大棚智能除草机器人设计

针对大棚内除草环境复杂，且杂草种类繁多导致识别困难的特点，设计了一种机械式智能除草机器人。对试验田数据进行采集后，使用Yolov5模型进行150次迭代训练，最终训练出模型平均精度(map50)为82%,为了提高识别准确率，迭代次数增加到300次，最终模型平均精度(map50)为91%,机器人使用了Jetson Orin nano开发板为处理器，Intel D435深度摄像头进行数据采集，图像处理时间为1.2 ms,满足实时处理要求。采用机械式除草，减少了农药使用，该研究可为以后智能除草设备设计提供参考。     

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。     

产业机器人电气自动化技术的有效应用

产业机器人具有提高生产效率、缩减工作量、节约生产成本等优势,将电气自动化技术应用于产业机器人,可拓展其原有功能,提升其自动化、智能化控制水平,为生产作业带来动力支持,解决农业生产中存在的问题。基于此,文章重点对产业机器人电气自动化技术的应用加以分析,希望对从业人员有所帮助。     

采摘机器人深度视觉伺服手-眼协调规划研究

针对现有采摘机器人的识别-采摘精度与效率偏低等问题，开展了采摘机器人深度视觉伺服手-眼协调规划研究。开发了在手RealSense深度伺服的小型升降式采摘机器人，进行了采放果的工作空间与姿态分析，针对“眼在手上”模式建立了手-眼协调的坐标变换模型。对采摘机器人提出了基于在手RealSense深度伺服的由远及近手眼协调策略，并根据RealSense与机械臂参数完成了基于深度视觉的远近景协调关键点间分段动作规划。手眼协调采摘试验表明，末端在X、Y、Z方向的平均定位精度为3.51、2.79、3.35mm，平均耗时为19.24s，其中机械臂从初始位开始采果的平均耗时为12.04s，中间识别与运算的平均耗时为3.82s，放果动作平均耗时为7.2s，机械臂动作耗时占整个环节的80.2%。该机器人结构和在手RealSense深度伺服的手眼协调策略可满足采摘作业需求。     

基于CATIA的下肢康复机三维模型设计

随着我国人口比例的变化,以及残疾人数的增加,由于年老或者疾病等原因造成的运动功能损伤也越来越多,这也使得康复设备的需求量增加。由于国内外研究的下肢康复机器人价格昂贵,体积笨重,不能适应普通家庭康复训练。本文结合现有的康复设备基础,按照人体工程学理论,设计计算合理的结构尺寸,并通过CATIA软件建立下肢康复机器人三维模型。     

农业机器人并联视觉云台研究

针对智能农用机器人对机器视觉工作范围的需求,提出了一种用于农业机器人的并联视觉云台设计方案。基于双摇杆的输入输出特性,提出了一种运动支链设计方法,用于构建二自由度全球面工作空间解耦并联机构。在此基础上,衍生出两种可行的运动支链P5R和PRR,基于这两种运动支链,设计了2种二自由度全球面工作空间并联视觉云台RRP5R和RRPRR。通过运动学分析,分别建立了2种机构的位置关系表达式;通过尺寸优化,得到了2种机构的最优杆长比;通过对比得出,RRP5R型并联视觉云台具有更好的输入输出性能;通过有限元分析,研究了载荷对RRP5R型并联视觉云台运动精度的影响。结果表明,RRP5R机构强度满足要求,但杆件的累积弹性变形导致运动副的位移偏差较大。     

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。     

个性化割草机器人外观设计研究

为进一步设计优化割草机器人的外型,不断提升其用户满意度和视觉体验效果,针对个性化割草机器人进行了外观设计研究。结合割草机器人的工作原理及核心部件参数,进行结构及外观信息捕捉,考虑各割草作业环境的多变性因素,将割草机器人的前结构模型按照一定规则导出为外观设计模型,进行结构模型与设计模型的互为调整,通过核心控制算法程序整合为个性化割草机器人协调性的外观模型,并进行外观设计试验。结果试验表明:一方面,整机设计周期约为6周条件下,整体测试运行效率较外观设计优化前提升2.8%以上,其结构协调性和整机的外观设计满意度均保持在平稳水平,设计合理有效;另一方面,总结出实现设计外观的标准化操作步骤,可为类似智能机器外观设计提供一定的参考。     

基于级联卷积神经网络的番茄花期识别检测方法

对作物花期状态的准确识别是温室作物执行授粉的前提。为提高花期状态识别的准确度，该研究以温室番茄为例提出了一种基于级联卷积神经网络的番茄花朵花期识别方法。首先采用改进的端到端的特征金字塔网络FS-FPN实现番茄花束的分割，然后采用Prim最小生成树对分割后的花束图片进行花期识别优先级排序，最后将已排序的分割花束图片输入改进的Yolov3网络，实现番茄花朵花期状态的精准识别。在由1600幅包含花蕾期、全开期、谢花期、初果期4类花期状态的番茄花束图像构成的数据集上，所提方法对番茄花朵花期平均检测时间为12.54 ms，平均检测精度分别比Mask R-CNN和SPP-Net提高了3.67%和2.39%，识别错误率比改进前的Yolov3网络降低了1.25%。最终将该方法部署到番茄授粉机器人上，并在大型玻璃温室内进行验证，结果表明，所提方法对番茄花朵各花期的检测精度分别为花蕾期85.71%、全开期95.46%、谢花期62.66%、初果期88.34%，该研究结果可为智能授粉机器人的精准作业提供重要依据。     

第一届“中国农业机器人创新大赛”通知

为推进智慧农业与农业传感技术的创新发展,"国际工程科技战略高端论坛——农业传感器暨2021年智能农业国际学术会议"定于2021年5月20日-22日在天津召开,会议由中国工程院、世界智能大会组委会主办,天津市农业农村委员会、国家农业信息化工程技术研究中心、国家农业智能装备工程技术研究中心、华南农业大学、中国农业大学、中国人工智能学会、中国农业机械学会、中国农业工程学会、中国农业机械化协会、中国农业国际合作促进会、江苏大学等单位联合承办.