[发明专利]一种基于RGB区分度的茶叶采摘方法和系统

权利要求书

1.一种基于RGB区分度的茶叶采摘方法，其特征在于，包括步骤：

茶叶数据获取，在茶叶采摘设备运行过程中，采用RGB-D相机采摘到相机当前位置下的茶蓬的深度信息和RGB彩色图像，提取出当前帧的识别目标，获取所述茶蓬的叶片等级图像；

所述在茶叶采摘设备运行过程中，采用 RGB-D相机采摘到相机当前位置下的茶蓬的深度信息和 RGB彩色图像，提取出当前帧的识别目标，获取茶蓬的叶片等级图像，具体包括：

基于超绿特征和最大类间方差法的新叶检测法从茶蓬图像中获取新叶的像素坐标；

通过安装在采茶机切割刀具上的深度相机实时获取茶蓬中不同等级的茶叶和背景的叶片等级图像；当深度相机垂直拍摄茶树顶部时，茶叶密集遮挡，过滤茶叶间的黑色空洞区域返回的异常深度值和长势过高的新叶返回的过小深度值，得到茶蓬上表面新叶的平均深度信息；

使用超绿特征和最大类间方差法的新叶检测算法实现老叶和背景中的新叶分割，优化获得的新叶的平均深度信息；

目标识别，确定后续步骤中切割刀具位姿信息的依据；

所述目标识别，确定后续步骤中切割刀具位姿信息的依据，具体包括：

基于 K-means聚类算法将输入的叶片等级图像划分为 K个区域聚类；

计算深度图像中区域聚类 k的初始显著性值；

将中心通道先验替换为新的深度信息权重，融合初始显著值和暗通道映射，得到融合后得到的融合显著值；

在得到融合显著值后，将输出的显著目标区域的平均深度与在 RGB空间内分割并获取的新叶以及对应的位置坐标结合，得到新叶的位置-深度集成信息；

在后续的切割位姿计算步骤中，位置-深度集成信息将作为初始输入信息，执行切割刀具对茶蓬的割刀自适应仿形；

其中，基于K-means聚类算法将输入的RGB图像划分为K个区域聚类；

结合每个区域聚类内部像素在对应的深度图像中的平均深度，区域深度显著值被计算为：

其中，为图像中区域k的深度显著值，是在深度空间内区域k和区域i之间的平均欧氏距离，表示区域k的平均深度值与整个图像的深度值的比值；

为深度图像内对应的各区域分配深度权重：

其中，是为区域k分配的深度权重，表示高斯归一化，代表整个深度图像内所有像素对应的深度值中的最大值，是区域k中的像素的平均深度值，是深度固定值；

综合计算深度图像中区域聚类k的初始显著性值：

对中心-暗通道先验理论进行优化,将中心通道先验替换为新的深度信息权重，并将改进后的暗通道映射表示为，进一步将初始显著值和暗通道映射融合为：

其中表示融合后得到的融合显著值；

仿形操作，将计算出的所述位置-深度集成信息与所述茶叶采摘设备的固有参数相结合，确定所述切割刀具的实时位姿，基于设计的仿形逻辑，结合所述切割刀具的实时位姿的自适应调整策略，匹配所述切割刀具与所述茶蓬的相应位置；

所述仿形操作，将计算出的位置-深度集成信息与茶叶采摘设备的固有参数相结合，确定切割刀具的实时位姿，基于设计的仿形逻辑，结合切割刀具的实时位姿的自适应调整策略，匹配切割刀具与茶蓬的相应位置，具体包括：

固定深度相机位置：固定深度相机与采茶设备之间的相对位置，并且获取深度相机与切割刀具之间的相对位置数据；

获取茶叶采取长度：利用深度相机获取切割刀具处茶蓬的视频帧，视频帧的数据为包括有深度信息的三维空间数据，并通过视频帧的数据计算得出切割刀具的刀刃边缘至茶蓬顶之间的距离，切割刀具的刀刃边缘至茶蓬顶之间的距离为茶叶采取长度；

调整切割刀具的位姿状态：将茶叶采取长度与预期茶叶长度相比较，对切割刀具的位置位姿状态进行调整，使茶叶采取长度满足茶叶预期长度的要求，切割刀具的位置位姿状态调整包括对切割刀具进行上升、和下降的调整；

茶叶采摘，根据所述切割刀具的位姿确定结果，所述茶叶采摘设备的执行机构通过往复式刀片切割茶叶，并将采摘完成的茶叶通过鼓风机吹入设备后方的茶叶收集袋中。