基于LM-BP神经网络的采摘机器人语音智能识别系统

随着现代机器人技术的发展,采摘作业机器人也有了很大的进步,自主作业能力有了大幅度提升。各种智能化、自动化的采摘机器人被应用到果实采摘作业过程中,改变了手工采摘作业的生产发生,极大地提高了作业效率。采摘机器人自主作业过程中,由于受到作业环境的影响,还需要对机器人进行实时监测和远程控制,以保证采摘作业的顺利进行。为此,将语音智能识别系统引入到了采摘机器人远程控制系统的设计上,通过语音识别,采摘机器人可以快速执行动作指令,从而避免环境影响造成的采摘作业质量下降,或者发生碰撞事故的突发状况,提高了机器人对环境的适应能力。     

水果采摘机器人控制系统研究——基于英语语音识别技术

在人机交互模式中,语言沟通是最便捷、最直接的交流方式之一,语音识别技术在现代机器人上得到广泛应用,现已推广到农业机器上。采摘机器人作为现代比较新型的农业机械,语音识别的应用增加了机器人的实用性。为此,设计出基于英语语音识别的水果采摘机器人控制系统,利用TMS320VC5416DSK板为平台,实现了水果采摘机器人的英语语音识别。英语语音识别主要包括前处理、特征提取及特征匹配等。在安静环境下提取了不同英语语音数据,并采用MATLAB对语音特征参数进行了仿真语音识别实验,结果表明:本设计的识别率可以达到90%以上,具有较强的鲁棒性。水果采摘机器人采用4个自由度的机械臂和英语语音识别模块等硬件电路,实现了英语控制机采摘器人完成采摘作业。     

农业机器人声源目标搜寻协作控制系统研究

随着农业现代化技术的不断发展,农业机器人被使用到了农业生产作业过程中。当作业机器人较多时,需要采用控制系统实现机器人之间的协作,通过对不同的机器人发布不同的控制指令,实现多机器人的高效作业。语音信号是最快捷、高效的控制指令,机器人通过对声源目标信号的识别,可以执行远程控制端发出的控制指令,实现自动化协同作业。为此,将DTW算法引入到了声源目标搜寻识别算法的设计上,研制了采摘机器人自动化语音控制系统,并对系统进行了测试。结果表明:采摘机器人语音识别系统可以成功地识别在干扰条件下发布的控制指令,且识别的准确率较高,可以满足多机器人协同自动化作业的需求。     

电子商务英语翻译在采摘机器人多语言系统中的应用——基于ESP理论

随着现代机器人技术的发展,农业作业机器人也有了很大的进步,自主作业能力有了大幅度提升,如自主避障、自主定位导航、自动分辨果实成熟和自动采摘等。采摘机器人的自主作业一般靠编程来实现,在遇到特殊情况时,需要专门的指令来控制采摘机器人。语音信号是一种高效控制指令,如何识别语音控制指令是采摘机器人多语言识别系统的设计关键。为此,基于ESP理论思想,采用DTW算法,对采摘机器人的多语言识别系统进行了设计,并针对其识别的准确率进行了验证。实验结果表明:采摘机器人多语言识别系统可以较好地识别各种语音样本指令,准确率超过了95%,可以满足采摘机器人高精度控制的设计需求。     

基于纹理分割图的草地分界线提取算法

纹理分割是图像识别与处理过程中的一个重要环节。为此,从智能割草机器人作业场景入手,从改善智能机器人视觉识别角度出发,通过对图像纹理特征分析,提出一种能较好地适应智能割草机器人进行草地分界线提取的算法。同时,按照草地图像纹理分割图提取思路,很好地进行分割点坐标拟合,得出最优的、符合实际作业场景的草地边界分割图,可用于后序完善、优化智能机器人作业路径。     

