神经网络在果蔬收获机器人机械臂避障路径中的应用

果蔬收获机器人是机器人技术在农业中的具体应用,基于避障的路径规划是果蔬收获机器人主要的研究内容.由于农业机器人作业环境的复杂性和非结构性,神经网络将是其重要的研究方法.为此,介绍了神经网络的特点,重点分析了采用神经网络描述果蔬收获机器人工作环境的基本思路,最后给出了黄瓜采摘机器人的具体分析实例,对农业机器人工作环境的描述具有较高的参考价值.     

选择性收获机器人技术研究进展分析

为了提升选择性收获机器人技术应用效果,笔者采用文献分析法、案例分析法,介绍了选择性收获机器人,从地上产品和地下产品两个角度,研究了选择性收获机器人技术的实际进展,探讨了选择性收获机器人涉及的主要技术手段。研究结果表明,选择性收获机器人关键技术包括末端执行器与收获机构、目标识别与定位技术,建议在未来发展中,加强对末端机构的优化设计,提升系统在复杂场景的识别能力,提高决策效率,同时实现机器人系统协同控制与优化作业,不断提升选择性收获的精准程度和效率。     

多光谱视觉技术在收获机器人中的应用

分析了几种不同作物光谱反射特性；简要介绍了利用多光谱技术进行图像处理的软件、硬件系统及其处理方法；着重介绍了多光谱视觉技术在番茄收获机器人以及黄瓜收获机器人中的应用；最后，对多光谱视觉技术应用于收获机器人需解决的关键技术作了简要阐述。     

收获机器手定位技术的研究进展

收获机器人中的机器手定位技术直接影响了收获机器人的作业效果,也是开发实用设备的关键。为此,从定位技术中图像处理技术的改进、基于三维信息的定位技术改进以及基于机器手移动路线的定位技术改进等3方面总结了近年来收获机器手定位技术的研究进展,并提出了在今后相关技术的进一步研究中需要注意定位精度的要求、定位误差与机器手控制误差的关系以及机器人自身位姿对定位技术的影响三方面的问题。     

自主行走葡萄收获机器人视觉导航信息处理技术研究

针对农副产品如何能够高效、高质量的收获这一大难题,本文对自主行走葡萄收获机器人视觉导航信息处理技术进行了深入的研究。首先,本文针对自主行走农业机器人的自主识别、收获农作物的问题,以葡萄收获机器人为模板,研究了基于视觉的导航信息处理技术。其次,分析了自主行走葡萄收获机器人的研究现状,因其对于重复性工作完成具有较高的质量和速度,相较于人工更可以保障在农产品收获阶段的品控。再次,给出了农业机器人控制器软件架构,分析了其主要特点。最后,提出了通过基于视觉SLAM的方法完成农产品的收获操作的具体方法。通过实验验证,与传统的激光导航算法相比,视觉导航技术具有更高的定位导航精度,定位精度可以2～3 cm。证明了自主行走葡萄收获机器人视觉导航信息处理技术研究的有效性。     

番茄收获机器人技术研究进展

简述了番茄收获机器人系统组成和技术研究进展，分析了各组成部分的功能与工作原理，并对番茄收获机器人通用性、可靠性、工作效率、采摘质量与机械手性能等方面的发展进行了探讨。     

仿蛇嘴咬合式柑橘采摘末端执行器设计与实验

提出了通过改进采摘机器人的末端执行器来实现未知柑橘果柄空间方位的柑橘采摘,以提高采摘机器人的采摘能力。对柑橘果柄生长情况进行了调研,定义了果柄倾角并进行了统计,对果柄极限位置的剪切要求进行了分析并得出了末端执行器的设计要求。根据蛇的咬合动作和蛇嘴骨骼的特殊结构,通过仿照蛇嘴结构设计咬合式末端执行器能够满足设计要求。对蛇头骨骼结构进行了简化,提出了两种设计思路,并据此分别设计了两种机构的初步模型,经过运动学分析确定了较优方案,并对初步模型进行了优化,确定了末端执行器的三维模型。根据三维模型建立了末端执行器的运动学模型,并进行了运动学分析和仿真,保证了机构设计合理。制造了咬合式末端执行器样机并通过课题组自行研制的柑橘采摘机器人进行了实验室环境和自然环境的实验验证。实验结果表明,在实验室环境下,果柄倾角为0°、气压为0.6 MPa、果柄直径不超过4.0 mm条件下的切断成功率不小于95%,不同果柄倾角的总体切断成功率为97.5%;在室外环境下,收获柑橘的总成功率为87.5%,基本实现了未知果柄空间方位下对柑橘的采摘。     

玉米智能收获机器人的路径识别方法

为了实现玉米智能收获机器人路径的识别,采用图像处理技术对玉米智能收获机器人行走垄行图像进行采集,并对其进行8邻域均值滤波器去噪和Prewitte算子边缘检测等技术处理,获得玉米收获机器人的行走路径,从而为实现机器人在玉米田间的自动行走和作业奠定技术基础。实验结果表明,该方法快速、准确,能实时检测出玉米智能收获机器人的行走路径。     

面向机器人柑橘采摘的控制系统设计与试验

面向柑橘采摘,构建以上位机、RealSense Camera R200深度相机、VS-6556垂直多关节工业用机械臂、三指柔性手爪等组成的采摘机器人硬件平台。以Windows10为开发环境,采用librealsense相机软件开发工具包、OpenCV计算机视觉库、TensorFlow-GPU和Keras深度学习框架、ORIN2机械臂控制软件开发工具包、Arduino IDE函数库以及SerialPort串口通信软件开发工具包等,研究基于深度相机、机械臂二次开发的采摘控制系统设计,包括视觉识别定位、手爪动作控制、机械臂运动控制以及采摘控制等模块的程序设计。采摘控制系统柑橘定位试验和柑橘采摘试验的测试结果显示,在实验室环境下面对随机布置的柑橘,视觉识别定位模块的平均定位精度误差为1.22 cm,采摘过程中柑橘识别成功率达到100%,平均识别时间约为47 ms,机器人柑橘采摘成功率达到80%,平均采摘时间约为15.2 s,验证了采摘机器人平台控制系统程序的可行性,表明所开发的采摘控制系统能够正确、高效地完成整个柑橘采摘作业流程。     

基于TRIZ理论的果实采摘机器人研究

在介绍发明问题解决理论-TRIZ概念的基础上,分析了40个发明原理、39项技术特性、矛盾冲突解决矩阵、物质-场分析理论以及发明问题解决算法(ARIZ)等.运用TRIZ理论对果实采摘机器人进行了具体研究,对其中的机械手和末端执行器进行分析改进,建立了只抓住果梗而不与果实本体直接接触的软质水果收获机器人模型,解决了果实采摘机器人在果实采摘过程中的一些问题.