基于遗传算法的穴盘苗自动移钵路径优化

设施农业钵苗培育中,穴盘里不健康钵苗剔除后进行补种作业是一个重要环节.自动移钵路径是指末端执行器自原点出发,从移栽穴盘中逐一抓取健康钵苗补种到目的穴盘,直到完成回到出发点.该移钵路径问题与旅行商问题(TSP)具相似性,目标函数均为总路径长度,但其约束条件也具有特殊性.基于遗传算法提出了一套适合求解移钵路径优化问题的模型算法,并对算法的有效性进行了典型算例分析.模拟结果表明该算法得到的优化路径长度较常规采用的固定顺序路径长度要优,移栽完50株钵苗优化幅度8.5％以上,路径缩短3.7m以上,平均运算时间0.65 s.算法使得移钵路径得到了优化,且满足移钵机器人实时性要求,移栽效率进一步得到了提高.     

基于贪心算法的温室钵苗稀植移栽路径优化

温室育苗中,钵苗需从高密度穴盘向低密度穴盘移栽以获得生长空间。温室钵苗自动移栽机获取穴盘中钵苗健康信息并对健康钵苗进行稀植移栽,代替传统人工作业,且效率高、质量好。钵苗稀植移栽路径包括移栽机末端执行器从原点出发,将高密度盘内的健康钵苗逐一抓取移栽至低密度盘,直到完成回到出发点。钵苗取栽位置的先后秩序决定了稀植路径的长短,遍历搜索算法规划路径计算量巨大,无法满足移栽实时性要求。本文基于贪心算法对常规的4种固定顺序路径规划方案分别优化,共组成8种路径规划方案,分别对稀疏和密集穴盘稀植路径进行规划,比较分析优化算法的有效性。结果表明按列扫描的2种贪心优化方案比固定顺序方案要优,规划路径长度与穴盘缺苗数量成正比趋势。最优化方案GAS3对密集穴盘稀植规划路径,相比固定顺序方案的优化幅度达10.6%,算法平均耗时0.84 s。穴盘缺苗数对路径缩短优化效果有显著影响,缺苗数增加后优化幅度有所降低。贪心优化方案使稀植移栽路径得到优化,也满足作业实时性要求,提高了钵苗移栽效率。     

基于响应面法的电磁阀响应时间优化

为了缩短喷雾植保用电磁阀的响应时间,提高变量喷雾的精准性,该文引入响应面法优化改进型脉冲宽度调制(pulse width modulation,PWM)控制参数。试验采用Box-Behnken设计方法,选取电磁阀驱动电压(10、12和14 V)、PWM延迟时间(15、40和65 ms)及PWM占空比(5%,15%和25%)作为考察因素,以电磁阀开启响应时间、电磁阀闭合响应时间和电磁阀响应时间为响应值,获取了关于3个响应值的二次多项回归模型,并对其进行了验证。经响应面法分析得出,在参数优化区间内,使电磁阀响应时间最短的参数条件为电磁阀驱动电压12 V、PWM延迟时间15 ms以及PWM占空比5%,与试验测量结果差异极小。与普通PWM控制方式相比,使用改进型PWM控制信号并优化控制参数可有效缩短电磁阀响应时间。该研究为合理选择PWM控制参数提供了参考。     

田间环境下果蔬采摘快速识别与定位方法研究进展

作为实现果蔬采摘作业自动化的关键难题之一,田间环境下的果蔬快速识别与定位受到了广泛的关注。综述了常见的果蔬识别硬件系统和识别算法;总结和分析了果蔬图像预处理、颜色特征选择、图像分割算法设计及图像后处理的研究;综述了常见果蔬识别算法、成簇果蔬识别算法及被遮挡果蔬识别算法的研究;分析和比较了果蔬定位中常用的有源测距法和无源测距法,以及果蔬无源测距中常见的立体匹配算法。分析了田间环境下果蔬识别和定位研究存在的主要问题,并展望了发展趋势。     

休眠期果树修剪机器人视觉感知系统研究现状

视觉感知系统是休眠期果树修剪机器人重要的组成部分,其决定了修剪机器人完成剪枝作业的质量。为明确修剪机器人视觉感知系统所面临的挑战以及未来发展方向,本文首先对休眠期果树修剪机器人系统组成进行了描述,然后对果树枝干信息采集方法、枝干的识别方法等进行概述。分析目前修剪机器人视觉感知系统存在的问题,并指出果树修剪机器人研究的重点方向,为未来修剪机器人的落地应用提供一些参考。     

