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。     

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。     

基于PLC的火灾报警控制系统设计

随着我国社会经济的飞速发展,在石油生产装置建设的过程中,由于其规模数量巨大,所以易燃易爆化学产品引发火灾事件屡屡发生。所以需要对自动报警系统进行严格的管控,从而保证化工生产装置的安全性。因此,针对由PCL做核心控制器的火灾报警系统自动化做出描述,并与消防系统联动控制的同时对其组成部分工作原理及相关工作进行了详细介绍。     

基于快速卷积神经网络的果园果实检测试验研究

近年来,基于数字图像处理和机器学习算法的果实自动识别检测研究已经越来越成熟。针对传统检测方法检测过程中难以满足实时性要求的缺点,采用了基于Faster-RCNN的果实快速检测模型。模型由卷积神经网络(CNN)和区域提议网络(RPN)组成,首先由CNN进行卷积和池化操作提取特征,然后由RPN选取候选区域,通过网络全连接层参数共享,由目标识别分类器和边界框预测回归器得到多个可能包含目标的预测框,最后通过非极大值抑制挑选出精度最高的预测框完成目标检测。分别对桃子、苹果和橙子的三种果实进行检测,采用迁移学习方法,使用已经预训练好的两种深度神经网络模型ZFnet和VGG16,通过数据集的训练对Dropout及候选区域数量进行参数调整完成网络调优。检测并分析果实不同布局形态下模型的检测效果。试验结果表明,当Dropout取值为0.5或0.6,候选区域数量为300时网络模型最佳,ZFnet网络中,苹果平均精确度为92.70%,桃子为90.00%,而橙子为89.72%。VGG16网络中,苹果平均精度为94.17%,桃子为91.46%,橙子为90.22%。且ZFnet和VGG16的图像处理速度分别达到17 fps和7 fps,能够达到果实实时检测的目的。     

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。     

基于嵌入式和图像处理技术的精准自动施药平台研究

介绍了精准自动施药平台的结构及HSI颜色模型,并利用直方图均衡化处理、中值滤波和迭代阈值算法等图像处理技术,实现了杂草目标和背景的分离,从软硬件两方面设计了精准自动施药平台嵌入式控制系统。测试结果表明:精准自动施药平台准确率达到了91.5%以上,说明该平台具有很高的喷药精度和稳定性,能够满足对果园除草喷药的要求。     

建立数据质量管理系统来管理种猪生长性能自动测定设备的测定数据

性能测定是所有育种工作的前提和基础,自动测定设备的测定又是比较精确的测定工作,但人们囿于对集成化测定设备的理解,误认为从中获取的数据可以直接拿来分析,用分析后的结论进行育种或生产指导。因为自动测定设备的工作环境(猪舍)相对比较复杂、工作对象(猪)又非常活跃,它的测定工作就会受到较多因素的影响。不同的影响因素对测定数据的影响程度是不一样的。该文中从借鉴工业数据质量管理的思路,通过实践逐步在现场建立"种猪生长性能自动测定设备数据质量管理系统",以期获得符合猪只真实行为的真实性能水平数据,以便能进一步增加使用这些数据的可靠性。