基于TRIZ理论的自走式青饲机喂入液压反转机构设计

针对目前青饲料收获过程存在因切割不畅导致的喂入堵塞以及收获效率低的问题,应用TRIZ理论对自走式青饲机喂入部分进行创新设计研究。最终设计出一种结构合理、操作方便的青饲机喂入液压反转机构,解决了喂入堵塞问题,提高了工作效率。      

基于Netty和Marshalling的青饲机工况远程监测系统研究

针对青饲机工况信息数据的采样频率、并发量不断增大时,会造成I/O速度降低和数据丢包率上升等问题,研究了车载终端与云服务的数据通信协议和长字符串编解码方法,分析了Netty框架和传统NIO框架对并发量的影响,比较分析了Java序列化、Protobuf和Marshalling等3种编解码方法,提出数据采集、数据传输、Web应用三者分开的技术方案,设计了基于CAN总线技术、Netty自定义通信协议的青饲机工况信息远程监测系统。模拟试验结果表明,在500 ms发送周期下,本系统比传统的数据采集系统在并发总量上提高了0.8倍;在200、100、50 ms发送周期下,采用Marshalling的系统性能比采用Java序列化的系统,在I/O速度上分别提高0.4、3.9、1.5倍。田间试验结果表明,系统运行平稳,具有很好的稳定性和可靠性。对青饲机主要部件的工况数据统计分析表明,数据对工况诊断具有参考性,系统基本满足对青饲机主要部件工况的监测需求。该系统能够在高频次、高并发量下提高I/O速度,保证稳定的数据接入量。     

基于电容法的自走式玉米青饲机质量流量在线检测

为实现自走式青饲机质量流量的在线测量,提出基于电容法的在线检测方法,并设计相应的电容传感器。以电容数字转换芯片AD7745以及51单片机为核心设计电容信号采集电路,实现电容信号的在线采集。搭建室内试验台架,进行相关的台架试验,建立电容值变化量与青饲料质量流量和青饲料含水率之间的二元回归模型,模型决定系数R~2为0.942,并对模型进行验证试验。试验结果表明:所设计的电容传感器以及所建立的关系模型能够较为准确地测量青饲料的质量流量,质量流量测量的平均相对误差为3.52%。     

甘蓝菜青虫害自动识别系统的开发与试验研究——基于机器视觉

病虫害的及时防治是提高农作物产量与品质不可或缺的重要环节。为了及时有效地防治病虫害,首先应实现病虫害的自动识别。为此,提出一种基于机器视觉的欧氏距离病虫害自动识别检测方法,旨在为病虫害自动防治喷雾机器人的研制奠定基础。欧氏距离方法是以颜色特征为基础,利用几何阈值选取和RGB空间特征的变换,实现病虫害的自动识别。试验结果表明,该方法能够较准确地识别虫害区域和提取目标作物,准确率达88.33%。     

基于YOLOv3算法与3D视觉的农业采摘机器人目标识别与定位研究

为解决目前农业采摘机器人目标难以识别与定位的问题,在原有农业采摘机器人的基础上,提出一种改进YOLOv3算法和3D视觉技术相结合的方法,实现目标的准确识别和精准定位,并利用标定完成目标坐标系和机器人坐标系的转换。通过试验分析改进YOLOv3算法的性能,并与之前的YOLOv3算法、Fast RCNN算法和Faster RCNN算法进行综合比较,研究表明所采用的改进YOLOv3算法和3D视觉具有较高的识别准确度和定位精度,识别准确率分别提高55%、9%、1.4%,最大定位误差分别降低0.69、0.44、0.28 mm,可以较好地完成后续采摘工作,对于农业机器人的发展具有重要的参考价值。     

基于3D视觉的番茄授粉花朵定位方法

为了给设施番茄授粉机器人授粉提供可靠的定位技术,提出了一种基于3D视觉的番茄花朵定位方法。采用RGB-D结构光相机快速获取温室内番茄植株的彩色图和深度图信息,通过YOLO v4 (You only look once)神经网络对植株上番茄花束进行目标检测,并提取出授粉花束在图像中的二维区域;使用主动对齐方式结合PCL进行彩色图像和深度图像的粗对齐,利用区域内色系单视角线性遍历方法对提取的花束区域进行精配准,获得番茄花束的空间高精度点云信息;再使用统计滤波法剔除点云信息离群点后,结合双向均值法计算花束3D box的授粉质心坐标。定位试验结果表明,该方法在温室环境中能成功对花束进行识别定位,神经网络平均检测精度达97.67%,完成单幅图像花束提取时间为14.95ms,算法获取授粉质心坐标的平均时间约为300ms。后期在温室内验证,在花束被遮挡小于80%时,算法能够对番茄花朵进行精准定位,并成功执行授粉动作,为番茄授粉机器人提供了一种新的授粉点定位方法。     

