荔枝挤压损伤有限元预测分析

为减小荔枝的挤压损伤,通过试验测定了荔枝果壳和果肉的极限应力,建立了根据荔枝结构所对应的有限元模型,模拟了外力沿不同方向挤压荔枝的过程,得到荔枝内部组织的等效应力云图。结果显示:挤压过程中,荔枝果壳的应力大于果肉,果肉的损伤先于果壳;相同挤压力下,果壳的纵向挤压应力小于横向,但果肉的纵向挤压应力却大于横向;荔枝的挤压损伤具有各向异性,试验范围内,果肉出现机械损伤的纵向和横向挤压力分别为10 N和20 N,果壳出现机械损伤的纵向和横向挤压力为35 N和25 N。     

柑橘机器人夹持损伤有限元预测及试验验证

【目的】研究作业机器人不同夹持条件下柑橘的内部应力变化,预测并分析柑橘的夹持损伤。【方法】测定柑橘各组分的力学参数;根据柑橘结构建立其所对应的有限元模型,模拟机器人不同指面夹持柑橘的过程;利用自行设计的末端夹持平台对柑橘实物进行夹持验证试验。【结果】柑橘的纵向果皮和果肉的弹性模量分别为11.408和0.277 MPa,极限应力分别为1.250和0.048 MPa。模拟试验中,得到柑橘果皮和果肉的等效应力分布图;柑橘果皮应力大于果肉;由于果肉的极限应力小于果皮,果肉的损伤先于果皮;相同夹持力下,弧指比平指对柑橘果皮和果肉作用应力小;平指夹持力为23 N时,果肉出现损伤,但弧指夹持力为45 N时,果肉才出现损伤;当夹持力分别为12、23、34、45、56、67 N时,平指比弧指夹持的柑橘果肉损伤率分别大0、10%、30%、40%、20%、20%。夹持试验结果验证了模拟预测试验。【结论】可实现柑橘夹持损伤预测和评估,可为柑橘作业机器人的减损结构设计提供依据。     

基于全卷积神经网络的荔枝表皮缺陷提取

【目的】增强荔枝表皮缺陷提取效果,满足其品质检测分级准确性要求。【方法】采用Tensorflow框架构建基于AlexNet的全卷积神经网络AlexNet-FCN,以ReLU为激活函数,Max-pooling为下采样方法,Softmax回归分类器的损失函数作为优化目标,建立荔枝表皮缺陷提取的全卷积神经网络模型,并用批量随机梯度下降法对模型进行优化。【结果】模型收敛后在验证集上裂果交并比(IoUd)为0.83,褐变交并比(IoUb)为0.60,褐变与裂果的总体交并比(IoUa)为0.68;与利用线性SVM、朴素贝叶斯分类器缺陷提取效果相比,该模型的特征提取能力显著提高。【结论】全卷积神经网络在水果表面缺陷提取中具有良好的应用前景。     

夹剪一体的荔枝采摘末端执行器设计与性能测试

针对荔枝串果低损高效的机械化采摘,设计了具有单动力源驱动、夹剪一体的荔枝采摘机器人末端执行器,构建了剪切力学模型和稳定夹持力学模型,分析了夹持模块的力封闭性,推导了稳定夹持的三点接触正压力计算模型,设计了末端执行器的物理样机,并对其进行了采摘、负重和抗遮挡干扰工作性能测试试验。试验结果表明:末端执行器具有良好的夹持负重能力,串果母枝直径分别为3mm和7mm时,动态最大负重量分别为1.33kg和3.01kg;采摘时能快速剪切母枝并稳定夹持串果,平均夹剪时间为2 s,串果母枝直径5mm以下采摘成功率均为100%,串果母枝直径6~7mm采摘平均成功率为70%;具有中等抗遮挡干扰采摘能力。     

大视场下荔枝采摘机器人的视觉预定位方法

机器人采摘荔枝时需要获取多个目标荔枝串的空间位置信息,以指导机器人获得最佳运动轨迹,提高效率。该文研究了大视场下荔枝采摘机器人的视觉预定位方法。首先使用双目相机采集荔枝图像;然后改进原始的YOLOv3网络,设计YOLOv3-DenseNet34荔枝串检测网络;提出同行顺序一致性约束的荔枝串配对方法;最后基于双目立体视觉的三角测量原理计算荔枝串空间坐标。试验结果表明,YOLOv3-DenseNet34网络提高了荔枝串的检测精度与检测速度;平均精度均值(mean average precision,m AP)达到0.943,平均检测速度达到22.11帧/s。基于双目立体视觉的荔枝串预定位方法在3 m的检测距离下预定位的最大绝对误差为36.602 mm,平均绝对误差为23.007 mm,平均相对误差为0.836%,满足大视场下采摘机器人的视觉预定位要求,可为其他果蔬在大视场下采摘的视觉预定位提供参考。     

