小型多功能旋转割刀式割草机设计

旋转割刀式割草机是草坪割草作业最常用的工具,为了提高割草机的自动化作业水平,对手推式旋转割刀式割草机进行了改进,将神经网络PID控制器引入到了割草机控制系统的设计上,使其具有自主导航、自动反馈调节、自我诊断等多种功能,有效地提高了割草机的自动化和智能化水平,以及作业质量和作业效率。为了验证方案的可行性,对多功能旋刀式割草机器人的性能进行了测试,结果表明:采用神经网络PID系统后,割草机具有更快的响应速度,对作业区域的准确识别率和自主沿着规划路径行走的精度也有所提高,可以满足割草机自动化作业的设计需求。     

基于物联网的智能割草机器人运动控制系统研究

以智能割草机器人为研究对象,首先基于物联网技术介绍和实现了割草机器人的定位功能,然后介绍了其运动学模型、控制系统架构和动力牵引装置,最后介绍了智能割草机器人驱动模型,实现了智能割草机器人的运动控制系统。试验结果表明:智能割草机器人能够对障碍物进行自主避障,且路径规划路线最优,实现了目标区域的全区域覆盖割草作业。     

智能模式识别采摘机器人设计——基于图像聚类和情感模糊计算模型

随着科学技术的不断进步和完善,情感计算对于智能设备设计的重要性也日益显著,将情感计算能力与智能设备进行有机地整合不仅能够较好地整合人机交互,还可以使设备具有类人的作业能力。为了使采摘机器人可以对具体的作业环境做出反应,实现果实的定位和成熟度的判断,采用AML脚本语言,结合模糊c均值聚类算法,设计了采摘机器人智能识别模式模型,并将算法嵌入到采摘机器人机器视觉及控制系统中,最后对算法的可行性和可靠性进行了验证。试验结果表明:采用该方法对农作物颜色识别的准确率较高,并且相对于其他算法具有计算效率更快、计算准确率更高等优点,从而验证了算法的可靠性,为智能采摘机器人的设计提供了一种新的方法。     

基于视觉算法的割草机器人作业系统优化

以割草机器人作业系统为研究对象，通过对割草机器人作业过程进行分析，利用高清摄像头进行目标区域草地图像采集，采用视觉算法进行草地图像转换，获取草地图像的颜色和边界特征集合，实现草地识别和草地形状识别，并根据结果进行割草作业自动化控制。试验表明：基于视觉算法建立的割草机器人作业控制系统，草地面积识别误差不大于1.5%,草地图像像素识别误差不大于3%,系统在进行草地状态识别时具有较高的可靠性。     

割草机器人路径规划研究 ——基于改进蚁群算法和计算机视觉

首先,从设计需求、结构体系和控制系统设计了割草机器人总体方案;然后,设计了草坪边界提取算法和割草机器人路径规划系统,实现了一套基于改进蚁群算法和计算机视觉的割草机器人路径规划系统.试验结果表明:割草机器人能够实现草坪边界提取和规划出最优路径,割草机器人路径规划具有一定的可行性.     

基于三星S5PV210的智能割草机控制系统设计

为了满足割草机全自动的作业需求,提出了一种基于三星S5PV210的智能割草机控制系统。该系统融合了机械设计、环境感知、智能控制、路径动态规划和行为决策等技术,能够自主地对目标草坪进行作业。试验结果表明:该智能收割机能够实现整个目标草坪的割草作业,且路径规划路线最优,割草机成功避开了障碍物,在整个过程没有发生碰撞行为,具有高实时性和高可靠性,应用前景广阔。     

基于PLC的智能割草机器人控制系统

通过对目前割草机市场和智能割草机器人控制系统的分析，结合传感器检测技术、直流电机驱动技术、PLC控制技术、GPS定位技术以及触摸屏人机交互技术，设计了一套智能割草机器人控制系统，其具有运行稳定、安全可靠和响应快等性能。同时，该智能割草机器人的定位精度误差减小，割草工作效率大大提高，而智能化程度也大幅提高。      

基于随机运动障碍避碰规则的农业机器人路径优化

农业机器人作业时,为了提高机器人躲避障碍物及自主导航的效率和水平,将随机运动障碍物避碰规则引入到了农业机器人导航控制系统的设计中。采用人工势场算法对避障规则进行了设计,并利用蚁群算法对机器人路径规划方法进行了优化,从而使机器人在随机运动障碍物的环境下可以实现自主导航,且获得最短的导航路径。模拟多除草机器人的作业过程,对多运动障碍物环境下机器人的路径规划进行了仿真,结果表明:采用随机运动障碍物避障规则可以成功实现运动障碍物环境下的路径规划,且采用蚁群算法得到的路径最短、规划效率最高。     

