果蔬采摘机器人是实现果蔬自动化采摘的重要手段,是当前农业机器人研究领域的热点。实现果蔬采摘机器人的夜间作业,可延长果蔬采摘机器人的工作时间,提高工作效率。果蔬采摘机器人视觉系统的主要功能是实现果实的识别及3D定位。为实现基于机器视觉的夜间番茄自动识别,本文研究了番茄采摘机器人夜间照明系统设计方法、夜视番茄图像分割算法及识别算法,主要研究内容及结论如下:(1)番茄采摘机器人夜间照明系统设计。将光源种类、光源布局及图像采集距离作为试验因子,采用正交试验表L18(6?36)安排试验,并提出了一种基于前景与背景类间方差和类内方差比值F的图像可分割性评价指标,作为确定最佳试验方案即最优照明系统的评价指标。试验结果表明:光源种类和光源布局是影响番茄采摘机器人夜间照明系统的显著因子,图像采集距离为不显著因子;光源种类因子各水平中,荧光灯照射时图像的F值最大,为2.165;光源布局因子各水平中,对角布局时图像的F值最大,为2.234。将试验结果与基于归一化R-G色差的OTSU自动阈值图像分割算法的分割效果进行了对比,对比结果也验证了基于该图像可分割性评价指标的夜间照明系统设计方法的有效性。(2)夜视番茄图像预处理。图像预处理是果蔬目标识别前不可缺少的步骤,主要任务是进行图像降噪和颜色特征选择。本文根据夜视番茄图像的特点,对多种降噪方法进行分析,结果表明采用维纳滤波可以有效地去除图像噪声并保留番茄图像的边缘特征。此外,分别分析了夜视番茄图像在常见的颜色空间(RGB、HSI、Lab)中各个分量的特点。结果表明采用RGB颜色空间中的R-G色差分量作为夜视番茄图像的颜色特征时,易于番茄图像分割与识别。(3)夜视番茄图像分割算法设计。介绍了OTSU自动阈值法、K-means聚类法、支持向量机三种图像分割算法的原理及实现步骤,并通过误分割率和运行时间对分割效果进行评价,结果表明OTSU自动阈值法作为夜视番茄图像的图像分割方法时,运行时间最短,为2.41s,误分割率最低,为7.91%,因此采用基于OTSU自动阈值法可准确快速地分割出成熟番茄。(4)夜视番茄目标识别算法设计。研究了夜间单个、重叠番茄的识别算法,重点对无枝叶遮挡双果重叠番茄识别算法进行了研究。首先采用同态滤波进行图像增强,边缘检测并提取光斑区边缘、轮廓和重叠边缘,并提出了距离就近法对重叠果实前后位置关系进行判断,通过对提取出的前未被遮挡番茄的轮廓和重叠边缘采用最小二乘法进行圆拟合,准确地找到了前未被遮挡番茄的圆心和半径。试验结果显示:在无枝叶遮挡时重叠番茄的前后位置关系判断正确率高达96%,未被遮挡番茄的识别正确率高达91.7%。同时该方法在有枝叶遮挡,被遮挡率低于50%时也能准确判断出重叠番茄的前后位置关系,准确识别出前面未被遮挡番茄,其中前后位置关系判断正确率为90%,前面番茄的识别正确率为88.6%。上述研究成果为夜间番茄采摘机器人视觉照明系统设计及性能评价、夜间番茄图像分割及识别奠定了一定的方法和技术基础,并有助于提高番茄采摘机器人的实用性。