刘智杭, 于 鸣, 任洪娥
(东北林业大学信息与计算机工程学院,黑龙江哈尔滨 150040)
葡萄是一种重要的农作物,全球市场报告显示,2017年我国的葡萄产量达到1 020万t[1]。依靠人工进行大面积葡萄采摘耗时费力,葡萄采摘机器人可以有效改善这一情况[2],如何提高机器采摘的速度和准确率已成为国内外现代化农业研究的重点问题。
采摘机器人对果实位置定位的准确程度是采摘成功的关键因素。图像分割是图像识别和机器视觉的基础,对于加快机器采摘速度和提高机器采摘准确率的意义重大。图像分割是指根据颜色、纹理等特征将图像分成若干个互不交叠区域并提出感兴趣目标的技术和过程[3]。常用的图像分割方法主要有:基于图像灰度特征的阈值分割、利用图像局部特征不连续性的边缘检测分割、根据图像相似性准则的区域分割及利用聚类分析的图像分割等[4]。其中基于K均值聚类的图像分割方法不受图像形状和边界的限制,分割效果显著,在人脸识别、医学造影、果实识别等方面都有应用[5]。如刘国成用色度值作为特征向量进行K-means聚类,将对图像进行分割的任务转化为对数据集合进行分类的任务,从背景中能有效地识别出叶片上的叶螨害虫,平均识别率达93.95%[6]。由于K-means聚类算法本身存在着过于依赖于初始聚类中心的选择、对于离群点和孤立点过于敏感和容易陷入局部最优等问题,很难保证分割精确度,很多学者将K-means算法与其他算法结合进行改进[7]。……