机器视觉在除草机器人中的应用

随着农业自动化技术和农业机器人技术的发展,许多国家和企业开始致力于机器视觉除草机器人的试验与研究。为此,在介绍机器视觉技术系统的基础上,结合除草机器人苗草识别的试验,讨论了机器视觉系统在除草机器人中的应用,详细分析了基于机器视觉的苗草识别系统,并优化其系统的硬件、软件结构、功能以及原理等。     

基于机器视觉的嫁接用苗识别研究

设施农业自动化的实现有赖于对作业对象的正确识别.为此,引进了机器视觉技术,设计了视觉软件程序,快速分选出满足嫁接要求的幼苗,并向控制器输送数据,保证后续机构对苗的分选与移栽的顺利进行.结果表明:在保证拍照位置精度和选取到适当的定位模型的前提下,能够准确地识别并测量出幼苗的茎粗、茎高和子叶与水平方向的偏转角.     

基于机器视觉的采摘机器人果实三维模型重构与识别

为了提高采摘机器人果实定位和识别的准确性,在采摘机器人机器视觉系统的设计上引入了果实三维重构方法,利用二维采集图像信息的处理,通过坐标转换关系,实现了三维模型的构建.为了验证三维模型重构对机器视觉果实识别准确性的提高作用,模拟青椒夜间作业的采摘环境,对不采用三维重构和采用三维重构技术两种情况下的果实识别准确率进行了对比...     

基于机器视觉的玉米收获机器人路径识别

我国玉米种植面积和产量都很大,在农业中占有重要的地位,但收获环节耗费的成本惊人。玉米收获机器人能提高作业效率,极大地降低生产成本,具有广阔的应用前景。路径识别能力是机器人环境适应性的一个重要方面,而机器视觉主要用于农业机器人的路径识别。为此,设计了一种基于机器视觉的玉米收获机器人路径识别方法,并进行田间的实时图像处理试验。结果表明:该路径识别方法具有较好的田间适应性和实用性,经过载机结构改进和内部参数优化后能为玉米收获的智能化和信息化提供技术支撑。     

基于视觉定位的按摩机器人穴位跟踪系统设计与研究

机器视觉定位是机器人智能化程度的重要指标,基于中医按摩视觉定位,研制出一种能够实现实时图像采集分析、坐标变换的按摩穴位跟踪系统。视觉定位跟踪系统利用摄像头获取图像,并对图像进行处理,判断患者在按摩过程中是否发生移动,实现对按摩穴位的动态跟踪,保证了按摩穴位的准确性。     

基于农业搬运机器人的障碍物视觉识别技术研究

【目的】随着农业自动化水平不断提升,研究农业搬运机器人如何优化搬运目标信息、定位及图像检索等功能具有重要现实意义。【方法】课题组提出了一种基于机器视觉的内容图像检索视觉识别技术,采用特征提取方法将图像纹理作为机器视觉障碍物特征识别的重要信息,通过实时更新障碍物信息,利用相似度距离计算,将采集的图像数据与数据库中的图像距离进行对比,并利用MATLAB仿真平台验证了CBIR系统对搬运机器人障碍物识别的精确度。【结果】利用小波滤波器优化的CBIR系统的对比结果优于其他方法的平均检索率,且前20张图像的检索率均能保持在98%以上。【结论】该方法有效提升了CBIR系统的障碍物检测性能及识别系统的精确度,可为系统数据库中障碍物图像特征对比提供高质量图像数据。     

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。     

自主导航农业机器人全方位视觉目标识别与跟踪研究

随着我国信息化技术的逐渐提高,机械自动化、集成电路、智能控制系统和测试计量等行业得到了快速发展,使得移动机器人达到了一个全新的高度,农业机器人也因此被广泛应用。在机器人众多研究问题中,全方位视觉的目标识别与跟踪一直是比较复杂并较难解决的问题。为此,基于全方位的自主导航技术,根据农业机器人工作特点和运动特性,建立了机器人工作空间的环境模型,提出了一种陆标导航和运动目标跟踪系统的视觉伺服方案,开发了以DSP控制器为核心的全方位视觉图像处理系统。试验结果表明:所设计的农业机器人全方位视觉目标识别与跟踪系统精准度高,可靠性和实时性强,各项性能指标优。     

农业机器人视觉导航中多分辨率路径识别

针对非结构化的农田自然环境，提出农业机器人视觉导航时的多分辨率路径识别算法。首先探讨了用于路径识别的适宜的彩色特征，然后基于小波变换分析了多分辨率边缘检测过程，最后结合跟踪路径的特点融合了多分辨率检测结果。油菜地图像的处理结果表明了该算法的有效性。     

基于双目立体视觉的秧苗直立度自动测定系统

介绍了基于双目立体视觉的秧苗直立度自动测定硬件系统和软件系统组成。在移栽机试验台上，两摄像机经标定后获取秧苗图像，通过图像处理得到二值化秧苗图像，在二维图像空间将秧苗角度信息简化为一条直线，然后利用简化的两条已知直线与两摄像机参数矩阵，进行空间直线三维重建，完成秧苗直立度的测定。试验结果表明：该方法可以获得较高的精度。     

