水果采摘机器人控制系统研究——基于英语语音识别技术

在人机交互模式中,语言沟通是最便捷、最直接的交流方式之一,语音识别技术在现代机器人上得到广泛应用,现已推广到农业机器上。采摘机器人作为现代比较新型的农业机械,语音识别的应用增加了机器人的实用性。为此,设计出基于英语语音识别的水果采摘机器人控制系统,利用TMS320VC5416DSK板为平台,实现了水果采摘机器人的英语语音识别。英语语音识别主要包括前处理、特征提取及特征匹配等。在安静环境下提取了不同英语语音数据,并采用MATLAB对语音特征参数进行了仿真语音识别实验,结果表明:本设计的识别率可以达到90%以上,具有较强的鲁棒性。水果采摘机器人采用4个自由度的机械臂和英语语音识别模块等硬件电路,实现了英语控制机采摘器人完成采摘作业。     

面向采摘机器人的水果精准识别算法研究进展

随着水果产业链自动化的进步,水果采摘机器人也在不断地发展,对目标水果实现精准识别是水果采摘机器人最重要的组成部分之一.本文将对水果目标识别的各类算法应用状况进行对比,同时阐述各类算法在水果采摘机器人上的应用现状.其中,现有的水果目标识别方法主要有3部分,分别是传统图像处理技术、各种机器学习算法和使用各类卷积神经网络的深...     

视觉传感器在采摘机器人目标果实识别系统中的应用

目标果实的识别和定位是准确采摘的核心,是采摘作业的必要条件。为此,首先从硬件和软件两方面对采摘机器人总体框架进行了介绍,然后搭建了双目视觉系统,并建立了摄像机标定模型,最后实现了对目标果实的识别和定位功能。试验结果表明:采摘机器人目标果实识别系统对目标果实的识别定位误差在8mm以内,成功采摘率在96%以上,系统精度高,采摘效果良好,能够满足采摘机器人的作业要求,对实现水果采摘的自动化、无人化具有重要现实意义。     

基于深度学习和图像处理的水果收获机器人抓取系统

首先,介绍了水果收获机器人抓取系统的总体架构;然后,利用深度学习对水果目标识别进行了研究,实现了一套基于卷积神经网络的目标检测算法;接着,利用图像处理技术实现了对目标物体定位的功能,可以引导水果收获机器人完成对目标水果的采摘。实验结果表明:水果收获机器人抓取系统对水果坐标的计算误差较小,且具备较强的水果识别和定位能力。     

基于KVM的新一代采摘机器人设计研究

针对采摘机器人在果蔬采摘时不能准确识别和精准采摘方面的问题,基于KVM技术对新一代采摘机器人进行了设计和研究。该采摘机器人的主要组成部分为硬件系统和软件系统。对采摘机器人的软件系统进行设计,包括采用静态和动态的果蔬识别方式、采用PID控制算法进行自动导航、采用人工势场的方法进行采摘时的避障,保证了果蔬的准确识别和精准采摘。为了验证采摘机器人的采摘性能,采用识别定位和采摘试验进行验证。结果表明:采摘机器人的识别和采摘性能良好,可以满足农户对于采摘机器人的性能要求。     

基于STM32的水果采摘机器人控制系统设计与实现

针对农业生产领域存在的劳动力资源紧缺、人工采摘成本较高等问题,提出一种基于STM32的水果采摘机器人控制系统设计方案。该方案主要采用自动化采摘的方式,实现成熟水果的智能识别与采摘,利用STM32单片机作为该系统的主控芯片,视觉识别部分采用Open MV图像处理功能作为核心。通过试验验证方式对系统的可行性进行了分析,结果表明该系统可满足用户的实际使用要求。      

嵌入式采摘机器人视觉测量与避障控制系统研究

采摘机器人拥有自主收集信息并进行有效判断的能力,可以独立完成对果实的采摘作业,对满足水果种植需求、减小水果种植的劳动力投入及降低生产成本有着很重要的实际应用价值。为此,以嵌入式ARM智控系统为基础平台,设计了采摘机器人视觉测量与避障控制系统。该系统集机器视觉、视觉传感感知、伺服电机驱动和ARM智控模块于一体,建立了采摘机器人采摘运动学的数学模型,并通过BP网络神经型迭代学习算法测量果实的距离和球心坐标,对成熟果实进行精准识别和定位采摘。试验结果表明:采摘机器人能准确地进行自主采摘,成功率比较高,躲避障碍物的能力很强,更适合在复杂未知的果园中进行收获作业。     

基于Softmax的采摘机器人目标识别技术研究

首先,介绍了目标水果的形态、采摘机器人识别技术与试验平台;然后,设计了双目视觉系统,并基于Softmax分类模型设计了苹果的目标识别算法,实现了一套基于Softmax的采摘机器人目标识别模型。试验结果表明：采摘机器人对无遮挡的苹果目标识别率为94%,对部分遮挡的苹果目标正确识别率为88.7%,稳定性较好,精度较高。     

基于深度学习的水果采摘机器人视觉识别系统设计

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。     

基于云计算技术的苹果采摘机器人系统

近年来,我国水果产业迎来快速发展期,苹果种植面积日益扩大,年产量明显增加,促使我国成为世界上最大的水果生产国家。水果进行种植过程中,成熟的水果采摘操作时必须消耗大量的时间和劳动力。由于进城务工人员日益增多,农村劳动力人口不断减少,此时劳动力成本有一定程度的增长,果农日常经营的成本也有所增加,因此智能采摘机器人顺势而生。为此,针对水果采摘机械研究的不足之处,提出了基于云计算的苹果采摘机器人系统,在机器人处于作业状态下设计了苹果采摘机器人软、硬件设计情况。为验证苹果采摘机器人的采摘效果,在果园中对其采摘性能展开试验,试验结果表明:所设计的采摘机器人运用视觉技术,能很好地克服气候环境等因素的影响,采摘作业中性能稳定,采摘效率高,值得在苹果生产地推广使用。     

