引言

福建是柑橘的主要产地，柑橘采摘质量的好坏,直接影响贮运质量和经济效益.利用智能机器人进行采摘不仅会提高柑橘水果的采摘效率，节约劳动力资源，同时对其他水果智能采摘技术问题提供经验[1].因此果实信息智能识别及定位方法研究已成为目前研究的热点.

图像处理技术用于农作物的果实及叶片的识别和提取起步较晚,主要集中于20世纪80～90年代和本世纪初[2].王新忠,毛罕平(2005)基于IQ彩色模型图像分割识别采用色度阈值分割法对成熟番茄图像进行分割识别,能较好地适应不同光照情况,具有高效实时处理的特点[3].温长吉等(2013)提出一种基于改进人工蜂群算法的脉冲耦合神经网络图像分割算法对玉米常见病害彩色图像进行分割，得到了包括颜色、纹理信息等较为细致的病害外部形态特征[4]；通霏，武佩，韩丁(2014)等根据牧草H分量的分布特征，利用2G-B色差特征在HSI颜色空间中, 对彩色牧草图像进行了有效分割，取得了较为完整牧草轮廓[5].徐黎明，吕继东(2015)采用基于同态滤波和K均值聚类算法对自然环境下光照不均杨梅果实图像分割，该算法能有效地分割出杨梅目标,极大地降低了分割误差、假阳性率、假阴性率，保证了杨梅目标在颜色、纹理和形状方面的完整度[6]；综上所述，目前大多采用阈值分割算法、人工蜂群算法、色差分割算法、聚类算法及相关算法的组合算法对图像进行目标识别.这些算法大多运算复杂，需要的存储空间大，识别的精度低, 不适合复杂背景下柑橘果实信息智能识别及定位，本文采取基于2R-G-B色差分量为数据源的小波多尺度变换分割果实信息，对于复杂背景提取果实信息得了较好的视觉效果.

目前在医院发展中产生的所有药品信息，都主要是来源于医院的药库信息系统。新的药品信息都是在药库工作的管理人员进行维护和录入的。信息的维护和录入工作包含有把药品的名称、规格、生产厂家、门诊药房以及发药单位和医保编码等项目进行录入管理，其中还要详细的记录好药品的出库和入库数据，方便后期的药物盘点工作开展。

1 基于2R-G-B多尺度小波分割改进算法

本课题通过提取复杂背景下的果实图像2R-G-B色差分量作为信息源，采取小波多尺度变换阈值分割枝、叶、果实图像和背景，基于小波多尺度变换阈值分割图像方法的基本思想是首先由较大的尺度系数到较小的尺度系数逐步定位出灰度阈值门限，然后利用阈值标出图像分割的区域[6].在很大程度上克服了单一的梯度图像增强时会丢失图像细节信息、增强图像噪声等的不足，使果实同树叶、树枝、天空背景图区别开来，达到对图像目标进行信息提取的目的，该方法能够实现对复杂背景下的果实图像的预处理,并且能够准确地提取果实特征.

1.1 RGB空间色差定义

由于提取目标和背景的色差的不同，使得色差分量成为提取图像边缘的重要信息，彩色图像某像素点P(R，G，B)的RGB空间定义(如图1所示)：通过P点向R-O-G,G-O-B,B-O-R三个平面做垂线，构造立方体，该像素点的R，G，B分量分别为

  

图1 彩色图像RGB空间定义

真彩色图像P(x,y)可表示为函数：

 

(1)

令

 

(2)

深圳市艾力农生态发展有限公司董事长助理、副总经理杨明波在致辞中表示，当前我国固体氮肥的使用不当以及生产工艺水平较低，造成了肥料利用率低下和资源的严重浪费，也对土壤、水资源等生态环境造成了污染和破坏，同时农民及农资经销商收益较低。针对这些问题，深圳市艾力农生态发展有限公司联合美国肥必施公司共同推出了液体缓释氮肥产品“艾力素”，在符合“减肥增效”政策要求的同时，作物应用效果良好，且提高了农民和经销商的收益，有力推动了氮肥的转型升级发展。

P(x,y)=r(x,y)+g(x,y)+b(x,y)

(3)

在肯尼亚站稳脚跟之后，2016年Kilimall相继进军乌干达和尼日利亚，覆盖近2.8亿人口，接近非洲总人口数的四分之一。当年“黑色星期五”促销活动期间，Kilimall全天成交上万个订单，卖出了数万件商品。

粟特锦，主要有黄地簇四联珠对马锦、黄地中窠宝花锦、红地中窠含绶鸟锦、绿地对波联珠狮凤锦、黄地对鸟纹锦、红色绫地宝花织锦绣袜等。

 

(4)

1)将小波分割后的图像像素点利用如下(15)式从2D空间转换到极坐标空间，将图像空间坐标(x,y)对应到参数空间坐标(p,q,a,b,θ),其中椭圆的长轴和短轴为a、b；以椭圆中心(p,q)为原点，设定正向旋角为θ[12]：

