我国是一个农业大国,农业技术装备事关国民经济的竞争力和农业经济的可持续发展。为进一步提高农业机械化和自动化水平,降低生产成本,农业收获机器人的研究受到了越来越多的关注,成为农业机械装备的重要研究方向。黄瓜是世界性蔬菜,栽培历史悠久,种植广泛。我国目前黄瓜收获和分类的方式多以手工为主,工作效率低下,劳动强度高,而且人为因素也会导致分类标准的参差不齐,难以满足现代化农业的需要。现在农业机械化已驶入快车道,采用先进设备使农业生产的各个环节实现智能化和自动化已成为主流。这跟现代农业精准高效、绿色环保的要求是一致的。因此,探索研制黄瓜收获机器人很有必要。一方面可以改善人们的作业环境,降低劳动强度；另一方面可以提高采摘效率和保护自然环境。结合目前农业工程中的研究热点-机器视觉技术,本文对黄瓜收获机器人视觉系统的关键技术一目标识别和导航路径提取进行较为系统地研究,主要研究内容包括以下几个方面：(1)对黄瓜和其茎叶在近红外波段的光谱特性进行了研究。通过试验,找到了黄瓜和茎叶反射光谱差异较大的波段。在利用样本的主成分得分结合马氏距离法剔除了异常样本后,对定标建模样本进行了交互验证,得到7个最佳主成分并建立了PLS模型,对预先设定的验证样本集的预测结果表明,正确识别率达到100%。(2)以温室黄瓜为对象,根据黄瓜图像的颜色特点,研究了黄瓜图像的颜色空间转换和黄瓜灰度图像增强处理。对黄瓜图像的3种颜色空间(9个色彩通道)的色差统计分析,发现RGB颜色空间黄瓜图像适合作为图像处理的基础；在图像增强处理中,利用脉冲耦合神经网络赋时矩阵的方法进行图像增强,该方法结合了人眼的视觉特性,充分应用了Weber定律,能够得到较好的处理效果。试验结果表明：增强处理突出了图像对比度,同时保留了图像细节信息。(3)探讨了温室黄瓜图像的分割方法。针对图像中黄瓜与其茎叶色彩相近的特点,应用改进脉冲耦合神经网络进行黄瓜图像分割。该方法将黄瓜图像的灰度信息和空间信息耦合到连接系数中,通过自适应调整其各参数,以动态阈值分割图像,以图像的二维Tsallis熵最大为脉冲耦合神经网络终止迭代准则。分别与基于Shannon熵最大终止迭代准则和基于最小交叉熵终止迭代准则的改进脉冲耦合神经网络分割效果进行比较,采用试验优度法统计分割结果。统计结果表明：基于二维Tsallis熵最大终止准则的PCNN可取得良好的分割效果。(4)探讨了温室环境中黄瓜目标的识别方法。针对采用脉冲耦合神经网络分割所得的二值图像,利用数学形态学方法进一步处理；分别提取二值图像中各连通区域的4个几何特征值和灰度共生矩阵基础上的3个纹理特征值,作为最小二乘支持向量机(LS-SVM)的输入特征向量；利用训练好的LS-SVM分类器判别图像中的黄瓜目标。试验结果显示：用于试验的70幅黄瓜图像,正确识别率达82.9%。这表明脉冲耦合神经网络结合LS-SVM的方法,适合复杂背景的温室黄瓜识别。(5)提出了一种基于广义模糊霍夫变换识别有部分遮挡黄瓜的方法。应用Bezier曲线拟合黄瓜的中心轴,应用广义柱的思想描述黄瓜；通过提取黄瓜二值图像边缘对点的特征不变角度作为索引项,对点的距离与模板索引项对应的点对距离的比例确定图像的尺度；将模糊概念应用到投票机制中,可减少虚假投票,采用广义霍夫变换计算黄瓜目标的潜在位置,并分别比较待识别黄瓜与模板各旋转角度下的“面积差”,选出目标的位姿,并恢复黄瓜形状。试验表明：广义模糊霍夫变换可以识别部分遮挡、不同位姿的黄瓜目标。(6)研究了黄瓜收获机器人在温室非结构环境中导航路径提取的算法。对CCD拍摄的图像进行列扫描,从每列的像素灰度值累加值确定导航路径可能的区域。通过分析,图像中黄瓜植株和其行间路面颜色差异较大,应用RGB图像的三个分量的数学运算(EXG和EXR)进行图像预处理,得到直方图具有双峰特征的灰度图像,利用OTSU法对该灰度图像进行分割并得到二值图像；从可能的导航路径分别向左右逐行扫描,记录行扫描中每个灰度突变的像素点位置；将同一行中离潜在导航线两侧最近的记录像素点作和运算并取平均值,得到导航离散点；以连续5个离散点的平均值作为新的离散点,进而利用最小二乘法拟合导航直线。