基于RSSI信号强度定位的夜间采摘作业机器人设计

为了提高果实采摘机器人在夜间作业的工作效率,提出了一种适用于果实采摘机器人夜间果实定位识别的方法,引入了RSSI信号强度定位技术,并在此基础上提出了一种泰勒级数展开的高精度定位方法。夜间采摘作业机器人采用接收到的RSSI信号强度对待采摘的果树进行定位,为了满足机器人移动时的实时定位,采用多次信道扫描的方式,提高了机器人定位的实时性。为了验证机器人夜间定位方法的有效性和可靠性,在夜间采摘环境下,对机器人的性能进行了测试。通过测试发现:机器人的定位精度较高,错误识别率较低,并且通过多次校正,可以有效提高作业精度,满足夜间作业的设计需求。     

玉米智能收获机器人的路径识别方法

为了实现玉米智能收获机器人路径的识别,采用图像处理技术对玉米智能收获机器人行走垄行图像进行采集,并对其进行8邻域均值滤波器去噪和Prewitte算子边缘检测等技术处理,获得玉米收获机器人的行走路径,从而为实现机器人在玉米田间的自动行走和作业奠定技术基础。实验结果表明,该方法快速、准确,能实时检测出玉米智能收获机器人的行走路径。     

基于多跳无线网络和机器视觉的新式采摘机器人设计

针对农田作业环境下传感器定位节点的数量较多、覆盖范围要求广及农作物作业场地很多都没有局域网覆盖的问题,提出一种面向多跳无线网络的采摘机器人节点定位方法,并将其应用在待采摘区域的精确定位上,从而提高了采摘机器人定位和目标识别的整体性能,降低了采摘机器人总体的能源损耗。在新式采摘机器人的设计过程中,采用无线多跳网络通过多个无线路由对接收的定位数据进行转发,其部署简单,可以使定位节点进行周期性的休眠,能源消耗低,从而保证了采摘机器人能源的供应;采用机器视觉辅助目标果实定位识别系统,实现了待采摘果实的准确定位。对采摘机器人多跳无线网络定位系统进行了抗干扰能力测试,结果表明:噪声干扰的环境下,采摘机器人依然具有较好的通信能力,可以对待采摘区域实现较为精确定位。     

基于卷积神经网络的玉米根茎精确识别与定位研究

为了能精准地识别和定位玉米根茎,本文建立了基于迁移学习方法的玉米根茎检测网络,模拟人眼识别功能从复杂的田间环境中识别和定位玉米根茎,实现履带自走式热雾机玉米行间对行行走。以履带自走式热雾机为图像采集平台获取玉米作物田间图像,采用DOG金字塔算法提取图像中的目标根茎,构成样本训练数据库。通过训练网络,首先实现了单株玉米根茎的精准识别,然后开展玉米作物行间环境下多株玉米根茎精确识别和根茎定位。基于已识别的玉米根茎位置采用最小二乘法拟合行驶路径,试验结果表明,提出的玉米根茎识别方法与传统图像处理的方法相比,具有更好的定位精度,能够实现玉米作物田间路径的准确规划,为履带自走式热雾机玉米行间对行行走提供了技术支撑。     

采摘机器人智能化控制系统设计研究 —基于嵌入式系统和物联网

近年来,采摘机器人被逐渐地投入到农业生产过程中,受作业环境复杂性及本身控制系统的精度影响,采摘机器人的作业效率和质量很难到达预期的设计要求。为了提高采摘机器人的控制精度和智能化程度,将嵌入式系统和物联网引入到了采摘机器人控制系统的设计上,并采用无线传感网络实现机器人和远程端的通信,利用三边测量定位提高其定位精度。为了验证方法的可靠性,以西红柿采摘作为实验环境,对采摘机器人的响应速度、定位精度以及果实的采摘质量分别进行了测试,结果表明:采用嵌入式系统和物联网设计采摘机器人的控制系统,采摘机器人具有较高的响应速度和定位精度,果实的采摘质量较高,可以满足果实智能化采摘的设计需求。     

