《表2 分割结果对比：基于超像素特征的苹果采摘机器人果实分割方法》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于超像素特征的苹果采摘机器人果实分割方法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

实验选取3.2节中用于测试的100幅图像并对图像中的果实和背景进行人工标记，然后分别采用色差法、BPNN分割方法以及本文方法对图像进行分割，并且与人工标记的图像进行对比，分别计算分割后图像准确率V、召回率W和一幅图像的平均分割时间T，结果如表2所示。从表中可以看出，无论是V还是W，本文所述方法都显著优于其他算法。色差法由于只采用了单个像素的颜色特征，对不同景物的分辨能力不足，因此存在较多的误识别和漏识别，从而导致V和W在三者中最低。基于BPNN的分割方法，通过综合邻域像素的颜色特征提高对不同景物的分辨能力。而本文提出的方法以超像素为单位对图像进行分割，不仅能够提取颜色特征，还能够方便地提取纹理特征，从而进一步提高分割效果。但是从三者的运行时间对比可以看出，色差法因为运算简单，运行速度最快并超出其他算法一个数量级；基于BPNN的分割方法因为需要重复提取邻域像素的图像特征，运行效率不高，因此较本文方法稍慢。总体来说，本文方法虽然运算复杂，但是检测精度高且基本满足实时性需求。