基于MiroSot系统的苹果采摘机器人路径规划研究

针对农业机器人的一个重要类型—采摘机器人,开展了基于机器视觉的路径规划的理论分析和实际应用研究。为了解决苹果采摘机器人中路径规划难度大、最优解求解困难等问题,将MiroSot机器人路径规划系统应用于苹果采摘机器人中,结合采摘机器人作业环境特点和工作需求,采用图像处理技术,设计了具有环境感知、避障和决策能力的采摘机器人路径规划系统。MatLab实验仿真结果表明:系统可以实现无碰撞的最优路径规划,并能够根据环境变化实时进行局部路径规划,证明了系统的实时性、有效性和可行性。     

采摘机械臂路径规划算法研究现状综述

随着农业智能化时代到来,机器人技术在农业、林果业智能采摘领域的应用愈发广泛,路径规划算法作为采摘作业的核心技术,其先进程度对采摘作业的效率和质量起着决定性作用。为此,针对采摘机械臂路径规划算法的特点,将其划分为群优化算法、图搜索算法、概率地图算法(PRM)和快速扩展随机树算法(RRT)四大类,并基于上述分类,介绍近年来国内外学者具有代表性的研究成果,重点分析各类路径规划算法应用在采摘作业时的优缺点,通过对比,系统的总结各类算法的可行性、适用性以及局限性。最后,对采摘机械臂路径规划算法未来发展方向进行展望,提出算法优化的具体意见,为采摘机械臂路径规划研究提供一定的思路。     

基于迭代学习PID算法的苹果采摘机器人设计

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。     

基于类人足球比赛决策系统的采摘机器人多路径优化

采摘机器人的研究已经成为实现智能化农业的一个热点,到目前为止,采摘机器人还没有一套完备的自主决策系统,对其理论研究也不足;而基于足球比赛决策系统的机器人已经研究的较为成熟,如果将其决策系统移植到采摘机器人上,将大大提高采摘机器人的决策效率和自主规划能力。为此,提出了一种基于足球比赛决策系统的采摘机器人多路径优化方法,采用小波神经网络提高了训练后的值和期望目标值的逼近程度,实现了足球比赛路径优化的高精度预测;结合机器视觉技术,采用模糊决策算法对最终的运行轨迹进行决策,实现了机器人的自主路径规划。将该方案移植到了采摘机器人控制系统中,为了验证方案的可行性,采用不同的算法对采摘路径进行优化,结果发现:采用小波神经网络和模糊决策算法可以成功地锁定果实目标,且优化所需时间少,路径最短,满足设计需求。     

现代农机导航系统设计——基于极限学习机图像智能分类算法

农业采摘机械采用机器视觉技术后,可以自动识别成熟果实,然后通过自主路径规划,达到自主定位导航的目的。为了实现这个过程,农机定位导航系统必须具有高精度快速处理图像的相关算法。为此,将极限学习机算法引入到了农机导航系统中,并结合BP神经网络算法,通过对成熟果实和果树图像坐标的确定,实现农机作业的快速导航。为了验证方案的可行性,对算法的计算效率和精度进行了统计,结果表明:采用极限学习机后,采摘效率有了明显的提升,精确性也有所提高,可以满足现代化农机装备的设计需求。     

基于VS-IRRT算法的采摘机械臂路径规划

针对多自由度机械臂在采摘过程中出现的路径规划速度慢、路径成本高以及因视觉定位误差和机械臂关节位置误差引起的采摘失败问题,提出了结合视觉伺服的改进随机快速搜索树算法(Improved rapidly-exploring random trees with visual servoing, VS-IRRT),具体包括改进RRT算法和基于平移控制器的视觉伺服方法。改进的RRT算法通过使用基于超椭球引力偏置的采样方法和密度减小策略,增加树拓展的目的性,减小了树的采样密度,提高路径规划效率;引入贪心思想和B样条曲线,剔除多余节点,对剩下折线进行平滑处理,优化路径在机械臂上的实施效果;结合基于平移控制器的视觉伺服控制,减小了定位误差对采摘过程的影响。使用Matlab分别对改进RRT算法和基于平移控制器的视觉伺服在二维和三维空间中进行仿真模拟试验,结果表明,改进的RRT算法的采样点数较RRT^*-connect算法减少92.9%,规划时间较RRT^*-connect算法减少86.1%,路径成本较RRT算法也减少35.2%。使用六自由度机械臂进行采摘试验,VS-...     