一种用于机器人水果采摘的快速识别方法

针对机器人水果采摘中容易受遮挡、光照变化等因素的影响而产生误识别的问题,提出了一种基于颜色分量统计的特征匹配水果识别方法。根据成熟水果所特有的颜色特性,提取代表水果特征的描述值,将其作为识别时的特征进行匹配。在匹配过程中对每个搜索子图进行匹配时采用积分求和的思想,大大提高了水果识别的效率。实验结果表明:该算法在一定程度上有效解决了光照和遮挡对识别造成的影响,能快速准确地识别出需要采摘的成熟水果类型。     

采摘机器人自动识别系统研究——基于英文字母多元信息标签

将英文字母多元信息标签应用于采摘机器人选择性采摘作业中,结合英文字母的分割与识别算法,设计了英文字母自动识别系统的硬件平台和软件移植,实现了英语字母多元信息标签自动识别的功能,对水果分等级采摘和分等级存放具有重要的现实意义。     

基于机器视觉的机器人智能采摘实验平台开发

针对如何实现快速、高效的采摘,提出机器人智能采摘实验平台系统,该采摘机器人依靠视觉反馈控制来识别采摘物的位置。研究机器人手臂的运动控制,构建机器人的运动学模型。分析机械手的视觉伺服控制问题,直接将图像位置误差矢量映射到所需的末端执行器速度矢量。对机器人智能采摘进行试验分析,试验任务进行171次,准确率94.67%。试验结果验证该视觉伺服控制方法在实际场景中对采摘物识别效率,提高视觉伺服系统的鲁棒性和有效性。     

电子商务英语翻译在采摘机器人多语言系统中的应用——基于ESP理论

随着现代机器人技术的发展,农业作业机器人也有了很大的进步,自主作业能力有了大幅度提升,如自主避障、自主定位导航、自动分辨果实成熟和自动采摘等。采摘机器人的自主作业一般靠编程来实现,在遇到特殊情况时,需要专门的指令来控制采摘机器人。语音信号是一种高效控制指令,如何识别语音控制指令是采摘机器人多语言识别系统的设计关键。为此,基于ESP理论思想,采用DTW算法,对采摘机器人的多语言识别系统进行了设计,并针对其识别的准确率进行了验证。实验结果表明:采摘机器人多语言识别系统可以较好地识别各种语音样本指令,准确率超过了95%,可以满足采摘机器人高精度控制的设计需求。     

智能移动水果采摘机器人设计与试验

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。     

水果采摘机器人自主寻径避障轨迹优化研究—基于启发式智能算法

寻径避障是水果采摘机器人中一个重要的经典问题。随着我国机械自动化、计算机控制系统和测试计量行业突飞猛进的发展,对水果采摘机器人自主寻径避障有了更高的要求。为了更好地满足现代农业种植生产的需要,启发式智能学习型寻径避障成为采摘机器人研究的热点。为此,基于启发性智能轨迹优化算法,采用传感器检测系统,设计和研究了水果采摘机器人自主寻径避障系统,并利用Mat Lab仿真软件进行了验证分析。结果表明:在复杂路况环境下,针对不同目标和路径要求,该采摘机器人能灵活避开作业途径中障碍物,具有很强的学习和适应能力,且系统运行稳定、可靠性强。     

基于篮球运动的果实采摘机器人控制系统研制

水果和蔬菜质地柔软且形状各异,机械化收获的难度较大。控制系统作为采摘机器人的核心,对作业效率有着决定性的影响。篮球运动是集体竞技项目,对运动员的目标锁定和路线规划能力要求较高,将篮球运动的决策原理引入到采摘机器人上,可以改善机器人的控制性能。为此,基于篮球运动的决策原理,研制了果实采摘机器人的控制系统,具有目标识别、路线规划和自主避障3种控制功能,可以准确地识别目标果实。在系统的控制下,采摘机器人获得了很高的作业效率,还能够自主规划行走路线和规避障碍,具有很高的智能化水平。     

采摘机器人自主采摘学习能力研究 —基于LM-BP神经网络

为了让采摘机器人更加快速和准确地识别目标水果的成熟度,提出了一种基于BP神经网络的自主学习方法。由于BP神经网络容易陷入局部最优值且训练效率较低,因此进行了改进,实现了LM-BP神经网络算法。测试结果表明:与BP神经网络算法相比,LM-BP神经网络算法训练学习速度更快,测试精度更高,能够满足采摘机器人对目标水果成熟度识别精度的要求,具有一定的应用价值。     

光纤通信技术应用于采摘机器人图像检测研究

针对采摘机器人采摘准确率不高的问题,基于光纤通信技术对采摘机器人进行了设计,并对图像检测传输进行了分析。采摘机器人的主要组成部分为工控机、移动平台、果实识别定位系统、末端执行器系统、能源系统和显示器。采摘机器人采用光纤通信技术对采集的图片数据进行传输,通过对低损耗光纤进行研制,并对光纤传输的可靠性进行研究,以保证图片传输的准确性。为验证采摘机器人的性能,对其进行图片传输和采摘性能进行试验,结果表明:光纤传输系统可以准确的传输图片,采摘机器人的采摘性能良好。     

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。