基于 OpenCV 的除草机器人图像处理技术

为实现除草机器人视频图像实时处理,基于Intel 开源视觉库OpenCV 技术,提出了一种除草机器人视频图像处理方法,并给出了整体方案。利用该方案设计除草机器人视频图像实时处理系统,并在土槽实验室进行试验验证。试验结果表明,该系统能够完成视频图像高速处理与作物植株定位,从而为实现除草机器人末端执行机构精确运动控制打下了坚实基础。     

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。     

除草机器人田间机器视觉导航

建立了除草机器人模型,利用VC 开发了基于机器视觉的除草机器人杂草识别和导航系统应用软件,引导除草机器人沿农作物行自动行走.提出新的图像分割算法,在RGB空间直接将农作物分割出来,再利用优化的Hough变换检测出农作物行中心线,根据摄像头姿态和透视变换原理确定除草机器人位姿.试验表明,分割一幅真彩色图像(分辨率:1 536×1 152)只需450 ms,并能够适应自然光线变化.优化的Hough变换算法使运算时间减少了1/2,导航距和导航角平均误差分别为-0.6 mm和0°,证明了此导航方案的可行性.     

基于机器视觉的果园喷药除草机器人视觉系统设计

果园环境路面条件差、路面崎岖、颠簸,且果园环境的光照条件变化明显,对机器人视觉系统的图像处理单元具有高运动噪音干扰和高光照条件变化干扰的特点.当前我国泛用型除草机器人视觉系统普遍不适用于果园环境,其识别效率较低、可靠性较差,针对这一问题,提出一种基于机器视觉的果园喷药除草机器人视觉系统.该视觉系统将2G—R—B模型、O...     

农作物智能识别定向施药除草机器人的设计研究

农田杂草不仅影响农作物的生长,还会间接助长病虫害的滋生和蔓延。针对目前使用的人工除草、化学除草等方法存在的问题,研究设计一种智能识别农作物定向施药的智能除草机器人,对其设计思路、工作原理以及关键结构等进行详细分析。该机器人采用自动化操作,除草效率高,可实现精准施药,有效保护生态环境。     

大棚智能除草机器人设计

针对大棚内除草环境复杂,且杂草种类繁多导致识别困难的特点,设计了一种机械式智能除草机器人。对试验田数据进行采集后,使用Yolov5模型进行150次迭代训练,最终训练出模型平均精度(map50)为82%,为了提高识别准确率,迭代次数增加到300次,最终模型平均精度(map50)为91%,机器人使用了Jetson Orin nano开发板为处理器,Intel D435深度摄像头进行数据采集,图像处理时间为1.2 ms,满足实时处理要求。采用机械式除草,减少了农药使用,该研究可为以后智能除草设备设计提供参考。     

基于机器视觉的农业机器人自主作业设计

随着我国城市化的发展和人口老龄化的加剧,从事农业生产的人数逐渐减少,农业生产成本的上升导致农产品价格上涨。因此,开发廉价、灵活和多功能的自主农业机器人尤为重要。因此,笔者在阐述农业机器人自主作业研究开发的意义和价值的基础上,分析了农业机器人自主作业的设计过程,并设计了一款物美价廉的农业机器人。仿真结果表明,该农业机器人可以根据农作物的生长情况灵活管理农作物,可以进行浇水、施肥和除草等作业,解放了劳动力,提高了农业生产效率。     

基于机器视觉的农业机器人运动障碍目标检测

在农业移动机器人平台上运用机器视觉技术检测作业环境中是否存在运动障碍目标时,机器人自身运动会与障碍目标运动叠加在一起.为此,首先在移动机器人平台上连续采集两帧图像,提取其特征点并加以匹配;然后应用双线性模型描述对应特征点在图像之间的运动特性,并用最小二乘法对模型参数进行最优估计,得到两帧图像之间的变换矩阵;最后利用此变换矩阵补偿前帧图像来消除机器人自身运动的影响,再与后帧图像作帧差,在线检测出运动障碍目标.实验结果表明,该方法仅依据图像信息即可有效地检测出农业机器人导航环境中存在的运动障碍目标.     

