基于双目图像深度学习的农作物择优采摘仿真

面对复杂的农作物生长环境，利用传统机器视觉技术采摘易受到未成熟果实以及周围叶片影响，获取的农作物果实图像存在较多的不可用信息，无法完成择优采摘。为了确保采摘的果蔬品质，提出基于双目图像深度学习的农作物择优采摘方法。利用直方图均衡化变换视觉图像区域，明确农作物图像内像素灰度值，均衡化色块不均位置。通过色彩分量调节全局图像颜色，以颜色差异分割双目图像，剔除局部RGB色彩关联性。在提取农作物形状特征前，将深度信息再次归一化，获得作物形态描述符。选择卷积神经网络对图像实行卷积运算，将择优特征结果输入到卷积层内，输出图像分类结果，实现农作物择优采摘。实验结果表明，所提方法的择优采摘精准度达到0.98,果实形状特征识别为0.96。说明所提方法能够准确识别出品质佳的农作物，实现了择优采摘。