基于干扰观测器的直播机路径跟踪快速终端滑模控制

针对农田中存在不确定性干扰时,会导致建立的无人水稻直播机运动学模型精确度不高,从而使路径跟踪收敛时间长,跟踪效果较差等问题,提出由直播机运动学模型建立相应的非线性干扰观测器从而实现对不确定性复合干扰的精确观测。将观测到的干扰值补偿到运动学模型中以提高模型的精度,降低滑模控制的抖振。为了控制直播机沿指定路径作业并提高路径跟踪收敛时间,设计了一种快速终端滑模控制算法。基于李雅普诺夫判据检验了算法闭环系统的稳定性。使用Matlab/Simulink建立了农机运动学仿真模型,仿真结果表明,非线性干扰观测器能精确观测出系统的不确定性干扰。与不带干扰观测器的滑模控制算法相比,本文控制算法可有效减少收敛时间,抑制干扰带来的抖振。无人直播机水田作业实验表明,采用本文所提出的算法以1.2m/s的速度高效作业时,横向平均绝对偏差为0.0247m,均方差为0.0311m。并且转弯收敛速度快,无超调,路径跟踪精度满足实际作业要求。     

果蔬采摘机器手系统设计与控制技术研究现状和发展趋势

鲜食果蔬收获是难以实现机械化作业的生产环节，高效低损采摘也是农业机器人研发领域中的难题，导致目前市场化的自动化果蔬采摘装备生产应用几乎空白。针对鲜食果蔬采摘需求，为改善人工采摘费时费力、效率低下、自动化程度低的问题，近30年来，国内外学者设计了一系列自动化采摘设备，推动了农业机器人技术的发展。在研发鲜食果蔬采摘设备时，首先要确定采收对象和采收场景，针对作物的生长位置、形状和重量、场景的复杂程度、所需自动化程度，通过复杂度预估、力学特性分析、姿态建模等方式，明确农业机器人的设计需求。其次，作为整个采摘动作的核心执行者，采摘机器人的末端执行器设计尤为重要。本文对采摘机器人末端执行器的结构进行了分类，总结了末端执行器的设计流程与方法，阐述了常见的末端执行器驱动方式、切割方案，并对果实收集机构进行了概括。再次，本文概述了采摘机器人的总体控制方案、识别定位方法、避障方法及自适应控制方案、品质分类方法以及人机交互、多机协作方案。为了总体评价采摘机器人的性能，本文还提出了平均采摘效率、长期采摘效率、采收质量、损伤率和漏采率指标。最后，本文对自动化采摘机械的总体发展趋势进行了展望，指明了采摘机器手系统将向着采摘目标场景通用化、结构形式多样化、全自动化、智能化、集群化方向发展的趋势。     

油电混合果园自动导航车控制器硬件在环仿真平台设计与应用

果园由于面积范围广、地形复杂、壕沟多、杂草丛生、土壤湿度较高且土质较为疏松，对自动导航小车（AGV）的机械结构、控制系统，以及能源动力系统的设计都提出了更高的标准和要求。混合动力AGV小车可以满足果园中长距离移动的需求。为探索合适的混合动力AGV控制系统算法以及能量管理策略，同时减少设计过程中由于果园地形复杂导致的控制器设计验证迭代、需求多样化问题带来的人力、物力，以及时间成本，本研究针对果园面积广的特点，选择串联式油电混合动力系统进行AGV动力能源系统模型的搭建。另外，针对果园AGV需要适应地形范围广的特点，采用履带车模型结构，利用硬件在环仿真技术，以树莓派作为控制系统搭载控制算法实物，利用Matlab和RecurDyn软件建立包含能源动力系统、电机驱动系统、履带车行驶部分模型以及路面模型的系统实时仿真模型，最终实现了串联式混合动力AGV控制器硬件在环仿真功能。基于串级比例积分微分（PID）以及模糊控制器控制算法的仿真验证表明，模糊控制器控制算法能够减少参数调节带来的时间成本，在转向角度小时响应速度加快了50%，在转向角度大时串级PID控制器产生了10%的超调，而模糊控制器无超调，转向更加平稳。结果表明硬件在环仿真平台能够有效地应用于果园AGV控制器的开发，避免了控制实物试验，在降低成本的同时可以加快果园自动导航小车的开发过程。     

基于随机森林算法的黄瓜种子腔图像分割方法

针对黄瓜表型测量中图像识别问题,为解决黄瓜种子腔与果肉图像灰度差别不大情况下的分割难题,提出了基于随机森林算法(Random Forest,RF)的黄瓜种子腔图像分割方法。首先,通过颜色空间变换,提取样本在RGB、HSV、YCb Cr模型下的9个颜色分量;接着,基于灰度共生矩阵提取样本的能量、熵、对比度、相关性的均值与标准差等8个纹理特征。结合纹理与颜色特征,运用随机森林算法构建像素分类器,实现了种子腔的粗分割。为了提高分割质量,对粗分割的图像进行形态学处理得到最终分割图像。最后,与K-均值聚类(Kmeans)算法、支持向量机(Support Vector Machine,SVM)算法做对比。实验表明:随机森林分割算法正确识别率高达95%,错误识别率在10%之内,处理时间1.6 s左右,分割质量上优于其它两种算法。     

