花椒的采摘需要耗费大量人力,目前农村劳动力不但缺乏,而且成本逐年增加,使得花椒生产成本急剧增加,成为制约其规模化生产的主要因素。因此,研究高效率农业采摘技术是现代农业的发展要求。本课题以树上的花椒为对象,利用计算机视觉、数字图像处理、模式识别等技术,研究了自然环境下花椒目标的自动识别与定位方法,以期增强机器人现场作业的精准率,提高工作效率。具体开展了以下几方面工作:(1)研究了花椒图像的采集及颜色特征。在研究花椒实际生长状况的基础上,重点阐述了花椒果实在常用颜色空间模型中的特点。首先,采用颜色空间模型中多个颜色分量对花椒图像进行处理,对比各分量中花椒果实的颜色特征;其次,利用定量化的方法对各分量图中果实、树枝、叶子和背景等景物的灰度值进行统计和分析。(2)研究了自然环境下花椒图像的分割方法。设计了基于R与H分量图,并结合大律法(OTSU)分割出花椒图像兴趣区,并与R-G色差法、ITS法及K-means聚类算法分割结果相比较,结果表明基于R与H分量的OTSU分割法能更好的分割出花椒兴趣区,并更真实地接近实际中的花椒区域。(3)研究了自然环境中花椒采摘点的定位。首先通过对花椒串区域进行形态学处理,采用Canny算法提取花椒串的轮廓区域,然后根据形心偏差法及惯性主轴法求解得到花椒采摘点像素坐标,并与图像中的最佳采摘区域的像素进行对比,最后分析不同光照下100幅图像中花椒串采摘点的像素误差,其中有83幅图像的采摘点与最佳采摘点像素误差在3~10之间,误差在10个像素以内的图片幅数达83%,表明该方法能基本达到花椒采摘点的准确定位。(4)为进一步获得花椒果实串的三维空间坐标,分析了花椒串图像的二维信息,研究了双目视觉匹配原理,设计并实现了花椒串三维坐标的获取。采用双目视觉形心匹配法进行试验,并对获得的目标花椒的三维坐标值进行误差分析,试验结论表明:在离基线350~1100mm的范围内花椒串形心匹配在X、Y、Z坐标上的误差范围分别为-1~1.2mm、-2.4~2.7mm、-11.3~11.5mm,能基本满足采摘机器人对目标的采摘要求。本课题完成了基于机器视觉的花椒目标识别与定位技术研究,文中所提出的识别定位方法、相应的算法及算法的有效性分析为实现自然环境下的花椒准确识别与定位奠定了基础,对提高花椒现场采摘效率有重要作用。