基于智能图像分析的果园果实成熟度评估与采摘规划系统的制作方法

本发明涉及果实图像分析，尤其涉及基于智能图像分析的果园果实成熟度评估与采摘规划系统。

背景技术：

1、随着农业生产的不断现代化，果园管理正逐步向智能化和自动化方向发展。果实的成熟度评估与采摘规划是果园管理中的关键环节，直接影响果实的品质和市场价值。然而，传统的果实成熟度评估方法主要依赖人工观察和经验判断，不仅效率低下、误差大，而且难以在大规模果园中进行精准管理，现有的果实采摘多依赖于人工或半自动化操作，缺乏对果实成熟度、环境条件及采摘路径的科学规划，导致果实采摘的时效性和精确性不足，容易造成果实过熟或损坏，进而影响果园的经济效益。

2、现有的技术中，果实成熟度评估大多基于简单的颜色、形状等外部特征，采用普通的rgb图像进行处理，无法准确反映果实内部品质，而且，传统的图像处理算法在面对果园复杂环境下的光照不均、果实颜色多样性时，容易受到干扰，导致成熟度评估结果不准确，并且，现有的采摘规划系统多基于静态数据，无法动态响应果园的环境变化，也未能有效整合果实成熟度与环境数据，从而无法优化采摘路径和时间安排。

技术实现思路

1、基于上述目的，本发明提供了基于智能图像分析的果园果实成熟度评估与采摘规划系统。

2、基于智能图像分析的果园果实成熟度评估与采摘规划系统，包括图像采集模块、图像处理模块、成熟度评估模块以及采摘规划模块，其中；

3、图像采集模块用于采集果园内果实的图像数据，采用多光谱成像技术对果实的外观、颜色、纹理特征进行高精度采集；

4、图像处理模块用于对图像采集模块采集的图像数据进行预处理，包括图像增强、自适应阈值分割、纹理方向标准化，以保证图像的清晰度和准确性；所述图像增强还包括自适应亮度调整，在传统直方图均衡化基础上，引入环境光照强度和果实表面反射率作为调节因子，使图像增强过程根据实际环境进行动态调整；所述自适应阈值分割为基于区域特征的自适应分割，计算局部阈值时，考虑灰度均值的同时，引入果实表面纹理复杂度作为调节因子；所述纹理方向标准化引入果实形状特征作为纹理方向调整的参考，使纹理方向的标准化过程根据果实的自然生长方向进行自适应调整；

5、成熟度评估模块基于图像处理模块处理后的图像数据，利用深度学习算法对果实的成熟度进行分析和评估，综合考虑果实的外部特征和内部品质，得出果实的成熟度等级；

6、采摘规划模块根据成熟度评估模块的评估结果，生成动态采摘规划方案，优化采摘路径和采摘时间，以实现果实的精准采摘。

7、可选的，所述图像采集模块包括多光谱相机、光照补偿单元和自动聚焦装置；

8、所述多光谱相机在多个光谱波段下采集果园内果实的图像数据，通过不同光谱波段的组合，捕捉果实的外观、颜色及纹理特征；

9、所述光照补偿单元在光照条件不足或光照不均匀的情况下，动态调整光源强度，以确保采集图像的亮度和对比度达到高精度要求；

10、所述自动聚焦装置根据果实的距离和大小实时调整相机焦距，以获取清晰的果实图像数据。

11、可选的，所述自适应亮度调整表示为：

12、；

13、其中，为调节系数，用于控制光照补偿的影响，为环境光照强度，为果实表面反射率。

14、可选的，所述基于区域特征的自适应分割表示为：

15、；

16、其中，为局部区域的灰度标准差，用于衡量局部的对比度，为局部纹理复杂度，和为调节系数，为灰度均值。

17、可选的，所述纹理方向标准化表示为：

18、；

19、其中，通过分析果实的轮廓形状和主轴线方向得到，为形状特征的调节系数，为图像在像素点处的标准化后纹理方向角度，用于统一果实纹理的方向，为预设的目标纹理方向角度，用于标准化果实图像中纹理的方向，使得所有纹理与该目标方向对齐。