基于多源图像融合的自然环境下番茄果实识别

蔬果采摘机器人面对的自然场景复杂多变,为准确识别和分割目标果实,实现高成功率采收,提出基于多源图像融合的识别方法。首先,针对在不同自然场景下单图像通道信息不充分问题,提出融合RGB图像、深度图像和红外图像的多源信息融合方法,实现了机器人能够适应自然环境中不同光线条件的番茄果实。其次,针对传统机器学习训练样本标注低效问题,提出聚类方法对样本进行辅助快速标注,完成模型训练;最终,建立扩展Mask R-CNN深度学习算法模型,进行采摘机器人在线果实识别。实验结果表明,扩展Mask R-CNN算法模型在测试集中的检测准确率为98.3%、交并比为0.916,可以满足番茄果实识别要求;在不同光线条件下,与Otsu阈值分割算法相比,扩展Mask R-CNN算法模型能够区分粘连果实,分割结果清晰完整,具有更强的抗干扰能力。     

基于双目视觉的种植前期农田边界距离检测方法

针对目前基于全球导航卫星系统技术的农机自动驾驶地头转弯方法的局限性,提出了基于双目视觉的农田田埂边界的识别和测距方法,对具体方法的可行性、适用性及约束条件进行了分析。针对光照变化大、重复纹理多的农田环境,双目立体匹配的代价计算步骤采用了Census变换和截断梯度融合的方法、代价聚合步骤采用了多尺度代价合并的分割树算法,可快速得到良好的视差图。针对农田地面不平坦及作物生长高度不均的实际情况,对视差图构建的三维点云进行了自适应阈值点云提取和干扰消除等操作,实现了田埂边界的识别。另外,根据农田信息,对计算的平均边界距离进行了校正。实验表明,此算法可以实现早期作业农田的边界距离检测,对前方5～10 m的田埂识别率达到99%,测距精度随着检测距离的减小而提高,5 m时的测距误差约0.075 m。在NVIDIA Jetson TX2硬件平台上,算法运行时间约0.8 s,对于行驶速度小于1.5 m/s的农机可满足作业的实时性要求。     

基于视觉伺服的樱桃番茄果串对靶测量方法

针对鲜食番茄自动化采收实际需要,为了实现对樱桃番茄果串自动识别定位,基于激光测距和视觉伺服技术设计了果串自动对靶测量视觉系统。通过分析成熟番茄果串图像色彩特征,采用R-G色差模型凸显目标与背景差异,并根据色差灰度逐列统计锁定果串图像区域;基于Cognex Vision Pro图像处理类库Cog PMAlign Tool模板匹配工具,对果串区域内果粒进行分割;根据对边缘果粒空间坐标估算,同时对采摘机械臂进行视觉伺服控制,实现对边缘果粒对靶定位测量,并根据其空间坐标测算果串长宽特征,为采摘执行部件提供作业依据。试验结果表明,视觉系统对果串内果粒的平均识别率为83.5%,对果粒视觉对靶的平均偏差为8.38像素,果串长度测量平均误差为8.25 mm,果串宽度测量平均误差为5.25 mm。该研究结果为串形果实自动采收目标识别定位提供参考。     

农业机器人关键技术研究现状与发展趋势

农业机器人是机器人领域重要分支,农业机器人代替人工作业成为现代农业发展的重要趋势。本文给出了农业机器人定义和分类,分析了农业机器人国内外发展现状、应用需求和技术挑战,划分了农业机器人3个发展阶段。通过对各类应用场景农业机器人的研究分析,提出了农业机器人的物境信息智能感知、智慧决策与智能控制、灵巧臂手精准作业、自主导航稳定行走、端-边-云协同机器人系统5大技术要素,阐明了农业机器人关键技术发展趋势,给出了其技术标准体系架构方案。指出了农业机器人共性关键技术是助推智能农机升级、智慧农业产业快速发展的重要抓手,同时指出我国农业机器人正进入快速发展期,也是我国追赶国际技术前沿的战略机遇期,最后为我国农业机器人产业发展提供了方向性建议。     

农业装备智能控制技术研究现状与发展趋势分析

智能控制是农业装备实现智能化的关键核心技术。从农业装备智能感知、智能控制、智能决策、自主作业、智能管控五方面阐述分析了国内外智能农机的发展现状,着重阐述了约翰迪尔、凯斯、科乐收、爱科等国际农机企业在农机智能控制方面的最新技术进展,分析了我国智能农机与国外的差距,指出了制约我国农机智能控制发展的关键问题。为实现我国从农机制造大国向农机制造强国的转变,融合大数据、云计算、物联网、人工智能等信息领域的前沿技术,提出了"智能在端、智慧在云、管控在屏"的智能农机系统发展新思路,指明现场控制智能化、云端决策智慧化、监控调度移动终端化是未来智能农机的发展方向。     

番茄采摘机器人非颜色编码化目标识别算法研究

为了实现番茄采摘机器人在非结构化环境下对目标番茄的准确识别,提出了一种基于非颜色编码的番茄识别算法。通过Haar-like特征及其编码的方法,结合AdaBoost深度学习算法可以获得用于识别成熟番茄的分类器;并研究了Haar-like特征类型和AdaBoost学习训练次数对分类器性能的影响。所得强分类器对测试集中的番茄进行在线识别试验。试验结果表明,测试集中93.3%的成熟番茄能够被正确识别;同时该分类器还对光照变化、果实粘连以及枝叶遮挡等干扰具有较强的自适应性和鲁棒性,满足采摘机器人对目标识别的技术要求。