基于机器视觉的嫁接用苗外观特征自动检测

提出了基于数学模型的幼苗外观特征自动检测方法,检测项目包括生长状态、子叶参数和胚轴参数。首先经过图像预处理提取幼苗二值图,利用行像素统计图确定特征参数基准点位置。然后以标定胚轴最小矩形倾斜度和宽度判定弯曲状态;子叶跨度通过两子叶端点距离确定,子叶展开角通过两子叶底端平展位置拟合线夹角判定;胚轴弯曲度通过胚轴中心线上曲率最大的位置为分界点分别判断两段斜度而求得,胚轴长、轴径结合斜度补偿求得。与手工测量数据对比,轴长、轴径和子叶跨度的相关系数分别为0.935 1、0.899 9和0.903 4,相对误差分别小于7%、5%和7%,绝对误差分别小于4 mm、0.2 mm和6 mm。     

农业机器人视觉导航技术发展与展望

概述了农业机器人主要的导航方式，综合分析了目前国内外视觉导航研究现状及存在的问题，并提出了进一步研究的方向与途径。     

基于双目视觉的农药喷洒机器人识别系统研究

针对玉米秧苗期农药喷洒存在的效率低、成本高、污染大等问题,本文提出了一种可搭载于小型农药喷洒机器人的视觉识别喷药系统。该系统采用SSD-MobileNetv1网络作为玉米秧苗识别算法,结合数据增强与迁移学习两种方法,将ARM集成板作为嵌入式设备,当相机检测到喷药范围内的玉米秧苗时,控制引脚将产生PWM信号,启动喷淋系统,实现对单株玉米秧苗的精确喷药。经过测试,该系统对玉米苗的识别准确率可达84.18%,对距离的估计基本满足机器人喷药要求。     

基于机器视觉的林间导航路径生成算法

提出了一种基于机器视觉的、适用于林间行走机器人导航的路径生成算法,即采用扫描图像获得视野两边的树干底部与地面的交界点,计算得到交点中心的一系列离散点簇,通过最小二乘法拟合该中点生成导航直线的算法.Matlab仿真结果表明:该算法可有效地处理多种林间复杂环境,符合人眼视觉所识别的导航线,在图像批量处理时具有较高的可靠性和稳定性.     

营养钵茄苗嫁接机器人机械系统设计与实验

根据营养钵茄苗“劈接法”的嫁接作业方式,设计了嫁接机器人的机械系统.机械系统包括砧木处理、穗木处理和公共处理3部分,对砧木处理、穗木处理机构进行了设计,并通过模拟切削实验进行了验证.实验表明,研制的机械系统满足嫁接要求,实现了嫁接的自动化作业.     

视觉导航轮式移动机器人横向预测模糊控制

提出了一种对机器视觉导航的轮式移动机器人进行横向控制的有效算法，根据轮式移动机器人运动学模型预测其横向偏差和方位偏差的变化，以修正严重滞后的机器视觉采样横向偏差和方位偏差，利用修正后的横向偏差和方位偏差设计了系统横向模型控制器。仿真结果表明，该算法有效地克服了因非结构化农田自然环境视觉识别延迟过长所引起的控制系统性能下降的问题，具有良好的控制效果和较强的纵向速度自适应能力。     

基于机器视觉的工业机器人智能分拣系统设计研究

随着我国工业发展脚步的不断加快,机器人在工业智能化中发挥的作用日益突出,将其应用到机械零件分拣工作中,可以利用机器人的智能化特点,代替传统模式下的人工操作.基于此,本文主要从机器视觉技术出发,探讨基于机器视觉的工业机器人智能分拣系统设计,以此来为日后工业生产效率及质量的提升提供参考.     

基于机器视觉的育苗穴盘定位与检测系统

针对嫁接苗自动移栽机器人,提出了一种基于器视觉的育苗穴盘定位与检测系统.该系统不仅能够确定育苗穴盘在传送带上的位置,而且能够获得各穴孔内的基质深度和三维形状信息.其方法是利用彩色图像与深度图像的注册,从彩色图像中检测穴盘轮廓,结合穴盘规格,实现深度图像中穴盘各穴孔的分割;利用分割后的深度图像对每个穴孔生成三维点云,结合最近邻算法与主成分分析算法计算各点的法向量,基于该法向量实现穴孔侧壁与穴底基质的分割,进而获得基质的深度.试验表明,该系统能够有效定位穴盘并检测基质深度,平均定位误差为3.5 mm,深度检测误差为4.9 mm,满足嫁接苗自动移栽机器人的控制要求.     

基于计算机视觉的高速机器人芒果分选系统设计

针对目前芒果的外观品质分级采取人工方法所存在的不足,基于机器视觉、并联机器人等先进技术,构建了用于芒果品质动态、实时检测及分选的高速机器人系统,设计了芒果分拣的计算机视觉硬件系统,开发了高速分拣计算机视觉软件系统。工作时,芒果输送带将芒果按机器人动作节拍输送至图像采集区域由工业相机采集图像,识别系统对图像信息进行特征提取,建立图像特征与国家标准中的三级芒果的对应关系,将具有相应图像特征的芒果其所处位置信息及其级别对应的位置信息,通过单片机控制系统输送给高速分选机器人,从而完成芒果的高速分选。测试结果表明:高速分拣机器人系统可以高速、准确地完成芒果的分选工作。