水中成堆草莓力学特性试验研究

针对草莓柔嫩易受机械损伤的问题,提出一种减损方法,即将成堆新鲜草莓置于水中辅助机械加工作业而避免损伤的方法,并对草莓物理参数和压缩力学特性进行试验研究。试验得到不同质量的中型果草莓尺寸差异性不大,其中大规格草莓形状较中小规格草莓更接近球形。压缩试验表明:成堆草莓置于水中,水面以下第2层可能受到的最大挤压力0.26N;当草莓变形量在允许范围内即小于1mm范围内变形时,所需压缩负荷远远大于0.26N,故草莓置于水中可有效防止机械作业时的挤压损伤;在变形量为1mm时,草莓刚度总体偏小,均小于0.2 N/m。研究结果可为草莓深加工机械设计提供参考。     

面向机器人采摘的荔枝果梗力学特性

为了给荔枝采摘机器人夹持与切割器的设计和控制提供依据,对荔枝果梗分别进行了切割性能和夹持性能的影响因素试验以及弯曲试验。试验结果表明:峰值切割力和切割强度随着切割速度增加而减小,随着切割角度的减少而减少,凹刃和凸刃的峰值切割力和切割强度都比平刃小;除果梗直径因素外对峰值切割力和切割强度影响显著的因素均依次为切割角度、刃口形式和切割速度;切割角度每减少1,峰值切割力和切割强度分别减少4.45N和0.16MPa;相比平刃的峰值切割力和切割强度,凸刃分别减少166.90N和2.11MPa,而凹刃分别减少167.39N和4.21MPa。随着夹持力增加,荔枝果梗与夹持物间摩擦力增加,夹持物为橡胶时,摩擦力最大,夹持力对摩擦力的影响大于夹持材料;试验范围内,最大摩擦力为44.54N。荔枝果梗具有较强的抵抗变形的能力,平均弹性模量为867.15MPa;试验范围内,最大弯曲力的平均值为118.95N,抗弯强度的平均值为56.03MPa。该研究为荔枝采摘机器人的夹持与切割机构的优化设计和控制提供了理论依据。     

基于双次Otsu算法的野外荔枝多类色彩目标快速识别

针对目前野外环境下多类目标识别速度偏慢,导致机器人视觉定位精度低和工作效率不高的难题,以野外环境下成熟荔枝的多类色彩目标识别为例,提出了一种双次Otsu分割算法对多类色彩目标进行识别。首先为了提高算法的效率,改进了传统的Otsu算式;然后对目标色彩图像的背景、果梗、果实分别用改进的Otsu算法进行粗分割和细分割。最后通过与K-均值聚类(K-means)算法、模糊C均值聚类(FCM)算法、Otsu和K-means结合算法、Otsu和FCM结合算法这4种算法进行对比,双次Otsu算法从分割质量及其正确分割率、运行时间、稳定性3方面都优于其他4种算法。实验结果表明,双次Otsu算法对色彩目标的成熟荔枝识别的时间少于0.2 s。     

自然环境下葡萄采摘机器人采摘点的自动定位

针对葡萄果梗颜色复杂多变、轮廓不规则等影响因素使得采摘机器人难以准确对采摘点进行定位的问题,该文提出一种基于改进聚类图像分割和点线最小距离约束的采摘点定位新方法。首先通过分析葡萄图像的颜色空间,提取最能突显夏黑葡萄的HSI色彩空间分量H,运用改进的人工蜂群优化模糊聚类方法对葡萄果图像进行分割;然后对分割图像进行形态学去噪处理,提取最大连通区域,计算该区域质心、轮廓极值点、外接矩形;再根据质心坐标与葡萄簇边缘信息确定采摘点的感兴趣区域,在区域内进行累计概率霍夫直线检测,求解所有检测得出的直线到质心之间的距离,最后选取点线距离最小的直线作为采摘点所在线,并取线段中点坐标作为采摘点。以从晴天顺光、晴天遮阴、阴天光照下采集的300幅夏黑葡萄进行分类试验,结果表明,该方法的采摘点定位准确率达88.33%,平均定位时间为0.3467 s,可满足采摘机器人对采摘点的定位需求,为葡萄采摘机器人提供了一种新的采摘点求解方法。     

基于机器视觉的荔枝果实采摘时品质检测技术

为了在荔枝采摘时实时判断果实的品质状态,通过分析自然环境中荔枝不同生长期的图像,对荔枝果实未成熟、成熟、成熟后外表腐烂变质的3种情况进行了图像数据分析。选取了YCbCr颜色模型,利用探索性分析法对荔枝不同部位、不同光照、不同生长期的荔枝图像的Cr分量进行了数据分析与统计,确定了辨识荔枝果实未成熟与成熟的Cr分量的阈值范围;对于成熟的荔枝,采用边缘提取与Hough圆拟合方法对其Cr分量图进行处理,标记出图像的荔枝果实,然后利用纹理统计法、颜色特征与果实不同部分面积比值相结合的方法进行果实变质的判断,最终实现了未成熟、成熟以及腐烂变质的荔枝果实的视觉智能判断,建立了荔枝果实品质辨识的智能系统。试验结果表明,辨识荔枝品质状态的正确率达93%。     

