1. 研究目的与意义
番茄是营养价值较高的一种蔬菜之一，番茄制品不仅富含有人体需要的可消化的可溶性碳水化合物，有机酸，维生素，和矿物质，而且具有抗癌降血压等保健功效。
因此，番茄是一种非常畅销的蔬菜。
我国就是这种蔬菜的出口国之一，每年大约为我国带来一亿美元的外汇收入。
2. 国内外研究现状分析
国内研究现状1、大小和形状检测 章文英把图像中苹果的果梗去掉后，从上、下、左、右四个方向逼近苹果图像，获得苹果的相切矩形并求出其面积，再将苹果图像以30度为增量旋转90度，找出面积最小的外接矩形，求得该图像相应的最大横径和最大纵径来计算苹果尺寸，实验表明：真实尺寸与预测值的相关系数在0.95以上。 应义斌利用边界信息求物体形心坐标，以黄花梨为例，用水果形心与果梗近果端连线垂直线最大长度表示水果的最大横径，所测水果最大横径与实际最大横径的相关系数为0.96。 冯斌、安爱琴等利用对称性确定果轴，取垂直于果轴的最大宽度检测水果大小，检测率分别达94.4%和93.75%，苹果大小检测的最大误差为3mm。宁纪锋、何东健等运用形态学方法膨胀和腐蚀的组合调用，以切线圆所占苹果图像的比例值进行苹果的形状检测，准确率为91.4%，算法实现容易，但反复调用使算法执行效率很低。桂江生通过对比傅立叶描述子、小面模型、Zernike矩、小波矩等方法描述苹果形状的效果，得出小波矩既可以分析形状的局部特征又能保持不变性，分类精度最高。2、颜色检测 何东健等将苹果的彩色图像的RGB值转换成HSI值，用色相值累计着色面积百分比进行颜色分组的方法，达到了分级的目的且与人工分级的一致度达88%以上。同年，又提出将果实色相分布曲线作为模式处理，用人工神经网络进行果实表面颜色分级，结果与人工分级的一致度达94%以上。 2002年冯斌等通过对不同着色等级的水果分析，以各色度在水果表面分布的分形维数为特征进行分级，采用HSI模型，利用色度点的累计和空间分布特性，使颜色分级更符合实际情况。3、缺陷检测 2000年，李庆中提出了双金字塔数据形式的盒维数快速计算方法，并利用人工神经网络识别果梗或果萼和缺陷，识别精度可达93%，虽取得了较好的效果，但过程繁杂。刘禾根据苹果表面缺陷特征和缺陷形状的投影畸变，提出了一种苹果表面缺陷分类方法，首先利用二叉树将复杂的多模式分类问题分解为多级的、相对简单的二类模式分类问题，然后采用人工神经网络与阈值判别相结合的方法，将苹果表面缺陷分为碰压伤、刺伤、裂果、病虫果和虫伤四类。 杨秀坤等采用自适应特征聚类神经网络实现损坏区域的检测，采用模糊加权决策树方法对水果的坏损进行检测与分类，具有很强的鲁棒性。 2006年，庞江伟研究了脐橙表面缺陷的颜色特征、形状特征及纹理特征，选择了缺陷总个数、缺陷面积所占百分比、R/G、长宽比四个特征作为决策树的决定性特征，根据信息增熵最大法构造决策树并对脐橙的腐烂、果梗、虫斑等五种缺陷进行分类，准确率均在80%以上。
国外研究现状1、大小和形状检测 在大小检测上，1998年Marchant根据马铃薯尺寸，研制成功配备3个并行处理器的计算机大小，形状分级系统，处理速率达到40个/秒，但精确度还不能满足生产需求。 2000年，Ingrid Paulus等采用边界半径和傅立叶变换对苹果的形状进行描述，结果表明，通过前12个正弦值和12个余弦值可以描述苹果的形状，相关性超过0.98。 在形状检测中，2006年Imou等建立了检测草莓形状的三维形状测量试验台。 2003年，BlaSCo开发的计算机视觉系统，对苹果、桃子和桔子的形状检测准确率可以达到91%-95%之间。