基于深度学习的水果采摘机器人视觉识别系统设计

水果识别是自动化采摘过程中的关键步骤,为了提高水果识别的准确性和实时性,利用深度学习方法,设计了一种水果采摘机器人视觉识别系统。首先,采用多种预处理方法对样本数据进行扩充,并对图像进行缩放和灰度化处理;然后,构建了一个多层卷积神经网络,通过多次训练得到网络最优超参数;最后,利用所构建的卷积神经网络对水果图像进行训练,同时采用多种训练策略得到最终的识别模型。实验结果表明:系统具有识别速度快、准确率高的特点,可以快速、准确地对水果图像进行识别,单张水果图像的识别速度只需0.2s,识别精度高达97%以上。该方法具有重要的理论和应用价值,可为水果的自动化识别提供有力手段。     

面向采摘机器人的水果精准识别算法研究进展

随着水果产业链自动化的进步,水果采摘机器人也在不断地发展,对目标水果实现精准识别是水果采摘机器人最重要的组成部分之一.本文将对水果目标识别的各类算法应用状况进行对比,同时阐述各类算法在水果采摘机器人上的应用现状.其中,现有的水果目标识别方法主要有3部分,分别是传统图像处理技术、各种机器学习算法和使用各类卷积神经网络的深...     

机器视觉技术在水果采摘机器人中的应用

近年来,学术界展开了将图像处理技术运用到水果机器人采摘过程中的研究,把图像处理技术和机器视觉技术结合运用于水果采摘的过程,可以实现自动化和智能化的采摘,对于降低劳动强度和提高采摘效率具有极其重要的意义.对此,文章主要分析了机器视觉技术在水果采摘机器人中的应用成果,并对机器视觉技术研究方向进行了展望.     

基于LM-BP神经网络的采摘机器人语音智能识别系统

随着现代机器人技术的发展,采摘作业机器人也有了很大的进步,自主作业能力有了大幅度提升.各种智能化、自动化的采摘机器人被应用到果实采摘作业过程中,改变了手工采摘作业的生产发生,极大地提高了作业效率.采摘机器人自主作业过程中,由于受到作业环境的影响,还需要对机器人进行实时监测和远程控制,以保证采摘作业的顺利进行.为此,将语...     

基于Softmax的采摘机器人目标识别技术研究

首先,介绍了目标水果的形态、采摘机器人识别技术与试验平台;然后,设计了双目视觉系统,并基于Softmax分类模型设计了苹果的目标识别算法,实现了一套基于Softmax的采摘机器人目标识别模型。试验结果表明：采摘机器人对无遮挡的苹果目标识别率为94%,对部分遮挡的苹果目标正确识别率为88.7%,稳定性较好,精度较高。     

机器人技术在农业中的应用——水果采摘机器人

机器人技术的研究是当今发展最快的工程领域之一,巨额的资金花费在各应用领域机器人的开发研究上。机器人的使用比以往任何时候都更为普遍,它不再仅仅应用于重工业,还用于代替人们从事高强度的劳动或危险性工种。而计算机,作为机器人的大脑接收来自各种渠道的数据,以控制它的运动来完成具体任务。     

智能移动式水果采摘机器人设计——基于机器视觉技术

自动化和计算机智能控制行业的不断发展,使得智能机器人在各个领域的应用已经十分普遍。目前,我国绝大部分水果采摘工作依然靠人工完成,随着工人工资不断攀升,人工采摘水果增加了果农的经济成本,机器人在农业领域方面的需求越来越迫切。为此,基于机器视觉技术设计了智能移动式水果采摘机器人,集可移动载体、机械手臂、夹持器、横向移动机构及智能控制模块于一身,采用双目立体视觉技术,实现了水果采摘机器人移动行走路径的规划、果实成熟度自动判断及对成熟果实定位识别的功能。试验表明:所设计的采摘机器人采用视觉技术,机械结构简易,能够克服气候环境影响因素,运行过程中性能稳定、效率高、可靠性高、适应能力强。     

基于立体视觉的水果采摘机器人系统设计

基于立体视觉建立了水果采摘机器人系统.在图像空间利用Hough变换检测出果实目标,并利用随机采样目标上均匀分布多个点的三维坐标信息重建果实球模型,进而获得目标质心的空间位置坐标;通过最小二乘法研究了采摘机器人手眼标定;分析了采摘机器人的轨迹规划.实验结果表明,设计的自动采摘系统可以有效地消除遮挡以及立体视觉匹配失效等因素的影响,目标定位误差小于8 mm,显著地提高了抓取的精度和可靠性.     

水果采摘机器人实时避障方法的研究

针对采摘机器人采摘作业时易受障碍物阻挡而影响其工作效率的弊端,提出了将避障问题转化为基于位置力控制问题的解决办法,采用弹簧阻尼模型实时计算机械手臂进入障碍物区域产生的虚拟力,通过采用外在力控制回路来调节手臂位置控制系统,达到消除虚拟力的目的,实现机械手避障.     

