基于改进RRT算法的猕猴桃采摘机器人全局路径规划

为提高猕猴桃采摘机器人导航效率,提出一种基于采样状态实时引导随机树扩展的改进方法(Straight-RRT)。首先,针对传统RRT算法盲目搜索的问题,引入评价指数与阈值划分采样状态,根据采样状态决定采样节点的选取方式,实时引导随机树的扩展。其次,为增强算法对不同环境的自适应性及快速避开不规则障碍物,引入动态阈值并优化最近节点选择机制。最后对路径进行优化处理,去除路径冗余点并采用贝塞尔曲线平滑路径减小路径复杂度。基于棚架式猕猴桃果园环境进行路径规划实验,实验结果表明改进后算法在猕猴桃果园环境中具有更好的适应性及规划效率,为提高猕猴桃采摘机器人导航效率提供了解决方法。     

微型水培人工气候箱环境监控系统设计

针对水培菜生长过程中对光照强度、环境温湿度及营养液的不同需求,设计了一种微型水培人工气候箱环境监控系统,可用于家庭园艺或餐厅农场.基于STM32F103ZET6控制器,设计了系统相关硬件电路及系统控制程序,主要包括外部环境检测模块、外部环境调节模块、营养液检测模块、营养液调节模块、LCD显示及按键模块及上位机显示界面....     

基于卷积神经网络的田间多簇猕猴桃图像识别方法

为实现田间条件下快速、准确地识别多簇猕猴桃果实,该文根据猕猴桃的棚架式栽培模式,采用竖直向上获取果实图像的拍摄方式,提出一种基于Le Net卷积神经网络的深度学习模型进行多簇猕猴桃果实图像的识别方法。该文构建的卷积神经网络通过批量归一化方法,以Re LU为激活函数,Max-pooling为下采样方法,并采用Softmax回归分类器,对卷积神经网络结构进行优化。通过对100幅田间多簇猕猴桃图像的识别,试验结果表明:该识别方法对遮挡果实、重叠果实、相邻果实和独立果实的识别率分别为78.97%、83.11%、91.01%和94.78%。通过与5种现有算法进行对比试验,该文算法相对相同环境下的识别方法提高了5.73个百分点,且识别速度达到了0.27 s/个,识别速度较其他算法速度最快。证明了该文算法对田间猕猴桃图像具有较高的识别率和实时性,表明卷积神经网络在田间果实识别方面具有良好的应用前景。     

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K-means聚类的猕猴桃花朵识别方法

针对猕猴桃授粉机器人的研究,由于缺少猕猴桃花朵识别方法,现有授粉机器人自动化程度低。为此,提出基于K-means聚类的猕猴桃花朵识别方法。首先,原图像通过K-means聚类分割,得到包含花蕊图像在内的4个类别图像;然后,由经过训练的卷积神经网络对这4个类别图像进行分类,自动选出花蕊图像;再通过形态学运算对花蕊图像进行去噪,计算余下各个区域形心,找到各花朵在图像中位置并标出,最终完成猕猴桃花朵识别。该算法识别成功率为92.5%,满足现有授粉机器人要求,利于提高其自动化程度。     

大粒种子调向排种机构的试验研究

为实现标准化幼苗的生产,提出了大粒种子定向定位排种方法,研制了调向排种机构。该机构主要由调向板、进种导向板和出种导向管构成,可实现对大粒种子长轴保持45°方向、种子发芽口朝向一致并位于穴孔中心位置定向定位排种。为此,以南瓜种子为研究对象,通过参数优化试验确定了结构设计参数,利用3D打印技术试制了机构,最后以单片机为控制单元、步进电机作为驱动源,结合基于机器视觉技术的大粒种子方向的判别方法和控制方法,对机构的定向定位排种性能进行了试验。结果表明:该装置的定向定位排种成功率为9 7.1%,9 4.7%的种子的发芽口分布在以穴孔中心为圆心、半径为1 0 mm的圆内,9 5.9%以上种子偏转角度小于1 5°,基本满足大粒南瓜种子的定向定位播种要求。     

