基于排球机器人运动规划的农机案例学习决策系统

利用排球机器人进行运动规划,可以模拟人类球员通过经验积累而采取相应动作的行为学习模式,采取案例学习的方式解决球的初始状态微小变化,如发球速度和角度变化时的运动规划问题。如果将排球机器人运动规划方法使用在农机决策系统中,通过案例学习训练可以使农机进行自主作业。为了验证方案的可行性,以采摘机器人的设计为例,将排球机器人运动规划系统引入到了机器人的定位识别系统的设计上,并采用小波神经网络算法对案例库进行训练,以获得较高的学习精度。对采摘机器人定位识别系统进行了测试,结果表明:采用案例学习和小波神经网络算法,可以使采摘机器人定位识别系统具有较高的响应速度和识别精度,满足采摘机器人自主作业的设计需求。     

排球运动规划在采摘机器人识别定位中的应用

为对采摘机器人的识别与定位功能进行优化,将排球机器人的运动规划原理与采摘机器人的控制要求相结合进行应用探讨。通过搭建采摘机器人对果实的识别定位理论模型,运用核心图像识别与处理算法,硬件配置动作执行协调及软件系统后台指令控制,实现多功能性传感装置信息数据的合理性采集与传输,达到实时定位目标。进行了采摘机器人的识别与定位试验,结果表明:在排球机器人运动规划与控制机理下,通过目标与定位图像的有效抓取,采摘定位时间可控制在0.6s左右,综合定位准确率保持在93.8%以上,最高定位准确率可达95.7%,满足采摘机器人作业需求,验证了设计理念的可行性,可为类似农业设备定位开发提供思路。     

采摘机器人移动果实目标跟踪研究——基于云存储和无线传感器网络

提高采摘机器人对运动目标的定位能力是提高机器人采摘精度的重要途径,但对于运动果实目标的跟踪和识别需要实时处理大量的图像数据。为有效处理并利用无线传感器实时采集待采摘果实图像,提出了一种基于Hadoop云平台的图像并行处理方案。为了验证方案的可行性,设计了具有运动图像采集和无线传感网络传输功能的采摘机器人,并搭建了基于云存储并行计算的图像抓取平台,利用无线传感器采集的果实图像资源作为原始数据集,对运动待采摘目标进行了图像识别。实验结果表明:采用该方案可以成功地获取运动果实的位置信息,且采摘机器人成功采摘率较高,对于高精度采摘机器人的设计研究具有重要的意义。     

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。     

高架栽培草莓采摘机器人系统设计

为了提高草莓采收自动化水平,针对高架栽培草莓设计了自动采摘机器人系统,其采用无线遥控和语音提示相结合的人机交互方式,可以对机器人本体两侧果实同时进行采摘。该系统采用机器视觉和声纳测距相结合的方式实现了自主导航,通过双目视觉相机对果实进行识别和空间定位,由关节型机械臂操纵末端执行器进行定位。系统末端执行器采用果实吸附、果柄夹持和电热切割的方式对果实进行柔性操作。针对系统控制方案,制定了采摘机器人系统作业流程,并对机械臂末端运动路径节点和时间节拍进行规划,防止与周围环境发生运动干涉,保证机器人作业效率。试验结果表明,草莓采摘机器人系统末端定位平均误差小于2.2mm,单次采摘作业平均耗时10.99s。     

采摘机器人动作技巧训练研究与应用——基于足球比赛标准动作检测系统

在草莓等易破碎果实的采摘过程中,为了降低果实的破损率,提高机器人的采摘效率,提出了一种基于标准动作边缘检测捕捉算法的采摘机器人动作技巧训练方法。该方法参考了在激烈对抗比赛中足球标准动作边缘检测的技术,可以实现机器人作业最佳动作的捕捉。为了提高边缘检测的效果,对Sobel算子、Reborts算子、Log算子、Canny算子等进行了对比,最终选取精确度较高的Log算子进行图像边缘的检测。以仿真和实验两种方法对方案进行了验证,结果表明:利用该方案可以有效地对采摘机器人的最佳姿态进行捕捉,且采用该方案对采摘机器人进行训练可以明显降低采摘过程中的果实破损率,为现代高精度采摘机器人的设计提供了技术参考。     

