番茄采摘机器人系统设计与试验

为了提高鲜食番茄采收的自动化水平,减轻人工采摘劳动强度,设计了一种番茄智能采摘机器人。该采摘机器人包括视觉定位单元、采摘手爪、控制系统及承载平台,并基于各部件工作原理制定了采摘机器人的工作流程。基于HIS色彩模型进行图像分割,提高了果实识别的准确度;通过气囊夹持方式确保果实采摘过程中对果实的柔性夹持。试验结果表明:视觉定位、采摘手爪等模块运转良好,采摘单果番茄耗时约24s,成功率可达8 3.9%以上。     

设施番茄采摘机器人设计与研究

针对设施番茄采摘存在用工难、用工贵、劳动强度大等问题,文章设计了一种温室番茄采摘机器人。该番茄采摘机器人主要由视觉系统、末端执行器、机械臂、底盘和辅助照明机构等组成,并基于各设计结构完成温室番茄采摘的工作流程设计。该采摘机器人通过ZED 2i双目立体相机对番茄果实进行识别与定位后,机械臂引导末端执行器完成番茄果实的采摘。试验结果表明,视觉系统与各模块之间运行良好,单果采摘耗时约为18 s,采摘成功率达88%。     

温室草莓采摘机器人设计与试验

为实现温室草莓采摘机械化和自动化,设计并制作一种应用于日光温室的草莓采摘机器人。该机器人能实现自主路径规划,行走过程中识别成熟草莓并完成采摘。设计以ROS分布式计算系为主控制网络,以激光雷达进行移动机器人的地图构建与定位,双目深度相机实现对成熟草莓的识别和定位,搭载柔性仿生夹爪6自由度机械臂实现目标草莓抓取和放置。设计机器人软件平台,使用改进A*算法实现自主路径规划和导航避障;利用R-FCN目标检测网络和双目视觉技术实现成熟草莓检测及定位。结果表明：该草莓采摘机器人可实现目标检测及定位,检测到的草莓坐标与机器人手爪坐标的误差在4 mm以下,成熟草莓识别率为95%,满足采摘要求。     

基于视觉检测的苹果采摘机器人系统设计与实现

为提高苹果采摘的自动化与智能化水平,降低重复繁琐的人工劳动强度,减少对果实的损坏率,研制了一款用于苹果成熟自动检测并采摘的轮式机器人系统。系统由硬件平台和软件平台两部分组成。其中,硬件平台由四轮驱动越野小车、IPC-610L工控机、图像数据采集卡、四自由度机械臂和末端执行器组成;软件平台基于Visual C++6.0开发环境,使用双目立体视觉技术和图像处理技术实现对苹果的识别与定位,再通过机械臂的路径规划实现对苹果的采摘。通过仿真实验和数据分析表明:机器人在无人值守的情况下,能实现自动导航、自动识别、自动采摘苹果等功能,并且识别成功率大于94.00%,采摘成功率达到91.33%,平均采摘周期约为1 1 s,具有较高的准确性及稳定性。     

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。     

农业采摘机器人机械臂结构设计

【目的】农业采摘机器人是一种集机械、电子、传感、计算机于一体的多功能农业机械设备,被广泛应用于水果、蔬菜采摘领域。但其在对果实的识别和抓取方面仍存在很大的不足。【方法】机械臂是农业采摘机器人重要的组成部分之一,也是其主要执行机构。笔者根据机械臂结构特点与功能需求,设计了一种六自由度、关节运动灵活且可更换的采摘机器人机械臂,该机械臂通过控制系统调节3个平动关节在工作空间中的位置和角度,从而获得末端执行器能够完成采摘任务所需的最小工作空间,通过六自由度变换得出6个关节在工作空间中坐标系之间运动轨迹关系。该机械臂由视觉模块、驱动模块及控制模块构成。基于D-H参数法对采摘机器人机械臂进行运动学分析,并进行仿真验证。【结果】该机械臂具有较好的定位精度,能够满足农业采摘机器人对果实的抓取要求。     