除草机器人路标识别多模式匹配算法研究——面向中英文混合环境

随着农业自动化水平的不断提高,除草机器人被逐步地应用到了农田生成作业过程中,机器视觉系统是除草机器人自主导航和杂草作物识别的核心部件,其性能的好坏直接影响作业效率和作业质量。为了提高除草机器人的导航效率,提出了一种基于中英混合环境的多模式匹配算法,将该算法应用到了除草机器人的英文和中文导航路标的模式匹配上,并采用相关图像处理算法对路标进行了增强处理,最后对不同环境下导航的可行性进行了验证。结果表明:采用中英文混合环境的多模式匹配算法和图像增强处理功能后,除草机器人机器视觉系统的路标成功识别率较高,导航准确率也较高,从而验证了方案的可行性和可靠性。     

农业割草机器人全区域覆盖路径规划研究——基于计算机视觉技术

首先，采用运动控制、能源、传感器、核心处理器和割草等5个模块设计了农业割草机器人试验平台；然后，利用纹理特征对障碍物图像分割算法进行分析研究；最后，基于CCD^*实现了割草机器人的全区域覆盖作业。实验结果表明：使用研究的CCD^*算法大大提高了割草机器人全区域覆盖作业的能力和作业效率。     

智能割草机的关键技术探讨

智能割草机主要是协助完成割草工作,它的主要特点就是操作简单、工作效率高、外型美观小巧、噪音小的特点。智能割草机的实现需要借助于一些先进的科学技术,主要有信息感知与信息融合技术、路径规划技术、工作区域边界的建立与自我识别和避障技术。这四种技术主要是支持智能割草机在工作过程中,全程无需人工干预,以最低的能耗,最高的效率,最高的标准完成割草工作。     

基于单目视觉的采摘机器人障碍物检测和路径规划

具有自主作业能力的采摘机器人一直是国际上研究的热点,而障碍物检测躲避能力是其重要的功能,因为在机器人识别作业区域或成熟果实后需要自主的定位和移动。为此,提出了一种基于单目视觉和人工势能场的障碍物检测和避障算法,可以有效采集和检测障碍物的信息,再依据障碍物及目标区域的距离使用人工势能场方法对路径进行优化,实现采摘机器人的自主移动。为了验证障碍物检测和避障方案的可行性,模拟采摘机器人作业环境和自主移动流程,对采摘机器人避障行为进行了测试。测试结果表明:采用单目视觉和人工势场方法可以使机器人成功的避障,并规划出效率最高的到达目标作业区域路径,对采摘机器人自主导航技术的研究具有重要的意义。     

农业机器人全覆盖作业规划研究进展

随着自动导航技术的发展,农业机器人已经应用到农业生产的各个方面。农业机器人可以代替人类从事喷药、施肥、收获等活动,减轻了劳动强度,提高了作业效率。全覆盖作业是智能机器人研究的核心内容之一,涉及农业、军事、生产制造和民用等多个应用领域。全覆盖作业规划作为农业生产作业的关键技术,有助于提高作业质量和资源利用率。但在全覆盖作业中,仍然存在障碍物识别不准确,阻碍农机工作路径;工作区域面积遗漏,路径重复问题,造成资源浪费;单机器人工作效率较低,无法处理复杂的全覆盖作业问题。本文从全覆盖作业规划中存在的问题入手,从环境模型构建、机器人路径规划、多机器人协作任务分配3方面进行综述。其中,准确可靠的环境地图信息有助于规避静态障碍物、提高作业可靠性;高效优化路径信息有助于减少遗漏面积,提高作业效率;最佳的任务分配方案有助于减少作业时间和资源浪费。首先对环境建模方法进行了分析和对比,揭示其局限性并提出优化方法;在环境建模方法的基础之上,对国内外全覆盖路径规划算法现状进行综述,指出相关算法的特点;然后,针对多机器人协作全覆盖任务规划的研究,探讨了相关任务分配算法的研究进展;最后对移动机器人全覆盖作业规划未来的发展方向进行了展望。该研究将有助于进一步提高农业生产中全覆盖环节的工作效率和农业作业质量,减少资源浪费,为我国实现农业规模化生产提供重要依据。     