 

(5)

2R-G-B色差分量函数f(x,y)定义：

 

(6)

1.2 小波变换的图像分割

近年来，无线传感器网络广泛地应用于军事领域中，有效地扩展了战场信息的检测手段[1]。在枪声定位应用中，麦克风阵列检测枪声信号中的马赫波和枪口波，系统根据两个声波到达时间差和角度差，以及麦克风阵列模型来完成枪声声源定位[2-3]。

小波检测图像边缘公式如下：

h(x,y)=∬Rf(u,v)H(x-u,y-v)dudvg(u,v)

(7)

色差分量图像f(x,y)为源图像，h(x,y)为提取的边缘图像，R为源图像平面，H为核函数；f(x,y)满足:

∬

(8)

由于高斯函数不仅算法简单，且识别图像重影率低，图像清晰，因此选用高斯函数作为小波变换核函数[9]：

所以

 

(9)

对f(x,y)的一阶偏导作为小波函数:

R-G色差分量定义：

 

(10)

在尺度为2j 时函数H(x,y),沿水平及垂直方向的二进制小波变换为:

 

(11)

向量表达式为：

▽(f*H2j)(x,y)

(12)

在尺度2j模和幅角分别为：

 

(13)

 

(14)

对每一个2j尺度，图像边缘取自函数的突变点即模对应的失量沿梯度方向的局部极大值点.每个尺度上的局部极大值点构成图像的多尺度边缘.对于j个2j尺度图像边缘进行3*3模版匹配，阈值均值uj进行排序取中值T作为门限阈值，若该像素点的局部极值大于门限阈值T时，取该的像素点作为最终图像边缘点[10].

无人机飞防药剂要求稀释倍数只有4.5～10.66倍[6]．通过实验发现，甲维盐微乳剂在稀释倍数为5倍时，其乳化性能合格，与低含量制剂相比减少了溶剂和助剂的用量，从而使生产成本明显降低，因而具有较高的经济效益和推广应用价值，适合作为飞防专用药．

1.3 图形边缘拟合及定位

因为果实多为椭圆形和圆形(圆形是椭圆的长轴和短轴相等的特例)，因此采用极坐标霍夫变换[11]拟合椭圆定位果实中心.

主要步骤：

记得9岁那年，国庆长假，爸爸带你徒步茅山。茅山距离句容近二十五公里。你和爸爸日出而出，日落才到。整整步行了一天。中途双腿发酸发软，脚板心疼痛，你想过放弃，特别是公交车从你身边驶过时。但正当你想放弃时，脑海中又想起爸爸常说的那一句话——坚持就是胜利。你牙一咬，心一横，终于坚持步行到了茅山。到达茅山脚下的兴奋冲走了你所有的疲倦，你快乐无比，从而你更加坚信只有持之以恒，才能获得成功。

R-B色差分量定义：

x=p+acosαcosθ-bsinαsinθy=q+asinαsinθ-bsinαcosθ

(15)

2)在极坐标空间进行归一化各个点的强度,使之符合区间[0,255];

根据柑橘果实中R分量高于另外两个分量的特点，采用2R-G-B色差分量[13]提取图像，如图3所示.不仅弥补了传统的彩色图像转换成灰度图像，使有价值信息的丢失情况，同时使图像中提取目标和分离部分差别更大，图像的边缘和背景会出现明显的亮度反差，这极大地为准确提取图像边缘提供了保证.

  

图2 椭圆极坐标空间转换

2 柑橘果实信息智能识别及定位方法研究仿真过程设计

3)根据五维累加器构造参数空间，令长轴、短轴，旋角的步长均1，利用极坐标转角进行遍历所有像素点，寻找符合累加最大值的像素点的中心坐标及长短轴，如图2所示.

小波变换提取图像边缘的基本思路是利用核函数对色差图像进行卷积，采取多尺度分解对图像边缘进行检测[8].

  

图3 2R-G-B色差分量提取图像

基于小波变换的多尺度阈值分割比传统的图像阈值分割具有很强的抗噪性的同时, 保留更多细节信息[14]；在直方图为多峰值时，采用多分辨率分解，分割出复杂背景图像中本身具有多个灰度层次的目标，实现果实同背景的分割，如图4所示.

  

图4 2层小波分解图像

Hough变换的基本原理在于，利用点与线的对偶性，将图像空间的线条变为参数空间的聚集点，从而检测图像是否存在给定性质的曲线[15]，不采用传统的Hough变换(图5)投票方式，采用用椭圆形极坐标曲线Hough变换(图6)拟合果实图形边缘，弥补果实被遮挡缺失部分.

  

图5 小波多尺度提取图像边缘及传统hough拟合

  

图6 小波多尺度提取图像边缘及极坐标hough拟合

实验采取的技术线路：

  

图7 实验的关键线路

本设计的创新点:

1)本设计根据柑橘果实颜色自身的特点采用基于增强红光分量和小波多尺度结合提取果实边缘的策略，不仅克服了因复杂背景及多果重叠提取难度大的情况，而且提高了果实边缘提取的精准度，为后续中心点定位准确提供了保证.