采摘机器人视觉图像检测应用研究——基于篮球动作捕捉的多媒体数据库系统

采用篮球动作捕捉系统可以实时地对比赛视频进行分析,通过动作捕捉,得到优秀运动员的投篮动作技术特征;但是篮球比赛属于较高强度的对抗性比赛,其移动速度较高,因此捕捉系统需要有较高的精度。将高精度的动作捕捉系统应用在采摘机器人视觉系统设计中,可以有效提高采摘机器人对果实的识别精度,从而提高作业的自动化程度。为了验证方案的可行性,对采摘机器人的视觉系统进行了测试,并以夜间采摘环境为例,对采集的图像进行了平滑和增强处理,成功提取到了果实的边缘特征图像。对采摘机器人视觉系统的目标识别率和定位能力进行了测试,测试结果表明:目标识别率和定位准确率都较高,满足高精度采摘作业的需求。     

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。     

基于粗糙集与遗传算法的采摘机器人路径规划

为了提高采集机器人路径规划速度和自主导航的智能化水平,提出了一种基于粗糙集和遗传算法的路径规划方法,从而有效地提高了路径规划的速度和精度。采摘机器人根据实际果实采摘环境,利用图像分割技术,对果实目标进行识别,在二维栅格地图环境下,制定出决策表,并使用粗糙集对决策表进行约简,得到最小决策表,将其作为遗传算法初试种群,进行遗传交叉和复制操作,优化路径规划算法。为了验证采摘机器人算法性能的可靠性,对采摘机器人的性能进行了测试,包括果实图像的识别和机器人路径规划能力。通过测试发现:采摘机器人可有效地分割提取出成熟果实,并可完成多目标任务。对粗糙集和遗传算法的性能进行了测试,结果发现:使用粗糙集可以大大降低所需训练种群的数目,减少平均迭代次数;增加障碍物的复杂程度后,使用粗糙集遗传算法可以明显地提高路径规划的速度,从而提高了机器人采摘作业的效率。     

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。     

采摘机器人运动目标逼近方法研究——基于分裂迭代和模糊算法

为了解决采摘机器人作业过程中果实振荡造成目标识别不准确的问题,提出了一种针对运动果实的帧间差分法的扰动识别方法,并在帧间差分方法中引入了分裂迭代和模糊控制算法,实现了帧间差分背景图像的分离和子图像的有效聚类。依据该识别方法,对采摘机器人的目标逼近方法进行了改进,从而得到了更加准确的目标空间位置获取方法。为了验证该方法对运动果实目标逼近的有效性,采用虚拟仿真和机器人样机试验相结合的方法,进行了运动果实空间坐标获取和果实采摘试验。结果表明:采用分裂迭代模糊聚类的帧间差分方法,可以有效地对运动目标进行识别,识别误差较低,获得的位置坐标较为准确,可以满足果实采摘机器人的设计需求。     

基于武术飞脚动作学习的类人采摘机器人控制系统

为了使采摘机器人可以适应不同高度的采摘作业需求,将武术飞脚动作引入到了类人采摘机器人的设计过程中,通过对腿部伸缩功能的设计,使机器人可以采摘到不同高度的目标果实。采摘机器人以STC1 2 C5 A6 0 S2单片机作为控制器的控制核心,在STC1 2 C5 A6 0 S2单片机的基础上搭载了以红外接近传感器、红外测距传感器和灰度传感器组成的检测模块,实现了腿部的可以伸缩功能,且在必要的时候可以进行跳跃。为了验证武术飞脚动作在采摘机器人上使用的可行性,设计了一款基于武术飞脚动作的腿部可伸缩机器人,采用电机驱动和舵机控制的方式,通过调整舵机的角度变化,成功实现了采摘机器人的腿部的伸缩功能。试验结果表明:采摘机器人可以实现不同高处果实的采摘作业,提高了机器人对复杂高度作业环境的适应能力。     

