共查询到20条相似文献,搜索用时 15 毫秒
1.
2.
机器视觉在除草机器人中的应用 总被引:2,自引:0,他引:2
随着农业自动化技术和农业机器人技术的发展,许多国家和企业开始致力于机器视觉除草机器人的试验与研究。为此,在介绍机器视觉技术系统的基础上,结合除草机器人苗草识别的试验,讨论了机器视觉系统在除草机器人中的应用,详细分析了基于机器视觉的苗草识别系统,并优化其系统的硬件、软件结构、功能以及原理等。 相似文献
3.
机器人技术的研究是当今发展最快的工程领域之一,巨额的资金花费在各应用领域机器人的开发研究上。机器人的使用比以往任何时候都更为普遍,它不再仅仅应用于重工业,还用于代替人们从事高强度的劳动或危险性工种。而计算机,作为机器人的大脑接收来自各种渠道的数据,以控制它的运动来完成具体任务。 相似文献
4.
5.
介绍了水果自动分级系统总体设计,并从机器视觉模块和水果图像处理等两方面介绍了系统的视觉模块,最后基于图像处理和PLC控制技术实现了水果自动分级功能.试验结果表明:系统能够对水果进行等级分拣,系统最高精度为98%,具有较高的可靠性、可信性及一定的推广价值. 相似文献
6.
7.
8.
9.
针对普通苹果分类包装机存在的无法控制苹果品质问题,设计了基于DSP和ARM的苹果分类机器人智能控制系统,系统采用DSP和ARM双核控制器,利用图像处理技术和神经网络算法,根据果实的成熟度及瑕疵程度对苹果进行分类。为了验证系统的有效性和可行性,结合MatLab仿真模型进行了实际的实验,结果表明:系统将苹果分为有瑕疵、无瑕疵和成熟、未成熟,准确度分别为100%和96.47%,证实了系统的有效性和可行性。 相似文献
10.
11.
基于计算机视觉的高速机器人芒果分选系统设计 总被引:1,自引:0,他引:1
针对目前芒果的外观品质分级采取人工方法所存在的不足,基于机器视觉、并联机器人等先进技术,构建了用于芒果品质动态、实时检测及分选的高速机器人系统,设计了芒果分拣的计算机视觉硬件系统,开发了高速分拣计算机视觉软件系统。工作时,芒果输送带将芒果按机器人动作节拍输送至图像采集区域由工业相机采集图像,识别系统对图像信息进行特征提取,建立图像特征与国家标准中的三级芒果的对应关系,将具有相应图像特征的芒果其所处位置信息及其级别对应的位置信息,通过单片机控制系统输送给高速分选机器人,从而完成芒果的高速分选。测试结果表明:高速分拣机器人系统可以高速、准确地完成芒果的分选工作。 相似文献
12.
13.
智能移动水果采摘机器人设计与试验 总被引:10,自引:0,他引:10
设计了一种智能移动水果采摘机器人,该机器人主要由智能移动平台、采摘机械臂、末端执行器、横向滑移机构和控制系统组成。用VC++语言编写了系统控制程序,开发了人机交互界面。样机在江苏省丰县果园进行了综合试验,结果表明:该机器人能够完成自主导航、自主采摘及自主装箱作业,移动平台、采摘机械臂及末端执行器能够实现智能协调控制。整个系统工作性能稳定,成熟果实的识别正确率为81.73%,采摘成功率为86.92%,单个苹果采摘平均耗时9.50 s。 相似文献
14.
机器视觉在水果缺陷检测中的研究现状 总被引:4,自引:0,他引:4
随着我国加入WTO,提高农产品质量和国际竞争力能力是当务之急。为此,对机器视觉在水果缺陷检测进行较为全面地论述。首先简单地介绍了机器视觉在水果分级检测中的重要性,并分别从国内和国外两个方面描述了机器视觉在水果缺陷研究中的最新进展,指出了当今国内外研究中存在的问题和今后进一步研究的设想。 相似文献
15.
水果识别是自动化采摘过程中的关键步骤,为了提高水果识别的准确性和实时性,利用深度学习方法,设计了一种水果采摘机器人视觉识别系统。首先,采用多种预处理方法对样本数据进行扩充,并对图像进行缩放和灰度化处理;然后,构建了一个多层卷积神经网络,通过多次训练得到网络最优超参数;最后,利用所构建的卷积神经网络对水果图像进行训练,同时采用多种训练策略得到最终的识别模型。实验结果表明:系统具有识别速度快、准确率高的特点,可以快速、准确地对水果图像进行识别,单张水果图像的识别速度只需0.2s,识别精度高达97%以上。该方法具有重要的理论和应用价值,可为水果的自动化识别提供有力手段。 相似文献
16.
双目立体视觉在果树采摘机器人中的应用 总被引:1,自引:0,他引:1
果树采摘机器人是未来智能农业机械化的发展方向,具有广阔的应用前景。为此,针对果树采摘机器人作业环境的复杂性与定位目标的特殊性,从双目定位的几何模型出发,归纳了双目定位的基本过程,总结了立体视觉的摄像机标定问题,提出变焦距双目视觉定位果实的研究方向,并对双目图像的匹配问题进行了分析。 相似文献
17.
18.
19.
随着科学技术的飞速发展,机器视觉技术在不同的应用场景下取得了良好的效果。机器视觉技术通过卷积神经网络、YOLO等模型,可以实现目标检测、目标分类、位置识别等。实践证明,农业机器人进一步结合机器视觉技术可以极大地提高农业智能化水平。基于此,课题组介绍了机器视觉技术在农业中的应用场景,详细分析了农业机器人的定位解决方案,结合单目相机提出了实现目标定位的方法,结合图像特征点提出了农业机器人位置的确定方法。结果表明,机器视觉技术能够实现农业机器人的精确定位,有利于农业的智慧化、自动化发展。 相似文献