基于类人足球比赛决策系统的采摘机器人多路径优化

采摘机器人的研究已经成为实现智能化农业的一个热点,到目前为止,采摘机器人还没有一套完备的自主决策系统,对其理论研究也不足;而基于足球比赛决策系统的机器人已经研究的较为成熟,如果将其决策系统移植到采摘机器人上,将大大提高采摘机器人的决策效率和自主规划能力。为此,提出了一种基于足球比赛决策系统的采摘机器人多路径优化方法,采用小波神经网络提高了训练后的值和期望目标值的逼近程度,实现了足球比赛路径优化的高精度预测;结合机器视觉技术,采用模糊决策算法对最终的运行轨迹进行决策,实现了机器人的自主路径规划。将该方案移植到了采摘机器人控制系统中,为了验证方案的可行性,采用不同的算法对采摘路径进行优化,结果发现:采用小波神经网络和模糊决策算法可以成功地锁定果实目标,且优化所需时间少,路径最短,满足设计需求。     

基于足球比赛命中率远程采摘机器人监控设计

为更深层次对我国采摘机器人的结构与控制进行改进优化,结合足球比赛的命中率机理,对采摘机器人的远程监控系统进行了设计。明确足球命中机理的核心控制概念,将足球比赛命中率与远程采摘机器人监控有效融合,建立采摘监控理论模型,并进行基于足球命中率的远程采摘监控试验。试验结果表明:选择步进电机转速范围为250～300r/min内,采摘作业的采摘损伤率由设计前的0.53%降至0.26%,降低约50%以上;采摘的综合效率由97.14%提升至98.83%,整体设计合理可行,可为其他类似监控系统优化提供一定的思路与参考。     

采摘机器人视觉图像检测应用研究——基于篮球动作捕捉的多媒体数据库系统

采用篮球动作捕捉系统可以实时地对比赛视频进行分析,通过动作捕捉,得到优秀运动员的投篮动作技术特征;但是篮球比赛属于较高强度的对抗性比赛,其移动速度较高,因此捕捉系统需要有较高的精度。将高精度的动作捕捉系统应用在采摘机器人视觉系统设计中,可以有效提高采摘机器人对果实的识别精度,从而提高作业的自动化程度。为了验证方案的可行性,对采摘机器人的视觉系统进行了测试,并以夜间采摘环境为例,对采集的图像进行了平滑和增强处理,成功提取到了果实的边缘特征图像。对采摘机器人视觉系统的目标识别率和定位能力进行了测试,测试结果表明:目标识别率和定位准确率都较高,满足高精度采摘作业的需求。     

基于足球比赛运动的采摘机器人自主避障设计

随着科技水平的提高,农业生产向实现智能化发展,农业采摘机器人中的自主避障控制系统成为重点。在农业生产环境复杂且未知的条件下,采摘机器人的控制需要具有较高的智能化水平。为此,基于足球比赛运动的控制规则,设计了采摘机器人自主避障控制系统;阐述了基于足球比赛运动的移动机器人自主避障设计实现技术、控制技术及模糊逻辑控制方法,使机器人的移动通过模糊逻辑控制和基于优先度的避障策略来实现。仿真试验结果表明:该采摘机器人自主避障设计有效性和实时性较高,在农业生产的复杂环境中,可较好地自主避障并进行路径优化。     

采摘机器人动力学建模及动作规划仿真研究——基于SolidWorks

为了提高采摘机器人的自动化采摘效率和质量,将机器人动力学建模和仿真模拟方法引入到了采摘机器人的设计过程中,基于SolidWorksv软件建立了采摘机器人机械手的三维模型,并将其导入到ADAMS软件中进行了仿真模拟计算,得到了机械手动作的轨迹,通过对轨迹数据的分析可以实现机械手动作的优化。在机器人动作控制精度的优化上采用了神经网络PID算法,并对优化前后的动作精度进行了对比,结果表明:采用神经网络PID算法可以明显提高动作的精度,对于采摘机器人的优化设计具有重要作用。     

