基于机器视觉的采摘机器人果实三维模型重构与识别

为了提高采摘机器人果实定位和识别的准确性,在采摘机器人机器视觉系统的设计上引入了果实三维重构方法,利用二维采集图像信息的处理,通过坐标转换关系,实现了三维模型的构建。为了验证三维模型重构对机器视觉果实识别准确性的提高作用,模拟青椒夜间作业的采摘环境,对不采用三维重构和采用三维重构技术两种情况下的果实识别准确率进行了对比,结果表明:采用三维重构技术可以明显提高果实的定位识别准确率,对于采摘机器人机器视觉系统的优化具有重要的意义。     

基于云平台和计算机控制系统的采摘机器人仿真设计

为了提升采摘机器人定位系统的效率及定位准确性,将云平台技术和计算机控制系统引入到了定位系统的设计上,在进行果实定位时,通过云平台和计算机技术对图像进行实时滤波,并对曝光图像进行融合,以提高图像的质量,进而提高图像特征提取和定位的准确性.模拟采摘机器人的作业环境,以机器人定位系统的定位效率和定位误差作为研究对象,对基于云...     

采摘机器人目标识别技术研究——基于机器视觉及深度学习

为了解决采摘机器人识别目标果实难的问题，提出了一种基于机器视觉及深度学习的采摘机器人目标识别技术，可结合图像采集、图像处理、SSD深度学习算法，实现对橘柑的精准识别。试验结果表明：采摘机器人目标识别技术对橘柑具有较高的识别率，证实了该方法的可行性，对采摘机器人研究具有一定的参考价值。     

基于遗传迭代和模糊控制的采摘机器人目标追踪算法

为了提高采摘机器人目标追踪的效率和精度,在机器人视觉系统和控制系统的设计上引入了遗传迭代算法和模糊PID控制器,通过对图像处理过程和机械执行末端动作过程进行优化,可以得到更佳的采摘效果。在视觉系统对采摘图像进行处理时,可以通过遗传迭代算法对高质量图像进行筛选,并提高果实成熟度匹配的效率,果实识别后采用模糊PID控制算法对机器人执行末端进行控制,使其可以以更高的精度追踪到果实,执行采摘任务。     

果实成熟度识别机器人设计——基于近红外线信号处理

为了提高采摘机器人自动识别果实成熟度的智能化水平,提高果实识别的准确性,实现机器人自主定位和自动规划路径能力,设计了一种新的自动化采摘机器人。该机器人利用图像分割技术和近红外信号处理技术,实现了果实成熟度的自动定位和判别。对采摘机器人的性能进行了测试,包括苹果图像的分割和提取、果实成熟度的判断和机器人路径规划。通过测试发现:机器人可以在复杂采摘背景下准确地识别苹果果实,并可以通过红外线探测实现果实成熟度的判别,最终规划出来合理的采摘路径,实现果实的精准采摘,为果蔬采摘机器人的研究提供了较有价值的参考。     

光纤通信技术应用于采摘机器人图像检测研究

针对采摘机器人采摘准确率不高的问题,基于光纤通信技术对采摘机器人进行了设计,并对图像检测传输进行了分析。采摘机器人的主要组成部分为工控机、移动平台、果实识别定位系统、末端执行器系统、能源系统和显示器。采摘机器人采用光纤通信技术对采集的图片数据进行传输,通过对低损耗光纤进行研制,并对光纤传输的可靠性进行研究,以保证图片传输的准确性。为验证采摘机器人的性能,对其进行图片传输和采摘性能进行试验,结果表明:光纤传输系统可以准确的传输图片,采摘机器人的采摘性能良好。     

草莓采摘机器人成熟果实识别及避障控制系统研究——基于ARM与FPGA

目前,草莓的采摘主要靠人工完成,任务繁重,效率较低,人为造成的损失也比较大,减少了果农的经济收入,也影响了草莓种植的发展。因此,研制草莓采摘机器人是解决人工采摘问题的关键。为此,大量研究了草莓种植的特点及人工采摘技巧,基于ARM与FPGA智能控制模块及双目机器视觉技术,设计了草莓采摘机器人成熟果实及避障控制系统。实验结果表明:所设计的草莓采摘机器人成熟果实识及避障控制系统可以准确识别成熟草莓果实,并能灵活避开采摘途径中的障碍物,系统运行稳定,对我国开展草莓采摘机器人果实识别和避障技术的研究具有一定的参考价值。     

