草莓采摘机器人成熟果实识别及避障控制系统研究——基于ARM与FPGA

目前,草莓的采摘主要靠人工完成,任务繁重,效率较低,人为造成的损失也比较大,减少了果农的经济收入,也影响了草莓种植的发展。因此,研制草莓采摘机器人是解决人工采摘问题的关键。为此,大量研究了草莓种植的特点及人工采摘技巧,基于ARM与FPGA智能控制模块及双目机器视觉技术,设计了草莓采摘机器人成熟果实及避障控制系统。实验结果表明:所设计的草莓采摘机器人成熟果实识及避障控制系统可以准确识别成熟草莓果实,并能灵活避开采摘途径中的障碍物,系统运行稳定,对我国开展草莓采摘机器人果实识别和避障技术的研究具有一定的参考价值。     

机器视觉在农业工程中的应用

从农作物种子筛选与检测、农作物生长过程中信息检测、病虫草害控制、果实无损检测到果实机械化采摘,整个农业生产过程中机器视觉在农业智能化装备上都有巨大的发展空间和市场前景。介绍了图像采集和处理过程中各种视觉传感器和图像分割算法的适用特点和优势,提出现有机器视觉技术在农业工程中应用存在的问题及未来发展方向,为进一步实现精准农业和农业自动化提供借鉴和参考。      

高丛蓝莓采摘机采摘系统设计与试验

为提高我国蓝莓果实采摘效率,设计了一种高丛蓝莓采摘机。分析了采摘机设计要求与工作原理,估算了蓝莓树枝采摘频率和采摘惯性力。按照确定的设计要求,采用给定行程速比法设计了铰链四杆机构,运用图解法设计了双摇杆机构,并加工制造了采摘系统。为评价采摘系统果实采摘质量和机采与人采效率比,进行了蓝莓采摘试验。试验结果表明,机器采摘效率为829 g/min,是人工采摘效率的12.67倍;采摘果实破损率为8.3%,采净率为96.9%,未成熟果实脱落率为9.7%,该采摘机采摘蓝莓果实的质量和效率较高。     

基于光学导航的采摘机器人系统设计及定位方法研究

为了提高采摘机器人的定位导航精度,将光学导航方法引入到了采摘机器人控制系统的设计上,通过激光扫描和机器视觉相结合的方法,提高了采摘机器人的作业质量和作业效率。在进行定位时,首先由激光扫描方法对采摘机器人进行定位,得到全局坐标中的位置,然后利用机器视觉系统得到采摘机器人和待采摘目标果实的距离,对果实精确定位后进行采摘。采摘测试结果表明:采用光学导航系统可以准确完成果实目标的定位,可有效提高采摘机器人的采摘精度和采摘效率。     

一种便携式无级变速打枣机的设计

我国盛产枣类作物,目前主要采用人工采摘方式,存在成本高、劳动强度大、采摘效率低等问题。为解决上述问题,在功能分析的基础上,本文通过箱体部分、控制部分、支架部分和工作部分的研究,完成了便携式无级变速打枣机的设计。该机器结构简单,互换性、适应性强,抗干扰能力卓越,在减少果实受损的同时提高了打枣效率,降低了劳动强度。     

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。     

农业采摘机器人发展分析及前景展望

随着中国经济结构的改革，农村人口老龄化日趋严重，农村年轻劳动力也向城市转移，在此背景下，迫切需要用机器代替人工进行农作物采摘。结合近阶段国内外的研究成果，对苹果采摘机器人、彩椒采摘机器人、葡萄采摘机器人和番茄采摘机器人的研究现状进行了梳理和总结，并对其中的关键技术：目标果实定位技术和机械手技术进行了分类介绍，对机械手技术中的机械臂技术和末端执行器进行对比梳理，并对未来农业采摘机器人的发展趋势进行了展望。     

智能移动式水果采摘机器人设计——基于机器视觉技术

自动化和计算机智能控制行业的不断发展,使得智能机器人在各个领域的应用已经十分普遍。目前,我国绝大部分水果采摘工作依然靠人工完成,随着工人工资不断攀升,人工采摘水果增加了果农的经济成本,机器人在农业领域方面的需求越来越迫切。为此,基于机器视觉技术设计了智能移动式水果采摘机器人,集可移动载体、机械手臂、夹持器、横向移动机构及智能控制模块于一身,采用双目立体视觉技术,实现了水果采摘机器人移动行走路径的规划、果实成熟度自动判断及对成熟果实定位识别的功能。试验表明:所设计的采摘机器人采用视觉技术,机械结构简易,能够克服气候环境影响因素,运行过程中性能稳定、效率高、可靠性高、适应能力强。     

