅｈｏｌｅ
ｏｆｍｅｍｂｒａｎｅ［Ｊ］．Ｊｏｕｒｎａｌｏｆ
Ｈｙｄｒａｕｌｉｃ
Ｅｎｇｉｎｅｅｒｉｎｇ，１９９９，３０（７）：３３～３９．（ｉｎＣｈｉｎｅｓｅ）
３吴军虎，费良军，王文焰．膜孔灌溉单孔入渗特性研究［Ｊ］．水科学进展。２００１。１２（３）：３０７－－３１１．
ＷｕＪｕｎｈｕ，ＦｅｉＬｉａｎｇｊｕｎ。ＷａｎｇＷｅｎｙａｎ．Ｓｔｕｄｙ
ｏｎ
ｔｈｅｉｎｆｉｌｔｒａｔｉｏｎｃｈａｒａｃｔｅｒｉｓｔｉｃｓｏｆｓｉｎｇｌｅｆｉｌｍｅｄｈｏｌｅａｎｄｉｔｓｍａｔｈｅｍａｔｉｃａｌ
ｍｏｄｅｌｕｎｄｅｒｆｉｌｍｅｄｈｏｌｅｉｒｒｉｇａｔｉｏｎ［Ｊ］．ＡｄｖａｎｃｅｓｉｎＷａｔｅｒＳｃｉｅｎｃｅ，２００１，１２（３）：３０７～３１１．（ｉｎＣｈｉｎｅｓｅ）
４王文焰。谭奇林，缴锡云，等．膜孔灌溉点源入渗模型的建立与验证［Ｊ］．水科学进展，２００１，１２（３）：３００～３０５．
ＷａｎｇＷｅｎｙａｎ。ＴａｎＱｉｌｉｎ，Ｊｉａｏ
Ｘｉｙｕｎ，ｅｔａ１．Ｅｓｔａｂｌｉｓｈｍｅｎｔａｎｄｖｅｒｉｆｉｃａｔｉｏｎ
ｏｆｔｈｅｐｏｉｎｔ
ｓｏｕｒｃｅ
ｉｎｆｉｌｔｒａｔｉｏｎｍｏｄｅｌｆｏｒｔｈｅ
ｆｉｌｍｅｄｈｏｌｅ
ｉｒｒｉｇａｔｉｏｎ［Ｊ］．Ａｄｖａｎｃｅｓ
ｉｎ
ＷａｔｅｒＳｃｉｅｎｃｅ，２００１。１２（３）：３００～３０５．（ｉｎＣｈｉｎｅｓｅ）
５费良军，谭奇林，王文焰，等．充分供水条件下多因子点源入渗模型研究［Ｊ］．西安理工大学学报，２０００，１６（１）：１９－－２２．
Ｆｅｉ
Ｌｉａｎｇｉｕｎ，ＴａｎＱｉｌｉｎ，ＷａｎｇＷｅｎｙａｎ，ｅｔ
ａ１．Ｓｔｕｄｙ
ｏｎ
ｐｏｉｎｔｓｏｕｒｃｅｉｎｆｉｌｔｒａｔｉｏｎｍｏｄｅｌｕｎｄｅｒ
ａｄｅｑｕａｔｅ
ｗａｔｅｒｓｕｐｐｌｙ［Ｊ】．
ＪｏｕｒｎａｌｏｆＸｉ’ａｎＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙ。２０００，１６（１）：１９～２２．（ｉｎＣｈｉｎｅｓｅ）
６费良军，李发文．膜孔灌单向交汇入渗数学模型研究［Ｊ］．农业工程学报，２００３。１９（３）：６８～７１．
Ｆｅｉ
Ｌｉａｎｇｉｕｎ，ＬｉＦａｗｅｎ．Ｍａｔｈｅｍａｔｉｃａｌｍｏｄｅｌｓｏｆｓｉｎｇｌｅ－ｌｉｎｅｉｎｔｅｒｆｅｒｅｎｃｅｉｎｆｉｌｔｒａｔｉｏｎｆｒｏｍｆｉｌｍｈｏｌｅｓ［Ｊ］．Ｔｒａｎｓａｃｔｉｏｎｓｏｆｔｈｅ
ＣｈｉｎｅｓｅＳｏｃｉｅｔｙｏｆ
ＡｇｒｉｃｕｌｔｕｒａｌＥｎｇｉｎｅｅｒｉｎｇ，２００３，１９（３）：６８～７１．（ｉｎＣｈｉｎｅｓｅ）
７费良军。朱兴华，吴军虎．膜孔灌多向交汇入渗减渗特性和数学模型研究［Ｊ］．水利学报，２００６，３７（１）：１０４～１０８．
Ｆｅｉ
Ｌｉａｎｇｊｕｎ，ＺｈｕＸｉｎｇｈｕａ，ＷｕＪｕｎｈｕ．Ｉｎｆｉｌｔｒａｔｉｏｎｒｅｄｕｃｔｉｏｎｅｆｆｅｃｔａｎｄ
ｍａｔｈｅｍａｔｉｃａｌ
ｍｏｄｅｌ
ｏｆｂｉｌａｔｅｒａｌｉｎｔｅｒｆｅｒｅｎｃｅ