基于聚类算法对象提取的快速定位采摘机器人设计

为了提高采摘机器人的定位速度,对机器人的机器视觉系统进行了改进,设计了一种基于聚类算法和视频对象提取技术的快速定位机器人。该机器人视频对象图像提取过程中,在完成图像进行滤波后,引入了Lab彩色空间聚类算法,有效地降低了图像的色彩数和噪声,实现了图像对象的量化处理,大大提高了果实定位和采摘的效率。为了验证设计的快速定位采摘机器人的可靠性,对机器人的采摘性能进行了测试,测试项目主要包括图像处理和果实定位。通过测试发现:快速定位机器人可以有效地实现图像聚类中心的提取,并对聚类中心进行编码,每次定位用时少、定位速度高且果实采摘的准确性累计概率较高,符合高精度、高效率果实采摘机器人的设计需求。     

基于VR技术的采摘机器人采摘环境仿真研究

为了提高采摘机器人采摘果实的准确率,提升机器人的作业效率,将VR虚拟现实技术引入到了采摘机器人的设计上,提出了基于小波神经网络的机器人PID控制器优化算法,并通过对采摘虚拟环境的创建和机器人的虚拟建模,验证机器人的作业性能.以黄瓜真实生长环境为研究对象,创建了采摘机器人的作业环境,并对采摘机器人的采摘准确率进行了对比,...     

基于激光视觉的智能识别苹果采摘机器人设计

为了提高苹果采摘视觉识别系统的精度,增强视觉系统的抗干扰能力和自适应能力,设计了一种新的苹果采摘机器人激光视觉识别系统,可以直接获得层次关系的深度图像,实现了果园非结构化环境中果实的识别与定位。为了测试激光识别系统苹果采摘机器人的采摘效果,在果园中对其采摘性能进行了测试:首先采用高清相机完成了对果实图像的采集,通过图像处理准确地实现了苹果的识别,在遮挡率低于50%时其识别率达到了90%以上;然后利用激光测距方法对苹果进行距离测量,成功定位了果实位置,其响应时间仅为3.58s,动作效率快,实现了苹果的高效率、高精度采摘功能。     

基于多源图像融合的自然环境下番茄果实识别

蔬果采摘机器人面对的自然场景复杂多变,为准确识别和分割目标果实,实现高成功率采收,提出基于多源图像融合的识别方法。首先,针对在不同自然场景下单图像通道信息不充分问题,提出融合RGB图像、深度图像和红外图像的多源信息融合方法,实现了机器人能够适应自然环境中不同光线条件的番茄果实。其次,针对传统机器学习训练样本标注低效问题,提出聚类方法对样本进行辅助快速标注,完成模型训练;最终,建立扩展Mask R-CNN深度学习算法模型,进行采摘机器人在线果实识别。实验结果表明,扩展Mask R-CNN算法模型在测试集中的检测准确率为98.3%、交并比为0.916,可以满足番茄果实识别要求;在不同光线条件下,与Otsu阈值分割算法相比,扩展Mask R-CNN算法模型能够区分粘连果实,分割结果清晰完整,具有更强的抗干扰能力。     

基于单目视觉与超声检测的振荡果实采摘识别与定位

针对采摘机器人在果实振荡情况下因难以精确定位影响采摘效率的问题,提出了一种基于单目视觉与超声检测的振荡果实识别与定位方法。首先对采集的振荡果树图像序列进行基于色差R-G的Otsu阈值分割和形态学处理,接着对图像果实区域进行灰度填充,将处理后的图像序列叠加得到复合图像和目标果实运动区域,求取振荡果实在图像运动区域的二维平衡位置坐标。然后机械手在视觉引导下运动,其末端指向振荡果实二维平衡位置坐标,同时超声传感器检测目标果实深度信息并提取超声回波信号峰峰值进行果实识别,当检测到果实处于适合采摘位置时,机械手爪抓取果实。采摘试验表明,采摘成功率为86%,验证了所采用方法的有效性,为实现采摘机器人实用化提供了参考。     

采摘机器人智能化控制系统设计研究 —基于嵌入式系统和物联网

近年来,采摘机器人被逐渐地投入到农业生产过程中,受作业环境复杂性及本身控制系统的精度影响,采摘机器人的作业效率和质量很难到达预期的设计要求。为了提高采摘机器人的控制精度和智能化程度,将嵌入式系统和物联网引入到了采摘机器人控制系统的设计上,并采用无线传感网络实现机器人和远程端的通信,利用三边测量定位提高其定位精度。为了验证方法的可靠性,以西红柿采摘作为实验环境,对采摘机器人的响应速度、定位精度以及果实的采摘质量分别进行了测试,结果表明:采用嵌入式系统和物联网设计采摘机器人的控制系统,采摘机器人具有较高的响应速度和定位精度,果实的采摘质量较高,可以满足果实智能化采摘的设计需求。     

