共查询到20条相似文献,搜索用时 15 毫秒
1.
2.
3.
4.
为使采摘机器人快速准确检测出复杂环境中的苹果,提出一种Des-YOLO v4算法与苹果检测方法。由于YOLO v4的网络结构复杂,提出一种Des-YOLO结构,可减少网络参数并提高算法的检测速度;在训练阶段,正负样本的不平衡会导致苹果误检,提出一种基于AP-Loss的类别损失函数,以提高苹果识别的准确性。通过自制的苹果数据集测试了Des-YOLO v4算法,并在苹果采摘机器人样机上完成了采摘实验。实验结果表明:Des-YOLO v4算法对苹果图像的平均精度值为93.1%,检测速度为53f/s;机器人单次采摘时间为8.7s,采摘成功率达92.9%,具有检测精度高、速度快等优点。 相似文献
5.
6.
7.
针对苹果采摘存在的一些问题,设计出一种机械臂夹剪苹果采摘机;运用三维造型软件UG对其进行三维建模,并在Adams软件中进行仿真试验;根据仿真生成的数据曲线进行计算分析,验证了机械臂夹剪苹果采摘机的采摘性能和机械机构的可行性。通过UG和Adams进行仿真设计之后,制造出一台物理样机并进行试验,结果表明:机械臂夹剪苹果采摘机能够适应我国大多数苹果种植园的采摘环境,使苹果采摘效率大大提高,极大地减轻了果农采摘的工作强度,实现了苹果采摘的半自动化,能够满足中小果农对苹果采摘机械的需求。 相似文献
8.
苹果采摘是农业生产中非常重要的一个环节,既影响着农业生产效率,又关系到生产成本和产品质量。文章介绍了一种三目视觉苹果采摘系统,它采用了YOLOv8图像识别算法和采摘路径规划蚁群算法,通过智能路径规划和视觉识别技术,实现对苹果的高效、准确采摘。该技术在苹果模拟测试采摘中得到了验证,能够显著提高苹果采摘效率和质量,降低人工成本和损失率。 相似文献
9.
10.
为了提高苹果的采摘效率、降低采摘过程的漏采率和破碎率,设计了一种新的六自由度的采摘机械手。该机械手可以完成夹紧、旋转、俯仰、摇摆及回转动作,通过神经网络迭代学习算法,可以有效地控制机械手的运动轨迹,提高采摘过程的自动化程度。为了验证六自由度机械手对苹果采摘的有效性和可靠性,对机械手进行了苹果采摘测试,并使用脉冲神经网络PID调节的方式调节轨迹控制误差。通过测试发现:该机械手的误差较小,可以有效地完成采摘作业,且漏采率和破碎率都很低,是一种高效的苹果采摘机械手,可以在其他果蔬采摘作业中进行设计和推广。 相似文献
11.
12.
13.
苹果树的枝干较高,导致果农采摘困难及耗费大量劳动力等问题。为此,设计了一种基于单片机控制的苹果采摘机的自动控制系统。该采摘机不仅能够高效、快速地采摘苹果,而且在保证苹果完好前提下采取了较好的措施,通过人工的配合,能够完成自动寻找、采摘、送回苹果一系列的控制动作。该采摘机可实现降低成本、改善劳动条件、降低人工劳动强度及行业综合成本的目的,实现苹果自动化的连续作业,提高了经济效益。 相似文献
14.
基于改进YOLOv5m的采摘机器人苹果采摘方式实时识别 总被引:1,自引:0,他引:1
为准确识别果树上的不同苹果目标,并区分不同枝干遮挡情形下的果实,从而为机械手主动调整位姿以避开枝干对苹果的遮挡进行果实采摘提供视觉引导,提出了一种基于改进YOLOv5m面向采摘机器人的苹果采摘方式实时识别方法。首先,改进设计了BottleneckCSP-B特征提取模块并替换原YOLOv5m骨干网络中的BottleneckCSP模块,实现了原模块对图像深层特征提取能力的增强与骨干网络的轻量化改进;然后,将SE模块嵌入到所改进设计的骨干网络中,以更好地提取不同苹果目标的特征;进而改进了原YOLOv5m架构中输入中等尺寸目标检测层的特征图的跨接融合方式,提升了果实的识别精度;最后,改进了网络的初始锚框尺寸,避免了对图像里较远种植行苹果的识别。结果表明,所提出的改进模型可实现对图像中可直接采摘、迂回采摘(苹果上、下、左、右侧采摘)和不可采摘果实的识别,识别召回率、准确率、mAP和F1值分别为85.9%、81.0%、80.7%和83.4%。单幅图像的平均识别时间为0.025s。对比了所提出的改进算法与原YOLOv5m、YOLOv3和EfficientDet-D0算法在测试集上对6类苹果采摘方式的识别效果,结果表明,所提出的算法比其他3种算法识别的mAP分别高出了5.4、22、20.6个百分点。改进模型的体积为原始YOLOv5m模型体积的89.59%。该方法可为机器人的采摘手主动避开枝干对果实的遮挡,以不同位姿采摘苹果提供技术支撑,可降低苹果的采摘损失。 相似文献
15.
16.
中国是世界上最大的水果消耗国,而作为平常生活中主要食用的水果之一的苹果,它的采摘技术和工具越来越受到人们的重视。现今苹果果农由于作业范围广(果实分布高低不均)并且苹果的触碰力度控制要求较高等问题而增加了很多劳动量,故市场急需一种辅助人工的采摘机。基于此,我们设计了这款苹果采摘机。其目的是为了提高水果采摘效率、降低劳动强度和采摘成本,保障水果成品质量。 相似文献
17.
为了提高采摘机器人机械手控制系统的精准性和采摘机器人的移动效率,设计出基于迭代学习PID算法的苹果采摘机器人。借助MatLab软件平台进行模型搭建及控制系统仿真测试,实验室条件下进行硬件结构设计,并完成采摘过程测试、路径规划避障测试和采摘果实破损率统计分析。实验验证表明:基于迭代学习PID算法设计的采摘机器人可准确锁定采摘目标,迅速实施稳定的采摘动作,以最佳采摘角度最大程度地保证采摘果实完整性。基于迭代学习PID算法设计的苹果采摘机器人有效提高了采摘的精度和效率,使苹果整体完好率达到98.3%以上,最大限度保证了采摘苹果的质量。 相似文献
18.
基于激光视觉的智能识别苹果采摘机器人设计 总被引:1,自引:0,他引:1
为了提高苹果采摘视觉识别系统的精度,增强视觉系统的抗干扰能力和自适应能力,设计了一种新的苹果采摘机器人激光视觉识别系统,可以直接获得层次关系的深度图像,实现了果园非结构化环境中果实的识别与定位。为了测试激光识别系统苹果采摘机器人的采摘效果,在果园中对其采摘性能进行了测试:首先采用高清相机完成了对果实图像的采集,通过图像处理准确地实现了苹果的识别,在遮挡率低于50%时其识别率达到了90%以上;然后利用激光测距方法对苹果进行距离测量,成功定位了果实位置,其响应时间仅为3.58s,动作效率快,实现了苹果的高效率、高精度采摘功能。 相似文献
19.