基于PLC的采摘机器人作业路径避障系统设计

为提高果实采摘效率,基于PLC技术设计了采摘机器人的作业路径避障系统。系统主要由信息获取系统、工控机主程序及运动执行系统等部件组成,通过PLC技术对路径规划和果实的采摘、运输进行控制,并采用改进的蚁群算法对最优路径进行规划。对采摘机器人在温室环境下进行性能测试,结果表明:采摘机器人可以实现作业路径避障,并完成果实的采摘,工作性能稳定,能够满足农户对采摘机器人的使用和性能要求。     

基于视觉导航和RBF的移动采摘机器人路径规划研究

为了提高采摘机器人自主导航和路径规划能力,提出了基于计算机视觉路径规划和RBF神经网络自适应逼近算法的导航方法。使用图像分割、平滑处理和边缘检测技术,根据图像像素灰度值确定了导航线的位置,利用逐行扫描的方法得到了导航离散点。路径规划和跟踪使用RBF神经网络逼近算法,通过逼近误差和权值控制路径跟踪的精度,系统响应的执行端使用液压伺服系统,提高了机器人自主导航的精度。以黄瓜采摘作为研究对象,在日光温室对机器人采摘作业进行了测试,通过测试得到了RBF神经网络的路径跟踪误差曲线。测试结果表明:机器人可以很好地逼近跟踪规划路径,其计算精度较高,跟踪效果较好。     

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。     

农业采摘机械手路径规划——基于云平台和Q学习算法

首先,分析了Q学习算法在采摘机械手路径规划问题中的应用,介绍了云平台的工作模式,以利用其对路径规划进行计算;然后,设计了农业采摘机械手控制系统,实现了基于Q学习算法的采摘机械手路径规划.实验结果表明:采摘机械手成功避开了环境中的障碍物,且整个运动曲线路径偏差较小,充分证实了该系统的优越性.     

单目视觉识别苹果采摘机关键部件及控制系统设计与分析

为了节省劳动力、提高苹果采摘效率,设计了单目视觉识别苹果采摘机。该采摘机可一次性完成苹果识别、定位、采摘、输送功能。整机分为运行、采摘、识别三大系统,主要对单目视觉识别苹果采摘机的总体结构、关键部件及控制系统进行了设计,完善了整机功能,为智能苹果采摘提供了理论基础。     

基于视觉检测的苹果采摘机器人系统设计与实现

为提高苹果采摘的自动化与智能化水平,降低重复繁琐的人工劳动强度,减少对果实的损坏率,研制了一款用于苹果成熟自动检测并采摘的轮式机器人系统。系统由硬件平台和软件平台两部分组成。其中,硬件平台由四轮驱动越野小车、IPC-610L工控机、图像数据采集卡、四自由度机械臂和末端执行器组成;软件平台基于Visual C++6.0开发环境,使用双目立体视觉技术和图像处理技术实现对苹果的识别与定位,再通过机械臂的路径规划实现对苹果的采摘。通过仿真实验和数据分析表明:机器人在无人值守的情况下,能实现自动导航、自动识别、自动采摘苹果等功能,并且识别成功率大于94.00%,采摘成功率达到91.33%,平均采摘周期约为1 1 s,具有较高的准确性及稳定性。     

基于分步迁移策略的苹果采摘机械臂轨迹规划方法

针对非结构化自然环境使基于深度强化学习的采摘轨迹规划训练效率低的问题,提出了基于分步迁移策略的深度确定性策略梯度算法(DDPG),并进行了苹果采摘轨迹规划。首先,提出了基于DDPG的渐进空间约束分步训练策略;其次,利用迁移学习思想,将轨迹规划的最优策略由无障碍场景迁移到单一障碍场景、由单一障碍场景迁移到混杂障碍场景;最后,对多自由度苹果采摘机械臂进行了采摘轨迹规划仿真实验,结果表明,分步迁移策略能够提高DDPG算法的训练效率与网络性能,仿真实验验证了本文方法的有效性。     

计算机视觉技术在智能化农业机械中的应用分析

计算机视觉技术通常用于复杂物体的自动化检测、识别、分割和定位,将计算机视觉技术应用在农业机械中,有利于实现农业生产的自动化、智能化,提高农业生产效率。基于此,研究小组首先介绍了计算机视觉技术在农业机械中的应用范围,主要包括农产品质量检测、农作物病虫害诊断、农机作业监测、农机自动导航等;分析了计算机视觉技术在农业机械中的应用优势,如实现智能化作业、提高作业精度、实现精确采摘、减少劳动力消耗、降低生产成本等;提出了计算机视觉技术在智能化农业机械中的应用方法和未来的发展趋势,包括开发高分辨率、高帧率和大视场相机,提高智能控制算法的实时性和准确性,加快计算机视觉技术的商业化进程等。以期为提高农业生产效率,推动我国农业现代化发展提供重要支撑。     