基于导频跟踪的果蔬采摘机器人夜间识别方法研究

为了提高果实采摘机器人在夜间作业的工作效率,提出了一种适用于果实采摘机器人机械手夜间果实定位识别的方法,引入了导频追踪技术,并在此基础上提出了一种基于直接判决的快时变信道估计方法。该方法采用了直接判决算法进行信道估计,根据夜间果实图像的二值化处理阈值,标定发出指令的信道,从而对是否采摘进行快速判决,提高了机器人的工作效率。为了验证该方法的有效性和可靠性,对机械手的夜间作业的效率和准确性进行了测试。通过测试发现:该方法可以快速地对果实进行定位,并通过校正,其有效地降低夜间误操作率,为果实采摘机器人的研究,提供了一种新的可参考的导频技术方法。     

农业无人机智能机器学习系统——基于人工智能和深度学习

为了提高农业无人机作业时的自主学习能力,基于人工智能技术将深度学习算法应用到了无人机机器学习系统的设计上,并提出了基于神经网络深度学习的农业无人机智能识别系统,有效提高了无人机的自动学习和识别能力。以采摘机器人的设计为例,对智能机器学习系统的可靠性进行了验证,并对不同学习算法果实识别的准确性进行了测试。测试结果表明：基于神经网络的深度学习算法在果实的成熟度识别方面具有明显的优势,从而验证了算法的可靠性。     

番茄采摘机器人系统设计与试验

为了提高鲜食番茄采收的自动化水平,减轻人工采摘劳动强度,设计了一种番茄智能采摘机器人。该采摘机器人包括视觉定位单元、采摘手爪、控制系统及承载平台,并基于各部件工作原理制定了采摘机器人的工作流程。基于HIS色彩模型进行图像分割,提高了果实识别的准确度;通过气囊夹持方式确保果实采摘过程中对果实的柔性夹持。试验结果表明:视觉定位、采摘手爪等模块运转良好,采摘单果番茄耗时约24s,成功率可达8 3.9%以上。     

基于光学导航的采摘机器人系统设计及定位方法研究

为了提高采摘机器人的定位导航精度,将光学导航方法引入到了采摘机器人控制系统的设计上,通过激光扫描和机器视觉相结合的方法,提高了采摘机器人的作业质量和作业效率。在进行定位时,首先由激光扫描方法对采摘机器人进行定位,得到全局坐标中的位置,然后利用机器视觉系统得到采摘机器人和待采摘目标果实的距离,对果实精确定位后进行采摘。采摘测试结果表明:采用光学导航系统可以准确完成果实目标的定位,可有效提高采摘机器人的采摘精度和采摘效率。     

基于篮球运动的果实采摘机器人控制系统研制

水果和蔬菜质地柔软且形状各异,机械化收获的难度较大。控制系统作为采摘机器人的核心,对作业效率有着决定性的影响。篮球运动是集体竞技项目,对运动员的目标锁定和路线规划能力要求较高,将篮球运动的决策原理引入到采摘机器人上,可以改善机器人的控制性能。为此,基于篮球运动的决策原理,研制了果实采摘机器人的控制系统,具有目标识别、路线规划和自主避障3种控制功能,可以准确地识别目标果实。在系统的控制下,采摘机器人获得了很高的作业效率,还能够自主规划行走路线和规避障碍,具有很高的智能化水平。     

采摘机器人振荡果实动态识别

提出一种采摘机器人在果实振荡状况下的动态识别方法,解决由于果实振荡影响采摘机器人识别定位时间,进而影响采摘速度和效率的问题。首先对所采集的振荡果实图像进行图像分割,将其分为果实和背景两部分;其次引入帧间差分法、水平最小外接矩形法等对分割图像进行振荡果实动态区域的区域标识,然后对其振荡果实进行识别,当图像中有多个振荡果实时,以距离图像中心最近原则确定采摘振荡目标果实。试验结果表明对实际采摘环境下遇到的多数情况,所提算法都能很好地识别出振荡果实,识别时间少于0.5 s。     

采摘机械手末端控制系统的设计 —基于PLC和MCGS组态软件

为了提高采摘机械手末端控制系统的效率和精度,将PLC可编程控制器引入到了控制系统的设计上,对采摘机械手执行末端的上移、下移、左移、右移、抓紧和松开等动作功能进行了设计,实现了采摘机械手果实定位的自动化。为了验证方案的可行性,采用MCGS组态软件对机械手动作的准确性和响应时间进行了测试,结果表明:采用PLC控制系统后,采摘机械手执行末端的准确率较高,响应时间较短,控制系统具有较高的效率和精度。因此,PLC可编程控制器在采摘机械手末端控制系统中使用具有可行性。