ｉｎｆｉｌｔｒａｔｉｏｎｉｎ
ｆｉｌｍｈｏｌｅｉｒｒｉｇａｔｉｏｎ［Ｊ］．ＪｏｕｒｎａｌｏｆＨｙｄｒａｕｌｉｃＥｎｇｉｎｅｅｒｉｎｇ，２００６，３７（１）：１０４～１０８．（ｉｎＣｈｉｎｅｓｅ）
８虎胆・吐马尔白，木拉提．沟底膜孔灌水条件下土壤水入渗规律的数值模拟［Ｊ］．水科学进展，２００２。１３（１）：６９～７３．
ＨｕｄａｎＴｕｍａｒｈａｙ，Ｍｕｒａｔ．Ｎｕｍｅｒｉｃａｌｓｉｍｕｌａｔｉｏｎ
ｏｆｓｏｉｌｗａｔｅｒｍｏｖｅｍｅｎｔｕｎｄｅｒｃｏｎｄｉｔｉｏｎｏｆｆｉｌｍｈｏｌｅ
ｉｒｒｉｇａｔｉｏｎ［Ｊ］．Ａｄｖａｎｃｅｓ
ｉｎ
ＷａｔｅｒＳｄｅｎｃｅ。２００２，１３（１）：６９－７３．（ｉｎＣｈｉｎｅｓｅ）
９范严伟，马孝义，王波雷，等．膜孔灌土壤湿润体水分分布与入渗特性数值模拟［Ｊ］．农业机械学报，２００８，３９（１１）：３５－－４１．
Ｆａｎ
Ｙａｎｗｅｉ．Ｍａ
Ｘｉａｏｙｉ，Ｗａｎｇ
Ｂｏｌｅｉ，ｅｔａ１．Ｎｕｍｅｒｉｃａｌ
ｓｉｍｕｌａｔｉｏｎｏｆｓｏｉｌｗｅｔｔｉｎｇ
ｐａｔｔｅｒｎ
ｍｏｉｓｔｕｒｅｄｉｓｔｒｉｂｕｔｉｏｎａｎｄ
ｉｎｆｉｌｔｒａｔｉｏｎ
ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ
ｆｏｒ
ｆｉｌｍｈｏｌｅｉｒｒｉｇａｔｉｏｎ［Ｊ］．ＴｒａｎｓａｃｔｉｏｎｓｏｆｔｈｅＣｈｉｎｅｓｅＳｏｃｉｅｔｙｆｏｒＡｇｒｉｃｕｌｔｕｒａｌＭａｃｈｉｎｅｒｙ，２００８，
３９（１１）：３５－－４１．（ｉｎＣｈｉｎｅｓｅ）
１０李娟．重力式地下滴灌点源入渗特征的数值模拟［Ｄ】．杨凌：西北农林科技大学，２００７．
Ｌｉ
Ｊｕａｎ．Ｎｕｍｅｒｉｃａｌｓｉｍｕｌａｔｉｏｎｏｆｐｏｉｎｔｓｏｕｒｃｅｉｎｆｉｌｔｒａｔｉｏｎｕｎｄｅｒｇｒａｖｉｔｙｓｕｂｓｕｒｆａｃｅｄｒｉｐｉｒｒｉｇａｔｉｏｎ［Ｄ］．Ｙａｎｇｌｉｎｇ：Ｎｏｒｔｈｗｅｓｔ
Ａ＆ＦＵｎｉｖｅｒｓｉｔｙ．２００７．（ｉｎＣｈｉｎｅｓｅ）
１１
ｖａｎ
Ｇｅｎｕｃｈｔｅｎ
ＭＴｈ，ＬｅｉｊＦＪ。ＹａｔｅｓＳＲ．ＴｈｅＲＥＴＣｃｏｄｅｆｏｒｑｕａｎｔｉｆｙｉｎｇｔｈｅｈｙｄｒａｕｌｉｃｆｕｎｃｔｉｏｎｓｏｆｕｎｓａｔｕｒａｔｅｄｓｏｆｔｓ［Ｍ］．
Ｃａｌｉｆｏｒｎｉａ：Ｕ．Ｓ．ＳａｌｉｎｉｔｙＬａｂｏｒａｔｏｒｙ。１９９９．
１２李发文，张行南，费良军．膜孔多向交汇入渗影响因素试验研究［Ｊ］．灌溉排水学报，２００３，２２（３）：４４～４７．
Ｌｉ
Ｆａｗｅｎ，ＺｈａｎｇＸｉｎｇｎａｎ，ＦｅｉＬｉａｎｇｊｕｎ．Ｅｘｐｅｒｉｍｅｎｔａｌ
ｓｔｕｄｙ
ｏｎ
ｉｎｆｌｕｅｎｔｉａｌｆａｃｔｏｒｓｉｎ
ｆｉｌｍｈｏｌｅｂｉｌａｔｅｒａｌｉｎｔｅｒｆｅｒｅｎｃｅ
ｉｎｆｉｈｒａｔｉｏｎ［Ｊ］．ＪｏｕｒｎａｌｏｆＩｒｒｉｇａｔｉｏｎａｎｄ
Ｄｒａｉｎａｇｅ，２００３。２２（３）：４４～４７．（ｉｎＣｈｉｎｅｓｅ）
ｌ上接第１６５页）