智能移动水果采摘机器人设计与试验

设计了一种智能移动水果采摘机器人,该机器人主要由智能移动平台、采摘机械臂、末端执行器、横向滑移机构和控制系统组成。用VC++语言编写了系统控制程序,开发了人机交互界面。样机在江苏省丰县果园进行了综合试验,结果表明:该机器人能够完成自主导航、自主采摘及自主装箱作业,移动平台、采摘机械臂及末端执行器能够实现智能协调控制。整个系统工作性能稳定,成熟果实的识别正确率为81.73%,采摘成功率为86.92%,单个苹果采摘平均耗时9.50 s。     

高架栽培草莓采摘机器人系统设计

为了提高草莓采收自动化水平,针对高架栽培草莓设计了自动采摘机器人系统,其采用无线遥控和语音提示相结合的人机交互方式,可以对机器人本体两侧果实同时进行采摘。该系统采用机器视觉和声纳测距相结合的方式实现了自主导航,通过双目视觉相机对果实进行识别和空间定位,由关节型机械臂操纵末端执行器进行定位。系统末端执行器采用果实吸附、果柄夹持和电热切割的方式对果实进行柔性操作。针对系统控制方案,制定了采摘机器人系统作业流程,并对机械臂末端运动路径节点和时间节拍进行规划,防止与周围环境发生运动干涉,保证机器人作业效率。试验结果表明,草莓采摘机器人系统末端定位平均误差小于2.2mm,单次采摘作业平均耗时10.99s。     

基于深度双目视觉处理的智能采摘机器人设计

针对采摘机器人对果蔬的位置定位不够准确、无法准确避障,导致采摘效率较低的问题基于深度双目视觉处理对智能采摘机器人进行了设计。智能采摘机器人的主要组成包括PLC控制器、视觉系统、移动平台、导航系统、机械臂、通信系统和电源。为了对采摘机器人的机械臂进行最优路径规划并避障,通过对采集的图像进行预处理后,利用双目视觉系统对果蔬进行精准定位,然后采用哈夫变换直线检测的方法进行最优路径的设计和选择,最终确定最优采摘路径。对采摘机器人进行运动轨迹精度试验和采摘试验,结果表明：采摘机器人对果蔬的采摘成功率较高,可以满足果农对于采摘机器人的要求。     

果实采摘机器人设计与导航系统性能分析

设计了一种果实自动采摘机器人,主要包括自动导航系统、采摘系统、运动系统、控制系统及动力系统。自动导航系统主要包括激光雷达导航和GNSS定位导航,可用于建立地图和规划工作路径;采摘系统通过双目立体视觉相机进行果实识别,再通过由六自由度机械臂和两指末端执行器(机械手)组成的执行机构抓紧果梗并剪断,完成果实采摘。试验结果表明,设计开发的机器人可以通过激光雷达导航完成室内工作,剪断并抓取果梗的两指末端执行器可适用于多种果实,上位机软件可以完成图像采集、机械臂控制和机器人工作路线图建立等操作。激光雷达导航试验结果表明,在1m/s的行驶速度下,导航绝对误差小于3.5cm,可满足温室果实采摘的需求。     

高架草莓采摘机器人设计与试验

设计了一款针对高架栽培模式的草莓采摘机器人。该机器人由履带式行走机构、基于机器视觉的精密运动定位机构和一个可同步剪切夹持草莓果柄的末端执行器等机构组成,采用以ARM9为核心的分层式控制系统。温室内实地试验表明该机器人能够自主识别、定位并无损伤采摘高架栽培模式下的成熟草莓,采摘成功率可达88%,采摘单颗草莓时间为18.54 s。     

