足球过人战术在采摘机器人路径规划中的应用

随着人口老龄化的到来及农村青壮年的流失,实现农业生产自动化的需求越发迫切。采摘具有劳动强度大、技能要求高的特点,是发展自动化的核心领域。为此,以测距传感器作为检测元件,设计了采摘机器人的行走机构及路径规划系统。路径规划系统采用4层模糊神经网络架构,采用足球过人战术建立避障规则和目标导引规则。采用梯度下降法对神经网络进行训练,通过调整连接权系数ω_(li)、高斯隶属函数中心值c_(jk)及宽度值σ_(jk),使实际输出向输出期望快速逼近,当满足阀值要求时,输出机器人速度V和转角Δa。仿真实验结果表明:系统具有良好的路径规划精度,且结构简单、生产成本低,适于大范围推广。     

排球运动规划在采摘机器人识别与定位中的应用

在排球比赛过程中,扣球是得分最关键的动作之一,为了得到合适位置出手点、角度和力度等优化数据,可以采用排球机器人训练的方法,通过植入人工智能算法,对扣球过程中的数据进行采集,最后通过运动规划使扣球动作达到最佳姿态。排球机器人运动规划方案可以移植到采摘机器人的智能化训练上,加快对果实信息采集和处理效率,从而更快地捕捉到果实目标,对路径规划做出响应,对于提高采摘机器人定位和识别能力具有重要的意义。为了验证方案的可行性,对基于排球机器人运动规划系统的采摘机器人定位识别功能进行了测试,结果表明:采摘机器人可以成功定位和识别果实,且响应速度较快、误差较小,可以满足采摘机器人定位识别功能的设计需求。     

机器视觉在除草机器人中的应用

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。     

采摘机器人的路径规划系统动态性优化研究

为进一步改善采摘机器人的工作性能，提出以动态调控为主导的理念，针对整机的路径规划系统展开优化研究。以当前果园采摘机器人的通用性结构组成为前提，将云平台数据处理与路径规划核心算法有效融合后搭建动态控制模型，分别针对路径规划系统的硬件配置与软件控制进行合理设计，得到可应用于采摘实践且布局完整的路径规划系统。展开动态性优化下的采摘作业试验，结果表明：优化后采摘机器人路径规划系统的整体路径搜索率与路径平滑性得到明显提升，相对提升度分别为10.93%和9.71%,路径偏离率相对降低了50%左右，很好地优化了机器人的避障能力，满足系统稳定性需求，具有较高的实用价值。     

篮球战术在采摘机器人避障模糊控制系统中的应用

为了实现采摘自动化,加快采摘机器人的普及,在成本低廉的测距传感器模糊控制避障系统的基础上,设计了新型摘机器人避障系统。基于篮球战术规则设计了模糊规则库,提高了避障精度。系统包括避障系统、目标导引系统、权重分析系统和动作融合系统,最终输出机器人的速度V和转角Δθ。通过控制左右两驱动电机,实现机器人的速度V和转角Δθ。本系统具有成本低及工作可靠性高的特点,通过系统仿真发现,与传统的传感器模糊控制避障系统相比,该系统显著提高避障性能。     

新型田间智能除草机器人设计

为提高田间除草机械化水平,提高除草作业效率,设计一种能够自动识别除草的智能田间除草机器人。该机器人采用轮式驱动,以STM32F103C8T6微控芯片为控制核心,基于LabVEW软件平台开发了视觉识别系统,可根据不同的地形特征设计行走路线,对杂草进行精准定位,实现机器人移动与除草功能,并能通过智能手机进行控制。采用垄间作业模式对不同农作物进行除草试验,结果表明：机器人的平均杂草识别率为95%,平均杂草清除率为83%,较之于以往研究提升了8%。能够应用于不同田间除草作业。     

采摘机器人动态路径规划系统研究——基于人工势场法

以采摘机器人为研究对象,首先建立了采摘机器人作业环境及障碍物模型,并利用人工势场法搭建了环境和障碍物运动势场;然后基于人工势场法设计了采摘机器人动态路径规划系统;最后利用Mat Lab进行了仿真实验。结果表明:该系统优化效果明显,具有很好的避障和路径规划能力。实验很好地验证了系统的有效性和实时性。     

芸豆智能除草机器人总体结构设计

针对芸豆绿色种植过程中杂草的去除问题,设计了基于机器视觉识别技术的两种除草机器人的总体结构,以满足绿色除草的工作要求.轮式除草机器人采用剪切式刀具,具有结构简单、运行稳定、除草准确、不易堵塞的特点,但除草效率相对较低;履带式除草机器人采用双回旋式刀头,配有拢草耙,可进行杂草的收集和清理,具有结构紧凑、操作简单、运行稳定...     

除草机器人研究现状与趋势

农田除草机器人是集环境感知、路径规划、目标识别和动作控制于一体的智能机器人系统,能精确、高效地除去农田杂草。介绍了国内外农田除草机器人的研究现状,并做了总结与展望。     

图像处理在猕猴桃采摘机器人路径规划中的应用

为了实现猕猴桃采摘自动化,设计了采摘机器人导航行走系统.该系统基于图像处理,以种植垄和杂草空地分界线作为导航轨迹,主要包括以下内容:①图像处理,采用HSV系统中色调H分量,实现图像灰度处理,采用同态滤波和阈值分割,实现图像二值化,最终找到导航轨迹离散点;②对离散导航像素进行拟合,并将图像中导航方程转化到实际空间坐标系中...     

