Resumo
The use of machine vision to recognize mature pomegranates in natural environments is of major significance in improving the applicability and work efficiency of picking robots. By analyzing the color characteristics of color images of mature pomegranates under different illumination conditions, the feasibility of the YCbCr color model for pomegranate image recognition under different illumination conditions was proven. First, the Cr component map of pomegranate image is selected and then the pomegranate fruit is segmented by the kernel fuzzy C-means clustering algorithm to obtain the pomegranate image. Contrast experiments of pomegranate image segmentation under different illumination conditions were then performed using the proposed kernel fuzzy C-means clustering algorithm, the fuzzy C-means clustering algorithm, the Otsu algorithm and the threshold segmentation algorithm. Results of the experiments verified the effectiveness and superiority of the proposed algorithm.(AU)
O uso de máquina para reconhecer romãs maduras em ambientes naturais é de grande importância para melhorar a aplicabilidade e a eficiência do trabalho de robôs de colheita. Ao analisar as características de cor das imagens coloridas de romãs maduras sob diferentes condições de iluminação, a viabilidade do modelo de cores YCbCr para o reconhecimento de imagens de romãs sob diferentes condições de iluminação foi comprovada. Primeiro, o mapa do componente Cr da imagem da romã é selecionado e, em seguida, o fruto da romãzeira é segmentado pelo algoritmo de agrupamento C-means fuzzy do kernel para obter a imagem da romã. Experimentos contrastados de segmentação de imagens de romã sob diferentes condições de iluminação foram então realizados usando o algoritmo proposto de agrupamento C-means fuzzy, o algoritmo fuzzy de agrupamento C-means, o algoritmo Otsu e o algoritmo de segmentação de limiares. Os resultados dos experimentos verificaram a efetividade e superioridade do algoritmo proposto.(AU)