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。     

体育动作多媒体数据库在采摘机器人执行器上的应用

采摘机器人动作的规范性和准确性不仅关系到果实的采摘效率,还会影响到采摘的效果,特别是易损果实,很容易造成果实的破碎,降低采摘质量。为了提高采摘机器人动作的准确性,基于体育训练项目的多媒体数据库,结合神经网络机器学习训练和图像处理技术,对采摘机器人动作进行了训练和优化,并对动作的准确性进行了仿真模拟。结果表明:优化后的采摘动作误差较小,且随着神经网络训练样本的增加,误差有下降趋势,为采摘机器人采摘末端的设计提供了重要的依据。     

基于RSSI信号强度定位的夜间采摘作业机器人设计

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夜间果实定位识别的方法,引入了RSSI信号强度定位技术,并在此基础上提出了一种泰勒级数展开的高精度定位方法。夜间采摘作业机器人采用接收到的RSSI信号强度对待采摘的果树进行定位,为了满足机器人移动时的实时定位,采用多次信道扫描的方式,提高了机器人定位的实时性。为了验证机器人夜间定位方法的有效性和可靠性,在夜间采摘环境下,对机器人的性能进行了测试。通过测试发现:机器人的定位精度较高,错误识别率较低,并且通过多次校正,可以有效提高作业精度,满足夜间作业的设计需求。     

基于图像边缘检测技术的采摘机器人视觉系统设计

采摘机器人作业环境复杂,视觉系统往往不能准确对待采摘的果树或者果实进行准确的定位。为了提高采摘机器人视觉系统的定位精度,引入了图像边缘检测技术,通过提取待采摘果树或者果实的边缘,计算果实的位置坐标,为采摘机器人的自主行走定位和采摘作业提供可靠数据支持。为了验证方案的可行性,以待采摘果树的特征边缘提取为例,对系统的果树边缘提取的可行性及定位准确性进行了实验。实验结果表明:采用基于图像边缘检测技术的采摘机器人视觉系统可以成功地对果树进行定位,并输出果树的位置坐标,将位置坐标和实测位置坐标进行对比发现,其结果基本吻合,具有较高的定位精度。     

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。     

基于多跳无线网络和机器视觉的新式采摘机器人设计

针对农田作业环境下传感器定位节点的数量较多、覆盖范围要求广及农作物作业场地很多都没有局域网覆盖的问题,提出一种面向多跳无线网络的采摘机器人节点定位方法,并将其应用在待采摘区域的精确定位上,从而提高了采摘机器人定位和目标识别的整体性能,降低了采摘机器人总体的能源损耗。在新式采摘机器人的设计过程中,采用无线多跳网络通过多个无线路由对接收的定位数据进行转发,其部署简单,可以使定位节点进行周期性的休眠,能源消耗低,从而保证了采摘机器人能源的供应;采用机器视觉辅助目标果实定位识别系统,实现了待采摘果实的准确定位。对采摘机器人多跳无线网络定位系统进行了抗干扰能力测试,结果表明:噪声干扰的环境下,采摘机器人依然具有较好的通信能力,可以对待采摘区域实现较为精确定位。     

采摘机器人SEMG手势识别研究——基于RNN循环神经网络

为了实现采摘机器人通过手势动作进行远程控制的目标,采用MYO手环采集人体手势动作信号,将信号进行滤波、放大和A/D转换等预处理后,通过无线通信模块发送给PC机;PC机提取右移、左移和采摘等动作的特征值,送入RNN网络中进行训练和识别,并将识别结果以指令的方式发送给采摘机器人,控制采摘机械手进行相应操作。实验结果表明:采摘机器人SEMG手势识别算法识别率较高,结果非常理想,验证了采摘机器人通过手势进行远程控制的可行性。     

视觉传感器在采摘机器人目标果实识别系统中的应用

目标果实的识别和定位是准确采摘的核心,是采摘作业的必要条件。为此,首先从硬件和软件两方面对采摘机器人总体框架进行了介绍,然后搭建了双目视觉系统,并建立了摄像机标定模型,最后实现了对目标果实的识别和定位功能。试验结果表明:采摘机器人目标果实识别系统对目标果实的识别定位误差在8mm以内,成功采摘率在96%以上,系统精度高,采摘效果良好,能够满足采摘机器人的作业要求,对实现水果采摘的自动化、无人化具有重要现实意义。