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。     

采摘机器人定位导航系统设计 —基于机载三维激光成像电力巡线

采摘机器人作为一种典型的农业机器人,一直未得到普及,其主要受限于果实空间分布的不规律性,以及存在视觉定位及采摘方式等技术难题。为此,将机载三维激光成像电力巡线技术引入到采摘机器人的定位导航系统的设计过程中,通过果实的圆形检测和三维重构来确定果实的质心坐标,以提高采摘机器人导航视觉的精度和效率。为了验证方案的可行性,对果实图像采集和处理的准确性进行了测试,结果表明:视觉导航系统可以成功得到标准的圆形图像,通过三维重构后,质心坐标的计算结果和测量结果基本吻合,且对果实的成功识别率较高,从而验证了方案的可靠性。     

篮球战术在采摘机器人避障模糊控制系统中的应用

为了实现采摘自动化,加快采摘机器人的普及,在成本低廉的测距传感器模糊控制避障系统的基础上,设计了新型摘机器人避障系统。基于篮球战术规则设计了模糊规则库,提高了避障精度。系统包括避障系统、目标导引系统、权重分析系统和动作融合系统,最终输出机器人的速度V和转角Δθ。通过控制左右两驱动电机,实现机器人的速度V和转角Δθ。本系统具有成本低及工作可靠性高的特点,通过系统仿真发现,与传统的传感器模糊控制避障系统相比,该系统显著提高避障性能。     

智能采摘机器人自动化系统研究 —基于交互式视音频技术

为了提高采摘机器人的作业质量,模仿英语移动教学交互式视音频技术,在采摘采摘机器人控制系统中引入了视音频交互技术,通过远程视频监测机器人的作业状态,然后利用声控技术对采摘机器人的作业姿态进行调整,实现了管理员和采摘机器人的视音频交互,可以有效地提高采摘机器人的作业质量,降低采摘机器人的故障率。为了验证方案的可行性,对采摘机器人自动化控制系统进行了测试,并引入了MIMO通信原理,以提高视音频信号传输的质量。测试结果表明:采摘机器人可以准确地识别远程端的声控信号,且根据指令信号动作的准确率较高,可以满足高精度采摘机器人的设计需求。     

苹果采摘机器人本体导航系统设计与研究 —基于极限学习机与图像处理

首先介绍了苹果采摘机器人本体模型,采用图像预处理提取苹果园区路径图像的特征值;然后,基于极限学习机的路径导航模型计算和求解苹果采摘机器人本体的最优导航路径,并利用MatLab软件进行了路径导航仿真试验。试验结果表明:该系统具有很好的避障和路径导航能力,能够有效规划出最短的避障路径,从而达到智能导航的目的,验证了整个系统的可靠性和可行性。     

杏树采摘后的管理

杏树采摘后管理至关重要,关系到翌年果实的丰产,采摘后加强土肥水管理、整形修剪、病虫害防治、清洁田园等措施,能增加杏树营养积累,尽快恢复树势,保证树体正常生长。     

基于图像边缘检测技术的采摘机器人视觉系统设计

采摘机器人作业环境复杂,视觉系统往往不能准确对待采摘的果树或者果实进行准确的定位。为了提高采摘机器人视觉系统的定位精度,引入了图像边缘检测技术,通过提取待采摘果树或者果实的边缘,计算果实的位置坐标,为采摘机器人的自主行走定位和采摘作业提供可靠数据支持。为了验证方案的可行性,以待采摘果树的特征边缘提取为例,对系统的果树边缘提取的可行性及定位准确性进行了实验。实验结果表明:采用基于图像边缘检测技术的采摘机器人视觉系统可以成功地对果树进行定位,并输出果树的位置坐标,将位置坐标和实测位置坐标进行对比发现,其结果基本吻合,具有较高的定位精度。     

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。     

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。