王昱潭，朱超伟，赵 琛，李乐凯，李 萍，冯朝旭，薛君蕊，李嘉婧，张加欣

宁夏大学 机械工程学院，银川 750000

灵武长枣作为宁夏灵武市重要的经济林果之一，其最佳采摘期仅为20天左右。当下采摘方式仍是人工架梯采摘，危险性高，效率低。随着种植面积和产量的逐年增加，以及人口老龄化的加剧，研发相应的智能采摘装备是必然的。机器视觉部分作为智能采摘装备的图像信息采集处理环节，决定着该设备的可行性和工作效率。

研究人员在灵武长枣的图像分割领域做了大量的工作。王昱潭[1]根据灵武长枣的颜色特性，提出了基于颜色空间各分量特性和基于色差融合的两种在自然场景下的灵武长枣图像分割算法。这两种算法能很好地解决少量、轻度的粘连、遮挡和光线不均等问题，降低特定环境对图像分割的影响，并可以分别提取枣子的红色区域和绿色区域，分割成功率达到93.27%。后续对于灵武长枣彩色图像又提出了基于最大熵的图像分割方法[2]，对于灵武长枣的彩色图像分割有很好的效果，分割的准确性为89.60%。赵琛等[3]针对灵武长枣几何特征的形态学研究提出了一种基于几何特征的灵武长枣图像分割算法，对于果实粘连较轻的图像，其分割准确率可达到92.31%。对于其他图像目标的检测识别方法很多选择卷积神经网络（Convolutional Neural Network，CNN）。如傅隆生等[4]以田间多簇猕猴桃为研究对象，利用LeNet 卷积神经网络对田间多簇猕猴桃图像进行识别，对于不同的田间情况其识别率不同，其中针对独立果实的识别率最高为94.78%。……