苹果采摘路径规划最优化算法与仿真实现

采摘路径规划对苹果采摘机器人的工作效率有很大的影响,为了提高苹果采摘机器人采摘效率,研究了采摘路径规划最优化方法。将苹果采摘的路径规划问题转化为三维的旅行商问题进行求解,结合图像识别得到的苹果位置特征,提出了有限域信息素自适应更新的改进蚁群算法,避免了基本蚁群算法求解过程中的早熟和局部收敛的问题,研究了三维模型的建模和驱动方法。试验结果表明将蚁群算法用于解决苹果采摘路径规划问题,当苹果数量达到250个时,改进蚁群算法迭代次数是基本算法的25.3%,而搜索到的最优路径是其94.3%,可见改进算法在搜索次数和最优结果上都有明显的优势。本研究为苹果采摘机器人采摘路径规划的提供理论参考。     

基于SBL-PRM算法的柑橘采摘机器人实时路径规划

针对动态非结构化环境下的柑橘采摘机器人实时路径规划问题,采用单次查询、双向采样与延迟碰撞检测相结合的SBL-PRM（Single-query,Bi-directional,Lazy collision checking,Probabilistic Roadmap Method）算法,对无遮挡和遮挡两种场景下的柑橘采摘情况进行仿真试验,分析最大采样点数S、邻域阈值ρ、局部路径检测阈值ε、路径平滑次数N等参数对规划时间和成功率的影响。结果表明,在S=3000,ρ=0.6,ε=0.03,N=10时,无遮挡和遮挡两种场景下路径规划的平均时间分别为1 ms、60 ms左右,规划成功率均为100%。仿真试验证明了SBL-PRM算法在柑橘采摘机器人实时路径规划中的有效性。     

基于改进RRT*算法的菠萝采收机导航路径规划

为了提高菠萝收获的机械化和自动化水平,该研究采用改进RRT*（Rapidly-exploring Random Trees Star）算法进行菠萝采收机全局作业路径规划。首先引入自启发式思想约束采样点的生成,借鉴人工势场引入方向权重对新节点拓展方向进行约束,同时计算合适的权重取值范围,采用双向拓展加快迭代速度,然后利用贪心算法修剪路径冗余节点,并利用Cantmull-Rom插值函数对路径进行平滑处理。根据农田道路情况创建多障碍物、迷宫和狭窄通道3种仿真环境,分别对RRT*算法、双向RRT*算法和改进后RRT*算法的性能进行测试。试验结果表明：3种环境下,本文算法的平均收敛时间是RRT*算法的18%,是双向RRT*算法的46.12%,平均规划速度是RRT*算法的5.7倍,是双向RRT*算法的2.3倍左右,平均拓展节点数量比 RRT* 算法减少87.23%,比双向 RRT* 算法减少 52.52%,平均路径长度比 RRT* 算法减少 3.81%,比双向 RRT* 算法减少 6.08%。田间试验结果表明：本文算法的规划时间仅为RRT*算法的14.12%,为双向RRT*的20.34%,迭代次数比RRT*算法减少80.89%,比双向RRT*减少69.70%。另外,RRT*和双向RRT*算法规划路径上大于60°的转角分别是本文算法的1.56和2.06倍,大于100°的转角分别是本文算法的1.55和2.18倍,本文算法规划的路径更平滑。研究结果可为菠萝采收机导航提供参考。     

基于监督局部线性嵌入算法的玉米田间杂草识别

杂草精准识别是实现农药定向定量喷洒的基础,是精准农业重要的研究课题之一,对环境保护和生产成本控制都有着重要的现实意义。该文以玉米田间常见杂草为研究对象,首先通过超绿特征去除田间复杂背景的影响,然后采用形态学方法自动分割图像中绿色植物区域作为待判别为杂草或作物的识别对象,之后采用基于Fisher投影的监督LLE（locally linear embedding）方法对样本的高维灰度特征进行降维,在低维空间结合支持向量机实现了杂草的快速识别。试验结果表明,该识别方法能更好地发现杂草与玉米的低维特征,对杂草和玉米植株的平均识别率分别达到97.2%和77.8%。该研究结果可为精准喷洒除草剂的自动化实现提供参考。     