果树快速定位采摘机器人设计——基于红外和激光扫描技术

为提高采摘机器人的自主导航能力和采摘效率,实现机器人的快速果树识别和定位,结合红外测距传感器与计算机图像处理技术,利用激光扫描传感器体积小、功耗低、速度快、抗干扰等特点,提出了一种非接触式测量果树深度信息的方法;并结合计算机图像处理对果树进行了标定,实现果树的快速识别与定位,为采摘机器人运动轨迹规划提供了自主导航的参数。为了验证该方法的可靠性,在采摘机器人试验样机上安装了红外线测距和激光扫描快速定位装置,并通过左右两侧果树的导航路径拟合,得到了机器人的行走路径,通过对比红外线测距和激光扫描的结果发现,其拟合路径基本吻合,从而验证了该方法测量数据的可靠性。根据不同的树高对应的枝叶密度,利用计算机图像处理对果树进行了标定,最后利用激光扫描方法对标定后的果树进行了快速定位,并将结果和全站仪的结果进行了对比,结果表明:激光扫描和全站仪之间的最大误差仅为20mm。这说明,激光测量的精度较高,可以满足设计的需求。     

一种高精度自主导航定位的葡萄采摘机器人设计

为了提高葡萄采摘机器人自主导航能力,增强对葡萄成熟度的准确识别功能,降低漏采率和误采率,设计了一种新式的基于RSSI自主导航和颜色特征提取的葡萄采摘机器人。该机器人使用RSSI定位技术,首先对装有无线传感器的葡萄树进行定位,然后利用机器视觉系统对葡萄的成熟度进行判断,并对满足采摘条件的葡萄使用机械手进行采摘。对葡萄采摘机器人的性能进行了测试,通过测试发现:机器人对装有传感器的葡萄树的准确识别率达到了95%以上,对葡萄成熟度的判断达到了98%以上,是一种相对高效的葡萄采摘机器人。     

除草机器人定位系统设计 —基于跳距修正粒子群优化和WSN

为了实现除草机器人的定位和路径规划,首先介绍了WSN技术,将WSN定位和AOA定位算法结合起来,并利用粒子群对其进行优化,实现了一套基于跳距修正粒子群优化和WSN的除草机器人定位系统。试验结果表明:该除草机器人实现了整个六边形草坪的割草作业,没有留下死角区域,且除草机器人行走路径最短。由此表明,除草机器人定位精度高,具有较高的实时性和可靠性。     

基于光学导航的采摘机器人系统设计及定位方法研究

为了提高采摘机器人的定位导航精度,将光学导航方法引入到了采摘机器人控制系统的设计上,通过激光扫描和机器视觉相结合的方法,提高了采摘机器人的作业质量和作业效率。在进行定位时,首先由激光扫描方法对采摘机器人进行定位,得到全局坐标中的位置,然后利用机器视觉系统得到采摘机器人和待采摘目标果实的距离,对果实精确定位后进行采摘。采摘测试结果表明:采用光学导航系统可以准确完成果实目标的定位,可有效提高采摘机器人的采摘精度和采摘效率。     

基于聚类算法对象提取的快速定位采摘机器人设计

为了提高采摘机器人的定位速度,对机器人的机器视觉系统进行了改进,设计了一种基于聚类算法和视频对象提取技术的快速定位机器人。该机器人视频对象图像提取过程中,在完成图像进行滤波后,引入了Lab彩色空间聚类算法,有效地降低了图像的色彩数和噪声,实现了图像对象的量化处理,大大提高了果实定位和采摘的效率。为了验证设计的快速定位采摘机器人的可靠性,对机器人的采摘性能进行了测试,测试项目主要包括图像处理和果实定位。通过测试发现:快速定位机器人可以有效地实现图像聚类中心的提取,并对聚类中心进行编码,每次定位用时少、定位速度高且果实采摘的准确性累计概率较高,符合高精度、高效率果实采摘机器人的设计需求。     

基于高速摄像系统和图像边缘检测的精密排种器设计

为了综合优化排种器的单粒率、双粒率、空穴率、平均间距、重播和漏播指数,设计了一种基于高速摄像和图像边缘检测的排种器,提高了播种机的播种精度。利用高速摄像系统和图像边缘检测技术获取种子堆积的图像反馈信息,采用PID自动化调节的方式,用链条对排种轮的驱动轴进行了有效的调节,从而达到了精密播种的目的。为了测试设计的排种器的有效性和可靠性,对其综合指标进行了测试。通过测试发现:使用高速摄像边缘提取系统的排种器比人工检测播种方法的单粒率、双粒率、空穴率的相对误差要低,平均间距控制平稳,并且有效地降低了重播指数和漏播指数。     

基于激光视觉的智能识别苹果采摘机器人设计

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。     

基于云平台和计算机控制系统的采摘机器人仿真设计

为了提升采摘机器人定位系统的效率及定位准确性,将云平台技术和计算机控制系统引入到了定位系统的设计上,在进行果实定位时,通过云平台和计算机技术对图像进行实时滤波,并对曝光图像进行融合,以提高图像的质量,进而提高图像特征提取和定位的准确性.模拟采摘机器人的作业环境,以机器人定位系统的定位效率和定位误差作为研究对象,对基于云...     