20、可选的，所述成熟度评估模块包括特征提取子模块、深度学习评估子模块和成熟度等级分类子模块，其中；

21、所述特征提取子模块对经过图像处理模块处理后的图像数据进行特征提取，提取包括果实的外部特征和内部品质特征，外部特征包括颜色、形状、纹理，内部品质特征包括光谱反射率、内部组织纹理；对于外部特征，使用卷积神经网络cnn提取果实的颜色直方图、形状轮廓、纹理复杂度的特征向量，对于内部品质特征，通过分析多光谱图像数据，提取反映果实内部品质的光谱特征向量；

22、所述深度学习评估子模块将特征提取子模块生成的外部特征向量和内部特征向量进行融合，形成综合特征向量，通过预先训练的深度神经网络模型dnn，对综合特征向量进行分析，预测果实的成熟度评分；

23、所述成熟度等级分类子模块将深度学习评估子模块生成的成熟度评分与预设的成熟度等级阈值进行比较，最终确定果实的成熟度等级。

24、可选的，所述成熟度评分基于网络输出层的激活值，并通过下式计算：，其中，为深度神经网络模型的权重矩阵，为偏置项，为激活函数。

25、可选的，所述成熟度等级通过以下分类标准确定：

26、；

27、其中，和为预设的成熟度等级阈值。

28、可选的，所述采摘规划模块具体包括：

29、数据整合子模块：接收成熟度评估模块生成的果实成熟度等级，获取地理位置信息，形成果实分布图，通过对整合数据进行分析，识别出果园内高成熟度的果实区域和需要优先采摘的区域；

30、路径优化子模块：根据数据整合子模块生成的果实分布图，利用路径优化算法，计算最佳采摘路径，路径优化的目标是最小化采摘路径长度和采摘时间，同时确保果实的质量不受损害，路径优化算法的目标函数如下：

31、；

32、其中，为果实和之间的距离，为果园环境对采摘路径的地形影响因子，包括地形复杂度、湿滑程度、障碍物对采摘路径的影响，单位为无量纲，为最佳采摘路径；

33、时间调度子模块：时间调度子模块根据果实的成熟度等级，动态调整采摘时间，以确保果实在最佳成熟度条件下被采摘，时间调度通过优化采摘开始时间和结束时间来实现。

34、可选的，所述时间调度过程考虑天气预报、果实成熟度和采摘设备的可用性，表示为：，其中，表示在时间内果实的平均成熟度等级，为采摘时间跨度，优化目标是确保果实在最高成熟度下被最短时间内采摘，为时间优化函数。

35、本发明的有益效果：

36、本发明，通过引入多光谱成像技术、环境光照补偿、自适应阈值分割、纹理方向标准化等多项改进算法，结合深度学习模型，实现了对果实外部特征和内部品质的综合分析与评估，特别是通过对图像增强、自适应阈值分割等算法的改进，本发明能够在复杂的果园环境中，准确地评估每个果实的成熟度，克服了传统方法在光照不均匀、果实颜色多样等条件下的局限性，这种高精度的评估方法确保了果实在最佳成熟状态下进行采摘，有效提高了果实品质的检测精度和可靠性。

37、本发明，采摘规划模块通过整合果实的成熟度评估结果和实时环境监测数据，生成动态采摘规划方案，通过改进的路径优化算法，考虑了地形复杂度、湿滑程度和障碍物分布等环境影响因子，显著提升了采摘路径和时间调度的科学性与实用性，特别是在果园地形复杂多变的情况下，采摘路径的优化和动态调度能够有效减少采摘时间和成本，提升整体采摘效率。

38、本发明，通过对果园内果实的成熟度等级和环境影响因子进行综合分析，能够智能识别出果园内需要优先采摘的区域，并结合深度学习算法优化采摘路径和时间安排，结合了果实成熟度的高精度评估与实时环境数据的综合分析，使得本发明能够适应果园内复杂多变的条件，合理规划采摘顺序，减少果实因过熟或采摘延迟导致的损失。