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。     

园林绿化施工中反季节栽植技术的应用

本文分析了实施反季节栽植技术的必要性,简单总结了园林绿化施工中反季节树木栽植技术,包括树种选择、起苗、假植、运输、栽植等多个方面,以期为园林树木的反季节栽植提供参考。     

猕猴桃采摘机器人柔性移动平台的设计

针对猕猴桃采摘机器人在果园中的移动问题,结合猕猴桃棚架式栽培模式及采摘机器人的作业特点设计了一种用于猕猴桃采摘机器人的柔性移动平台。首先,分析了猕猴桃棚架式生长环境及种植模式的参数特点,阐述了移动平台的作业要求以及其整体结构。其次,对该平台的高度调解机构建立几何模型,利用Mat Lab进行了力、角度等参数的分析计算,研究其高度调节范围和连杆角度的变化关系、液压缸的最佳安装点和调节极角。最后,利用ANSYS WORKBENCH在危险点对关键机构利用进行强度校核。本研究完成了柔性移动平台的总体设计,得出了平台作业的调节极角,通过对高度调节机构的分析校核,结果满足平台的作业要求。     

猕猴桃外观尺寸在线检测分级系统设计与试验

目前市场上存在的猕猴桃分级机械主要是针对质量特征进行分级的大型机械,而消费者在购买猕猴桃时往往更注重它的外观品质,且大型设备难以在以农户小规模营销为主的市场环境下得到普及。为了实现猕猴桃外观品质的自动分选,适应广大猕猴桃种植农户的需求,设计了一种基于机器视觉的小型移动式猕猴桃外观尺寸在线检测与分级系统。该系统主要由输送机构、检测机构、分级执行机构和控制系统组成。输送机构采用倾斜式输送带方案,结构简单,便于实现猕猴桃的输送和分级;检测机构采用图像处理的方法得出猕猴桃的大小等级信息;分级执行机构借助猕猴桃的重力与旋转磁铁的开合实现猕猴桃的分离。对样机进行了试制和验证试验,结果表明:该系统的平均分级成功率为96.3%,单个猕猴桃分级时间约为2.5s。该猕猴桃检测分级系统的设计为今后完成多特征指标的融合分级提供了基础和依据。     

猕猴桃采摘机器人末端执行器设计与试验

进行了棚架式栽培模式自然生长条件下簇生猕猴桃无损采摘机器人末端执行器的研究。基于果实与果柄的分离特性,提出面向机器人的果实采摘方法和简化几何模型,进行了果实与果柄分离试验的可行性验证;基于果实采摘方法设计了从底部接近、旋转包络分离毗邻果实并抓取、向上运动分离果实的末端执行器,并试制样机,进行了现场评价试验。结果表明,采摘模型能够实现果实与果柄的分离,末端执行器解决了毗邻果实分离问题,能够实现单个果实稳定抓取、无损采摘和采后抓持,成功率达到96.0%,平均单果耗时22 s。     

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。用户可实时监测微型人工气候箱中的光照强度、温湿度以及营养液的pH(酸碱度)值、EC(电导率)值、DO(溶解氧)值和主要养分离子浓度,相关执行机构工作,可将各环境参数自动调节至标准阈值内,由上位机界面显示各环境参数的变化情况。系统运行测试结果表明:系统能够在15min内完成对作物生长所需各项环境参数的调节,为作物生长提供稳定可靠的环境条件,同时可监测所得主要养分离子浓度的变化情况,为后续研究作物生长养分吸收规律和养分动态管理提供依据。     

基于支持向量机回归的营养液调控模型研究

针对目前设施栽培中营养液动态调配精确度低的问题,提出一种基于支持向量机回归(Support vector machine regression,SVR)的营养液调控模型。首先,通过设计嵌套试验采集了13个温度、50组不同Knop营养液(A:99%Ca(NO3)2·4H2O、B:98%KNO3、C:99%KH2PO4、D:98%MgSO4·7H2O、E:99%EDTANaFe 5种化合物)配比下的营养液pH值、EC、K+质量浓度、Ca2+质量浓度和NO-3质量浓度等检测指标值,并基于SVR构建营养液检测指标预测模型;然后,采用离散斜率法计算营养液检测指标值与5种化合物含量的响应曲线离散斜率,并利用人工鱼群算法获取离散斜率最大突变点;最后,以该突变点对应的5种化合物含量作为最优调控目标值,基于SVR构建营养液调控模型,并进行验证试验。结果表明:基于SVR的营养液调控模型中对应5种化合物含量的决定系数分别为0.99、0.98、0.99、0.96、0.99,均方根误差分别为4.29、7.39、5.02、2.85、3.96 mg,拟合效果良好。对比逐步拟合响应模型获取目标值的结果发现,基于SVR的营养液调控模型5种化合物含量的平均相对误差分别降低了37.65%、49.94%、40.53%、50.58%、42.84%;在验证试验中,对比逐步拟合响应模型发现,基于SVR的营养液调控模型5种化合物使用量的相对误差平均值分别降低了46.42%、52.08%、54.03%、53.59%、54.54%,调控过程中5种化合物使用量的平均降低率分别为1.69%、5.81%、5.85%、3.65%、7.08%。本文基于SVR构建的营养液调控模型具有高效、节能特点,可为设施作物栽培的实际生产应用提供参考。     

猕猴桃果实物理参数与损伤因素的研究

猕猴桃果实的物理参数和损伤因素为采摘机器人的末端执行器设计与控制提供了理论依据。统计分析了115个收获期"海沃德"猕猴桃果实的物理参数,采用正交试验以果实微损伤的力学特性参数为评价指标研究了果实的损伤因素。结果表明:猕猴桃果实厚度方向尺寸变化最小,球度均值为0.84。果实的几何平均直径与质量存在显著线性相关,相关系数R为0.964。正交试验结果表明,猕猴桃果实存在延迟损伤,早期的微损伤会导致后期果实品质下降。猕猴桃果实的损伤因素,显著性居前3位的为压缩量、加载位置和压头类型。相比前3个损伤因素,加载速率和压头材料相对影响较小。采摘机器人的末端执行器采用两个仿生弧形面、厚度方向抓持,机构简单,受力均匀,抓持稳定。