2、颜色检测 1995年，Y.Tao等研制成功的机器视觉系统，主要用于马铃薯和苹果颜色检测，对好马铃薯和变绿的马铃薯及黄色和绿色Golden delicious苹果进行区别，实验结果表明，HSI彩色模型用于颜色评价和图像处理是非常有效的。利用色度直方图表示颜色特征，并采用多变量识别技术，使该系统检测到的马铃薯和苹果颜色正确率达到90%以上。 2006年，Mendoza等人分别研究了sRGB,Hsv和L*a*b颜色模型在水果品质检测计算机视觉的应用，实验表明，sRGB效率较高，但易受背景、水果表面曲率及散射影响，L*a*b更适于在计算机视觉系统中用于水果表面颜色的检测。3、缺陷检测 1985年，Rehkugler等利用机械定向机构使苹果梗、萼处于垂直方向绕梗萼轴旋转，这样，照相机就不需检测果梗、萼区，提高了分级正确率，但由于受定向机构度的限制，在实际生产线中很难实现实时分级，因而它的应用受到影响。 1988年，DaVenel等、1991年，Miller等用机器视觉技术检测水果表面缺陷，由于水果的果梗、花萼容易误判成缺陷，对缺陷正确判断有很大的影响，导致分级误差较大，不能满足实际应用要求。 1995年，S.H.Deck用多层前馈神经网络进行马铃薯彩色图片切割结果的分类，并与传统彩色分割方法做了比较。
3. 研究的基本内容与计划
该论文主要针对果实采摘机器人研究中的核心部分果实识别视觉系统的计算机图像处理方法进行研究。此次研究以番茄作为研究对象，对实际环境中生长的成熟番茄进行图像采集，基于MATLAB7.8平台编写程序进行图像处理，并运用相关图像处理算法进行分析计算，来识别果实。 实验数据采集与处理：首先我们需要几张拍摄大棚中番茄的图像，然后基于MATLAB平台工作，对图像文件中的果实（类圆形果实）进行识别，通过图像灰度化，二值化，提取边缘，Hough变换等一系列步骤后，对果实图像进行特征提取以获取所需信息。通过对边缘的提取识别图像，便于机器识别。 通过对图像进行灰度化，二值化，边缘检测，hough变换等过程将图片中的番茄轮廓检测出来。实验中发现有被叶子遮盖的地方，致使检测出的番茄果实小于实际果实大小，但是有办法可以解决，通过阈值的修改，就可以检测出更贴近实际果实的大小。至于有些番茄未能检测出，这是拍摄角度的问题，可以通过多放置摄像头，多角度拍摄从而识别出所有番茄果实。
计划： 2013年12月下旬，理解论文题目的内涵，初步拟定查阅文献的计划； 2013年2月25日至3月1日，查阅文献，写出开题报告； 2013年3月2日至8日，准备开题答辩； 2013年3月中、下旬，熟悉论文中涉及到的预备知识，掌握论文的写作方法； 2013年4月，研究论文的主要内容，接受论文的中期检查； 2013年5月，完成研究任务，做好论文的整理、打印等工作； 2013年6月，论文答辩准备，论文答辩。
4. 研究创新点
matlab 是 matlab 产品家族的基础，它提供了基本的数学算法，例如矩阵运算、数值分析算法，matlab 集成了 2d 和 3d 图形功能，以完成相应数值可视化的工作，并且提供了一种交互式的高级编程语言 m 语言，利用 m 语言可以通过编写脚本或者函数文件实现用户自己的算法。
matlab compiler 是一种编译工具，它能够将那些利用 matlab 提供的编程语言 m 语言编写的函数文件编译生成为函数库、可执行文件 com 组件等等。
这样就可以扩展 matlab 功能，使 matlab 能够同其他高级编程语言例如 c/c 语言进行混合应用，取长补短，以提高程序的运行效率，丰富程序开发的手段。