基于DSP图像处理和HPI通信接口的采摘机器人设计

为了提高采摘机器人的智能化程度,降低设计和制造成本,提高机器人的通信能力,提出了一种基于HPI接口和DSP系统的新型采摘机器人。该机器人将嵌入式DSP系统和ARM控制器利用HPI接口有效地结合起来,利用图像DSP系统对采集图像进行处理,实现目标的定位,从而提高了嵌入式系统的运算能力;利用ARM控制器对执行末端进行控制,实现了机械臂的准确定位和控制;使用滤波器对通信过程的干扰信号进行降噪处理,从而提高了整个系统的稳定性和可靠性。最后,对采摘机器人的通信能力进行了测试,结果表明:IIR滤波器可以有效的滤除干扰信号,通信较为稳定,从而验证了嵌入式DSP系统和HPI通信接口在采摘机器人设计上使用的可行性。     

温室作业机具室内定位方法研究

针对农机具在温室大棚内的定位、作业轨迹跟踪及作业面积核算需求,提出一种基于多源数据融合理论的温室机具室内定位优化算法。首先根据惯性导航测量技术预估被测目标定位初值,再利用无线RSSI测距技术使用加权质心算法获得定位测量结果,利用卡尔曼滤波算法进行定位信息最优化计算,以消除基于单一测量技术存在数据漂移、测试信号受遮挡、电磁干扰造成的误差,获得准确的定位信息,进而实现作业轨迹的实时跟踪以及作业面积的有效核算。在Matlab仿真分析中,首先建立定位算法评价指标以便于定位效果评估,通过仿真计算得出:基于多源数据融合的优化定位算法的定位精度及稳定性均优于单一无线RSSI室内定位算法。温室大棚田间试验的实际测试结果表明,室内定位精度不大于0.125 m,定位误差小于0.4%,能够较好地满足温室内作业机具的定位及作业轨迹实时获取与监测的需求。     

基于深度学习的多品种鲜食葡萄采摘点定位

鲜食葡萄品种多样，具有不同的形状和颜色。针对葡萄采摘机器人采摘不同品种鲜食葡萄时采摘点定位精度降低的问题，提出一种基于深度学习的多品种鲜食葡萄采摘方法。首先利用PSPNet(MobileNetv2)语义分割模型分割葡萄图像，在葡萄上方设置一个兴趣区域，在兴趣区域内使用自适应阈值果梗方向Canny边缘检测提取果梗边缘信息，然后采用霍夫变换检测果梗边缘上的直线段并进行直线拟合。最后将拟合的直线与兴趣区域的水平对称轴的交点作为采摘点。对晴天顺光、晴天逆光、晴天遮阴3种光照条件下的克瑞森、阳光玫瑰、红提和黑金手指4个品种的360幅葡萄图像进行采摘点定位试验。结果显示，采摘点定位准确率为91.94%，定位时间为187.47 ms，在模拟试验中采摘成功率为85.5%。     

果实成熟度识别机器人设计——基于近红外线信号处理

为了提高采摘机器人自动识别果实成熟度的智能化水平,提高果实识别的准确性,实现机器人自主定位和自动规划路径能力,设计了一种新的自动化采摘机器人。该机器人利用图像分割技术和近红外信号处理技术,实现了果实成熟度的自动定位和判别。对采摘机器人的性能进行了测试,包括苹果图像的分割和提取、果实成熟度的判断和机器人路径规划。通过测试发现:机器人可以在复杂采摘背景下准确地识别苹果果实,并可以通过红外线探测实现果实成熟度的判别,最终规划出来合理的采摘路径,实现果实的精准采摘,为果蔬采摘机器人的研究提供了较有价值的参考。