大棚智能除草机器人设计

针对大棚内除草环境复杂,且杂草种类繁多导致识别困难的特点,设计了一种机械式智能除草机器人。对试验田数据进行采集后,使用Yolov5模型进行150次迭代训练,最终训练出模型平均精度(map50)为82%,为了提高识别准确率,迭代次数增加到300次,最终模型平均精度(map50)为91%,机器人使用了Jetson Orin nano开发板为处理器,Intel D435深度摄像头进行数据采集,图像处理时间为1.2 ms,满足实时处理要求。采用机械式除草,减少了农药使用,该研究可为以后智能除草设备设计提供参考。     

大数据分析在智能采摘机器人路径规划中的应用

为了实现机器人在果园中的自主运动,基于大数据融合,对激光测距传感器、CCD摄像机和电子罗盘等传感器采集的数据进行分析,确定当前机器人位置与航向。在果园中预先设定机器人行走路线,安装数码管地标牌,地标牌坐标已知;电子罗盘用于确定机器人航向角;CCD摄像头拍摄地标牌图像,采用图像灰度化、图像分割、图像腐蚀及图像细化的方法提取表示牌上数码管图像数据。采用模糊控制方法识别地标牌上数码管数字,CCD摄像头同时扫描行进前方是否有障碍物。激光测距传感器完成两个任务:①检测距离地标牌距离和方向角,通过标识牌坐标计算机器人当前位置与航向角;②检测与障碍物间距离,当小于1m时启动避障系统。实际测试表明:系统依托多种传感器,对果园环境感知能力强,具有较高的路径规划能力。     

基于直接施药方法的除草机器人

研究了控制农田杂草的直接施药方法,并研制了基于该方法的除草机器人。计算机从摄像头采集的地面图像中识别出杂草目标,然后通过伺服控制器来控制机械臂动作,末端执行器切割杂草并涂抹除草剂。田间和温室的化学除草试验表明,利用直接施药方法,极其微量的药物即可除掉杂草。该研究减少了除草剂用量并消除雾滴飘移现象,保护了生态环境。     

排球运动规划在采摘机器人识别定位中的应用

为对采摘机器人的识别与定位功能进行优化,将排球机器人的运动规划原理与采摘机器人的控制要求相结合进行应用探讨。通过搭建采摘机器人对果实的识别定位理论模型,运用核心图像识别与处理算法,硬件配置动作执行协调及软件系统后台指令控制,实现多功能性传感装置信息数据的合理性采集与传输,达到实时定位目标。进行了采摘机器人的识别与定位试验,结果表明:在排球机器人运动规划与控制机理下,通过目标与定位图像的有效抓取,采摘定位时间可控制在0.6s左右,综合定位准确率保持在93.8%以上,最高定位准确率可达95.7%,满足采摘机器人作业需求,验证了设计理念的可行性,可为类似农业设备定位开发提供思路。     

基于排球机器人运动规划的农机案例学习决策系统

利用排球机器人进行运动规划,可以模拟人类球员通过经验积累而采取相应动作的行为学习模式,采取案例学习的方式解决球的初始状态微小变化,如发球速度和角度变化时的运动规划问题。如果将排球机器人运动规划方法使用在农机决策系统中,通过案例学习训练可以使农机进行自主作业。为了验证方案的可行性,以采摘机器人的设计为例,将排球机器人运动规划系统引入到了机器人的定位识别系统的设计上,并采用小波神经网络算法对案例库进行训练,以获得较高的学习精度。对采摘机器人定位识别系统进行了测试,结果表明:采用案例学习和小波神经网络算法,可以使采摘机器人定位识别系统具有较高的响应速度和识别精度,满足采摘机器人自主作业的设计需求。     

大数据在农业机器人路径规划实时同步定位中的应用

为了使农业机器人能够有效地避开作业过程中的障碍物,设计了基于大数据的农业机器人路径规划与实时同步定位系统。该系统采用大数据云平台,给出了单个小障碍物的避障策略,提出了避障路径规划和实时同步定位算法。实验结果表明:应用云平台大数据进行路径规划和实时定位非常有效,解决了农业机器人在作业过程中的路径规划和实时同步定位问题,可为其他相关领域的避障路径规划提供参考。     

除草机器人田间机器视觉导航

建立了除草机器人模型,利用VC 开发了基于机器视觉的除草机器人杂草识别和导航系统应用软件,引导除草机器人沿农作物行自动行走.提出新的图像分割算法,在RGB空间直接将农作物分割出来,再利用优化的Hough变换检测出农作物行中心线,根据摄像头姿态和透视变换原理确定除草机器人位姿.试验表明,分割一幅真彩色图像(分辨率:1 536×1 152)只需450 ms,并能够适应自然光线变化.优化的Hough变换算法使运算时间减少了1/2,导航距和导航角平均误差分别为-0.6 mm和0°,证明了此导航方案的可行性.     

基于 OpenCV 的除草机器人图像处理技术

为实现除草机器人视频图像实时处理,基于Intel 开源视觉库OpenCV 技术,提出了一种除草机器人视频图像处理方法,并给出了整体方案。利用该方案设计除草机器人视频图像实时处理系统,并在土槽实验室进行试验验证。试验结果表明,该系统能够完成视频图像高速处理与作物植株定位,从而为实现除草机器人末端执行机构精确运动控制打下了坚实基础。