PLC控制机械手及物料分拣机构在生产自动化中的应用

在自动控制领域中,一项新型技术为机械手技术。视觉传感器作为新型传感器应用于以机械手为主导的物料搬运分拣机构,起到了区分颜色,形状的作用,随着该项技术水平的不断提升,机械手控制中开始应用PLC,并将PLC控制的机械手应用于生产自动化中,提升生产的自动化水平。     

多用途果蔬采摘机械手的研究

文章通过机器人仿生学设计了机械手的结构,根据果蔬的颜色和大小,分析了机械手识别和采摘果蔬的工作原理。采用舵机驱动的方式提高机械手的抓取力大小、驱动器的反应速度。同时为了对果蔬的精确识别,采用了五指安装高精度摄像头进行图像采集、Otsu算法对图像处理以及4个特征量对目标进行识别和分级筛选。     

基于颜色信息和形状特征的棉桃识别方法

为了给机械手自动采摘棉桃提供运动参数,提出了一种棉桃识别方法,可以从背景环境中准确识别棉桃,获取棉桃准确的位置信息。通过对棉花不同部分颜色数据的分析,建立了基于色差信息的识别模型,为进一步提高识别准确性,利用形状特征建立动态Freeman编码方法去除噪声。实验结果表明这种方法具有良好的棉桃识别效果,识别率达到85%。     

有色果实采摘机械手的设计

介绍了一种有色果实采摘机械手的设计。该系统以ATMEGA128为主控制芯片,用TCS230颜色传感器识别有色物体。用3个直流电机和3个步进电机作为各个机械部分的动力,控制机械手摘取物体。实验表明,抓取物体的成功率达到了95%以上。     

基于计算机视觉的水稻杂株识别

针对水稻的杂株识别,设计了一种基于计算机视觉的水稻杂株识别系统。系统主要由图像获取系统、特征提取系统和模式识别方法系统组成,可利用颜色特征识别图像中的杂株,并对图像进行阈值分割获取二值图像,提取形状特征和纹理特征,通过DS融合理论程序实现水稻杂株的识别。试验结果表明:系统可以准确识别水稻杂株类型,准确率达到了92%以上,能够满足农业人员对水稻杂株识别系统的要求。     

采摘机器人基于支持向量机苹果识别方法

针对目前苹果采摘机器人果实识别过程误差大、处理时间长等问题,应用支持向量机(SVM)方法对苹果果实进行识别.首先采用矢量中值滤波法对苹果彩色图像进行预处理,然后运用区域生长算法和颜色特征相结合的方法进行图像分割,最后分别对苹果彩色图像的颜色特征、几何形状特征进行提取,并用支持向量机的模式识别方法识别苹果果实.实验结果表明:支持向量机识别方法的识别性能优于神经网络方法;综合颜色特征和形状特征的支持向量机识别方法对苹果果实识别的正确率高于只用颜色特征或形状特征的正确率.     

基于多特征融合与支持向量机的葡萄病害识别

以葡萄的黑腐病、轮斑病、褐斑病为研究对象,以应用小样本数据集和避免使用病斑形状特征进行病害识别为研究目标,研究了基于机器视觉和机器学习的葡萄病害识别方法。对葡萄病害图像进行预处理后,提取了RGB颜色矩、HSV颜色直方图特征、GLCM纹理特征、HOG特征共4种特征集,采用级联融合方式得到2 037维葡萄病害特征,并利用支持向量机算法进行识别训练和测试。结果表明,采用4种特征融合的方式在小样本集下能够获得较好的识别准确率,优于仅使用颜色或者纹理特征的识别方法,且能取代融入病斑的形状特征识别方法。     

基于液压控制的农业机械手的设计

探讨了农业机械手的造型、液压回路及控制部分的设计。该机械手主要采用了CAD/CAE软件来进行设计分析,提高了设计的效率、可行性和科学性。为此,针对当前农业的产品种类逐渐增加的发展趋势,对本机械手进行手部可调整设计,从而可以采摘不同形状的农业产品。S7-200型号的PLC和液压技术在该机械手中的应用,使设备整体结构紧凑,工作更加稳定,通过机电仿真软件建立机械手总装模型并完成仿真,为该机械手的实际生产提供了重要参考。     

基于UG机器人末端执行器的设计与运动仿真

为了使机器人末端执行器机械手能够适应更多形状物件的抓取作业,扩大适用范围,提升工作效率.课题组利用UG软件中零件3D建模和装配模块分别对机械手进行了零件三维结构设计和整体装配,设计了一种爪手位置角度可调的机械手.并通过UG软件中的运动仿真模块,对机械手进行了运动仿真分析.仿真结果表明:该机械手结构紧凑,机构调节方便,可...     