甘蓝采后整修系统自动调向装置设计与试验

针对甘蓝自然状态下根部姿态不一致、难以高通量采后整修处理的问题,设计了一种甘蓝采后整修系统自动调向装置,以提高甘蓝采后整修处理效率并降低人工成本。装置主要包括驱动电机、链传动机构、齿轮齿条副、辊轮调向机构、图像检测机构及机架。结合“中甘15号”甘蓝物理特性参数,对甘蓝在辊轮调向机构上的运动状态及甘蓝的受力情况进行了理论分析,确定了辊轮直径等关键部件结构参数及辊轮转速等关键作业参数范围。在ADAMS仿真软件中进行了甘蓝自动调向作业运动学仿真分析,并试制自动调向装置进行了验证试验。结果表明:设计的甘蓝采后整修系统自动调向装置采用机械结构实现了甘蓝根部的自动调向;当辊轮直径为80.00mm、辊轮径向间距为53.35mm、辊轮轴向间距为53.35mm、辊轮转速为2.96rad/s时,甘蓝调向成功率为92%,基本满足甘蓝采后整修处理作业需求。     

高架草莓的果实识别与果梗分割

在高架栽培环境下,精准识别草莓果实并分割果梗对提升草莓采摘机器人的作业精度和效率至关重要。该研究在原YOLOv5s模型中引入自注意力机制,提出了一种改进的YOLOv5s模型（ATCSP-YOLOv5s）用于高架草莓的果实识别,并通过YOLOv5s-seg模型实现了果梗的有效分割。试验结果显示,ATCSP-YOLOv5s模型的精确率、召回率和平均精度值分别为97.24%、94.07%、95.59%,较原始网络分别提升了4.96、7.13、4.53个百分点;检测速度为17.3帧/s。此外,YOLOv5s-seg果梗分割模型的精确率、召回率和平均精度值分别为82.74%、82.01%和80.67%。使用ATCSP-YOLOv5s模型和YOLOv5s-seg模型分别对晴天顺光、晴天逆光和阴天条件下的草莓图像进行检测,结果表明,ATCSP-YOLOv5s模型在3种条件下识别草莓果实的平均精度值为95.71%、95.34%、95.56%,较原始网络提升4.48、4.60、4.50个百分点。YOLOv5s-seg模型在3种条件下分割草莓果梗的平均精度值为82.31%、81.53%、82.04%。该研究为草莓采摘机器人的自动化作业提供了理论和技术支持。     

基于改进RRT算法的猕猴桃采摘机器人全局路径规划

为提高猕猴桃采摘机器人导航效率,提出一种基于采样状态实时引导随机树扩展的改进方法（Straight-RRT）。首先,针对传统RRT算法盲目搜索的问题,引入评价指数与阈值划分采样状态,根据采样状态决定采样节点的选取方式,实时引导随机树的扩展。其次,为增强算法对不同环境的自适应性及快速避开不规则障碍物,引入动态阈值并优化最近节点选择机制。最后对路径进行优化处理,去除路径冗余点并采用贝塞尔曲线平滑路径减小路径复杂度。基于棚架式猕猴桃果园环境进行路径规划实验,实验结果表明改进后算法在猕猴桃果园环境中具有更好的适应性及规划效率,为提高猕猴桃采摘机器人导航效率提供了解决方法。     

水培生菜自动纵向包装装置设计与试验

为提升设施园艺中水培生菜生产全程机械化水平,设计了收获后生菜自动纵向包装装置,包括导向装盒机构、切膜与封膜机构等。利用聚拢气缸和压菜气缸执行生菜纵向装盒,同时利用导向环保证装盒过程中生菜偏移、翻转等位姿要求;通过柔性毛刷对薄膜的梳刷作用及薄膜自粘性使其贴于包装盒,完成包装盒封膜。根据生菜挤压试验、力学分析、理论计算,分别确定了包装盒尺寸、导向装盒机构参数、切膜与封膜机构参数。基于高速摄像,提出了生菜水平偏移、姿态角量化方法;通过生菜装盒位姿特性试验,研究了导向环对装盒过程生菜位姿特性的影响。研制了自动包装样机,利用正交试验优化了切膜作业参数并进行了试验验证。生菜装盒位姿特性试验结果显示:生菜入盒时有导向环水平偏移平均值、姿态角平均值分别为5. 8 mm、17. 9°,相较无导向环时分别减小75. 0%、74. 2%,导向环保证了生菜纵向装盒成功率。正交试验结果显示:切膜作业参数最优组合为薄膜纵向切刀与薄膜夹角30°、拉膜辊拉膜速度300 mm/s、薄膜横向切刀速度500 mm/s。最优参数组合下,包装成功率为96%,样机单次包装用时10. 5 s,比人工缩短58%。