基于相空间重构与奇异值分解的刀具磨损信号降噪方法研究

在机械故障诊断过程中实测信号通常是非平稳,非线性的含噪信号,针对这一特点提出了基于相空间重构的奇异值分解降噪方法。此方法根据时延嵌入理论对采集的时序信号进行相空间重构,由自相关法和Cao方法分别求时延和嵌入维,对重构的坐标矩阵进行奇异值分解,分析奇异谱特点,分离有用信息和噪声平台,对信号进行降噪。重构的相空间同时也构造了动力系统吸引子,吸引子的相空间轨迹可以直观反映去噪效果。通过对MATLAB环境下的bumps信号和实际采集的刀具磨损声发射信号进行验证。结果表明,该方法降噪效果比较明显。     

基于视觉传感器的棉花果实定位方法

针对棉花采摘机器人,提出了一种快速、准确的实现棉花果实定位的方法,构建了以CMOS图像传感器为基础的双目图像采集系统。其中,两个由单片机控制的CMOS图像传感器对图像信息进行二值化处理。考虑数据在RAM中的存储形式,采用行列组合法求解果实在单目下的质心平面坐标(以像素点为单位),构建以左目坐标为基准的三维坐标系,单片机对传递过来的同一个果实的两组质心平面坐标,依据立体视差的关系,解得果实的空间坐标,完成果实的定位。     

基于机器视觉的枳壳自动定向方法与试验

针对人工姿态调整方法在枳壳定向切分加工过程中存在人工成本高、生产效率低等缺点,设计枳壳机器视觉自动定向调整系统,并提出相应的调整识别算法。根据枳壳表面各目标颜色特征,提出基于R分量下红绿色差法对原始图像进行分割,并利用二值图像中特征几何描述提取果梗位置特征参数和最小二乘椭圆拟合提取外形特征参数;根据两特征信息建立枳壳姿态模型用于姿态识别,定向调整装置根据视觉识别结果捕捉姿态特征并将枳壳调整到理想姿态。试验结果表明,该方法较好地识别出枳壳姿态特征,识别率为93.3%,其2次定向调整后的姿态与理想姿态最大定向夹角误差为4.2°,满足枳壳定向作业要求。该研究为枳壳定向切分加工设备的研制提供参考。     

基于机器视觉的苹果大小自动分级方法

介绍了采用机器视觉的苹果大小自动分级方法,利用CCD摄像机获取苹果的样本图像,应用MATLAB软件编程实现了对样本图像的背景去除、二值化、图像平滑、特征量提取和图像标定等处理,参照苹果分级的国家标准完成了苹果自动分级.试验表明,此方法分级精度高,且速度快.     

基于视觉组合的苹果作业机器人识别与定位

为实现机器人自动化采摘作业,设计了苹果作业机器人识别与定位系统.模拟人类采摘过程,采用单、双目视觉组合传感器系统,克服了现有识别与定位系统对目标到视觉传感器距离的依赖性.实现了对单、双目视觉系统的单独和组合标定,与手动测量结果相比,双目视觉系统标定后3个方向的标准偏差分别为3.4、1.2和1.2 cm.提出了基于苹果颜色、形状和位置特征的识别与定位方法,试验结果表明:当工作距离为240 cm时,双目视觉系统可以准确识别并定位所有苹果,深度方向标准差为4.9 em;当工作距离为150 cm时,双目视觉系统深度方向标准差为2.4 cm;当工作距离小于100 cm时,单目视觉传感器测量目标到传感器距离的标准偏差为1.0 cm.     