基于知识的视觉导航农业机器人行走路径识别

目前的农业生产方式引起了环境污染、生态恶化等诸多问题，研制具有精确作业能力的视觉导航农业机器人因而被较多关注。针对导航视觉系统采集的农田非结构化自然环境彩色图像，探讨了用于行走路径识别的适宜的彩色特征，并结合农田作业时农业机器人行走路径的特点，运用路径知识启发机制识别出行走路径。与传统的阈值分割算法的对比处理试验表明，此识别算法可以明显地改善路径识别效果。     

基于Isomap和支持向量机算法的俯视群养猪个体识别

针对俯视群养猪视频序列,提出了一种利用机器视觉技术对猪个体进行识别的方法。首先对采集的俯视群养猪视频序列进行前景检测与目标提取,获得各单只猪个体,其后建立训练样本,提取猪个体颜色、纹理及形状特征,组合构建表征猪个体的特征向量,接着对组合特征利用Isomap算法做特征融合,在最大程度保留有效识别信息的基础上降低特征维数,最后利用优化核函数的支持向量机分类器进行训练与识别。试验选取了900帧图像,试验结果表明该文所提方法切实有效,猪个体最高识别率为92.88%。该文从机器视觉角度探索了俯视群养猪的个体识别,有别于传统的RFID猪个体识别,该研究为无应激的猪个体识别提供了新思路,也为进一步探索群养猪个体行为分析等奠定了基础。     

基于K-means算法的温室移动机器人导航路径识别

针对温室移动机器人机器视觉导航路径识别实时性差、受光照干扰影响严重等问题,首先,将HSI颜色空间3个分量进行分离,选取与光照信息无关且可以有效抑制噪声影响的色调分量H进行后续图像处理,以削弱光照对机器人视觉导航的不良影响;针对温室环境图像特有的颜色特征信息,引入K-means算法对图像进行聚类分割,将垄间道路信息与绿色作物信息各自聚类,再通过形态学腐蚀方法去除聚类后图像中存在的冗余、干扰信息,以获得完整的道路信息,与常用阈值分割方法相比,可降低因分割信息不明确而导致后续Hough变换进行直线拟合时需占据大量内存且计算量较大的问题,进而提高移动机器人路径识别的快速性,并适应温室作业机器人自主导航的高实时性要求。试验结果表明,该文方法在复杂背景与变光照条件下的温室作业环境中可大幅降低光照对机器人导航的影响,对于光照不均具有良好的鲁棒性,道路信息提取率可达95%。同时,其平均单幅图像处理时耗降低53.26%,可显著提高路径识别速度。该研究可为解决温室移动机器人机器视觉导航路径识别的鲁棒性及实时性问题提供参考。     

基于Kinect视频技术的葡萄园农药喷施路径规划算法

为实现对葡萄园的精准喷施,减少药品浪费和污染,该文使用微软Kinect融合彩色和深度图像信息,提出了基于样条区域的叶墙区域(leaf wall area,LWA)平均距离计算方法以及基于路径偏差的喷施路径规划方法,并实现了一套软件路径规划算法和硬件喷施实验平台相结合的精准喷施算法及系统。算法首先使用形态学方法对Kinect采集的彩色视频图像进行图像分割,以准确划分LWA区域;进一步结合深度图像,提出基于样条区域的LWA平均距离计算方法,用于准确测算喷施设备距LWA的距离;最后,提出路径偏差及矫正规划方法,引导喷施系统保持最佳行进路径。并且,为了能够对精准喷施算法进行实际检验,设计实现了喷施臂可调的自走式喷施试验平台。试验结果证明,路径规划算法计算的喷施距离和路径偏差与测量值差值及方差都较小,算法结果精确;能够准确测算喷施距离并规划最优路径,实现葡萄园的精准喷施。     

四边形田块下油菜联合收获机全覆盖作业路径规划算法

为解决无人农场模式下油菜联合收获作业过程中自主导航作业路径自动规划及优化问题,该研究提出了两套完整的针对任意四边形边界田块的油菜联合收获全覆盖作业路径规划算法.采用理论分析-算法设计及程序编码-算例测试与仿真评估的技术路线及方法,首先分析油菜联合收获机的作业特点与机具特性,拟定油菜联合收获无人化作业过程对路径规划工...     