基于粒子滤波的苹果采摘机器人目标姿态估算

针对苹果采摘机器人中果实姿态信息缺失造成果实损伤及采摘失败等问题,根据苹果尾部花萼遗迹区域是否可见分析了果实姿态信息机器视觉测量方法,研究了果实姿态信息的粒子滤波估计。将单目摄像机固定在机器人末端手爪上,在手爪趋近果实的采摘过程中,随机采集多帧果实图像。对每帧图像运用惯性主轴或重心点偏移两种方法计算果实在机器人坐标系下的姿态向量值,并通过粒子滤波融合来得到果实姿态信息的最优估计。实验结果表明,粒子滤波方法可以有效地融合多帧图像的苹果姿态信息,能够减小因依靠单帧图像直接测量而产生的误差。     

采摘机器人目标识别技术研究——基于机器视觉及深度学习

为了解决采摘机器人识别目标果实难的问题，提出了一种基于机器视觉及深度学习的采摘机器人目标识别技术，可结合图像采集、图像处理、SSD深度学习算法，实现对橘柑的精准识别。试验结果表明：采摘机器人目标识别技术对橘柑具有较高的识别率，证实了该方法的可行性，对采摘机器人研究具有一定的参考价值。     

机器视觉在农业生产中的应用研究

机器视觉技术因其非破坏性、精度高、速度快等特点,在现代农业生产中得到广泛应用。基于前人研究成果和文献分析,综述了近年来机器视觉技术在农产品质量分级与检测、农田病虫草害控制、农业自动采摘系统、农作物生长过程检测以及农业机械导航等方面的国内外研究进展,并对机器视觉技术在各领域的研究情况进行分析和总结,提出了机器视觉技术在农业生产应用中存在的问题和未来的研究方向。     

基于槽型凸轮传动的蓝莓采摘机设计与试验

为改善蓝莓机器采摘果品质量,设计了基于槽型凸轮传动的蓝莓采摘机。设计样机中关键零部件,包括驱动元件计算与选择、传动系统减速比分配、凸轮运动曲线计算,采用“反转法”推导凸轮廓形曲线,利用“角分线法”设计采摘系统末端执行装置。在ADAMS中建立采摘机模型,搭建仿真环境对采摘机进行动力学分析,研究凸轮设计参数、各杆件长度、驱动元件转速对采摘传动装置的影响。在种植园进行蓝莓采摘试验,计算得到槽型凸轮采摘机的采摘效率为4.6 kg/min、未成熟果实脱落率为3.2%、成熟果实采净率为83%、果实损坏率为3.1%,对比分析得出:槽型凸轮采摘机的采果质量优于牵引式采摘机,采摘效率是人工采摘效率的13倍。     

黄瓜采摘机器人远近景组合闭环定位方法

针对黄瓜采摘机器人远景定位精度不高,以致切伤果实和茎蔓的问题,设计了一种基于机器视觉具有空间位置反馈功能的末端执行器。对温室环境下黄瓜果实采摘区域图像信息获取方法加以研究,综合HIS色彩空间H、S分量进行阈值分割,结合RGB色彩空间G通道边缘分布特征以及黄瓜形状特征,提取黄瓜采摘区域。基于摄像机线性透视模型,研究了采摘切割点空间定位方法,最终向采摘机械臂控制器反馈位置微调信息。采用远近景组合闭环定位方法,对采摘目标进行闭环定位,有效地解决了采摘机器人一次远景定位误差较大的问题。试验结果表明,排除温室复杂光照情况,机器人末端执行器定位精度达到2mm,满足采摘作业要求。     

猕猴桃果实相向运动采摘模式的研究

目前,国内外对于农业采摘机器人研究的关键仍是效率问题,猕猴桃果实的采摘模式决定了采摘机器人末端执行器的结构形式和工作原理,同时也决定了作业效率。现阶段的果蔬采摘机器人,大都是单个果实包络抓取,然后旋转折断或者切断实现采摘。猕猴桃单个果实抓取旋转采摘时间是22s,其实抓取果实到释放可以简化为一步采摘,对于猕猴桃的采摘作业可以抛弃用手指去夹持猕猴桃的动作。为此,提出了一种上行机构和下行机构相向运动的采摘模式,并采用正交试验以采摘力为评价指标研究了该采摘模式。结果表明:试验因素显著性居前两位的是上行机构作用位置和下行机构行进速度,采摘成功率为96.3%,单果采摘时间约为5.3s。该采摘模式的研究为今后末端执行器的设计提供了基础和依据。     

