基于机器视觉的采摘机器人果实三维模型重构与识别
本文针对采摘机器人在农业生产中果实定位与识别的准确性问题，提出了基于机器视觉的果实三维模型重构与识别技术。该技术利用机器视觉系统采集的二维图像信息，通过坐标转换关系实现三维模型的构建，显著提高了果实识别的准确率，对采摘机器人的机器视觉系统优化具有重要价值。
关键词包括采摘机器人、三维重构、机器视觉、定位识别、坐标转换等。中图分类号为S225，TP39121，文献标识码为A，文章编号为1003-188X(2021)0-0231-050。该文在2020年10月农机化研究第10期发表，作者为焦作师范高等专科学校的李丽和张晓亮。
引言部分介绍了三维重构的基本概念，强调了单目视觉和双目视觉在三维重建方法上的不同。随着农业自动化技术的发展，采摘机器人的研究和应用已开始从研发转向试验阶段，并将逐步批量用于农业生产过程。文章指出，为了提高图像特征的提取效率，可以对图像进行灰度处理，建立彩色图像和灰度图像两种坐标系，以提升重构准确性和效率。
三维重构技术及其在果实识别上的应用部分阐述了三维重构技术是对真实环境信息采集后的计算机模型重建，包括物体表示模型和数学模型等。这些重构后的模型可以进行计算机处理、分析和操作，利用虚拟现实技术表达真实世界。对果实进行三维重构，可以提供重要空间基础数据，有助于提升采摘机器人对成熟果蔬的定位和识别。
基于三维重构的机器视觉系统设计部分详细介绍了机器视觉系统的主要构成，包括摄像机系统和控制系统。摄像机系统由双目摄像机和计算机组成，负责图像采集和算法实现。控制系统则由计算机和控制模块组成，负责果实图像识别、坐标转换、位姿调整和采摘机器人的末端执行。
在机器视觉系统的设计中，摄像机采集的果实图像信号传输到计算机后，计算机快速处理信号并进行特征提取。通过逆运动学原理，计算机能够求解出机器人各个关节的位置误差，并利用控制系统调整末端执行器以完成采摘作业。文章中还提到了图像增强和图像二值化等图像处理技术，这些技术有助于提高图像特征提取的准确性。
图像增强部分主要采用了图像滤波去噪、图像膨胀和腐蚀处理等算法，使图像的边缘更加明显，有助于图像特征的提取。图像二值化部分则通过计算像素点方差和均值，确定待识别图像的中心坐标及其邻域范围内的二值化，以支持后续的图像追踪和特征提取。
文章结论部分指出，采用三维重构技术能够明显提高果实的定位识别准确率，对于采摘机器人机器视觉系统的优化具有重要意义。通过模拟青椒夜间作业的采摘环境，研究者对比了不采用三维重构和采用三维重构技术两种情况下的果实识别准确率，结果证实了三维重构技术的有效性。
本文的研究成果对于提升采摘机器人的自动识别能力、优化农业自动化装备、促进智能农业的发展具有重要的理论和实践价值。同时，该研究也体现了深度学习、机器学习等人工智能技术在现代农业技术领域的应用前景。
