引言
近年来，随着草莓在我国种植面积的逐渐扩大，草莓的自动化收获也成为研究者们关注的热点问题。国内外关于草莓采摘机器人的研究也逐年增多，学者们相继对垄作栽培和高架栽培的草莓采摘机器人进行了研究，并取得了一些成果。机器人采摘草莓的关键是果实重心和采摘点的确定，利用图像处理的方法将自然状态下的成熟草莓从复杂环境背景中分割出来，并准确地计算其外形尺寸及形心位置，是草莓采摘机器人进行目标空间准确定位的基础[}z}。由于自然状态下生长的草莓形状和植株叶子状况比较复杂，生熟掺杂，不同成熟度的果实色泽多样，采摘机器人采集到的图像会受到光照条件、拍摄距离、拍摄角度、噪声等因素的影响，给草莓果实图像的分割带来了一定的困难。
图像分割效果的优劣会直接影响机械手的采摘精度。由于果蔬图像的类型不同，所具有的图像特征也有很大的差异，所以到目前为止，研究者们还没有找到一种适合所有果蔬图像类型的通用分割算法，因此图像分割的新思路和新算法还在不断地涌现。图像分割常常需要进行反复试验，目前常用的图像分割技术有值分割法、区域生长法、区域的分裂与合并法、边缘检测与边界跟踪法等。本文针对草莓果实图像的特点提出了一种基于遗传法的模糊聚类( FCM)闽值分割方法，来改善图像的分割效果。
1基于遗传算法的图像分割
遗传算法(简称GA)是由美国密歇根大学的J.Holland教授1975年首先提出的，该算法的群体搜索策略和群体中个体之间的信息交换、搜索不依赖于梯度信息。由于遗传算法不是作用在问题空间，而是在编码空间，所以在计算上具有通用、简单、稳定及并行处理的特点。
生物的进化过程主要是通过染色体之间的交叉和变异来完成的，如果将问题的求解过程看做一个搜索过程就能够使用模仿自然界中生物遗传和进化机理的遗传算法来解决。遗传算法是一个群体优化过程，为了达到目标函数的最大值或最小值，从一组初值(一个群体)开始进行繁衍优化，在这个过程中包括了群体的繁衍竞争、交叉和变异。
基本遗传算法也称为简单遗传算法(Simple Ge-netic Algorithm，简称SGA)，其5个基本要素是染色体编码、确定初始群体、设计适应度函数、遗传算子和控制参数设定。
1)染色体编码:编码就是把问题的一个解表示成位串的形式，把解空间映射到遗传空间，使用固定长度的二进制串是遗传算法中常用的编码形式，初始群体中各个个体的基因值用均匀的随机数来生成，对于[0 255]之间的数可以使用8位二进制码串来表示。例如X:10011100就表示一个个体，该个体的染色体长度是80
2)确定初始种群:由多个染色体组成的具有一定群体规模的染色体集合称为种群，遗传算法将对这个集合进行遗传操作。通常初始种群是随机产生的，每一轮操作后生存下来的染色体组成新的种群，可以继续繁衍下一代。
3)设计适应度函数:适应度是用来度量种群中个体优劣的指标，用适应度函数值的大小来确定哪些染色体适应生存，哪些被淘汰。
4)遗传算子:选择、交叉和变异是遗传算法中的3种基本遗传算子。算法通过操作遗传算子来实现种群的世代更替。
5)设定控制参数:遗传算法控制参数主要有种群规模、迭代次数、交叉概率及变异概率等。
2基于遗传算法的FCM图像分割算法
在图像的模糊分割中，聚类中心的确定是一个非常重要的环节，传统的算法所获得的聚类精度往往不高，因此本文将遗传算法引入求算聚类中心当中来，以提高确定聚类中心的精度。
3试验结果
在本试验中，机器视觉系统采集到的原始草毒果实图像。首先对其进行了G一R处理。然后分别使用普通C均值聚类算法和基于遗传算法的FCM图像分割算法对G一R草莓果实图像进行了分割试验。
4结论
由于把遗传算法引入到聚类中心的计算当中来，大大地提高了确定聚类中心的精度，所以获得了比较满意的分割效果。