采摘机器人识别技术研究——基于深度图像和计算机网络协同处理

为了提高采摘机器人果实识别定位的效率和准确性，将深度图像技术引入到了采摘机器人视觉系统的设计上，并结合计算机网络协同处理，设计了上位PC机处理和控制系统，通过计算机和机器人控制器的通信，形成了一个开放式和分布式的采摘机器人识别和控制系统。以苹果的采摘为研究对象，对深度图像和非深度图像对果实识别的准确率进行了对比，结果表明：采用深度图编码技术，对果实的识别准确率更高，对于提升果实的采摘效率和准确性具有重要的作用。     

击打式松果采摘机器人设计与试验

针对人工采摘松果过程中存在严重安全隐患的问题,设计了一种击打式松果采摘机器人,该机器人系统主要由电机驱动模块、主控模块、视觉模块、夹持模块、采摘模块组成,视觉模块完成松果识别与定位,实时反馈给主控模块,并控制电机驱动模块,配合夹持模块和采摘模块作业实现松果采摘。采用Matlab仿真软件建立松果采摘机器人运动学模型,求解出机械臂工作空间为直径4.5 m的球体;基于冲量原理和Lagrange方程建立碰撞动力学模型,通过动态分析求解出碰撞后各关节保持原有运动规律所需的驱动力矩;运用静力学原理建立关键组件有限元模型,利用ANSYS Workbench对结构进行优化设计,优化后其安全系数最低为1.577 1,支撑关节最大变形4.148 4 mm。仿真结果表明:该机器人结构在运动学、动力学及静力学方面均满足设计要求。制作物理样机并在实验室环境下进行了松果采摘试验,样机初始状态尺寸1 000 mm×1 200 mm×1 100 mm,试验结果验证了机器人结构设计的合理性与实用性。     

基于激光视觉的智能识别苹果采摘机器人设计

为了提高苹果采摘视觉识别系统的精度,增强视觉系统的抗干扰能力和自适应能力,设计了一种新的苹果采摘机器人激光视觉识别系统,可以直接获得层次关系的深度图像,实现了果园非结构化环境中果实的识别与定位。为了测试激光识别系统苹果采摘机器人的采摘效果,在果园中对其采摘性能进行了测试:首先采用高清相机完成了对果实图像的采集,通过图像处理准确地实现了苹果的识别,在遮挡率低于50%时其识别率达到了90%以上;然后利用激光测距方法对苹果进行距离测量,成功定位了果实位置,其响应时间仅为3.58s,动作效率快,实现了苹果的高效率、高精度采摘功能。     

水果采摘机器人控制系统研究——基于英语语音识别技术

在人机交互模式中,语言沟通是最便捷、最直接的交流方式之一,语音识别技术在现代机器人上得到广泛应用,现已推广到农业机器上。采摘机器人作为现代比较新型的农业机械,语音识别的应用增加了机器人的实用性。为此,设计出基于英语语音识别的水果采摘机器人控制系统,利用TMS320VC5416DSK板为平台,实现了水果采摘机器人的英语语音识别。英语语音识别主要包括前处理、特征提取及特征匹配等。在安静环境下提取了不同英语语音数据,并采用MATLAB对语音特征参数进行了仿真语音识别实验,结果表明:本设计的识别率可以达到90%以上,具有较强的鲁棒性。水果采摘机器人采用4个自由度的机械臂和英语语音识别模块等硬件电路,实现了英语控制机采摘器人完成采摘作业。     

协同关系下多媒体运动与采摘机器人匹配设计研究

基于编码器的采摘机器人控制方法主要是通过机器视觉技术划分各机械臂的作业区间,利用编码器完成多机械臂的协同作业,此方法对图像边缘提取过程中模糊区域的边缘提取效果较差,导致采摘效率低。为此,提出协同关系下多媒体运动与采摘机器人匹配控制方法,将多媒体运动与采摘机器人图像边缘检测相匹配,采用梯度算法,通过滤波、增强、检测和定位等过程实现采摘机器人采摘目标的精确定位。在此基础上,采用基于约束的采摘机器人运动控制算法,通过采摘机器人双臂运动中位置、姿态及各关节速度间的约束关系,实现采摘机器人精确的双臂协同运动。实验表明:所提方法的图像识别和定位准确率平均值分别为98.35%和98.44%,采摘时间与其他两种方法相比分别降低12.07s和16.48s,说明此方法具有较高的识别精度和采摘效率。     

