融合K-means聚类分割算法与凸壳原理的遮挡苹果目标识别与定位方法

• 作者: 何东健 孙飒爽 宋怀波 江梅
• 来源期刊: 智慧农业
• 学科: 工学
• 关键词: 苹果识别 遮挡目标 凸壳原理 伪轮廓 K-means聚类算法
• 年，卷（期）: 2019,（2）
• 所属期刊栏目: 信息感知与获取
• 页码范围: 45-54
• 页数: 10页
• 分类号: TP391.4
• 字数: 4511字
• 语种: 中文
• DOI: 10.12133/j.smartag.2019.1.2.201903-SA003

摘要

自然场景下苹果目标的精确识别与定位是智慧农业信息感知与获取领域的重要内容.为了解决自然场景下苹果目标识别与定位易受枝叶遮挡的问题,在K-means聚类分割算法的基础上,提出了基于凸壳原理的目标识别算法,并与基于去伪轮廓的目标识别算法和全轮廓拟合目标识别算法作了对比.基于凸壳原理的目标识别算法利用了苹果近似圆形的形状特性,结合K-means算法与最大类间方差算法将果实与背景分离,由凸壳原理得到果实目标的凸壳多边形,对凸壳多边形进行圆拟合,标定出果实位置.为验证算法有效性,对自然场景下的157幅苹果图像进行了测试,基于凸壳原理的目标识别算法、基于去伪轮廓的目标识别方法和全轮廓拟合目标识别方法的重叠率均值分别为83.7％、79.5％和70.3％,假阳性率均值分别为2.9％、1.7％和1.2％,假阴性率均值分别为16.3％、20.5％和29.7％.结果 表明,与上面两种对比算法相比较,基于凸壳原理的目标识别算法识别效果更好且无识别错误的情况,该算法可为自然环境下的果实识别与分割问题提供借鉴与参考.