基于PSO-EACO的农业机器人路径规划仿真研究

针对农业机器人在完成采摘、质量检测、信息采集等作业中路径规划低效问题,采用粒子群(PSO)和改进蚁群(EACO)融合算法对路径规划进行改进。该融合算法先通过带有惯性权重的粒子群算法找到初始路径,然后将该种群看作蚁群算法的初始信息素来分布,从而进行精密搜索,避免盲目搜索带来的低效,提高搜索速度。结果表明:融合后的PSOEACO算法得出的路径长度比改进的EACO算法缩短2.5%,完成任务用时缩短5.1%。本算法能够规划出最优行走路径,提高农业机器人的工作效率。     

基于机器视觉的棉花异性纤维检测技术优化研究

为解决人为采摘、室外曝晒、分散储运等出现的问题,提出利用机器视觉来实现棉花异性纤维自动检测技术,包括图像预处理、图像增强、图像分割、图像数据的特征提取,目标模式识别方法。通过实验,SVM分类器训练出来的实验结果表明异性纤维识别的准确率有明显提高;最后再次实验,对检出的结果进行性能分析和评估,有效地提高了异性纤维检测方法的正确率,并对结果计算出相应的平均识别准确率,性能提升尤为明显。本文提出的棉花异性检测方法是在已有的检测方法基础上进行优化,有很好的应用价值。