Citrus recognition in real scenarios based on machine vision
Abstract
En la actualidad, los cítricos se cosechan principalmente de
forma manual, con una baja eficiencia y un alto coste, lo
que da lugar a una demanda inminente de robots para la
recolección de fruta. Por lo tanto, reconocer y localizar cítricos
de características complejas utilizando la tecnología de visión
artificial es la premisa y la tecnología clave para que los
robots puedan cosecharlos. Para reconocer de forma precisa e
inmediata los cítricos maduros, este estudio propone un método
novedoso basado en el método Otsu de umbral adaptativo y en
el método mejorado del anillo aleatorio. En primer lugar, una
agrupación de cítricos fue segmentada utilizando el método
Otsu de umbral adaptativo, sobre el componente V del espacio
de color Crominancia de Luminancia (YUV), extrayendo después,
la agrupación real de cítricos tras un proceso de eliminación del
ruido. En segundo lugar, el contorno de los cítricos fue extraído
usando un operador de detección de Canny con el punto de
catástrofe de curvatura removido. El borde menor de los cítricos
se colocó sobre la imagen para obtener el borde de los cítricos
de cada segmento. Por último, el anillo de características de
los cítricos se ajustó para cada segmento a un borde continuo
utilizando el método mejorado de anillo aleatorio basado en
el algoritmo Greedy. Se realizaron experimentos utilizando
las imágenes de los cítricos en varios escenarios reales. Los
resultados demuestran que el método propuesto aumenta la
tasa global de reconocimiento de los cítricos al 95% con un
consumo de tiempo de aproximadamente 80 ms. El método
propuesto mejora la eficiencia del reconocimiento, aumenta
la precisión del reconocimiento de los cítricos y proporciona
apoyo técnico a los robots recolectores de fruta. Por último, el
método propuesto puede generalizarse a la localización y el
reconocimiento de otras frutas similares, lo que proporciona un
valor de investigación significativo.
