1、監(jiān)測(cè)蘋(píng)果生長(zhǎng)過(guò)程中的直徑變化對(duì)于預(yù)測(cè)蘋(píng)果發(fā)育狀況、指導(dǎo)果農(nóng)進(jìn)行農(nóng)事操作具有非常重要的作用。采用人工測(cè)量等傳統(tǒng)方法存在效率低、精度差等問(wèn)題，而機(jī)器視覺(jué)為實(shí)現(xiàn)蘋(píng)果生長(zhǎng)過(guò)程連續(xù)、快速的監(jiān)測(cè)提供了支持。由于在果園自然條件下，生長(zhǎng)期蘋(píng)果果實(shí)個(gè)體顏色差異較大，又受光線變化等因素的影響，使拍攝到的蘋(píng)果圖像比較復(fù)雜，為蘋(píng)果的分割、識(shí)別和直徑提取帶來(lái)了一定的困難。為了解決上述問(wèn)題，本文主要針對(duì)自然場(chǎng)景下生長(zhǎng)期內(nèi)自動(dòng)監(jiān)測(cè)蘋(píng)果圖像進(jìn)行不同顏色分量選取、二值化

2、處理和去噪等操作，然后對(duì)二值化后的蘋(píng)果圖像進(jìn)行邊緣檢測(cè)，利用兩種圓擬合方法（HOUGH變換和最小二乘法）進(jìn)行半徑擬合，分別與實(shí)測(cè)直徑對(duì)比分析，選用最小二乘法的模擬半徑值與果實(shí)發(fā)育天數(shù)建立Logistics方程，并對(duì)模型進(jìn)行驗(yàn)證。本文的研究?jī)?nèi)容分為以下三部分：
　　1.生長(zhǎng)期果實(shí)識(shí)別。利用三種不同顏色模型（RGB、Lab、YCbCr）中的8種分量，對(duì)生長(zhǎng)期（本文分為初期、中期、后期）蘋(píng)果圖像進(jìn)行識(shí)別，計(jì)算果實(shí)面積和噪聲率，將果實(shí)面積

3、與真實(shí)果實(shí)面積比較，并結(jié)合噪聲率大小，從而選擇不同時(shí)期適合的顏色模型提高識(shí)別率。對(duì)初期蘋(píng)果分割時(shí)，應(yīng)優(yōu)先選用RGB模型下的g-r分量進(jìn)行提?。粚?duì)中期蘋(píng)果提取時(shí)，應(yīng)優(yōu)先選用r-b分量；對(duì)成熟期蘋(píng)果進(jìn)行提取的過(guò)程中，優(yōu)先選用a*分量進(jìn)行提取。選出合適的顏色模型，使其能適應(yīng)不同顏色變化而進(jìn)行有效分割，為蘋(píng)果生長(zhǎng)期識(shí)別提供了依據(jù)。對(duì)于已提取的灰度圖像，選取OTSU（最大類間方差）法進(jìn)行圖像分割，利用數(shù)學(xué)形態(tài)學(xué)開(kāi)閉運(yùn)算、刪除小面積區(qū)域進(jìn)行圖像去噪

4、處理，最后對(duì)二值化圖進(jìn)行填充操作。
　　2.果實(shí)半徑識(shí)別。通過(guò)分析比較幾種邊緣算子，選用Canny算子對(duì)二值化圖像進(jìn)行邊緣信息提?。焕米钚《朔ê虷OUGH變換對(duì)圖像進(jìn)行圓擬合，提取半徑信息，分別與實(shí)測(cè)直徑對(duì)比分析，通過(guò)分析決定系數(shù)、均方根誤差和平均絕對(duì)誤差來(lái)判定擬合程度，結(jié)果表明最小二乘法得出的半徑值與真實(shí)值之間的決定系數(shù)R2，均方根誤差為和平均絕對(duì)誤差均優(yōu)于HOUGH變換方法。說(shuō)明最小二乘法的模擬直徑值更接近于實(shí)測(cè)值，最小二

5、乘法更適用于本文圖像的圓擬合，且檢測(cè)簡(jiǎn)單、速度快。
　　3.建立生長(zhǎng)發(fā)育模型并驗(yàn)證。由于果實(shí)直徑發(fā)育呈S型曲線增長(zhǎng)并且Logistics曲線較好的描述了蘋(píng)果的生長(zhǎng)發(fā)育規(guī)律，因此利用最小二乘法的模擬直徑值y與盛花期后的生長(zhǎng)發(fā)育天數(shù)t建立Logistics曲線方程，該方程能模擬果實(shí)生長(zhǎng)過(guò)程中的直徑大小。選取任意天數(shù)進(jìn)行模型驗(yàn)證，驗(yàn)證結(jié)果與真實(shí)值誤差在2mm以內(nèi)，符合蘋(píng)果直徑評(píng)價(jià)要求。
　　對(duì)不同時(shí)期的蘋(píng)果果實(shí)進(jìn)行圖像識(shí)別、分割提