观光采摘草莓灰霉病的发生及综合防控技术

化肥越撒越多,农药越打越多,土地越种越瘦……这是我国设施蔬菜迅猛发展背后的尴尬现实。过量、不合理施肥用药,不仅增加生产成本,也严重威胁着农产品质量安全和农业生态环境安全。从农业部制定《到2020年化肥使用量零增长行动方案》和《到2020年农药使用量零增长行动方案》,到科技部启动“化学肥料和农药减施增效综合技术研发”专项,一时间,设施蔬菜“化肥、农药双减”项目在全国遍地开花,试验田里的无数次探索,承载了人们“绿色农田、放心菜园”的殷殷期盼。     

采摘机器人AGV控制系统研究 —基于云平台分布式远程监控技术

远程实时监测是采摘机器人远程调度和控制的重要依据,针对当前视频监控平台凸显的瓶颈,如流媒体服务器负载过重、容灾能力弱、扩展能力弱等缺点,结合当前流行的开源分布式框架Hadoop,提出了基于分布式视频存储和并行计算视频处理的采摘机器人远程监测控制云平台系统。为了验证方案的可行性,以采摘机器人自动引导设备(AGV)远程监测和控制系统的设计为例,对使用云平台技术的通信误差和控制精度进行了测试,并对使用和不使用远程监测系统得到的定位导航效率进行了对比。测试结果表明:采用云平台分布式远程监测技术可以有效地提高AGV系统的定位导航效率和精度,对于采摘机器人自动控制系统的设计具有重要的意义。     

基于PLC控制的采摘装置自适应调控研究

为了实现果蔬采摘的无损采摘和果蔬的准确识别,本文基于PLC技术设计了果蔬采摘装置的自适应调控系统。系统主要由信息采集模块、图像处理模块、运动控制模块、运动执行模块和PLC控制器组成。通过机械手进行设计,使其在抓取果蔬时的抓取位置、位移和作用力具有自适应能力;对图像进行自适应均衡化处理,提高图像识别。试验数据表明:采摘装置可以对果蔬精准定位,保证果蔬的无损采摘。     

基于快速卷积神经网络的果园果实检测试验研究

近年来,基于数字图像处理和机器学习算法的果实自动识别检测研究已经越来越成熟。针对传统检测方法检测过程中难以满足实时性要求的缺点,采用了基于Faster-RCNN的果实快速检测模型。模型由卷积神经网络(CNN)和区域提议网络(RPN)组成,首先由CNN进行卷积和池化操作提取特征,然后由RPN选取候选区域,通过网络全连接层参数共享,由目标识别分类器和边界框预测回归器得到多个可能包含目标的预测框,最后通过非极大值抑制挑选出精度最高的预测框完成目标检测。分别对桃子、苹果和橙子的三种果实进行检测,采用迁移学习方法,使用已经预训练好的两种深度神经网络模型ZFnet和VGG16,通过数据集的训练对Dropout及候选区域数量进行参数调整完成网络调优。检测并分析果实不同布局形态下模型的检测效果。试验结果表明,当Dropout取值为0.5或0.6,候选区域数量为300时网络模型最佳,ZFnet网络中,苹果平均精确度为92.70%,桃子为90.00%,而橙子为89.72%。VGG16网络中,苹果平均精度为94.17%,桃子为91.46%,橙子为90.22%。且ZFnet和VGG16的图像处理速度分别达到17 fps和7 fps,能够达到果实实时检测的目的。     

基于大数据和WiFi的采摘机器人远程操作系统研究

首先介绍了大数据Hadoop技术的原理和架构,然后设计了采摘机器人运动模型和定位导航模型,并实现了采摘机器人定位导航算法,最后介绍了采摘机器人远程操作系统总体方案和硬件设计。试验结果表明:远程操控系统通过对采摘机器人的转向和移动控制,可以准确控制采摘机器人沿着果树中间道路移动,以顺利完成采摘作业,符合设计需求,对采摘机器人的远程控制具有一定的参考意义。     

采摘机器人自主采摘学习能力研究 —基于LM-BP神经网络

为了让采摘机器人更加快速和准确地识别目标水果的成熟度,提出了一种基于BP神经网络的自主学习方法。由于BP神经网络容易陷入局部最优值且训练效率较低,因此进行了改进,实现了LM-BP神经网络算法。测试结果表明:与BP神经网络算法相比,LM-BP神经网络算法训练学习速度更快,测试精度更高,能够满足采摘机器人对目标水果成熟度识别精度的要求,具有一定的应用价值。     

排球运动规划在采摘机器人识别与定位中的应用

在排球比赛过程中,扣球是得分最关键的动作之一,为了得到合适位置出手点、角度和力度等优化数据,可以采用排球机器人训练的方法,通过植入人工智能算法,对扣球过程中的数据进行采集,最后通过运动规划使扣球动作达到最佳姿态。排球机器人运动规划方案可以移植到采摘机器人的智能化训练上,加快对果实信息采集和处理效率,从而更快地捕捉到果实目标,对路径规划做出响应,对于提高采摘机器人定位和识别能力具有重要的意义。为了验证方案的可行性,对基于排球机器人运动规划系统的采摘机器人定位识别功能进行了测试,结果表明:采摘机器人可以成功定位和识别果实,且响应速度较快、误差较小,可以满足采摘机器人定位识别功能的设计需求。