基于机器视觉的香梨雌雄自动识别方法

为实现香梨雌雄的自动识别,利用香梨的花萼特征和外形特征进行分类。通过相机采集香梨图像,对图像进行灰度化、分割、旋转、边缘处理和轮廓提取等预处理,获取花萼处的圆度和香梨长径短径等特征。将获取的特征通过神经网络训练得到分类器模型,用以判断香梨雌雄。所提出的方法能够有效地提取香梨特征,快速识别香梨雌雄,准确率达到92%。      

基于三维激光雷达与优化DBSCAN算法的果树定位方法

为提高果园喷雾机器人在果园行间行走的自主性和安全性,提出一种基于三维激光雷达与优化DBSCAN算法的果树定位方法。首先,采用三维激光雷达获取果园的环境信息,通过感兴趣区域提取、地面点云分割和体素滤波降采样对原始点云数据进行预处理;然后,对DBSCAN算法进行优化,构建KD树索引有序化实时点云数据,并使用KD树最近邻搜索替代传统DBSCAN算法的遍历搜索方式,最后根据数据点到激光雷达的距离自适应确定聚类密度阈值,实现行间不同距离的果树检测;最后,以果树聚类结果的冠层边缘点为果树的定位参考点,得到果树定位参考点的坐标,计算果园喷雾机器人与果树的相对位置。试验结果表明：优化的DBSCAN算法相较于传统DBSCAN算法检测的准确性和实时性均有明显提升,果树的横向定位平均误差为2.6%,纵向定位平均误差为1.6%。该方法能够满足果园喷雾机器人在行间果树定位的准确性和实时性要求,为精准农业装备在林果园环境下的自主导航和作业提供有效参考。     

基于机器视觉黄瓜果实自动分级方法

为实现黄瓜果实快速准确分级,以摄像头为视频采集模块、DSP核心处理器为主控制模块、机械手为执行模块,并借助质量控制、电机传送等辅助单元,构建了自动化分级平台。参照国家标准NY/T1587-2008,利用图像处理方法对黄瓜果实图像的瓜长、把长、横径差、弓形高度进行了提取和计算。选取长春密刺、龙杂黄七号、露秋一号3个品种240根黄瓜果实作为试验样本,抽取每个品种的20个样本作为图像提取数据分析,其余60个样本作为自动分级平台测试。测试结果显示:该平台的平均分级精度为96.7%,每分钟约检测35根果实,相较人工分级具有快速、无损、准确、客观的特点,为机器视觉技术应用于椭长形果实自动化分级提供了重要依据。     

计算机视觉技术在番茄损伤区域自动检测中的应用

农产品品质检测与分级是流通和加工过程中的一个重要环节,其检测与分级水平不仅直接关系到人民的健康,而且还是国际、国内农产品市场竞争的重要因素。为此,研究了图像处理的去除噪声、图像分割、图像增强等多种低层处理的方法,建立用区域增长法进行番茄表面缺陷区域检测,实验证明番茄损伤检测的准确率不低于90%。     

基于机器视觉的田间飞行害虫自动检测方法

害虫数量的精准统计,对害虫的综合治理有重要的意义。传统统计害虫的方法是在固定植株上数害虫数量,难以统计受惊飞走的害虫。采用固定位置放置粘虫板捕捉害虫并自动识别,在害虫正常生活习性下,可有效解决飞行类害虫难统计、信息不准确的问题。同时利用自动阈值分割、目标粘连处理、目标识别和利用生物特征干扰去除等机器视觉方法,有效统计田间飞行害虫数量,识别准确率＞85%,为病虫害防治提供依据。      

9QS8型青贮饲料收获机虚拟设计与试验——基于Solidworks

针对我国青贮饲料收获机设计中存在设计手段落后、设计效率低等问题,采用基于特征的参数化造型软件Solidworks对青贮饲料收获机进行参数化造型,设计了新型自走式青贮饲料收获机.该机实现了超大直径圆盘式切割器的低割茬收割,解决了收割后作物的夹持输送、喂入问题;对割台传动路线和运动参数进行了合理的研究与设计;确定了超大直径圆盘式切割器的结构和运动参数,实现了切割的低功耗和可靠性;进行了切碎装置结构和运动参数的研究,保证物料切碎细而均匀.对经过虚拟设计的青贮饲料收获机进行田间试验表明,其收获损失率≤0.2%,喂入量≥10.8kg/s,为今后青贮饲料收获机的研制提供了参考.