带着这样的思考，我们进行了“智慧珠”实验，总时长1小时，在初步认识实验材料之后，学生可按研究兴趣分组实验。

2)本设计采取极坐标霍夫椭圆拟合果实边缘及定位果实中心，相比传统做法拟合果实边缘更具精确性及合理性.

3 本文算法与其他传统算子(Robert、Prewitt、sobel)算法提取图像实验数据比较

3.1 信息熵和平均梯度比较

计算Robert算子、prewitt算子、Sobel算子、多尺度小波四种算法提取图像边缘的信息熵[16]及梯度信息[17]，可以看出多尺度小波提取图像保留更多边缘信息见表1.

2018年12月20日，在北京市、天津市、河北省三地哲学社会科学规划办公室大力支持下，由北京国际城市发展研究院、北京国际城市文化交流基金会联合主办，北京市哲学社会科学京津冀协同发展研究基地承办，首都科学决策研究会、领导决策信息杂志社、基于大数据的城市科学研究北京市重点实验室协办的“国际城市论坛京津冀协同发展2018年会”在北京举行。年会主题为“建设以首都为核心的京津冀世界级城市群”，来自京津冀三地有关部门负责人、专家学者和研究人员近100人参会。

 

表1 四种算法提取图像的信息熵及梯度信息

  

Robert算子图像prewitt算子图像Sobel算子图像多尺度小波图像信息熵6.008 56.208 56.408 56.799 3平均梯度0.081 50.082 50.084 50.093 1

3.2 提取结果比较

利用MATLAB软件进行仿真,将以上四种算法提取图像边缘进行比较如图8所示.

  

图8 四种算法提取图像边缘比较

由图8可以观察到，对于单个果实图形，四种算法的提取效果都较好，但对于多果重叠的情况，多尺度小波比其他几种算法提取细节信息更为丰富，因此提取较为精准.

4 结论

通过提取柑橘果实图像2R-G-B色差分量作为信息源，采取小波多尺度变换分割果实信息，对于复杂背景及多果重叠等情况下都将取得较好的视觉效果，并采用极坐标椭圆Hough变换拟合果实边缘特征及定位中心，使用MATLAB软件进行仿真，仿真结果显示在果实图像边缘和中心定位上都能够较好的满足需求，为机器人智能采摘提供可行性.

参考文献:

[1]徐惠荣,叶尊忠,应义斌.基于彩色信息的树上柑橘识别研究[J].农业工程学报,2005(05):38-39.

[2]汤修映,张铁中.果蔬收获机器人研究综述[J].机器人,2005(01):56-60.

[3]王新忠,毛罕平,林伟明.基于YIQ彩色模型的成熟番茄图像分割识别[A].农业工程科技创新与建设现代农业,2005(03):313-315.

[4]温长吉, 王生生,于合龙,等.基于改进蜂群算法优化神经网络的玉米病害图像分割[J].农业工程学报,2013(07):28-32.

[5]通霏, 武佩,韩丁, 等.基于颜色特征的牧草图像分割方法研究[J]，农机化研究,2014(05):32-36.

[6]徐黎明,吕继东.基于同态滤波和K均值聚类算法的杨梅图像分割[J].农业工程学报,2015(07):12-15.

[7]Zeng J,Li D. Color image edge detection method usingVTV denoising and color difference. [J]. Optik-InternationalJournal for Light and Electron Optics . 2011(3):36-39.

[8]王玮钊,李占贤,张进.基于小波变换的多尺度图像边缘检测算法[J].河北理工大学学报(自然科学版)，2009(03):117-135.

[9]宋洁,范延滨,成金勇,等.关于高斯函数的小波性质的研究[J].计算机科学,2004(11):128-136.

[10]王景中,张晓辉.基于自适应阈值的小波增强方法[J].信息技术,2015(09):12-19.

[11]陈燕新,戚飞虎.一种新的基于随机Hough变换的椭圆检测方法[J].红外与毫米波学报,2000(01):231-238.

[12]袁理,叶露,贾建禄.基于Hough变换的椭圆检测算法[J].中国光学与应用光学,2010(04):15-19.

[13]谭儒婷,曾丁丁,武艳雯,等.树上椪柑的最优色差分量机器识别的方法研究[J].湖南农业科学,2013(02):101-105.

[14]赵丽,王玉兰,张孝攀.基于小波变换的图像处理技术研究[J].四川理工学院学报(自然科学版),2013(06):56-58.

[15]樊晓燕,陈兆学.基于Hough变换的椭圆检测方法[J].微计算机信息,2012(09):23-25.

[16]王学忠,肖斌.一种基于图像信息熵的自适应滤波算法[J].计算机应用,2008(10):98-101.

[17]vans Adrian N,Liu Xin U.A Morphological Gradient Approach to Color Edge Detection.[J]. E IEEE Transactions on Image Processing . 2006,12(1):1012-1016