扰动柑橘采摘的实时识别与采摘点确定技术

对成熟柑橘果实在扰动状态下的视觉识别定位技术进行研究。利用ANSYS进行了扰动柑橘的动力学分析,结合图像处理分析结果,确定了微扰动柑橘的运动规律为类单摆运动;对采集的微扰动柑橘视频进行图像处理,设定规则选取视频中的图像,利用改进的K-means聚类分割法结合优化Hough圆拟合方法实现柑橘果实的分割;根据图像分割结果,对柑橘的二值图像进行Hough直线拟合,结合直线斜率在-0.45~0.45的约束条件,确定扰动柑橘的有效采摘点。试验结果表明该方法能有效地识别自然环境中的微扰动柑橘,确定扰动果实采摘点的准确率达85%,采摘点确定的处理时间在7.58~9.24 s范围内。     

转 AtPAP15基因大豆种植对根际土壤养分及酶活性的影响

以转入AtPAP15基因的两个磷养分高效转基因大豆株系AP15-1、AP15-3及其各自受体YC03-3、YC04-5为材料,在大田连续种植两季,通过在苗期、盛花期和成熟期采集根际土,对其进行pH和全磷、速效磷、有机磷、全氮、碱解氮、全钾、速效钾、及钼等八种微量元素含量的测定,并分析了盛花期AP15-1与其受体YC03-3根际土中酸性磷酸酶、过氧化氢酶、蔗糖酶和脲酶的活性变化,从而了解上述磷高效转基因大豆的种植是否会对根际土中主要养分和酶活性产生影响.研究结果显示:秋春两季根际土中除全钾和微量元素含量外,其他养分含量在个别时期,转基因大豆AP15-1或AP15-3与其受体之间,均存在显著性的差异,但这些显著性差异大部分出现在苗期,成熟期仅有机磷含量在AP15-1与其受体YC03-3、速效钾含量在AP15-3与其受体YC04-5之间呈显著差异,并且这些差异在两季中均未重复出现.根际土中四种土壤酶活性测定结果显示:同季转基因大豆与其受体之间差异不显著.总体结果表明,上述转AtPAP15基因磷高效大豆种植对根际土中磷、氮、钾等养分和四种土壤酶活性均未产生显著的影响.     

基于Retinex图像增强的不同光照条件下的成熟荔枝识别

为了满足自然环境下荔枝采摘机器人视觉定位系统的有效性和实时性的要求,针对不同光照条件的荔枝彩色图像,采用基于双边滤波的Retinex图像增强算法凸显图像中的荔枝果实和果梗,对增强处理后的图像在HSI颜色空间中进行H分量旋转的处理,再对旋转处理后的H分量进行Otsu自动阈值分割去除荔枝图像果实和果梗外的复杂背景;然后通过将双三次插值算法和传统的模糊C均值（FuzzyC-Mean）算法融合,对去背景后的荔枝图像在YCbCr颜色空间中进行Cr分量模糊聚类分割,实现荔枝果实和果梗的识别。荔枝图像的分割试验结果表明：该算法对晴天顺光、逆光、遮阴、阴天顺光等光照条件的荔枝图像能够有效地分割,对阴天弱光照、果实被遮阴条件下的荔枝也能较好的识别,并保持荔枝果实和果梗区域的完整性,4种光照条件荔枝图像分割正确率分别为96%、90%、89.3%和88.9%,成熟荔枝识别的正确率达到了90.9%,该研究为水果采摘机器人的室外作业的实时性和有效性提供指导。     

改进随机样本一致性算法的弯曲果园道路检测

果园道路检测的目的是为农业采摘机器人鲁棒实时地规划出合适的行走路径,因果园环境的复杂性,例如光照变化、杂草和落叶遮挡等因素的影响造成视觉检测算法鲁棒性差,为此提出融合边缘提取和改进随机样本一致性的弯曲果园道路检测方法。首先,根据果园道路的颜色分布特征和几何形状特征,使用有限差分算子提取图像边缘,再使用灰度值对比度约束和霍夫直线检测去除噪声,实现道路边缘点提取。然后,提出多项式函数描述直线和弯曲道路,使用改进的随机样本一致性算法和线性最小二乘法拟合道路边缘点,以估计多项式函数的参数,实现果园道路检测。在华南农业大学果园采集240张道路图像作为试验对象。试验表明:在光照变化、阴影和遮挡背景的影响下,该方法能有效地提取果园道路边缘点,并能正确地拟合道路以实现道路检测,平均正确检测率为89.1%,平均检测时间为0.2639 s,能够满足视觉导航系统的要求。该研究为农业采摘机器人的视觉导航的鲁棒性和实时性提供指导。     

香蕉采摘与吊运作业机器人运动与动力性能分析

由于香蕉果串的结果高度和果形尺寸较大，且采摘过程极易发生损伤，给其采摘带来极高难度，目前仍停留在比较落后的人工采摘方式上，劳动强度大。为此，提出了一种香蕉采摘与吊运作业机器人，可将香蕉果柄的切割、夹持和香蕉果串的吊放作业整体性完成，其机械系统主要由伺服连杆机械臂、夹持与切割末端执行器和液压履带行走动力单元等部分组成。工作时，末端执行器夹持与切割香蕉果柄的直径范围为40～150mm,液压履带车行走的最大行走速度为1.07m/s。通过基于ADAMS的机械系统运动和动力学仿真分析获得了伺服连杆机械臂的作业范围，以香蕉按照宽窄行宜机化种植模式为基础，对接近实际情况的伺服驱动作业流程进行了仿真研究，验证了各伺服电机的驱动能力。