智能播种机器人控制系统设计

为进一步提高作物播种自动化水平和生产效率,该文详细阐述了智能播种机器人硬件系统、软件系统的设计,以及关键部件的选型,通过构建智能播种机器人路径规划算法,实现农田环境感知和作物信息处理,达到精准的播种路径规划和种子分配。通过田间试验,验证了所设计控制系统的可行性和有效性。结果表明,通过划分区域、设定优先级和避障策略,实现了高效的播种路径规划。     

基于PCA模式识别算法的收割机自主路径规划设计

为了更准确地对高分辨率可见光农田路标导航图像进行目标识别,将基于主成分分析(PCA 2 Principal Component Analysis)和模板匹配的方法引入到了联合收割机控制系统中,提升了收割机自主图像识别水平和路径规划能力。在识别过程中,采用PCA算法对分割图像进行特征提取和主成分分析,并将图像主轴旋转成水平方向和训练样本库进行匹配,最后识别出导航路标,并自动生成预设的路径。为了验证方案的可行性,将PCA模式识别算法嵌入到了收割机的控制系统中,在开阔平坦的农田里进行了实验测试,结果表明:采用PCA模式识别算法可以成功地识别农田里的导航路标,其识别准确率和效率都较高,且可以自动生成规划路径,对于现代收割机自动化作业能力的提升具有重要的意义。     

基于纹理分割图的草地分界线提取算法

纹理分割是图像识别与处理过程中的一个重要环节。为此,从智能割草机器人作业场景入手,从改善智能机器人视觉识别角度出发,通过对图像纹理特征分析,提出一种能较好地适应智能割草机器人进行草地分界线提取的算法。同时,按照草地图像纹理分割图提取思路,很好地进行分割点坐标拟合,得出最优的、符合实际作业场景的草地边界分割图,可用于后序完善、优化智能机器人作业路径。     

采摘机器人定位导航系统设计——基于无线传感网络和机器视觉

为了提高采摘机器人定位导航效率,改变单一的定位导航模式,将无线传感网络和机器视觉系统引入到了定位导航系统的设计上,通过联合定位的方式,提高导航效率。进行定位时,首先,由无线传感网络定位系统迅速定位作业区域,采摘机器人规划路径自主到达指定作业区域;然后,利用机器视觉系统对果实进行图像采集,采用图像匹配功能发现成熟待采摘果实,执行采摘任务。对定位导航系统进行了测试,结果表明:采用联合定位的方式可以明显提高采摘机器人定位导航效率和定位的精度。     

基于视觉导航和RBF的移动采摘机器人路径规划研究

为了提高采摘机器人自主导航和路径规划能力,提出了基于计算机视觉路径规划和RBF神经网络自适应逼近算法的导航方法。使用图像分割、平滑处理和边缘检测技术,根据图像像素灰度值确定了导航线的位置,利用逐行扫描的方法得到了导航离散点。路径规划和跟踪使用RBF神经网络逼近算法,通过逼近误差和权值控制路径跟踪的精度,系统响应的执行端使用液压伺服系统,提高了机器人自主导航的精度。以黄瓜采摘作为研究对象,在日光温室对机器人采摘作业进行了测试,通过测试得到了RBF神经网络的路径跟踪误差曲线。测试结果表明:机器人可以很好地逼近跟踪规划路径,其计算精度较高,跟踪效果较好。     

基于RFID和WSN的采摘机器人自主定位与导航设计

为了提高采摘机器人自主导航能力和定位精度及对复杂采摘作业环境的自适应能力,提出了一种基于FRID和WSN的自主导航与避障采摘机器人,通过ID识别技术和聚类算法的应用,实现了采摘机器人的高精度导航与路径规划。该机器人在自主导航和避障过程中首先对RFID标签进行阅读,将阅读结果采用WSN进行节点通信,然后调用距离,并对距离进行聚类分析,最后得到规划后的路径。对机器人的导航定位性能进行了测试,测试发现:机器人实际标定位置和定位导航位置曲线吻合程度较高,验证了采摘机器人具有较高的定位精度;进一步测试发现:机器人在各个节点位置的信号通信均正常,没有出现较大的偏差,其定位的最大均方差仅为0.082m,满足高精度采摘作业的需求。     

一种自动割草机控制系统设计

自动割草机控制系统可以实现割草过程的自动化,该控制系统基于运动控制器,分析系统的组成,进行模块化设计,分析研究工作流程,并对工作路径规划进行分析。