基于机器视觉的温室番茄裂果检测

TP391.41; 该文通过对温室番茄果实进行定位及裂果检测,可为番茄裂果率预估及后续裂果自动筛选提供参考.针对自然光照下采集的各类番茄图像,在相关颜色空间中进行阈值预分割,利用前期支持向量机训练得到的纹理特征分类器对预分割区域进行二次判别;之后在前景区域利用显著性角点分割构造边缘轮廓集,利用基于最小二乘法修正的改进霍夫变换拟合单个番茄目标;最后利用二维Gabor小波算子对拟合的单个番茄区域进行纹理特征提取及裂果判别.文中共采集82幅番茄图像,其中50幅图像作为训练集图像,32幅图像作为验证集,所提算法对测试集中总共128个番茄的果实正确检出率为91.41％,对其中35裂果的正确判别率为97....

Full description

Saved in:
Bibliographic Details
Published in农业工程学报 Vol. 34; no. 16; pp. 170 - 176
Main Authors 刘鸿飞, 黄敏敏, 赵旭东, 陆文婷
Format Journal Article
LanguageChinese
Published 北京科技大学机械工程学院,北京,100083%农科院国家农业科技展示园,北京,100081%首都经济贸易大学工商管理学院,北京,100070 15.08.2018
Subjects
裂果检测
纹理
霍夫变换
图像处理
特征
Online AccessGet full text
ISSN1002-6819
DOI10.11975/j.issn.1002-6819.2018.16.022

Cover

More Information
Summary:TP391.41; 该文通过对温室番茄果实进行定位及裂果检测,可为番茄裂果率预估及后续裂果自动筛选提供参考.针对自然光照下采集的各类番茄图像,在相关颜色空间中进行阈值预分割,利用前期支持向量机训练得到的纹理特征分类器对预分割区域进行二次判别;之后在前景区域利用显著性角点分割构造边缘轮廓集,利用基于最小二乘法修正的改进霍夫变换拟合单个番茄目标;最后利用二维Gabor小波算子对拟合的单个番茄区域进行纹理特征提取及裂果判别.文中共采集82幅番茄图像,其中50幅图像作为训练集图像,32幅图像作为验证集,所提算法对测试集中总共128个番茄的果实正确检出率为91.41％,对其中35裂果的正确判别率为97.14％,裂果判别部分平均耗时21 ms.试验结果表明,该方法具有较好的鲁棒性与可靠性,对成熟期番茄裂果率的估计研究及采摘过程中裂果的自动分级筛选具有较好的指导意义,为未来实现温室番茄果实生长状态在线监测提供参考.
ISSN:1002-6819
DOI:10.11975/j.issn.1002-6819.2018.16.022