荔枝采后堆叠存放损伤试验研究

为减少采后荔枝储运过程堆叠存放不当产生的挤压损伤,对荔枝进行了堆叠存放试验,分析了不同的堆叠存放条件对底层荔枝失重率及其果壳褐变指数的影响。结果表明:底层荔枝失重率及其果壳褐变指数随着堆叠层数的增加和存放时间的延长而分别增加;相同堆叠层数,箱体材质为塑料时,底层荔枝失重率及其果壳褐变指数最大,其次为瓦楞纸,最小为泡沫;试验范围内,有利于减少荔枝堆叠挤压损伤的最大堆叠层数:塑料材质,存放2 d为8层,存放4 d低于6层;瓦楞纸材质,存放2 d为8层,存放4 d为6层;泡沫材质,存放2 d为10层,存放4 d为8层;存放6 d,不管何种箱体材质,均为6层以下。     

机器人采摘荔枝的跌落碰撞损伤试验

【目的】减小机器人采摘荔枝时因回收放置不当产生的跌落碰撞损伤。【方法】对荔枝进行跌落碰撞试验,分析不同的跌落碰撞条件对荔枝失质量率及果壳褐变指数的影响。【结果】荔枝失质量率及果壳褐变指数随着采摘回收下放高度的提高和储藏时间的延长而分别增加;相同下放高度,碰撞接触材料为PVC板时,荔枝失质量率及果壳褐变指数最大;试验范围内,回收装置采用塑料框时,储藏2 d机器人采摘回收的最大起始下放高度为60 cm,储藏1周为30 cm;回收装置为瓦楞纸果箱,储藏2 d机器人采摘回收的最大起始下放高度为75 cm,储藏1周为45 cm;回收装置底层布满荔枝后,储藏2 d机器人采摘回收的最大起始下放高度可提高到90 cm,储藏1周可提高到60 cm。【结论】该研究可为荔枝机器人采摘回收放置减损策略的构建提供指导。     

基于机器人采摘的柑橘果柄切割力学特性研究

为了给柑橘采摘机器人切割装置设计提供依据,根据采摘时被切割果柄弯曲的工作状态,设计了果柄切割夹持试验架,对柑橘果柄进行了不同切割条件的切割试验。结果表明:切割过程中,柑橘果柄发生弯曲,随着滑切角增大,果柄产生的起始裂纹从外侧转移到内侧,同时果柄切口更光滑;切割速度、刀具形式和滑切角均显著影响柑橘果柄的切割力学参数;随着切割速度的增大,峰值切割力、切割功率和切割位移均先快速减小,然后缓慢减小;随着滑切角的增大,峰值切割力减小,但切割位移先减少后增大;当滑切角为0°时,相比平刀和齿刀,弧刀对柑橘果柄的峰值切割力和切割位移最少;采用平刀切割,滑切角不应太大,以免切割位移过大,降低采摘速度;使用齿刀切割,滑切角应大于30°,不但峰值切割力大大减小,而且切割位移增加也较小。     

夹剪一体的荔枝采摘末端执行器设计与性能试验

针对荔枝串果低损高效的机械化采摘,设计了具有单动力源驱动、夹剪一体的荔枝采摘机器人末端执行器,构建了剪切力学模型和稳定夹持力学模型,分析了夹持模块的力封闭性,推导了稳定夹持的三点接触正压力计算模型,设计了末端执行器的物理样机,并对其进行了采摘、负重和抗遮挡干扰工作性能试验。试验结果表明:末端执行器具有良好的夹持负重能力,串果母枝直径分别为3 mm和7 mm时,动态最大负重质量分别为1.33 kg和3.01 kg;采摘时能快速剪切母枝并稳定夹持串果,平均夹剪时间为2 s,串果母枝直径5 mm以下采摘成功率均为100%,串果母枝直径6~7 mm采摘平均成功率为70%;具有中等抗遮挡干扰采摘能力。     

荔枝自动分级单体排序输送装置参数优化

【目的】开发荔枝自动分级设备。【方法】设计自动单体排序输送装置,对其进行排序输送试验,分析装置不同的工作和结构参数对荔枝卡果次数和空穴率的影响,同时,建立回归及组合模型,并对各影响因素进行综合优化。【结果】荔枝卡果次数和空穴率都随着大转盘转速、小转盘运动周期和喂入量的增大而增多,荔枝卡果次数和空穴率都随大转盘孔数的增多先增多后减少,空穴率随着小转盘运动幅值偏移系数的增大而增大;影响荔枝卡果次数和空穴率的最主要因素是喂入量,其次是大转盘转速和小转盘运动幅值偏移系数。回归组合模型求解得到的最优参数组合优于基于正交试验水平值的综合平衡最优参数组合和独立回归模型得到的最优参数组合;输送装置最优参数组合为大转盘转速7.35 r·min~(–1)、小转盘运动幅值为14.30 r·min~(–1)、小转盘运动周期16.93 s、小转盘运动幅值偏移系数0.33、小转盘运动规律以线性变化、喂入量1.31 kg、大转盘孔数10个,此时,荔枝卡果0次、空穴率为6%。【结论】研究可为荔枝自动分级单体排序装置的设计提供参考。