基于神經網絡的茄子采摘機器人視覺識別方法＊

宋 健

（濰坊學院，山東 濰坊 261061）

基于神經網絡的茄子采摘機器人視覺識別方法＊

宋 健

（濰坊學院，山東 濰坊 261061）

針對生長環境中茄子圖像背景復雜的特點，提出了一種基于BP神經網絡的圖像分割方法。通過對茄子果實的分析，選取3×3鄰域像素EXG灰度值作為圖像特征。選取30幅圖像作為訓練樣本，以人工借助Photoshop軟件分割后的圖像作為教師信號，采用改進的BP算法對神經網絡的權值進行訓練。經過120次循環后，獲得有效的網絡權值，誤差為0.001。結果表明，利用BP神經網絡能夠較好地實現茄子與背景的分離，經過數學形態法結合中值濾波方法的進一步處理后完全能滿足采摘機器人的要求。

圖像處理；圖像分割；自動閾值；采摘機器人

1 引言

隨著人口的老齡化和農業勞動力的減少，蔬菜和水果收獲采摘機器人成為了世界性的研究熱點。采摘機器人進行作業時，首先要根據果實目標的顏色、大小和形狀將成熟果實從葉子和枝條等背景中辨別出來，并確定其空間位置，為機械手提供相應的運動參數，從而完成采摘作業。因此，圖像分割是果實目標識別過程中的關鍵步驟。

目前，常用的圖像分割方法有閾值分割法、區域生長分割法、基于數學形態學分割法等。但是，都不同程度的存在不足之處。近年來，國內外學者將神經網絡技術引入到圖像分割中，取得了一定的成果。邱道尹等人利用BP神經網絡技術識別儲糧中的害蟲，識別率達到了100%。張亞靜提出了一種基于圖像特征和神經網絡分類器的蘋果圖像分割算法，算法正確率大于87.6%。……