新型田间智能除草机器人设计

为提高田间除草机械化水平,提高除草作业效率,设计一种能够自动识别除草的智能田间除草机器人。该机器人采用轮式驱动,以STM32F103C8T6微控芯片为控制核心,基于LabVEW软件平台开发了视觉识别系统,可根据不同的地形特征设计行走路线,对杂草进行精准定位,实现机器人移动与除草功能,并能通过智能手机进行控制。采用垄间作业模式对不同农作物进行除草试验,结果表明：机器人的平均杂草识别率为95%,平均杂草清除率为83%,较之于以往研究提升了8%。能够应用于不同田间除草作业。     

除草机器人视觉导航中路面检测方法研究 —基于DSP图像深度处理

除草机器人是自主作业水平较高的一种新型农机设备,由于作业环境复杂,其作业质量和效率受视觉导航系统的影响较大。为了提高除草机器人视觉导航系统的精度及实时处理图像的效率,将DSP图像处理技术引入到了视觉导航系统的设计上。为了验证方案的可行性,结合MatLa软件对系统的图像处理能力进行了仿真实验,首先将采集图像利用MatLab处理为CCS的数据文件,然后传送给DSP处理器进行处理,最后将处理数据利用CSS传给MatLab软件进行图像显示,验证其是否能够成功的提取导航线位置。     

智能锄草机器人系统设计与仿真

针对锄草机器人田间运动及锄刀避苗锄草等作业问题,阐述了智能锄草机器人系统工作原理,研究了移动机器人平台,平台为四轮驱动、四轮独立转向,可实现运动速度在0～1.5 m/s内连续可调,每组转臂可绕其自身Z轴360°自由旋转.设计了三指手爪锄草机械手,三指公转,其中一指为活动手指可同时自转,锄草机器人工作时两个固定指的割刀连续入土锄草,系统根据机器视觉苗草位置信息,通过控制活动手指的旋转速度与方位角实现瞬时位置调整,进而通过拟合指端旋移曲线即可完成锄草和避苗等作业任务.苗间锄草仿真分析表明,在有效避苗基础上,作物行两侧各布置一组锄草机械手时锄草率可达90％以上.     

苗间锄草机器人锄草刀优化设计

建立了苗间锄草机器人锄草刀的运动学模型,并通过仿真锄草刀工作过程设计了锄草刀的运动轨迹。选取锄草刀的不同参数和水平进行正交试验,将覆盖率和入侵率代替除草率和伤苗率作为评价指标,分析了锄草刀直径、豁口夹角、刀刃切除距离、锄草刀圆心与作物秧苗行线的偏距等因素对苗间除草效果的影响,优化出最佳结构参数组合为:锄草刀直径175 mm、豁口夹角140°、锄草刀圆心与作物秧苗行线的偏距45 mm、刀刃切除距离10 mm。验证试验结果表明,模拟仿真及正交试验优化结果准确有效,样机作业效果良好,平均除草率为88.5%,伤苗率仅为1.6%。     

组合梳齿式株间除草机构优化试验

设计了一种适合玉米和大豆作物株间作业的组合梳齿式除草机构,为优化该机构的设计并确定其关键参数的最优组合,利用正交试验方法对试验数据进行处理,通过极差分析,确定了除草部件工作参数对株间除草率和伤苗率的影响程度,优化出最佳工作参数组合。试验结果表明,梳齿数目和梳齿盘转速对株间除草机构的性能影响显著。最佳优化方案:梳齿数目6、梳齿间距50mm、梳齿盘转速180r/min 和作业速度2.3m/s,该条件下苗间除草装置的伤苗率为2.73%、苗间除草率可达87.6%。研究结果为设计性能可靠的株间除草机构提供了理论依据。      