基于图像处理的温室黄瓜霜霉病诊断系统

为进一步提高温室黄瓜霜霉病诊断的准确率,构建了一个基于图像处理的温室黄瓜霜霉病诊断系统。针对温室黄瓜栽培现场采集的病害图像,采用基于条件随机场(Conditional random fields,CRF)的图像分割方法进行病斑图像分割,并采用决策树模型扩展一元势函数,提高病斑图像分割的准确性;将分割后的病斑图像转换到HSV颜色空间并提取其颜色、纹理和形状等25个特征,利用粗糙集方法进行特征选择与优化;构建了基于径向基核函数的SVM分类器,准确地识别与诊断温室黄瓜霜霉病。系统试验验证结果表明,该系统采用的病斑分割方法,能够克服复杂背景和光照条件的影响,准确地提取病斑图像;采用粗糙集方法能够有效地选择分类特征,将25个初始特征减少到12个,提高了运行效率;黄瓜霜霉病识别准确率达到90%,能够满足设施蔬菜叶部病害诊断的需求。     

基于机器视觉的枸杞检测分级系统

利用STM32F439单片机高效的处理速度和OV9655摄像头高速的图像采集速度,结合数字图像处理技术,研究一种针对枸杞的大小、形状、色泽的多指标多通道机器视觉系统,满足枸杞分级设备的低成本和高速度的要求。系统工作时,轨道将枸杞按照固定的姿态运送到图像采集区域,通过摄像头采集图像;对图像进行灰度化,基于大津算法的背景分割、椭圆拟合、大小形状识别、颜色识别;最后提取枸杞的大小、形状、色泽信息,实现枸杞的无损检测分级。     

基于手势识别的采摘机器人智能控制系统

为了减少采摘机器人采摘误差、提高其工作效率,首先介绍了肌电信号采集处理和手势识别算法、然后设计了系统的整体框架,最后阐述了采摘机器人机械手执行机构和驱动结构的控制原理。测试结果表明:与LDA、SVM算法相比,ANN算法手势识别时间更短、识别准确度更高,能够大大提高采摘效率和成熟果实准确度,具有一定的现实意义。     

基于颜色和形状特征的机采棉杂质识别方法

机采棉的含杂识别分类检测能够提高棉花加工设备效率,减少棉花纤维损伤,并为棉花收获设备的改进提供指导。提出了一种基于颜色和形状特征的机采棉杂质识别分类方法,对大杂质和小杂质检测采取不同的图像处理方法。颜色特征主要采用基于彩色梯度图像的分水岭变换与改进模糊C均值聚类方法融合的方法;形状特征主要采用机采棉杂质的面积、周长、离心率和矩形度特征。通过对100幅机采棉图像试验表明,该方法对各类杂质的平均识别正确率为89%。     

基于PLC的苹果采摘机械手运动控制系统设计

以苹果采摘机械手运动控制为研究对象,对机械手进行运动学分析与建模,设计了基于PLC的机械手硬件框架与运动控制方案、人机交互上位机和机械手轨迹规划的实验系统。实验结果表明:采用PLC控制器的苹果采摘机械手软硬件均能正常运行,该系统具有可靠性高、实时性和稳定性好等优点,对于农业采摘机器人快速识别目标并进行正确采摘作业具有很大帮助。     