多末端苹果采摘机器人机械手运动学分析与试验

提出了一种多末端采摘机器人机械手结构方案,设计了机械臂、末端执行器及其控制系统。机器人机械臂采用主从两级结构,从臂前端可挂接多个末端执行器。末端执行器能进行果实连续采摘,其结构紧凑、驱动简单、通用性好,可适用于苹果、柑橘、梨等球形水果的自动化收获。针对设计的采摘机械手具有多末端的特点,提出了果树分区采摘作业策略,一个采摘区内各个末端执行器同时连续采摘、果实集中回收。在此基础上建立了机器人机械手运动学模型,采用D-H法推导了运动学方程,运用Matlab Robotics Toolbox进行了运动学仿真验证。制作了机械手物理样机并在实验室环境下进行了机械手运动学及采摘试验,结果表明,机械手各从臂末端位置误差小于9 mm,采摘成功率为82.14%。     

丘陵果园自然环境下柑橘采摘机器人设计与试验

智慧果园是未来果园行业发展的趋势,智能化果实采摘是发展智慧果园的关键问题。为实现智能化果实采摘,本文搭建了一种适用于丘陵果园矮化栽培模式下的柑橘采摘机器人系统。针对丘陵果园垄间地面凹凸不平,存在地形倾斜角0°~20°,设计了一种自适应调平平台保持机械臂基座水平;通过视觉系统获取多幅点云图像建立果树的三维点云模型,获取果实位置信息;为避免采摘时造成果实损伤,结合柑橘类水果的采摘特点,设计了一种剪切夹持一体化的末端执行器完成柑橘采摘。针对果园自然环境的主要扰动因素（风和光照）进行分级,设置10组对比试验,结果表明：在低光照或正常光照条件下,平均果实定位准确率为82.5%,末端执行器夹取成功率为87.5%,平均采摘时间最短为12.3s/个;高光照条件下平均果实定位准确率为72%,末端执行器夹取成功率为80%,平均采摘时间最短为12.5s/个。     

基于VUE的智能采摘机器人前端开发框架研究

以智能采摘自动识别定位方式为研究对象,对葡萄自动采摘前端的图像采集和分析处理过程进行分析,利用VUE自底向上逐层构建的方式,设计一种能够对目标进行自动识别定位的智能采摘机器人识别定位算法。采用高清相机对采摘目标图像进行采集,将原始图像进行二值化处理,获取图像灰度等级,并采用葡萄图像分割的方式获取葡萄采摘点,最后通过最小角度拟合的方式确定葡萄果梗采摘点。试验结果表明:智能采摘机器人前端识别定位方法平均运行成功率高于90%,平均运行时间0.65s,能够快速准确地进行采摘对象识别定位,可为智能采摘机器人技术的推广提供理论基础。     

自然环境下柑橘采摘机器人识别定位系统研究

为了准确理解柑橘采摘机器人在自然环境下的作业场景,获取采摘目标及周围障碍物的位置信息,构建了基于卷积神经网络和Kinect V2相机的识别定位系统。首先,对采摘场景中的果树提出5类目标物分类准则,包含1类可采摘果实和4类障碍物目标;然后,在YOLO V3（You only look once）卷积层模块中添加3层最大池化层,对预测候选框进行K-means聚类分析,增强模型对枝叶类物体特征的提取能力,实现采摘场景的准确理解;最后,采用Kinect V2相机的深度图映射得到采摘目标和障碍物的三维信息,并在自然环境下进行了避障采摘作业。实验结果表明,构建的识别定位系统对障碍物和可采摘果实的识别综合评价指数分别为83.6%和91.9%,定位误差为5.9mm,单帧图像的处理时间为0.4s,采摘成功率和避障成功率分别达到80.51%和75.79%。