６蔡健荣，周小军，李玉良，等．基于机器视觉自然场景下成熟柑橘识别［Ｊ］．农业工程学报，２００８，２４（１）：１７５～１７８．
Ｃａｉ
Ｊｉａｎｒｏｎｇ，ＺｈｏｕＸｉａｏｊｕｎ，ＬｉＹｕｌｉａｎｇ，ｅｔａ１．Ｒｅｃｏｇｎｉｔｉｏｎｏｆｍａｔｕｒｅｏｒａｎｇｅｓｉｎｎａｔｕｒａｌ
ｓｃｅｎｅ
ｂａｓｅｄ
ｏｎ
ｍａｃｈｉｎｅｖｉｓｉｏｎ［Ｊ］．
ＴｒａｎｓａｃｔｉｏｎｓｏｆｔｈｅＣＳＡＥ，２００８，２４（１）：１７５～１７８．（ｉｎＣｈｉｎｅｓｅ）
７蔡健荣，范军，等．基于遗传算法的树上柑桔形状特征提取［Ｊ】．江苏大学学报：自然科学版，２００７，２８（６）：４６９～４７２．８赵杰文。刘木华，杨国彬．基于ＨＩＳ颜色特征的田问成熟番茄识别技术［Ｊ］．农业机械学报，２００４，３５（５）：１２２—１２４．
ｇｈａｏ
Ｊｉｅｗｅｎ。ＬｉｕＭｕｈｕａ，ＹａｎｇＧｕｏｂｉｎ．ＤｉｓｃｒｉｍｉｎａｔｉｏｎｏｆｍａｔｕｒｅｔｏｍａｔｏｂａｓｅｄｏｎＨＩＳｃｏｌｏｒ
ｓｐａｃｅ
ｉｎ
ｎａｔｕｒａｌｏｕｔｄｏｏｒ
ｓｃｅｎｅｓ
［Ｊ】．Ｔｒａｎｓａｃｔｉｏｎｓ
ｏｆｔｈｅＣｈｉｎｅｓｅＳｏｃｉｅｔｙｆｏｒＡｇｒｉｃｕｌｔｕｒａｌ
Ｍａｃｈｉｎｅｒｙ，２００４，３５（５）：１２２～１２４．（ｉｎＣｈｉｎｅｓｅ）
９
Ａｌｅｓｓｉｏ
Ｐｌｅｂｅ，ＧｉｏｒｇｉｏＧｒａｓ∞．Ｌｏｃａｌｉｚａｔｉｏｎｏｆｓｐｈｅｒｉｃａｌｆｒｕｉｔｓｆｏｒｒｏｂｏｔｉｃ
ｈａｒｖｅｓｔｉｎｇ［Ｊ】．Ｍａｃｈｉｎｅ
ＶｉｓｉｏｎａｎｄＡｐｐｌｉｃａｔｉｏｎｓ。
２００１。１３（２）：７０～７９．
１０
ＰａｕｌｏＦＵＧｏｔａｒｄｏ。ＯｌｇａＲＰＢｅｌｌｏｎ，ＬｕｃｉａｎｏＳｉｌｖａ．Ｒａｎｇｅｉｍａｇｅｓｅｇｍｅｎｔａｔｉｏｎｂｙｓｕｒｆａｃｅｅｘｔｒａｃｔｉｏｎｕｓｉｎｇ
ａｎ
ｉｍｐｒｏｖｅｄ
ｒｏｂｕｓｔｅｓｔｉｍａｔｏｒ［Ｃ］∥Ｐｒｏｃｅｅｄｉｎｇｓｏｆｔｈｅ２００３ＩＥＥＥＣｏｍｐｕｔｅｒＳｏｃｉｅｔｙ
Ｃｏｎｆｅｒｅｎｃｅ
ｏｎ
Ｃｏｍｐｕｔｅｒ
ＶｉｓｉｏｎａｎｄＰａｔｔｅｒｎ
Ｒｅｃｏｇｎｉｔｉｏｎ，２００３．１１
Ｓｒｉｎｉｖａｓ
Ｍ。ＰａｍａｉｋＬＭ．Ａｄａｐｔｉｖｅｐｒｏｂａｂｉｌｉｔｉｅｓｏｆ
ｃｒｏｓｓｏｖｅｒ
ａｎｄ
ｍｕｔａｔｉｏｎｓ
ｉｎ
ｇａｓ［Ｊ】．ＩＥＥＥＴｒａｎｓ．ｏｎＳＭＣ。１９９４，
２４（４）：６５６～６６７．
基于机器视觉的苹果识别和形状特征提取
作者：作者单位：
司永胜， 乔军， 刘刚， 刘兆祥， 高瑞， Si Yongsheng， Qiao Jun， Liu Gang， Liu Zhaoxiang ， Gao Rui
司永胜,Si Yongsheng(中国农业大学现代精细农业系统集成研究教育部重点实验室,北京100083;河北农业大学信息科学与技术学院,保定071001)， 乔军,Qiao Jun(中国农业大学网络中心,北京,100083)， 刘刚,刘兆祥,高瑞,Liu Gang,Liu Zhaoxiang,Gao Rui(中国农业大学现代精细农业系统集成研究教育部重点实验室,北京,100083)农业机械学报