基于关节构形空间的混联采摘机械臂避障路径规划

针对混联采摘机器人在非结构性环境中进行避障采摘作业的要求,该文提出了一种基于关节构形空间的混联采摘机械臂避障路径规划算法。根据机械臂和障碍物的几何特征,对机械臂及障碍物模型进行合理简化,通过分析末端执行器目标点和串联机械臂结构参数选取合适的并联机械臂动平台目标点,然后采用遍历法构建串联机械臂关节构形空间,并利用快速扩展随机树(rapidly-exploring random tree,RRT)算法搜寻串联机械臂无撞路径,再通过同样的方法获得并联机械臂关节空间障碍物映射模型和无撞路径,最后综合串、并联机械臂的无撞路径,获得混联机械臂整体的避障路径。仿真和试验结果表明,文中所提出的算法搜索的避障路径能够驱动采摘机械臂避开工作空间内的障碍物,引导末端执行器到达目标点。     

地源热泵水蓄能型植物工厂降温系统夏季运行特性

针对田间环境复杂、秸秆形态多样、秸秆覆盖率判断主观性影响过大、补贴面积测量耗时耗力等问题,该文开展了秸秆覆盖率率自动识别方法研究和监测设备研制。首先,提出利用时频变换进行秸秆识别,设计高通滤波器提取了图像的频域特征进行自适应分割。基于集成分类器利用已有的秸秆识别数据训练支持向量机分类器,对秸秆图像进行再识别和筛选。最后,设计多尺度占比滤波器,对识别图像中的噪声和空洞进行修补,生成适应多种情况的秸秆覆盖率识别算法。与北斗定位模块、无线通讯模块、摄像头、传感器、服务器等设备共同组成秸秆覆盖率识别系统。试验结果表明,设备的秸秆覆盖率识别误差为4.55%,平均单张图像耗时0.05 s。研究结果满足保护性耕作中的自动化监测要求,可为保护性耕作作业质量评测提供有效的技术支持。     

矮化密植果园多臂采摘机器人任务规划

为提高矮化密植果园多机械臂采摘机器人的协同作业效率,该研究对存在重叠访问域的多臂协同采摘机器人任务规划进行分析,将多臂协同任务规划问题归纳为异步重叠访问域的多旅行商问题,给出了基于遗传算法的优化求解方法.试验结果表明:该研究所提任务规划算法在求解4个机械臂采摘43和90颗果实的任务规划问题时,分别在500和2000次迭...     

基于颈环采集节点的母羊产前行为识别方法

针对目前母羊产前行为监测费时费力、精准度较低、可识别行为类型单一等问题,以颈环采集节点获得的加速度数据为研究对象,提出了一种基于区间阈值与遗传算法优化支持向量机(GeneticAlgorithm-SupportVectorMachine,GA-SVM)分类模型的母羊产前行为识别方法。该方法首先对合加速度数据进行小波降噪和提取轮廓线预处理,再利用区间阈值分类法,识别出行走、趴卧2种行为。在此基础上,采用GA-SVM分类模型实现饮水、采食、反刍3种行为的准确识别。试验表明,颈环采集节点能够实时采集和传输产前母羊颈部的活动信息,并能有效区分5种产前行为活动。可识别行为类型增多,且在适用性方面有了较大提升,平均准确率达到97.88%,比传统的决策树算法、K最近邻(K-Nearest Neighbor, KNN)算法、支持向量机(Support Vector Machine, SVM)算法分别提高了31.26%、21.87%、21.9%。该研究对建立产前母羊运动量及健康评估模型、提高繁殖及工作效率、实现智能化管理等方面具有十分重要的意义。     

支持向量机在植物病斑形状识别中的应用研究

植物病斑形状识别属于小样本问题。提出了一种新的模式识别方法—支持向量机方法在处理小样本问题时具有很好的学习能力和推广性。该文讨论了支持向量机分类方法应用于植物病斑形状识别。对番茄植物病斑形状识别试验的分析表明，支持向量机分类方法适合于植物病斑复杂形状的分类问题，该方法在训练样本较少时具有良好的分类能力和泛化能力。不同分类核函数的相互比较分析表明，线性核函数最适合于植物病斑的形状识别。     