农业机器人全覆盖作业规划研究进展

随着自动导航技术的发展,农业机器人已经应用到农业生产的各个方面。农业机器人可以代替人类从事喷药、施肥、收获等活动,减轻了劳动强度,提高了作业效率。全覆盖作业是智能机器人研究的核心内容之一,涉及农业、军事、生产制造和民用等多个应用领域。全覆盖作业规划作为农业生产作业的关键技术,有助于提高作业质量和资源利用率。但在全覆盖作业中,仍然存在障碍物识别不准确,阻碍农机工作路径;工作区域面积遗漏,路径重复问题,造成资源浪费;单机器人工作效率较低,无法处理复杂的全覆盖作业问题。本文从全覆盖作业规划中存在的问题入手,从环境模型构建、机器人路径规划、多机器人协作任务分配3方面进行综述。其中,准确可靠的环境地图信息有助于规避静态障碍物、提高作业可靠性;高效优化路径信息有助于减少遗漏面积,提高作业效率;最佳的任务分配方案有助于减少作业时间和资源浪费。首先对环境建模方法进行了分析和对比,揭示其局限性并提出优化方法;在环境建模方法的基础之上,对国内外全覆盖路径规划算法现状进行综述,指出相关算法的特点;然后,针对多机器人协作全覆盖任务规划的研究,探讨了相关任务分配算法的研究进展;最后对移动机器人全覆盖作业规划未来的发展方向进行了展望。该研究将有助于进一步提高农业生产中全覆盖环节的工作效率和农业作业质量,减少资源浪费,为我国实现农业规模化生产提供重要依据。     

基于MSP430F149智能监控的苹果采摘机器人设计

目前,农村劳动力的匮乏,农业机器人代替工人作业已经成为一大趋势。绝大部分采摘机器人都是以专业的工业PC机为智能控制平台,所占空间大、功耗高且价格十分高昂,使得智能机器人成本太高,推广的阻力很大。为此,以MSP430F149为核心处理器,结合机器视觉理论技术,设计了一套智能监控的采摘机器人控制系统,可以实时处理采集到的图像,指导采摘机器人前进及采摘目标果实。为了实现人机交互工作,设计了LCD显示电路,可以通过其实时了解采摘机器人的工作状态,且极大地降低了制造成本。实验结果表明:该采摘机器人视觉系统识别错误率低至3.72%,提高了采摘机器人的可靠性和采摘效率,具有很好的应用前景。     

农业机器人行走方向识别及仿真

在农业智能机器人的研发过程中,机器人自主地完成行走路径的规划是机器人是否真正智能化的重要特征,而规划出的路径准确程度又关系到机器人是否能顺利完成任务,所以如何提高路径规划精度成为了智能机器人研发的重要方向。为此,在农业机器人行走环境的特殊性基础上,采用视觉传感技术对农业智能机器人在田间垄沟环境下自主行走的方向及角度进行识别,运用图像处理及回归分析拟合的方法,规划判断出机器人行走方向与垄沟延伸方向的夹角,进而指导机器人运动。实验是在MATLAB环境下进行仿真,结果表明,此方法能够准确地判断机器人的转向及角度。     

基于支持向量机的履带式农业机器人地面环境分类振动测试研究

农业机器人是一种多功能的农业机械,其发展目标是实现智能机器人解放传统农业劳动力,促进现代农业的快速发展。为了实现这一目标,农业机器人必须满足各种复杂的地面环境。为此设计了一种基于支持向量机技术的测试平台,采用地面环境实验台进行两种类型的地面环境进行振动测试。实验表明,支持向量机可以有效识别不同的地面环境,有助于农业机器人应对复杂的作业任务。     

西红柿采摘机器人

随着电子技术和计算机技术的发展,智能机器人已在许多领域得到日益广泛的应用.在农业生产中,由于作业对象的复杂、多样,使得新概念农业机械--农业机器人的开发具有了巨大经济效益和广阔的市场前景,符合社会发展的需求.     

音乐舞蹈机器人在收割机智能控制系统中的应用

为了提高收割机远程控制作业的智能化水平,实现收割机的无人化作业,基于音乐舞蹈机器人的音乐识别技术,在远程控制系统的设计上引入了语音指令识别系统,在收割机作业遇到突发状况时可以实现收割机的远程干预.为了验证控制系统的可行性,模拟农田无人化作业的环境,对收割机指令识别系统的识别精度和动作执行误差进行了测试,结果表明:采用小...     

武术飞脚启发作用在采摘机器人智能化设计中的应用

为了提高采摘机器人的智能化水平,基于武术飞脚动作的连续性,参考飞脚动作的前馈特征,在智能化控制系统的设计上引入了神经网络前馈算法和PID控制算法.通过对误差的修正和期望与实际输出结果的反馈,提升了机器人的智能化水平和采摘作业动作的精确性,实现了采摘机器人的类人化设计.为了验证该方法的可行性,模仿生菜采摘机器人的作业环境...     

基于VR技术的采摘机器人采摘环境仿真研究

为了提高采摘机器人采摘果实的准确率,提升机器人的作业效率,将VR虚拟现实技术引入到了采摘机器人的设计上,提出了基于小波神经网络的机器人PID控制器优化算法,并通过对采摘虚拟环境的创建和机器人的虚拟建模,验证机器人的作业性能.以黄瓜真实生长环境为研究对象,创建了采摘机器人的作业环境,并对采摘机器人的采摘准确率进行了对比,...     

