基于机器视觉的玉米收获机器人路径识别

我国玉米种植面积和产量都很大,在农业中占有重要的地位,但收获环节耗费的成本惊人。玉米收获机器人能提高作业效率,极大地降低生产成本,具有广阔的应用前景。路径识别能力是机器人环境适应性的一个重要方面,而机器视觉主要用于农业机器人的路径识别。为此,设计了一种基于机器视觉的玉米收获机器人路径识别方法,并进行田间的实时图像处理试验。结果表明:该路径识别方法具有较好的田间适应性和实用性,经过载机结构改进和内部参数优化后能为玉米收获的智能化和信息化提供技术支撑。     

我国玉米收获技术研究进展

重点对国内玉米收获机的割台、摘穗装置、脱粒装置、清选装置和液压行走驱动系统等研究概况进行分析，并对现有智能玉米收获技术和典型代表产品进行介绍，为促进我国玉米收获机械化发展提供借鉴。      

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。     

温室草莓采摘机器人设计与试验

为实现温室草莓采摘机械化和自动化,设计并制作一种应用于日光温室的草莓采摘机器人。该机器人能实现自主路径规划,行走过程中识别成熟草莓并完成采摘。设计以ROS分布式计算系为主控制网络,以激光雷达进行移动机器人的地图构建与定位,双目深度相机实现对成熟草莓的识别和定位,搭载柔性仿生夹爪6自由度机械臂实现目标草莓抓取和放置。设计机器人软件平台,使用改进A*算法实现自主路径规划和导航避障;利用R-FCN目标检测网络和双目视觉技术实现成熟草莓检测及定位。结果表明：该草莓采摘机器人可实现目标检测及定位,检测到的草莓坐标与机器人手爪坐标的误差在4 mm以下,成熟草莓识别率为95%,满足采摘要求。     

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。     

基于计算机视觉的采摘机器人智能避障系统研究

为了实现采摘机器人对前进道路上障碍物的避障功能,提出了一种基于计算机视觉技术的采摘机器人智能避障系统。该系统结合计算机视觉技术与嵌入式智能控制技术,引入障碍物立体识别检测技术,将其应用于采摘机器人的静态避障中。试验结果表明:该系统能够准确无误地避开障碍物,并能在动态移动中规划出局部最优路径,证明了该智能避障系统的有效性、准确性和可行性。     

基于农田景物边缘的农业机器人自定位方法

自主行走农业机器人自定位技术是导航系统的关键技术，本文通过对机器人的近景成像几何建模，提出了利用虚点提取和检测实现从图像到场景现实空间的三维计算，并确定机器人与路径的相对位置、方向，从而获得了自定位信息的方法。实验证明了该方法的正确性。     

除草机器人定位系统设计 —基于跳距修正粒子群优化和WSN

为了实现除草机器人的定位和路径规划,首先介绍了WSN技术,将WSN定位和AOA定位算法结合起来,并利用粒子群对其进行优化,实现了一套基于跳距修正粒子群优化和WSN的除草机器人定位系统。试验结果表明:该除草机器人实现了整个六边形草坪的割草作业,没有留下死角区域,且除草机器人行走路径最短。由此表明,除草机器人定位精度高,具有较高的实时性和可靠性。     

玉米机械化收获关键技术研究进展

玉米机械化、智能化收获方式是全面实现玉米产业转型、提质增产和增强国际市场竞争力的重要保障,同时也是玉米全程机械化发展的瓶颈。目前,我国玉米机械化收获水平较低,与小麦、水稻等技术差距较大,正处于玉米机械化果穗收获向玉米籽粒直收的重要时期,同时也是玉米机械装备全面转型的重要阶段。以玉米果穗收获及籽粒直收为研究重点,详细阐述了玉米机械化收获技术中割台高度调节、自动对行、产量检测等智能收获技术的应用现状,针对目前玉米机械化收获技术存在的问题,提出未来玉米生产应加强在线检测技术,同时全面发展高效可靠的玉米收获装备,研究结果对于全面提升我国农业机械发展水平具有重要意义,同时为玉米智能化收获装备的研制与发展提供技术参考与思路。     