基于边缘曲率分析的重叠番茄识别

为提高重叠番茄的识别正确率,提出了一种基于边缘曲率分析的重叠番茄识别方法。该方法从二值图像中提取番茄区域的边缘,并且为进一步计算出边缘点曲率,对边缘点按逆时针方向进行排序。计算出边缘点曲率后,剔除掉曲率异常的边缘点。最后通过对各剩余边缘分别进行圆回归,实现重叠番茄的识别。为减小作业环境光照变化及枝叶遮挡等因素给识别带来的影响,采用了基于归一化色差的固定阈值分割方法,6条边缘识别准则及3条圆回归准则。119幅图像的试验结果表明,存在轻微遮挡的重叠番茄识别正确率为90.9%;遮挡率大于25%且小于50%时,识别正确率为76.9%;遮挡率大于50%时,识别正确率为23%。     

双控制分插机构的运动特性和优化分析

叙述了一种高速插秧机分插机构——双控制分插机构的结构原理，其传动由曲柄摇杆机构和行星齿轮系组成，完成插秧所需的运动轨迹。同时建立了机构的运动学模型，利用VB平台优化结构参数，使其可适应南方早稻和北方小苗插秧，所研制的分插机构的工作轨迹、取秧角和插秧角与理论分析和优化的结果完全一致。     

基于骨架点的矮化密植枣树三维点云自动配准

为了实现枣园的自动化管理,针对枣树自动化选择性冬剪作业要求,需要重建出矮化密植无叶枣树枝干的三维模型。利用2台固定的Azure Kinect DK深度相机搭建获取枣树点云信息的三维重建系统平台,然后把系统平台逆时针旋转55°获取同一棵枣树的另一帧三维点云信息。为了自动完成2帧点云的配准,提出了基于骨架点的枣树点云配准方法：首先利用FPFH特征描述子计算骨架点的特征向量,并采用SAC-IA（采样一致性）算法对2个视角下的枣树骨架点云进行初始匹配;其次利用经典的ICP算法对初始位姿进行优化;最终只采用2个视角下的点云重建枣树枝干的三维模型。实验对比了在3种典型自然环境下（晴天、阴天、夜间）枣树点云的配准精度和配准时间,结果表明：晴天时对采集系统有一定的影响,使得配准后的枣树枝干有部分不完整;阴天和夜间对采集系统影响小,能够重建出完整的枣树枝干;相对于阴天和夜间,晴天时,枣树点云配准耗时最少,为0.09s,而配准误差最大,其拟合分数为0.00029;阴天时,枣树点云配准时间介于晴天和夜间之间,为0.12s,而此时配准误差最小,其拟合分数为0.00011;夜间配准误差介于晴天和阴天,且此时配准时间最长,为0.16s。     

基于语义分割的矮化密植枣树修剪枝识别与骨架提取

为了实现休眠期枣树自动选择性剪枝作业,针对复杂树形结构修剪枝难以识别的问题,研究了基于语义分割网络实现自然场景中枣树修剪枝识别与骨架提取。通过RGB-D相机搭建的视觉系统获取不同天气情况下枣树的点云信息,根据距离阈值去除复杂的枣园背景,并构建枣树前景数据集。利用DeepLabV3+和PSPNet 2种深度学习模型分割枣树枝干同时获取其修剪枝的掩膜,并进行结果对比。对修剪枝掩膜进行二值化,依据二值图像的面积去除噪声,对去噪后的连通域标记,并提取修剪枝骨架,最终确定修剪枝数量,建立修剪枝数量真实值与预测值之间的线性回归模型。结果表明：基于ResNet-50特征提取网络的DeepLabV3+模型识别结果最好,平均像素准确率（mPA）、平均交并比（mIoU）分别为89%和81.85%,其中枣树主干、修剪枝2个类别的像素准确率（PA）和交并比（IoU）分别为90.36%、80.98%和80.34%、66.69%;在3种典型天气（晴天、阴天、夜间）情况下,晴天枣树枝干的mPA（91.97%）略高于阴天（91.81%）和夜间（90.98%）,同时,预测的修剪枝与真实值的R2（0.8699）也高于阴天（0.8373）和夜间（0.8120）,并得到最小的RMSE为1.1618。     

种子微创取样关键技术与装备研究进展

种子微创取样装备是面向生物育种技术中的种子切片取样环节，基于机电控制、机器视觉等技术，实现种子基因样本的全流程、自动化操作的智能化工具，其推广和应用可有效提升种质资源培育的效率和质量，助力种业振兴。本文首先介绍了种子切片检测的历史背景和装备研究现状，随后将种子微创取样关键技术系统地划分为种子分离、位姿调整、夹持输送、取样和样品收集与清洁技术，并对其研究现状和发展动态进行了阐述和剖析。在此基础上，结合种子切片装备发展要求和应用场景，归纳了种子切片取样装备面临的切割理论不足、多尺度通用性差、系统集成度有待提高等问题，提出了未来发展方向为: 加强种子切片装备基础理论研究；多尺度通用化种子切片平台开发；发展全生产环节智慧取样检测系统。