基于FIA*-APF算法的蟹塘投饵船动态路径规划

为了提高无人投饵船在含障碍物河蟹养殖池塘自主巡航的作业效率和安全性,该研究提出基于改进A*算法与人工势场法相融合（fusion of improved A* and artificial potential field,FIA*-APF）的蟹塘投饵船动态路径规划算法。首先引入动态加权因子优化A*算法评价函数;其次加入转折惩罚函数并删除冗余点,接着利用B样条曲线对全局路径进行平滑处理;最后将改进A*算法得到的全局路径作为改进人工势场法中的引力路径,生成投饵船自主巡航高效路径。根据养殖池塘创建静态和动态2种仿真环境,分别对传统人工势场法（traditional artificial potential field,TAPF）、基于A*和人工势场法的融合算法（the A* and artificial potential field,TA*-APF）和FIA*-APF算法的性能进行20次测试。仿真试验结果表明：2种环境下,FIA*-APF算法的平均规划时间是TAPF算法的17.23%,是TA*-APF算法的51.96%,平均指令节点数量比TAPF算法减少50.64%,比TA*-APF算法减少65.03%,平均路径长度比TA*-APF算法减少2.82%。蟹塘试验结果表明：FIA*-APF算法的规划时间为TAPF算法的38.16%,为TA*-APF的62.42%,路径长度比TAPF算法减少29.13%,比TA*-APF减少10.15%;另外,TAPF和TA*-APF算法规划路径上大于60°的转角分别是FIA*-APF算法的3.28和2.62倍,大于100°的转角分别是FIA*-APF算法的3.73和1.67倍,该研究算法规划的路径更高效平滑。研究结果可为无人投饵船自主导航提供参考。     

多旋翼无人机避障航迹规划算法

多旋翼无人机的自主避障能力是安全作业的重要保证。该研究针对多旋翼无人机自主避障问题,提出了一种改进的双向RRT快速随机树航迹规划算法,结合最小化位移四阶导数的动力学优化方法,生成更符合多旋翼无人机动力学性能的避障航迹,解决避障过程中重复搜索、航迹曲率波动性大等问题,实现平稳避障;提出了以随机采样算法规划难度（用时）为核心的场景复杂度评价方法,在不同复杂度场景下进行了仿真试验。结果表明：与改进前相比,避障航迹再规划迭代次数减少23.69%;有效避障航迹规划用时不高于0.33 s、平均避障速度不低于1.16 m/s、避障航迹延长率最多达20.82%。所提出的避障航迹规划方法,提升了避障航迹的规划效率与效果,可为多旋翼无人机自主作业过程中的避障航迹规划提供参考。     

相机与毫米波雷达融合检测农机前方田埂

为满足自主作业农机地头转弯的需求,解决单传感器检测获取信息不足的问题,该研究提出了将相机与毫米波雷达所获取数据融合的多传感前方田埂检测方案,利用视觉检测得到田埂形状后辅助滤除毫米波雷达中干扰点进而得到田埂的距离和高度信息。在视觉检测方面,根据前方田埂在图像中的分布特点,提出了基于渐变重采样选取部分点的加速处理方式,并在此基础上利用基于11维颜色纹理特征的支持向量机进行图像分割和基于等宽假设的几何模型特征进行误分类点剔除,然后拟合提取图像中田埂边界。在毫米波雷达检测方面,提出了竖直放置毫米波雷达的检测方式,以克服安装高度与地形颠簸的影响,并获得前方田埂的高度信息。将相机与毫米波雷达获取的数据进行时空对齐后,利用视觉检测结果滤除毫米波雷达干扰点,并将毫米波雷达获得的单点距离信息进行扩展,形成维度上的数据互补,获得前方田埂的形状、距离、高度等更加丰富准确的信息。测试结果表明,在Nvidia Jetson TX2主控制器上,基于视觉的检测平均用时40.83 ms,准确率95.67%,平均角度偏差0.67°,平均偏移量检测偏差2.69%;基于融合算法的检测平均距离检测偏差0.11 m,距离检测标准差6.93 cm,平均高度检测偏差0.13 m,高度检测标准差0.19 m,可以满足自主作业农机的实时性与准确性要求。