基于立体视觉下联合收获机边缘检测技术的研究

智能联合收割机是目前作物收获的发展热点与研究重点技术之一，而确定田间地块边缘、未收割作物边缘、联合收获机直线行驶和在作物地头转向是实现全田间自动收获的基础。为此，设计了一种基于立体视觉下多种作物收获边缘快速检测方法，保持作物收获边缘在检测目标区域内，并提出了一种基于HSV(色调、饱和度和值)空间扫描的动态感兴趣区域提取算法，利用Ostu算法获得作物未收获面积，实现未收获作物边缘和作物末端边缘的同时检测，并根据作物收获末端边缘自动转向到下一个收割路径。田间验证试验表明：水稻检测准确率高于98%,玉米的检测准确率高于94%,平均处理速度为49frame/ms。研究结果表明：提出的基于立体视觉下联合收获机边缘检测及精准转向系统具有较高的工作精度和效率，可为提高作物收获性能提供技术参考与借鉴。     

农业机器人路径识别自主导航系统——基于STM32与物联网

我国人口众多,粮食需求量高,因此有必要提高农业生产效率以提高粮食产量。为此,开发了一套基于STM32及物联网的农业机器人定位及路径导航行走系统,跟踪端GSM芯片在STM32的控制下通过GPRS网络发送GPS定位数据信息,农业机器人视觉系统根据所在环境拍摄图像分析获得行走路径,完成导航任务。以农田垄沟环境为研究对象并进行仿真,将机器人视觉系统采集的图像进行优化,通过MatLab仿真处理,将机器人导航行走路线通过阈值分割和边缘检测提取出来,满足其定位导航的精度。该系统能够大量应用在农业生产技术中,包括种植管理、喷洒农药及果实采摘等,极大地减轻了我国农业生产人员的劳动强度,对于推动农业的现代化具有重要意义。     

果树快速定位采摘机器人设计——基于红外和激光扫描技术

为提高采摘机器人的自主导航能力和采摘效率,实现机器人的快速果树识别和定位,结合红外测距传感器与计算机图像处理技术,利用激光扫描传感器体积小、功耗低、速度快、抗干扰等特点,提出了一种非接触式测量果树深度信息的方法;并结合计算机图像处理对果树进行了标定,实现果树的快速识别与定位,为采摘机器人运动轨迹规划提供了自主导航的参数。为了验证该方法的可靠性,在采摘机器人试验样机上安装了红外线测距和激光扫描快速定位装置,并通过左右两侧果树的导航路径拟合,得到了机器人的行走路径,通过对比红外线测距和激光扫描的结果发现,其拟合路径基本吻合,从而验证了该方法测量数据的可靠性。根据不同的树高对应的枝叶密度,利用计算机图像处理对果树进行了标定,最后利用激光扫描方法对标定后的果树进行了快速定位,并将结果和全站仪的结果进行了对比,结果表明:激光扫描和全站仪之间的最大误差仅为20mm。这说明,激光测量的精度较高,可以满足设计的需求。     

基于高速摄像系统和图像边缘检测的精密排种器设计

为了综合优化排种器的单粒率、双粒率、空穴率、平均间距、重播和漏播指数,设计了一种基于高速摄像和图像边缘检测的排种器,提高了播种机的播种精度。利用高速摄像系统和图像边缘检测技术获取种子堆积的图像反馈信息,采用PID自动化调节的方式,用链条对排种轮的驱动轴进行了有效的调节,从而达到了精密播种的目的。为了测试设计的排种器的有效性和可靠性,对其综合指标进行了测试。通过测试发现:使用高速摄像边缘提取系统的排种器比人工检测播种方法的单粒率、双粒率、空穴率的相对误差要低,平均间距控制平稳,并且有效地降低了重播指数和漏播指数。     

