串番茄采摘末端执行器的设计与夹持实验

基于串番茄生长特性和采摘要求,设计了一种适应于采摘成串番茄的末端执行器。基于螺旋理论,建立了夹持接触力学模型,分析了夹持的力封闭性;同时,建立了稳定夹持模型,对夹指的可靠夹持力进行了分析,得出夹持力F≥8.24N。制作了物理样机,并对直径为3~8mm的串番茄母枝进行了负重干扰性能的夹持实验,实验结果表明:夹指所能承受的动态负重随母枝直径的增大而增大,最小动态负重为1.015kg,完全满足采摘串番茄时的夹持能力需求。     

基于逆运动学降维求解与YOLO v4的果实采摘系统研究

为提高采摘设备的执行效率，采用六自由度机械臂、树莓派、Android手机端和服务器设计了一种智能果实采摘系统，该系统可自动识别不同种类的水果，并实现自动采摘，可通过手机端远程控制采摘设备的起始和停止，并远程查看实时采摘视频。提出通过降低自由度和使用二维坐标系来实现三维坐标系中机械臂逆运动学的求解过程，从而避免了大量的矩阵运算，使机械臂逆运动学求解过程更加简捷。利用Matlab中的Robotic Toolbox进行机械臂三维建模仿真，验证了降维求解的可行性。在果实采摘流程中，为了使机械臂运动轨迹更加稳定与协调，采用五项式插值法对机械臂进行运动轨迹规划控制。基于Darknet深度学习框架的YOLO v4目标检测识别算法进行果实目标检测和像素定位，在Ubuntu 19.10操作系统中使用2000幅图像作为训练集，分别对不同种类的果实进行识别模型训练，在GPU环境下进行测试，结果表明，每种果实识别的准确率均在94%以上，单次果实采摘的时间约为17s。经过实际测试，该系统具有良好的稳定性、实时性以及对果实采摘的准确性。     

崎岖山地环境履带机器人降维变系数控制方法研究

针对崎岖山地环境下自走式履带机器人自走姿态波动大、跟踪精度低等问题,研究了三维崎岖路面履带机器人控制方法。通过分析机器人在二维平整路面与三维崎岖路面的运动学模型,建立了降维运动学几何模型;设计了一种基于降维变系数的滑模控制方法,实现三维崎岖路面履带机器人的运动控制,并进行了平整路面与崎岖路面的路径跟踪仿真与试验。仿真结果表明,平整路面仿真中,行驶方向误差逐渐减小并趋近于0,侧向位置误差在±0. 2 m内波动,并可在1 s内完成姿态调整;崎岖路面仿真中,三轴位置误差均控制在±0. 1 m范围内,同样可在1 s内完成姿态调整。路径跟踪田间试验结果表明,平整路面和崎岖路面机器人跟踪稳定后的横向误差分别为-2. 9～8. 8 cm、-14. 3～21. 5 cm,姿态误差分别控制在±2°、±5°内,能够满足实际跟踪需求。     

一类6自由度Delta型机器人运动学分析

为满足工业机器人多角度操作需求,提出了一类具有3组耦合分支,且对称分布的6自由度Delta型机器人。首先,将每组耦合分支拆分为独立运动单元,并等效为串联运动链,基于旋量理论求出等效后的运动自由度;其次,利用闭环矢量回路法分别计算耦合分支中每条主动链的位置逆解,建立机器人的逆运动学模型;在此基础上,提出一种搜索算法,用于描绘满足边界条件的机器人运动空间,并与相同尺度参数的3自由度Delta机器人进行对比。结果表明,3自由度Delta机器人的运动空间是所提机器人工作空间的子集。最后,根据理论分析,完成了工程样机的搭建与运动实验,实验结果表明,该Deta型机器人具有6个自由度运动能力,且所提运动空间搜索算法具有较高的计算精度。     

基于双目立体视觉的重叠柑橘空间定位

果实的精准识别和定位是智能采摘面临的难题之一。基于双目立体视觉，提出了一种针对户外重叠柑橘的三维空间定位方法。首先，从双目左右图像中提取重叠柑橘果实轮廓并进行高斯平滑，通过曲率分析，找出异常的轮廓像素点；其次，依次连接相邻两个异常像素点，分析该线段上的像素点到柑橘轮廓的距离，在相邻两正常线段的交点处完成重叠柑橘轮廓分割，并通过寻找异常线段剔除对应的非柑橘轮廓像素点；再者，采用最小二乘椭圆拟合方法重建柑橘目标轮廓，并获取柑橘的中心；最后，根据双目极线约束和图像相似度，对重叠柑橘中心点进行匹配，并基于视差原理计算柑橘中心的深度值及三维空间坐标，确定重叠柑橘的遮挡关系。户外实验结果表明,所提出的方法定位误差为6.38 mm，满足柑橘采摘机器人户外采摘作业的定位精度要求。     