基于PLC的果蔬采摘机械手系统控制设计

【目的】随着人们对绿色安全果蔬需求量的增加以及果蔬种植面积的扩大,及时高效采摘成熟果蔬成为重要研究课题。为实现对成熟果蔬的高效采摘,文章提出了一种基于PLC（可编程逻辑控制器）的果蔬采摘机械手系统。这一系统的设计旨在通过技术手段提高果蔬采摘的效率和及时性。【方法】所设计的系统以PLC控制器为核心,利用程序命令控制机械手的移动、夹持、切割等操作。系统的自动化设计能够完成果蔬的采摘和储存工作,同时提供自动和手动不同的操作功能。为了确保系统高效运行,对果蔬采摘机械手进行了细致的调试和优化。【结果】相对于传统人工采摘方式,基于PLC的果蔬采摘机械手在多方面具有显著优势。该果蔬采摘机械手系统工作效率高,能够实现24 h不间断工作,及时采摘当季果蔬。【结论】高效的工作模式能够为果蔬农户创造更大的经济效益,因此,智能机械手在现代果蔬采摘领域具有巨大的应用潜力和价值。     

渭滨区是如何推进农业机械化科学发展的

农业机械是实施和推广先进农业科学技术的载体,是建设现代农业的物质基础。农业机械的广泛应用,能够极大地提高农业综合生产力。特别是农副产品深加工、运输流通环节农业机械化水平的提高,可以有效提高农业经济效益,拓宽农民增收渠道。     

基于PLC的磁卡抓取气动机械手控制系统设计

为了提高脸盆智能制造生产线的智能化和自动化水平,降低工人的劳动强度,本文设计了一种基于PLC的磁卡抓取气动机械手,该气动机械手根据脸盆生产线的生产工艺,每隔10个盆放入一张磁卡,以便于AGV小车进行脸盆的入库管理,通过气动机械手装置的搭建、PLC的选型、PLC软硬系统的设计,最终满足了生产线的工作要求,有助于提高企业的生产效率。     

基于颜色和形状特征的茶叶嫩芽识别方

与人工采摘茶叶相比,现有采茶机械虽能提高采摘速度,但采摘时老叶、嫩叶一起采,缺乏选择性,并有部分叶片遭破损,降低了原料品质.为此,需要研究具有选择性、低损伤率的自动采摘方法.本文采用基于颜色和形状特征的图像处理方法,实现茶叶嫩芽的计算机识别和检测.针对清明期陕西名茶"午子仙豪"茶叶,首先在RGB颜色空间中提取茶叶图像的G分量,并采用双阈值方法对图像进行分割;然后根据茶叶嫩芽的形状特征,检测茶叶嫩芽的边缘.实验结果表明:基于颜色和形状特征的识别方法能有效分辨出茶叶嫩芽,识别准确率为94%,为实现茶叶嫩芽的自动采摘提供了一种有效方法.     

基于SVM和DS证据理论融合多特征的玉米病害识别研究

针对玉米叶部病害图像的颜色、纹理、形状特征对病害影响的差异性,提出一种结合单特征下的SVM识别准确率和识别结果的融合多特征玉米病害识别方法。首先对预处理后的玉米病害图片提取颜色、纹理、形状3种特征,对应每一种特征构建一个SVM分类器,结合3个SVM分类器的平均准确率和识别结果作为证据理论的3个证据,构建D-S证据理论的基本概率分配函数(BPA),最后根据D-S证据理论决策规则进行决策级融合,依据决策条件输出最终识别结果。结果表明,结合SVM识别准确率和识别结果来对玉米的灰斑病、弯孢菌叶斑病、锈病三种病害进行识别,准确率分别为95%,85%,100%,平均准确率为93.33%,该方法对玉米叶部病害的识别更准确和稳定。     

育秧播种机机械手监控系统设计与研究

运用可编程控制器PLC并利用组态王6.5作为开发平台,设计一套应用于气吸振动式精少量播种装置的机械手监控系统。该系统用PLC控制一个二自由度机械手实现循环吸、排种,运用组态王实现对机械手运行过程的监视,上位机通过串行口与PLC通信,实现上位机中实时设定机械手的运行速度,提高育秧播种机的工作效率,能使育秧播种机的播种效率达到550盘/h。整个系统实际运行效果稳定,能够满足育秧播种机监控系统的应用需要。