水果收获机器人在日本、欧美等国家已进行了较长时间的研究。任何一种水果收获机器人的正常工作均有赖于对作业对象的正确识别，因而要实现收获机器人对水果的收获，关键是要从果树中识别出水果并确定水果的准确空间位置。在本课题的研究中，提出了基于彩色信息和红外热成像技术的两种不同的树上水果识别方法，并用于树上柑桔的识别试验。主要研究内容和研究成果如下： 在利用颜色特征进行树上水果识别研究中，对实时采集的53幅含有各种背景情况的可见光彩色图像进行颜色成分(R、G、B)的提取，并对果实、树叶、树枝进行了颜色特征比较与分析。研究发现水果、树叶、树枝三者间的R与G的对应坐标值基本上分布在45°对角线上；树叶、树枝的G与B和R与B的对应坐标值分布在或接近于45°对角线上，而水果的G与B和R与B的对应坐标值偏离45°对角线，分布在45°对角线下方，且果实的R-B的平均差值比G-B的平均差值要大。提出了基于颜色指标的识别模型，根据图像特征动态产生阈值T，如果(R-B)＞T，则该像素属于果实，否则属于背景，并用VB6.0开发了树上果实识别软件，进行识别试验。分别在顺光条件和背光条件下进行了试验分析，结果表明该识别模型可以实现对树上可见的柑桔的识别，并适用于单个和多个果实的识别，识别率为100％，但在顺光条件下，当背景(杂草)反射光较强时，则存在混淆区域。 在利用红外热成像技术进行树上水果识别研究中，认真研究了红外热成像的基本原理，利用自然界中物体都存在热辐射的现象，由于热辐射不同，会在红外热图像中体现出现温度或灰度不同的特点，提出了新的方法进行树上果实识别的尝试性试验。本试验在三种条件下进行：试验A：2002年10月12日，下午15：17；环境条件：湿度48％、温度21.7℃。试验B：2003年11月23日，晚上20：40；环境条件：湿度78.6％、温度14.9℃。试验C：2003年11月27日，上午10：20；环境条件：湿度76.1％、温度12.2℃。通过对由试验A获取的红外热图像进行分析，果实与树叶的平均温差较大，AT=1.8℃；果实与树枝的平均温差较小，AT=0.6℃。而果实与树叶的平均灰度差较大，ΔI=95；果实与树枝的平均灰度差为ΔI=37。通过分析提出了用小波多尺度变换进行目标识别的方法，研究发现用提取一定尺度下的模值图可有效地进行果实与背景的分割。用该方法可以较好地识别顺光条件下采集的红外热图像中的果实，而在背光条件下，由于位于树冠边缘的树叶反射光较强或穿过树冠的光使周围的树叶光反射较强，使果实在红外热图像中的温度或灰度低于反射光强的树叶等部分，则不能识别。经研究认为可以根据柑桔与树叶、树枝间由热辐射不同而存在温差的特性利用红外热成像进行树上果实的识别，但该方法受环境温度和湿度对红外热图像影响较大，对试验B、C情况下获取的红外热图像进行识别试验，发现识别困难。