伍蓥芮，张志勇

（山西农业大学农业工程学院，山西太谷030801）

我国是世界上最大的番茄生产国，年产量高达6 300 万t，棚室种植是主要的种植方式。棚室番茄普遍采用人工采摘，人工成本费用较高，占总生产费用的比例约为50%～70%，且人工长时间工作，会影响采摘效率。相比于传统的人工采摘，采用果蔬采摘机器人进行作业可以降低劳动成本、减轻劳动强度。果蔬采摘机器人使用计算机视觉技术，根据形状、纹理、颜色等相关信息将番茄果实从原始图像中分割出来，通过控制末端执行器完成果实的采摘任务。利用计算机视觉技术完成果蔬识别任务是保证机器人精准作业的重要前提[1-3]。

目前，国内外众多学者基于计算机视觉技术开展了对果蔬目标识别的研究。TAO 等[4]提出一种基于点云数据的苹果自动识别算法，融合支撑向量机能够分辨苹果果实、树枝和树叶。JHAWAR[5]提出了一种基于模式识别的柑橘自动识别方法，能够判别柑橘果实的成熟度。YU 等[6]提出了一种基于目标区域卷积神经网络和深度学习的草莓识别算法。邓立苗等[7]基于MATLAB 建立了一个批量处理玉米叶片的特征提取与识别系统，使用了支撑向量机（SVM）和卷积神经网络（CNN）训练模型并自动提取和识别目标物。王茂林等[8]、杨天乐等[9]、冯晓等[10]分别使用图像识别技术识别水稻、蓟马和小麦。

棚室环境下，番茄图像中的果实部分可能会出现光斑现象，且棚室内棚顶曝光过强，背景较为复杂，该环境下识别番茄果实目标准确率不高。……