基于立体视觉的水果采摘机器人系统设计

基于立体视觉建立了水果采摘机器人系统。在图像空间利用Hough变换检测出果实标,并利用随机采样目标上均匀分布多个点的三维坐标信息重建果实球模型,进而获得目标质心的空间位置坐标;通过最小二乘法研究了采摘机器人手眼标定;分析了采摘机器人的轨迹规划。实验结果表明,设计的自动采摘系统可以有效地消除遮挡以及立体视觉匹配失效等因素的影响,目标定位误差小于8mm,显著地提高了抓取的精度和可靠性。     

水果采摘机器人通用夹持机构设计

为提高采摘机器人的实用性和利用率,提出了一种通用型夹持机构,并构建了虚拟样机。为使机械夹持不损伤水果,研究了水果受力对夹持构型的影响,以柑橘为例进行变形、应力分析,为机构提出设计依据,进而对结构进行优化,确定了机构外壳及杆件的合理参数和对果实损伤最小的夹持量,单类型水果夹持量为直径方向小于2mm。     

一种用于机器人水果采摘的快速识别方法

针对机器人水果采摘中容易受遮挡、光照变化等因素的影响而产生误识别的问题,提出了一种基于颜色分量统计的特征匹配水果识别方法。根据成熟水果所特有的颜色特性,提取代表水果特征的描述值,将其作为识别时的特征进行匹配。在匹配过程中对每个搜索子图进行匹配时采用积分求和的思想,大大提高了水果识别的效率。实验结果表明:该算法在一定程度上有效解决了光照和遮挡对识别造成的影响,能快速准确地识别出需要采摘的成熟水果类型。     

采摘机器人语音识别系统设计 —基于英语词汇整合和WAP平台

通过对语音识别、网络通信与智能机器人运动控制的综合应用,设计了采摘机器人语音识别和远程控制智能机器人系统,在遇到突发状况时,可以采用人工远程语音发出控制指令的方式调整机器人的作业姿态,提高机器人的自主作业效果.为了提高语音识别的准确性,结合英语词汇整合数据库和WAP技术,将小波神经网络算法应用到了机器人语音信号滤波器的...     

基于手势识别的采摘机器人智能控制系统

为了减少采摘机器人采摘误差、提高其工作效率,首先介绍了肌电信号采集处理和手势识别算法、然后设计了系统的整体框架,最后阐述了采摘机器人机械手执行机构和驱动结构的控制原理。测试结果表明:与LDA、SVM算法相比,ANN算法手势识别时间更短、识别准确度更高,能够大大提高采摘效率和成熟果实准确度,具有一定的现实意义。     

基于英语语音识别的水稻收割机控制系统设计

农业机械远高于人工的生产效率,可在较短时间内完成目标作业。精准农业是现代农业的发展方向,对农业机械提出了更高要求。语音识别技术可以赋予机器识别和理解人类语音的能力,在农业机械控制上有着广阔的应用前景。为此,基于英语语音识别技术设计了一种水稻收割机的控制系统,以嵌入式微处理芯片为核心,通过隐马尔科夫(HMM)模型算法识别英语语音并以指令的形式输出,对机械的行驶速度、行驶方向和割台高度进行控制。试验表明:系统具有较好的语音识别准确性和实时性,可以降低收割机的操作难度,提高智能化水平。     

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。     

采摘机器人振荡果实动态识别

提出一种采摘机器人在果实振荡状况下的动态识别方法,解决由于果实振荡影响采摘机器人识别定位时间,进而影响采摘速度和效率的问题。首先对所采集的振荡果实图像进行图像分割,将其分为果实和背景两部分;其次引入帧间差分法、水平最小外接矩形法等对分割图像进行振荡果实动态区域的区域标识,然后对其振荡果实进行识别,当图像中有多个振荡果实时,以距离图像中心最近原则确定采摘振荡目标果实。试验结果表明对实际采摘环境下遇到的多数情况,所提算法都能很好地识别出振荡果实,识别时间少于0.5 s。     

基于YOLOv3不同场景辣椒采摘机器人识别定位研究

针对辣椒采摘受环境光、枝叶遮挡和果实重叠的影响问题，构建了基于YOLOv3模型和realsense深度相机的识别定位系统，研究不同补光位置、枝叶遮挡和果实重叠程度对辣椒识别和定位精度的影响规律。结果表明：模型召回率Recall达0.98,平均精度均值mAP达0.95,精确率precision达0.854;不同光照场景下，识别成功率由高到低依次为正向光、顶光、侧光和背光；轻度枝叶遮挡和轻微果实重叠时，模型识别成功率均保持在96%左右，综合定位误差最大为0.024m,满足辣椒采摘机器人识别和定位精度需求。     

采摘机器人目标识别技术研究——基于机器视觉及深度学习

为了解决采摘机器人识别目标果实难的问题，提出了一种基于机器视觉及深度学习的采摘机器人目标识别技术，可结合图像采集、图像处理、SSD深度学习算法，实现对橘柑的精准识别。试验结果表明：采摘机器人目标识别技术对橘柑具有较高的识别率，证实了该方法的可行性，对采摘机器人研究具有一定的参考价值。     

夜间自然环境下荔枝采摘机器人识别技术

利用机器视觉实现自然环境下成熟荔枝的识别,对农业采摘机器人的研究与发展具有重要意义。本文首先设计了夜间图像采集的视觉系统,然后选取了白天和夜间两种自然环境下采集荔枝图像,分析了同一串荔枝在白天自然光照与夜间LED光照下的颜色数据,确定了YIQ颜色模型进行夜间荔枝果实识别的可行性。首先选择夜间荔枝图像的I分量图,利用Otsu算法分割图像去除背景,然后使用模糊C均值聚类算法分割果实和果梗图像,得到荔枝果实图像;再利用Hough圆拟合方法检测出图像中的各个荔枝果实。荔枝识别试验结果表明:夜间荔枝图像识别的正确率为95.3%,识别算法运行的平均时间为0.46 s。研究表明,该算法对夜间荔枝的识别有较好的准确性和实时性,为荔枝采摘机器人的视觉定位方法提供了技术支持。