远程控制采摘机器人手势识别研究——基于势场蚁群算法

采摘机器人在作业时遇到通过自主导航无法越过的障碍物时,或者在危险的地带无法进行人工采摘作业时,需要借助远程方式进行实时控制,使其成功越过障碍物,并在高危环境中有效地展开采摘作业。为了优化采摘机器人远程控制系统,提出了一种基于手势识别的远程控制方案,并引入了势场蚁群算法,提高了机器人的控制的准确性和高效性。在远程控制方案中,将基于视觉的手势识别与远程控制机械手相结合,通过深度相机采集手势图像并提取手势特征,转换为机械手舵机的控制命令,并通过无线网络发送至采摘机器人控制单元,实现视觉手势对机器人的远程控制。对采摘机器人进行了测试,通过测试发现:基于蚁群算法的手势识别系统可以有效地追踪得到不同的动态手势,且可以准确地识别手势所代表的意义,成功实现了机器人远程控制的手势识别。该方法不仅可以远程实现机器人避障功能,还可以将其应用在山谷、沼泽等危险地带进行采摘作业,实现其非凡的使用价值。     

采摘机器人SEMG手势识别研究 —基于RNN循环神经网络

为了实现采摘机器人通过手势动作进行远程控制的目标,采用MYO手环采集人体手势动作信号,将信号进行滤波、放大和A/D转换等预处理后,通过无线通信模块发送给PC机;PC机提取右移、左移和采摘等动作的特征值,送入RNN网络中进行训练和识别,并将识别结果以指令的方式发送给采摘机器人,控制采摘机械手进行相应操作.实验结果表明:采...     

基于RBF网络的果蔬采摘机器人运动轨迹控制研究

为了提高果蔬采摘机器人机械手运动的精确性,提高机器人移动的效率,提出了一种基于遗传算法和RBF网络的机器人运动轨迹控制方法,并对果蔬机器人机械手的活动和整体的移动轨迹进行优化,有效地提高了果蔬采摘机器人的工作精度和作业效率。为了验证设计的采摘机器人的可靠性,在大棚内对机器人的采摘性能进行了测试,包括机器人移动路径规划和机械手路径规划。通过测试发现:使用RBF神经网络算法可以有效地控制机械手在三维空间内的运动;在遗传算法控制下,机器人可以通过较少的计算次数利用神经网络算法搜索得到最优路径,计算精度达到了99%以上。其计算精度及效率高,为高效果蔬采摘机器人的设计提供了较有价值的参考。     

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...     

拖拉机发动机减速器动力学分析及故障诊断研究——基于小波神经网络

以拖拉机发动机减速器为研究对象,从分析发动机减速器故障机理出发,深入研究了减速器行星齿轮系统的建模方法和动力学模型,并采用小波神经网络算法研究了一套拖拉机发动机减速器故障诊断系统,能够对发动机减速器机械故障进行实时诊断。试验结果表明:小波神经网络算法能够准确判断发动机减速器的工作状态,识别率高达96%以上,充分证明了系统的准确性和可行性。     

番茄采摘机器人系统设计与试验

为了提高鲜食番茄采收的自动化水平,减轻人工采摘劳动强度,设计了一种番茄智能采摘机器人。该采摘机器人包括视觉定位单元、采摘手爪、控制系统及承载平台,并基于各部件工作原理制定了采摘机器人的工作流程。基于HIS色彩模型进行图像分割,提高了果实识别的准确度;通过气囊夹持方式确保果实采摘过程中对果实的柔性夹持。试验结果表明:视觉定位、采摘手爪等模块运转良好,采摘单果番茄耗时约24s,成功率可达8 3.9%以上。     

智能移动式果蔬采摘机器人设计——基于SOPC神经网络

果蔬采摘机器人一般采用移动式机器人,虽有着强大的计算能力和移动性,但其感知能力的局限性限制了其智能的发展。为了提高果蔬采摘机器人的智能移动性能,使其拥有更好的实现自主导航的能力,采用(system on a programma-ble chip,SOPC)微处理器系统设计了一种新的智能移动式机器人控制系统,并采用神经网络算法对其进行了优化,大大提高了机器人移动的精确性,增强了输入和输出的线性关系,使控制系统在单片芯片上实现了复杂系统的全部功能。通过测试发现:机器人的移动躲避障碍物时速度的稳定性较好,移动误差较低,实现了果蔬采摘无人控制下的智能移动。