近几年,智慧农业的快速发展对农业自动化提出了更高的要求,农业机器人作为自动化技术的典型代表应运而生,对其视觉系统功能的完善是成功完成农业采摘的前提条件,但是自然场景中生长的果实存在多种生存状态,到目前为止,自然场景下目标果实检测相关技术的研究仍然不完善。本文主要以北方种植范围较广的成熟的苹果果实为研究对象,对自然场景下苹果果实的检测相关技术展开研究。目前,对于无遮挡苹果果实的检测及定位技术已经成熟,但对于自然光照影响下的遮挡和重叠果实的现象,采摘机器人视觉系统尚不能准确的对目标果实进行判断,导致精度不高、效率低下等。为了解决这些问题,本文对自然场景下不同状态的苹果果实检测定位相关技术进行研究,提出了解决方法,并通过实验进行了验证。主要研究内容如下:(1)自然场景下,苹果果实生长位置存在差异,导致苹果果实所受光照强度也存在巨大差异,引起相机不能及时适应光照强度变化而造成采集图像质量变差。本文采用光照强度与彩色图像中的颜色特征具有一定的相关性,对自然场景下果实所处区域的光照强度进行预测,辅助矫正相机参数,得到质量较好的机器视觉图像,提高苹果果实检测率。(2)自然场景下重叠生长的苹果果实的检测、定位研究。对于苹果果实重叠的生长状态,要对目标果实进行提取,首先利用改进的Grabcut自动分割方法对目标果实兴趣区域进行探测,使用去噪方法去除噪音影响;接着采用Harris角点检测的方法结合果实角点与质心的距离曲线极值求解出果实重叠区域的关键角点来实现对目标果实重叠区域的定位,结合关键点凹凸性算法进行重叠果实分离得到重叠果实单果轮廓,最后利用最小二乘算法(DLS)对重叠果实遮挡轮廓进行重建。经与传统的Hough实验和Spline实验结果进行对比,本文的实验结果对于重叠情况下苹果果实的检测效果更加明显,其果实检测重合率高达95.61%,基本上较好的满足了苹果果实检测的需求。(3)苹果果实枝叶遮挡情况下目标果实检测相关技术研究。对于苹果果实目标被枝叶遮挡的情况,本文提出了一种结合凸壳算法、K-means算法以及弦的中垂线定圆法来完成苹果果实的检测定位。首先以优化后的K-means聚类算法为基础检测到目标果实,利用数学形态学对噪音进行消除,然后将凸壳技术应用于果实的处理过程中,进而获取果实凸包,此外,为了剔除虚假凸包,引入自适应控制边缘提取算法,最后结合弦的中垂线定圆法完成对目标果实图像中缺少轮廓的修复,以获取与实际果实轮廓重合度较高的图像轮廓,进而实现精准检测被枝叶遮挡区域目标果实。实验结果表明,本文中方法相较于圆形法和简单插值法具有较高的检测效率。(4)在完成各实验环节的基础上,对自然场景下苹果果实检测定位相关技术的未来发展前景进行了展望。综上,通过对自然场景下苹果果实检测技术的研究和相关实验,可以看出,本文提出的方法,在一定程度上提高了检测、定位的准确度,为现实场景中采摘工作的成功进行奠定了基础。图38幅,表6个,参考文献73篇。