TRANSACTIONS OF THE CHINESE SOCIETY FOR AGRICULTURAL MACHINERY2009,40(8)3次
刊名：英文刊名：年，卷(期)：被引用次数：
参考文献(11条)
1. 尹建军;毛罕平 不同生长状态下多目标番茄图像的自动分割方法[期刊论文]-农业工程学报 2006(10)2. 谢志勇;张铁中;赵金英 基于Hough变换的成熟草莓识别技术[期刊论文]-农业机械学报 2007(03)3. 王津京;赵德安;姬伟 采摘机器人基于支持向量机苹果识别方法[期刊论文]-农业机械学报 2009(01)
4. Srinivas M;Patnaik L M Adaptive probabilities of crossover and mutations in gas[外文期刊] 1994(04)5. Paulo F U Gotardo;Olga R P Bellon;Luciano Silva Range image segmentation by surface extractionusing an improved robust estimator 2003
6. Alessio Plebe;Giorgio Grasso Localization of spherical fruits for robotic harvesting[外文期刊]2001(02)
7. 赵杰文;刘木华;杨国彬 基于HIS颜色特征的田间成熟番茄识别技术[期刊论文]-农业机械学报 2004(05)8. 蔡健荣;范军 基于遗传算法的树上柑桔形状特征提取[期刊论文]-江苏大学学报（自然科学版） 2007(06)9. 蔡健荣;周小军;李玉良 基于机器视觉自然场景下成熟柑橘识别[期刊论文]-农业工程学报 2008(01)10. 赵晓霞 桃子果实图像算法研究 2008
11. Stajnko D;Lakotaa M;Hocevarb M Estimation of number and diameter of apple fruits in an orchardduring the growing season by thermal imaging[外文期刊] 2004(01)
引证文献(3条)
1. 张志强. 牛智有. 赵思明. 余佳佳 基于机器视觉技术的淡水鱼质量分级[期刊论文]-农业工程学报 2011(2)2. 司永胜. 乔军. 刘刚. 高瑞. 何蓓 苹果采摘机器人果实识别与定位方法[期刊论文]-农业机械学报 2010(9)3. 张亚静. 李民赞. 刘刚. 乔军 基于机器视觉和信息融合的邻接苹果分割算法[期刊论文]-农业机械学报 2009(11)
本文链接：http://d.g.wanfangdata.com.cn/Periodical_nyjxxb200908033.aspx