文献类型：期刊文章

作　　者：刘晓洋[1] 赵德安[1] 贾伟宽[2] 阮承治[3] 姬伟[1]

LIU Xiaoyang;ZHAO Dean;JIA Weikuan;RUAN Chengzhi;JI Wei(School of Electrical and Information Engineering,Jiangsu University,Zhenjiang 212013,China;School of Information Science and Engineering,Shandong Normal University,Ji’nan 250358,China;School of Mechanical and Electrical Engineering,Wuyi University,Wuyishan 354300,China)

机构地区：[1]江苏大学电气信息工程学院,镇江212013 [2]山东师范大学信息科学与工程学院,济南250358 [3]武夷学院机电工程学院,武夷山354300

出　　处：《农业机械学报》

基　　金：国家自然科学基金项目(31571571、61903288);山东省自然科学基金项目(ZR2017BC013);福建省自然科学基金项目(2018J01471);江苏省高校优势学科建设项目(PAPD)

年　　份：2019

卷　　号：50

期　　号：11

起止页码：15-23

语　　种：中文

收录情况：BDHX、BDHX2017、CAB、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2019_2020、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：针对苹果采摘机器人在自然环境下对着色不均匀果实的识别分割问题,提出了基于超像素特征的苹果采摘机器人果实分割方法。首先,采用简单线性迭代聚类算法将图像分割成内部像素颜色较为一致的若干超像素单元;然后,提取每个超像素的纹理和颜色特征,并采用支持向量机将超像素分为果实和背景两个类别;最后,根据超像素之间的邻接关系对分类结果进行进一步修正。实验表明,该方法能够对大部分超像素单元进行正确分类,平均每幅图像被错误分类的超像素约为2.28个。与采用像素级特征的色差法和采用邻域像素特征的果实分割方法相比,采用超像素特征的果实分割方法具有更好的分割效果。在进行邻接关系修正前,该方法图像分割准确率达0.9214,召回率达0.8565,平均识别分割一幅图像耗时0.6087 s,基本满足实时性需求。

关 键 词：苹果 采摘机器人 特征提取 超像素分割  支持向量机

分 类 号：TP391.41]