智能化、自动化农业装备研发是农业机械研究的热点之一,开发柚类果实采摘机械对于解决当前生产中劳动力短缺问题具有重要意义。准确识别果实并定位采摘点位置是实现柚子采摘机械手功能的基础。本文以果园自然环境中的采摘期挂树柚果为对象,提出一种基于柚子挂果姿态和质心位置确定感兴趣区域、进而通过果梗骨架提取确定柚子采摘点位置的图像处理方法,并利用独立验证集数据检验上述算法适用性。主要研究内容和结论如下:(1)搭建了图像采集系统并获取了成熟期挂树果实图像数据。在晴天顺光、晴天遮阴、阴天光照3种不同光照条件下拍摄柚子图像共计213幅,包含晴天顺光71幅、晴天遮阴99幅、阴天光照43幅。相机与果实的距离范围为[0.2m-0.6m]。随机选取3种光照条件下140幅柚子图像用于建立柚子采摘点识别算法模型,其余73幅3种光照条件下柚子图像作为独立验证集,用于检验识别算法的适用性。(2)确定了柚子果实识别与分割方法。比较了色差系数为2的色差法、聚类数K取2的K-means聚类算法和Cb颜色分量3种方法对柚子果实分割效果的影响,最终选取色差法2R-G-B色差分量合成图用于柚子果实分割。利用2R-G-B合成图像结合OTSU自适应阈值分割法分割柚子果实二值图像,并通过形态学操作和去除较大面积噪声的方法消除噪声,实现柚子果实目标的分割。(3)提出了柚子采摘点识别算法。首先计算柚子果实质心和最小外接矩形,结合果实挂果姿态,确定圆形感兴趣区域;然后利用阈值设置为80的V颜色分量,并通过形态学操作消除噪声,提取圆形感兴趣区域中果梗二值图像;继而选取Zhang细化算法对果梗图像进行骨架提取;最后设计了一种柚子采摘点计算方法,并定义了准确定位采摘点的标准。(4)柚子采摘点识别算法验证与结果分析。分析了感兴趣区域半径值对采摘点识别结果产生影响:半径值过大或过小会导致采摘点误判。利用验证集图像对采摘点识别算法进行验证,总识别准确率为87.67%。其中48幅单果图像的采摘点平均识别准确率为87.97%,在晴天顺光、晴天遮阴和阴天光照条件下的识别准确率分别为88.89%、91.69%和83.33%,平均用时为0.33s;25幅多果图像的采摘点平均识别准确率为83.44%,在晴天顺光、晴天遮阴和阴天光照条件下采摘点识别准确率分别为85.71%、84.62%和80.00%,平均用时为0.36s。进行了定位误差分析:采摘点误判主要来源于横坐标像素平均偏差值过大。研究和试验结果表明,本文提出的基于图像处理的柚子果梗采摘点识别方法,能够满足机械手采摘中对柚子采摘点位置识别的要求,为后续柚子采摘机器人设计与控制所需采摘动作执行点位置获取提供了有效的技术基础。