基于激光雷达的农业机器人导航控制研究

以农业机器人为平台,利用激光雷达研究农业机器人在有行株距的果树与有行无株距的树木行中,特别是一侧存在行缺失情况下的导航性能。根据激光雷达获得的树行信息,机器人控制系统进行导航路径计算,确定机器人的横向偏差与方向偏角。利用模糊控制算法实现机器人的导航控制。在无株距且一侧存在4 m距离缺失的冬青树行间及在有行株距且一侧存在6.2 m距离缺失的梨树行间,分别进行3次重复的导航性能试验。试验结果表明,在整个试验距离内冬青树行距与梨树行距都不均等的试验条件下,在冬青树间的最大横向偏差为17.5 cm,在梨树间的最大横向偏差为28 cm。在一侧冬青树出现缺失时对机器人的导航性能影响较小,而在一侧梨树缺失时对机器人的导航性能影响较大。根据横向偏差的统计值与机器人行驶轨迹,表明控制算法能够控制机器人沿着中心线行驶。     

基于玉米根系保护的株间除草机器人系统设计与试验

针对株间机械除草时末端执行器存在损伤玉米根系风险的问题,提出了一种基于玉米根系保护的除草铲土上避苗除草模式,并设计了一套智能株间除草机器人系统.该机器人系统由机器人移动平台、除草装置、视觉检测系统和控制系统组成.其中视觉检测系统采用YOLO V4网络模型来检测玉米苗和杂草;除草装置是基于除草铲空间立体运动轨迹设计,使得...     

除草机器人机械臂运动分析与控制

研究了基于直接施药方法的除草机器人,计算机从地面图像中识别杂草目标,通过伺服控制器控制机械臂动作,末端执行器切割杂草并涂抹除草剂。本文着重分析了机械臂运动学问题,求得其逆解。进而转换成机械臂控制参数,并加以修正,软件编程实现机械臂的精确控制。     

基于UKF的农用履带机器人滑动参数估计

为了实时获取农用履带机器人运行过程中履带与地面之间的滑动信息,改善机器人控制精度,在对履带机器人运动学原理进行分析的基础上,推导了机器人运动学方程和非线性测量方程,设计了基于无迹卡尔曼滤波的滑动参数估计系统,实时估计出机器人精确姿态,并根据机器人的运动特性重建不可测的滑动量。实验结果表明:滑动参数估计系统可以提供准确和高更新率的滑动量,为农用履带机器人的精确控制提供依据。     

基于强化学习的农业移动机器人视觉导航

以强化学习为基础,结合模糊逻辑理论研究了农业移动机器人通过自主学习获取导航控制策略的方法。首先使用机器视觉检测环境障碍并获取障碍物相对于移动机器人的方向和距离信息。然后应用强化学习设计了机器人自主获取导航控制策略方法,使机器人能够不断适应动态变化的导航环境。最后基于模糊逻辑离散化连续的障碍物方向和距离信息,构建了离散化的环境状态,并据此制定了自主导航学习Q值表。在自制的轮式移动机器人平台上开展了试验,结果表明机器人可以在实际导航环境中自动获取更优的导航策略,完成预期的导航任务。     

基于多路由协议的株间锄草机器人结构和控制优化设计

为获得理想的苗间机械锄草效果,提出了一种新的锄草机器人结构优化方法.该方法主要采用多目标优化模型对锄草末端结构进行设计,采用多路由协议对多锄草机器人进行协同控制,大大提高了田间锄草机器人的工作效率.在建立了机械锄草齿运动轨迹数学模型的基础上,结合现代农艺对机械锄草参数的限定及要求,建立了多目标优化模型,并利用MatLab优化工具箱得到最优解,将其应用在多机器人系统控制的多路由协议框架中.为了验证优化方法的有效性,在田间对多锄草机器人协同作业进行了试验,结果表明:优化后的多路由锄草机器人不仅大大提高了作业速度和锄草效率,而且降低了作物苗损失率,为大型中耕除草机的设计提供了理论依据.