基于机器视觉的玉米秸秆行实时定位机器人设计

为了实现机器人玉米秸秆行的精确定位,对耕作玉米机器人的结构进行了改进,并提出了一种基于泰勒级数展开式的RSSI定位方法,提高了机器人玉米秸秆行的定位精度。定位系统使用高清晰度的摄像机采集图像,并采用PID闭环反馈的方式控制机器人的位移,利用PC主控端图像处理,实现了实时定位功能。为了验证机器人玉米秸秆行定位的可靠性,采用田间试验的方法对机器人的性能进行了测试。结果表明:RSSI定位方法的定位精度较高,且图像处理系统可以准确地标定玉米秸秆行,实现机器人在玉米田中的精确定位,避免了机器人在作业过程中对农作物造成损害。     

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。     

基于模糊控制系统的采摘机器人避障系统研究分析

针对目前使用的采摘设备落后、工作量大、稳定性差等问题,为了提高采摘机器人的环境适应能力,对采摘机器人的避障控制系统进行了分析,拟采用模糊控制系统的方法,来加强采摘机器人避障系统的能力和效率,减少采摘机器人避开障碍物及规划出适当路径所用时间。模糊控制使用超声波检测前方障碍物距离,以控制转轮速度和方向作为输入量,速比作为输出量,控制移动的速度和方向。为使采摘机器人避障路径规划尽可能短,采用改进的遗传算法和模糊控制系统建立基本模型。对采摘机器人的避障性能进行仿真试验,结果表明:基于模糊控制的采摘机器人的避障系统可以成功地避开障碍物及规划出最短行走路径,且能够快速定位树上的果实和准确地完成采摘任务,具有效率高、易操作、采摘成功率高等特点。     

基于机器视觉边缘检测的园林喷药机器人导航线提取

导航路径的精确拟合是园林机器人自动化导航的关键,针对现有园林喷洒机器人仍是人工操作为主的现象,提出一种基于视觉边缘检测的导航路径拟合算法,用于指导园林喷药机器人的自动化导航。首先利用“化曲为直”的思想,截取拍摄图像的最后200像素行作为感兴趣区域;其次提出一种针对园林道路的灰度化因子,对图像进行灰度化处理;然后对图像进行行扫描,根据噪声和道路在几何学上的差异,设定宽度阈值T,快速检测出道路边缘;根据检测出的边缘点,计算道路边缘点的均值拟合出边界线;最后,根据道路顶点坐标,计算出梯形道路的中轴线方程提取出导航线,为园林机器人导航提供参数。试验结果表明该算法处理一幅图像平均耗时53 ms,误差在0.6°内,可见本文所提算法可以满足实时性要求,且算法鲁棒性好、准确性高,为园林喷药机器人的自动化导航提供理论依据。     

基于图像处理的果树滴水线导航路径检测方法研究

针对果园开沟施肥,提出一种基于图像处理的果树滴水线导航路径检测方法。该方法采用垂直地面向上布置的CCD相机采集果树冠层投影图像,并实现果树冠层沿地面垂直投影轮廓的识别与滴水线平滑处理,进而对无人施肥装备沿果树环状行走路径进行确定。通过相机标定获取相机内部参数和畸变参数,对原始图像进行畸变矫正;通过对图像在RGB颜色空间的分布特征进行定量分析,使用平均值法对图像灰度处理,使用定阈值法进行二值分割;二值图像中由于存在大量的空间间隙,使用形态学膨胀操作,填充间隙,以凸显树冠投影边缘轮廓;使用边界跟踪算法,提取树冠轮廓边缘;引入Beseel曲线拟合方法,对轮廓边缘进行平滑处理,通过对比二阶、三阶、四阶、五阶拟合结果,得出使用三阶和四阶Beseel拟合结果较为符合导航路径要求。将相机固定在一个位置,分别在晴天和阴天拍摄条件下采集图像,进行滴水线导航路径提取,分别使用三阶和四阶Beseel曲线拟合晴天和阴天的图像边缘轮廓,使用四阶拟合结果较为符合实际要求,平均像素误差为19.5像素,平均像素相对误差为2.6%,平均每帧图像处理速度为27 ms,能较好地满足导航精度和实时性的要求,为施肥作业平台沿滴水线自动导航提供参考。