采摘机器人定位和导航研究—基于足球比赛动态路径规划

首先介绍了足球比赛行为的路径规划,并将足球机器人比赛动态路径规划系统应用于采摘机器人,结合采摘机器人应用特性,设计了采摘机器人智能定位和导航系统,并对该系统进行了仿真试验。结果表明:系统可以实现实时定位和导航,且路径规划路线最优,在整个过程没有发生碰撞行为,实现了成功达到终点的目的,证明了该定位和导航系统的有效性和可行性。     

基于机器学习的采摘机器人动作执行效率优化研究

为了提高采摘机器人动作的执行效率,提高动作执行的控制精度,将机器学习算法引入到了采摘机器人控制系统的设计上,利用机械学习和归纳学习设计了采摘机器人的机器学习方法,并利用PID反馈调节对学习过程进行了优化,从而得到了效率较高的机器人采摘动作执行系统.以相同时间内果实的采摘量为作业任务,对不同机器学习方法的机器人采摘果实数...     

采摘机器人智能系统应用研究——基于人工神经网络和篮球运动员训练策略

篮球比赛是一种团队下的激烈对抗比赛,除了考验运动员的身体素质外,还要考验运动员的协同能力和自主规划能力。而自主规划包括身体移动路径和篮球出手方位和路径的控制,这些方面的能力是可以通过平时训练来提高的。人工神经网络是一种智能化的训练算法,可以实现误差的自动反馈调节,将其使用在篮球训练策略上,可以使篮球运动员更加迅速地对情景做出反应,从而使决策者提高决策水平。如果将这套方案移植到采摘机器人的智能化训练上,可以使机器人加快对实时环境的信息采集和处理效率,从而更快地捕捉到果实目标,对路径规划做出响应,提高智能化采摘水平。最后,对方案的可行性进行了验证,并进行了机器人采摘实试验,结果表明:采用人工神经网络算法比其他3种算法的响应速度更快,误差更小,满足高精度智能化采摘机器人设计的需求。     

果蔬采摘机器人系统的应用与发展

尽管果蔬采摘机器人技术发展迅速,但果蔬采摘机器人商业化的程度不高,很多仍然处于研发阶段.本文针对现有的果蔬采摘机器人系统进行了介绍,并分别从采摘机械臂、末端执行器、移动机构、视觉系统和算法等方面对国内外采摘机器人的发展现状进行论述,分析和讨论了果蔬采摘机器人现阶段面临的挑战和潜在的发展趋势.     

采摘机器人自动识别系统研究——基于英文字母多元信息标签

将英文字母多元信息标签应用于采摘机器人选择性采摘作业中,结合英文字母的分割与识别算法,设计了英文字母自动识别系统的硬件平台和软件移植,实现了英语字母多元信息标签自动识别的功能,对水果分等级采摘和分等级存放具有重要的现实意义。     

体育动作多媒体数据库在采摘机器人执行器上的应用

采摘机器人动作的规范性和准确性不仅关系到果实的采摘效率,还会影响到采摘的效果,特别是易损果实,很容易造成果实的破碎,降低采摘质量.为了提高采摘机器人动作的准确性,基于体育训练项目的多媒体数据库,结合神经网络机器学习训练和图像处理技术,对采摘机器人动作进行了训练和优化,并对动作的准确性进行了仿真模拟.结果表明:优化后的采...     

基于武术飞脚动作学习的类人采摘机器人控制系统

为了使采摘机器人可以适应不同高度的采摘作业需求,将武术飞脚动作引入到了类人采摘机器人的设计过程中,通过对腿部伸缩功能的设计,使机器人可以采摘到不同高度的目标果实。采摘机器人以STC1 2 C5 A6 0 S2单片机作为控制器的控制核心,在STC1 2 C5 A6 0 S2单片机的基础上搭载了以红外接近传感器、红外测距传感器和灰度传感器组成的检测模块,实现了腿部的可以伸缩功能,且在必要的时候可以进行跳跃。为了验证武术飞脚动作在采摘机器人上使用的可行性,设计了一款基于武术飞脚动作的腿部可伸缩机器人,采用电机驱动和舵机控制的方式,通过调整舵机的角度变化,成功实现了采摘机器人的腿部的伸缩功能。试验结果表明:采摘机器人可以实现不同高处果实的采摘作业,提高了机器人对复杂高度作业环境的适应能力。     