基于机器视觉的采摘机器人分拣控制研究

随着自动化技术在农业生产中应用的逐渐推广,农业生产智能化、自动化水平越来越高,采摘机器人在果蔬采摘过程中的应用逐渐广泛。果蔬采摘完成后的分拣作业是较为繁重的工作,为克服传统分拣作业分拣效率低、分拣精度差等问题,在深入研究机器视觉工作原理的基础上,进行了机器视觉系统的数学建模,完成了采摘机器人分拣控制系统总体方案的设计。同时,将机器视觉技术应用到采摘机器人的分拣作业中,完成系统硬件模块的设计、选型及软件流程设计,并对该系统进行了仿真实验。实验结果表明:基于机器视觉的采摘机器人分拣控制系统结构简单,目标识别和分拣精度高,系统安全性和稳定性较高,具有较大的推广价值。     

猕猴桃采摘机器人末端执行器设计与试验

进行了棚架式栽培模式自然生长条件下簇生猕猴桃无损采摘机器人末端执行器的研究。基于果实与果柄的分离特性,提出面向机器人的果实采摘方法和简化几何模型,进行了果实与果柄分离试验的可行性验证;基于果实采摘方法设计了从底部接近、旋转包络分离毗邻果实并抓取、向上运动分离果实的末端执行器,并试制样机,进行了现场评价试验。结果表明,采摘模型能够实现果实与果柄的分离,末端执行器解决了毗邻果实分离问题,能够实现单个果实稳定抓取、无损采摘和采后抓持,成功率达到96.0%,平均单果耗时22 s。     

采摘机器人自动导航系统设计——基于计算机智能算法和机器视觉

机器视觉系统对于采摘机器人的研发至关重要,其性能直接影响机器人的自动导航水平和果实的定位与识别能力,要实现采摘机器人从研发到生产,首先要设计智能化机器视觉系统。为此,在采摘机器人导航机器视觉系统的设计上,引入了计算机处理系统和智能PID控制算法。采用计算机处理系统后,机器人具有更加强大的图像处理能力和控制编程能力,加上智能控制算法的引入,定位导航更加准确,为采摘机器人自动导航系统的设计提供了技术支持。     

果实定位的机器视觉技术研究现状

机器人对果实的采摘中,面临着野外工作环境多样、果实形态复杂、定位距离受限等挑战,实现对果实的精确定位十分重要。基于此,课题组综述了果实视觉定位技术在目标检测、标定、定位算法方面的研究现状,分析了对果实采用不同目标检测方法的效果与不足,探讨了标定方法与标定工具的发展路线、使用的硬件对果实定位方法的研究与定位方法的技术路线,介绍了基于颜色和形状特征的传统果实目标检测方法和新兴的深度学习目标检测方法,讨论了单目、双目、激光辅助等定位技术在果实定位中的应用情况,总结了果实视觉定位技术在目标检测、标定、定位等流程中的不足。研究结果表明,机器视觉定位技术可以快速、准确地识别出果实的位置和大小,提高果实采摘的效率和准确性,减少人工成本,降低劳动强度。     

夜间自然环境下荔枝采摘机器人识别技术

利用机器视觉实现自然环境下成熟荔枝的识别,对农业采摘机器人的研究与发展具有重要意义。本文首先设计了夜间图像采集的视觉系统,然后选取了白天和夜间两种自然环境下采集荔枝图像,分析了同一串荔枝在白天自然光照与夜间LED光照下的颜色数据,确定了YIQ颜色模型进行夜间荔枝果实识别的可行性。首先选择夜间荔枝图像的I分量图,利用Otsu算法分割图像去除背景,然后使用模糊C均值聚类算法分割果实和果梗图像,得到荔枝果实图像;再利用Hough圆拟合方法检测出图像中的各个荔枝果实。荔枝识别试验结果表明:夜间荔枝图像识别的正确率为95.3%,识别算法运行的平均时间为0.46 s。研究表明,该算法对夜间荔枝的识别有较好的准确性和实时性,为荔枝采摘机器人的视觉定位方法提供了技术支持。     

果蔬菌采摘机械研究综述

果蔬菌是我国农业生产中的重要部分,其机械化采摘在节约劳动力成本,增加经济效益等方面具有重要意义。采用文献综述与经验总结相结合的方法,主要研究近几年果蔬菌机械化采摘的研究意义和国内外研究情况,主要针对目前国内外研究的采摘机械,进行采摘效率、目标识别与路径规划、成功率等方面的介绍,分析比较我国在农业采摘机械与发达国家的差距。总结出果蔬菌采摘机械在整机设计、目标识别、路径规划和采摘成功率等方面存在的问题,提出果蔬菌采摘机械需要更加智能化、自动化的未来发展趋势。