基于PLC和机器视觉的采摘机器人智能控制系统设计

利用PLC和机器视觉技术,采用图像传感器拍摄水果图像,提取出目标水果图像的坐标和位姿,并以此驱动控制采摘机器人以最优路径和最佳姿态采摘到目标水果.为了验证系统稳定性,在苹果种植区进行了实际采摘试验,结果表明:采摘机器人机械手可以稳定抓持到目标苹果并完成采摘过程,且期间耗时较短,具有较强的稳定性.     

果蔬菌采摘机械研究综述

果蔬菌是我国农业生产中的重要部分,其机械化采摘在节约劳动力成本,增加经济效益等方面具有重要意义。采用文献综述与经验总结相结合的方法,主要研究近几年果蔬菌机械化采摘的研究意义和国内外研究情况,主要针对目前国内外研究的采摘机械,进行采摘效率、目标识别与路径规划、成功率等方面的介绍,分析比较我国在农业采摘机械与发达国家的差距。总结出果蔬菌采摘机械在整机设计、目标识别、路径规划和采摘成功率等方面存在的问题,提出果蔬菌采摘机械需要更加智能化、自动化的未来发展趋势。     

基于改进蚁群算法的果蔬采摘机器人三维路径规划

近年来,我国"农民荒"问题越演越烈,大量年轻劳动力外出务工,农村土地荒置越来越多。我国人口高龄化严重,农业人口的减少,劳动力缺口过大,导致对农业机器人的需求极为迫切。随着农业机械和自动化技术的快速发展,农业机器人也在不断发展,其可以更好地适应生物技术种植产业发展,过去传统的采摘方式将会有很大改变,农民种植的侧重点即将改善。为此,基于改进蚁群算法,设计和规划了果蔬采摘机器人行走的三维路径,并增加在前进过程中的自适应调整功能。实验仿真结果表明:基于改进蚁群算法的果蔬采摘移动机器人三维空间路径规划在路径和转弯个数上都做到了最小化,能够很好地满足采摘机器人运行需求。     

基于粗糙集与遗传算法的采摘机器人路径规划

为了提高采集机器人路径规划速度和自主导航的智能化水平,提出了一种基于粗糙集和遗传算法的路径规划方法,从而有效地提高了路径规划的速度和精度。采摘机器人根据实际果实采摘环境,利用图像分割技术,对果实目标进行识别,在二维栅格地图环境下,制定出决策表,并使用粗糙集对决策表进行约简,得到最小决策表,将其作为遗传算法初试种群,进行遗传交叉和复制操作,优化路径规划算法。为了验证采摘机器人算法性能的可靠性,对采摘机器人的性能进行了测试,包括果实图像的识别和机器人路径规划能力。通过测试发现:采摘机器人可有效地分割提取出成熟果实,并可完成多目标任务。对粗糙集和遗传算法的性能进行了测试,结果发现:使用粗糙集可以大大降低所需训练种群的数目,减少平均迭代次数;增加障碍物的复杂程度后,使用粗糙集遗传算法可以明显地提高路径规划的速度,从而提高了机器人采摘作业的效率。     

一种新型苹果采摘器的设计

我国是苹果种植大国,种植面积居于世界首位。可是直到现在,我国的苹果采摘主要还是人工采摘,采摘效率低、成本高,并且具有一定的危险性。随着农业生产的机械化和规模化发展。苹果采摘器将会是未来苹果采摘作业的主要工具,也是当前世界各国的农业研究热点。目前虽已取得一定的成果,但仍有改进的地方。本苹果采摘器的设计在研究分析了国内已有的苹果采摘器的前提下,提出了自己的设计方案,设计了一款结构简单合理,实用性较强的苹果采摘器并通过理论计算、模型操作进行了仿真运行。     

基于启发式搜索算法的自动采摘机器人路径规划研究

对启发式搜索算法进行了分析和介绍,并选择采用A*算法进行自动采摘机器人路径规划研究。研究了采摘机器人路径规划的二维空间环境的模型,并采用栅格法建立了采摘机器人路径规划空间模型。利用MatLab软件对模型进行了仿真实验,结果表明:改进的A*算法可以明显改善采摘机器人移动路径,使规划的路径更加平滑,证实了改进算法的可行性和优越性。