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。     

数字国画产品设计在采摘机器人动作仿真中的应用

首先,介绍了数字国画的产品设计,并将其应用在采摘机器人动作仿真中;然后,分析了采摘机器人机械臂运动学和动力学模型,对机械臂的驱动控制进行了深入研究;最后,基于Matlab对采摘机器人动作“掰”进行了仿真分析。结果表明：随着姿态角β或γ的增大,苹果与果枝连接处产生的力矩都会发生变化;而使用动作“掰”采摘苹果时,改变姿态角γ更容易采摘到苹果。     

基于云计算技术的苹果采摘机器人系统

近年来,我国水果产业迎来快速发展期,苹果种植面积日益扩大,年产量明显增加,促使我国成为世界上最大的水果生产国家。水果进行种植过程中,成熟的水果采摘操作时必须消耗大量的时间和劳动力。由于进城务工人员日益增多,农村劳动力人口不断减少,此时劳动力成本有一定程度的增长,果农日常经营的成本也有所增加,因此智能采摘机器人顺势而生。为此,针对水果采摘机械研究的不足之处,提出了基于云计算的苹果采摘机器人系统,在机器人处于作业状态下设计了苹果采摘机器人软、硬件设计情况。为验证苹果采摘机器人的采摘效果,在果园中对其采摘性能展开试验,试验结果表明:所设计的采摘机器人运用视觉技术,能很好地克服气候环境等因素的影响,采摘作业中性能稳定,采摘效率高,值得在苹果生产地推广使用。     

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。     

采摘机器人水果检测及定位研究——基于图像处理和卷积神经网络

首先,设计了一种采用K-means聚类算法和图像处理相结合的目标边缘识别算法,可以获得完整的目标边缘轮廓;然后,利用卷积神经网络和双目视觉技术实现了采摘机器人水果检测及定位方法。实验结果表明:该采摘机器人水果检测及定位方法较好,计算量小,处理速度快,误差较小,能够满足采摘要求。     

基于MiroSot系统的苹果采摘机器人路径规划研究

针对农业机器人的一个重要类型—采摘机器人,开展了基于机器视觉的路径规划的理论分析和实际应用研究。为了解决苹果采摘机器人中路径规划难度大、最优解求解困难等问题,将MiroSot机器人路径规划系统应用于苹果采摘机器人中,结合采摘机器人作业环境特点和工作需求,采用图像处理技术,设计了具有环境感知、避障和决策能力的采摘机器人路径规划系统。MatLab实验仿真结果表明:系统可以实现无碰撞的最优路径规划,并能够根据环境变化实时进行局部路径规划,证明了系统的实时性、有效性和可行性。     

基于计算机视觉的采摘机器人智能避障系统研究

为了实现采摘机器人对前进道路上障碍物的避障功能,提出了一种基于计算机视觉技术的采摘机器人智能避障系统。该系统结合计算机视觉技术与嵌入式智能控制技术,引入障碍物立体识别检测技术,将其应用于采摘机器人的静态避障中。试验结果表明:该系统能够准确无误地避开障碍物,并能在动态移动中规划出局部最优路径,证明了该智能避障系统的有效性、准确性和可行性。     

西红柿采摘机器人视觉系统的研究

针对果实采摘机器人果实识别率低的问题,设计了一组用于西红柿识别和定位的双目立体视觉系统,为机器人的采摘作业提供更有利的条件。为此,采用Bumblebee双目立体视觉系统,基于成熟果实与植株颜色特征的差异进行图像分割,来识别成熟的西红柿;在完成相机标定、特征点提取和特征点匹配的基础上,通过三维空间定位获取果实的三维坐标。实验结果表明:该系统果实识别的整个过程平均耗时150ms,对成熟西红柿的识别率达到99%,测试误差在10mm以内,能够较好地满足西红柿采摘工作的要求。