摘要
近年来，葡萄采收自动化需求的增长凸显了需要高效、可靠的方法来减少劳动力需求并改善采收作业。人工采摘葡萄劳动密集型且耗时，从而推动了对自动化解决方案的需求。本研究提出并实现了一种基于机器视觉的图像处理方法，用于使用标准红 - 绿 - 蓝 (RGB) 图像在户外葡萄园环境中检测红葡萄 (Vitis vinifera) 串。在自然光照条件下收集了 500 张图像的数据集，其中 200 张被选中用于定量性能评估。利用 RGB 颜色空间分析，开发了两种算法，根据其颜色特征提取和分割葡萄串，有效地将它们与背景噪声区分开来。第一种算法（算法 1）达到了 96.84% 的检测准确率，计算方式为评估图像中正确检测到的葡萄串与葡萄串总数的比率。经过增强预处理和自适应阈值处理后，改进的算法 2 使用相同的评估标准达到了 98.11% 的准确率，将漏检减少到 15 串，并将每张图片的平均处理时间降低了 0.34 秒。两种算法在可变光照条件下都表现出强大的性能和适应性。结果证实了它们实时集成到自动采收系统中的潜力，为可靠的果实检测提供了实用高效的解决方案。本研究通过提供基于田间葡萄检测的可行替代方案，有助于实用精准葡萄种植技术的发展。
平语摘要
本研究专注于开发计算机视觉工具，以帮助温室葡萄采收自动化。手工采收葡萄耗时且成本高昂，尤其是对于室内种植的红葡萄品种。为了使该过程更高效，研究人员创建了两个计算机算法，能够在自然光照下拍摄的图像中自动查找和识别葡萄串。算法利用颜色信息将葡萄与叶子、土壤和其他背景元素分离开来。测试显示，改进版本能够正确检测 98% 以上的葡萄串，同时运行速度比第一个版本更快。这些结果表明，即使在光线变化的条件下，该技术也能可靠工作。该研究展示了人工智能如何通过减少劳动力需求和提高采收效率来支持农民，使农业更接近完全自动化的温室生产。
利益冲突声明
作者声明没有利益冲突。
数据可用性声明
当前研究期间生成和分析的数据集可通过向通讯作者提出合理请求获得。本研究开发的图像处理代码可通过向通讯作者提出合理请求获得。