基于PID直流电机驱动的移动式采摘机器人设计

为了提高移动式采摘机器人的控制效率和移动精度,将直流电机驱动电路引入到采摘机器人移动控制系统的设计中,并采用PID算法对移动速度进行调节,从而避免采摘机器人在移动过程中产生较大的速度波动,提高其作业时的平稳性。为了验证PID算法在采摘机器人移动控制系统上使用的可行性,模拟葡萄采摘机器人的作业环境,对采摘机器人移动过程的速度控制进行了仿真模拟,结果表明:达到速度预定目标时,PID算法比常规算法具有更快的响应速度,调节过程也更加平稳。     

蔬菜嫁接机器人柔性夹持搬运机构设计与试验

针对现有蔬菜嫁接机器人单手爪夹持搬运机构作业时需要在上苗、切削和对接工位往复旋转作业，限制了机器嫁接生产效率，存在夹持伤苗、操作人员上苗等待时间过长、易疲劳等问题，设计了一种四手爪柔性夹持搬运机构，能够实现上苗、切削和对接工位同步作业，以及秧苗柔性夹持与快速搬运，有助于提高机器嫁接效率。提出了基于缓冲材料的柔性夹持手爪和夹持力调节方法，分析了不同厚度EVA缓冲材料的压缩力学特性，得到缓冲垫完全闭合夹持条件下对不同秧苗的夹持力。利用ADAMS软件建立夹持搬运机构动力学仿真模型，分析了秧苗不同夹持力与旋转位移的变化规律，得出当夹持力小于0.4N时秧苗脱离了夹持手的束缚，夹持力大于3.5N时秧苗夹持与旋转作业稳定。机构性能试验结果表明：选取白籽南瓜苗和黄瓜苗为测试对象，柔性夹持手爪平均夹苗成功率为98.5%，比弧形夹持手提高4.5个百分点，伤苗率降低3.5个百分点，柔性夹苗效果显著；该机构嫁接平均速度为1052株/h，是同类型单手爪嫁接机作业效率的1.72倍，嫁接成功率为96.67%，大幅提高了嫁接机器人生产效率，能够满足工厂化嫁接育苗生产需求。本文研究结果可为高速嫁接机器人的夹持搬运机构设计和优化提供技术参考。     

机器学习及其在农业中应用研究的展望

机器学习是一种面向机器的数据分析方法,自动化机器学习的研究促进了人工智能的发展。大数据的快速积累,促进了机器学习算法的井喷式发展。如何选择合适的机器学习算法解决行业问题,成为了当前应用的难点。笔者整理了机器学习新材料,对各种机器算法的特点和算法之间的差异,进行了仔细的梳理,总结了各种算法的需求背景和优缺点,以及主要的应用场合。在此基础上,分析了机器学习在农业应用的案例,综述了机器学习在农业应用,指出了目前存在的发展瓶颈,并提出了进一步研究应用的建议。     

夹茎式番茄钵苗取苗机构设计与试验

为避免取苗机构在夹取钵苗过程中对钵体与根系造成损伤，该研究针对夹茎取苗方式，提出一种基于二阶椭圆齿轮行星轮系以及凸轮摆杆机构的夹茎式番茄钵苗取苗机构。依据二阶椭圆齿轮传动特性与机构工作原理，建立机构运动学理论模型，并对凸轮轮廓曲线进行设计，结合番茄钵苗取苗作业要求及机构特点，基于MATLAB软件开发机构分析软件对机构参数进行优化，并进一步分析优化后取苗轨迹与凸轮各工作段的对应位置关系，建立了夹茎式取苗机构虚拟样机模型，利用ADAMS软件对取苗机构运动过程进行仿真分析，验证机构参数优化结果及零部件结构设计的准确性与合理性。试制取苗机构物理样机开展高速摄影试验，通过对比分析实际工作轨迹与理论分析及仿真轨迹的一致性，验证了取苗机构设计的正确性。搭建自动取苗试验台进行取苗试验。试验结果表明，取苗机构工作性能可靠、稳定，取苗频率为80株/min时，取苗成功率为92%，投苗成功率为94.2%，伤苗率为2.9%。研究结果可为番茄钵苗全自动移栽机自动取苗机构的研发提供参考。     

基于深度学习的小浆果一体化智能采摘与分选研究进展

小浆果因具有较高的营养价值和保健作用深受人们喜爱，被国际市场誉为第3代水果。随着市场需求量的增加，林业小浆果的智能采摘与分选成为一种新的趋势。目前，由于现有技术自动化和智能化程度不高，导致大量人力、物力的投入。深度学习方法的飞速发展促进了检测技术的精确作业和检测精度的提高。文中概述了深度学习的发展进程，通过总结国内外关于深度学习方法在小浆果采摘与分选中的应用，提出深度学习方法在实际应用过程中存在的问题及解决措施，并展望深度学习方法在小浆果智能采摘与分选检测方面的发展趋势。