秧苗嫁接机器人视觉与识别的研究

研制了一套应用于瓜果秧苗嫁接机器人的视觉系统，该系统能判别秧苗品质和秧苗方向，使得瓜类秧苗嫁接机器人在保证质量情况下实现全自动嫁接成为可能。     

阵列式多光谱透反射型瓜果果肉品质在线检测技术研究

为了提高瓜果产业发展的经济和社会效益,增加其市场竞争力.针对瓜果类无损检测分选的社会需求,研究不同瓜果糖度的特征光谱波段,通过选择和优化果实果肉糖度对应的特征光谱波段,研发阵列式的多光谱透反射型在线检测系统.实验结果表明,该检测系统可满足一次同时采集多波段的瓜果透反射光谱信息的需求,实现对瓜果糖度的在线快速准确检测,糖...     

西湖龙井茶品质的智能嗅觉识别

通过电子鼻采集不同等级、树种和产地西湖龙井茶的智能嗅觉指纹图谱,利用主成分分析得分矩阵研究等级、树种和产地指纹信息对茶叶品质的影响程度,基于软独立模型分类分析方法建立茶叶等级、树种和产地的3类智能嗅觉判别模型.结果表明,不同等级西湖龙井茶的电子鼻信号差异最大;在涵盖不同树种和产地信息的样品中,电子鼻能准确预测品质相近的高档等级(精品、特级和一级)茶叶,等级判别正确率基本达到100％.树种与产地特征对于茶叶品质的影响程度比较接近,并且同一等级、同一产地下不同树种模型和同一等级、同一树种下不同产地模型的判别正确率基本都达到92％以上.在此基础上,提出了首先利用电子鼻进行等级划分,然后在同一等级下进行树种鉴定和产地判别的西湖龙井茶品质智能嗅觉快速检测策略.     

龙井茶叶品质的电子鼻检测方法

针对茶叶品质感官审评的不足,采用电子鼻检测手段,对4个不同等级的龙井茶作等级判别。对传感器信号进行多因素方差分析得出：不同容器容积和不同采样时刻对传感器的响应信号有着显著的影响。通过主成分（PCA）、线性判别（LDA）和BP神经网络方法对各茶叶样品进行了分类判别。PCA对于等级差别较近的茶叶区分结果不太理想;而LDA相对于PCA有较好的区分效果;设计BP神经网络拓扑结构为30-12-4,通过对网络进行适当训练,总的测试回判率可达到90％。     

基于计算机视觉的瓜果采摘系统的运用研究

采摘机器人被广泛用于各种农产品的收获,能显著降低农业生产中的人力成本,解决目前农业生产中劳动力匮乏的问题。计算机视觉技术可以将成熟的瓜果从其自然生长环境中识别出来,是采摘机器人实现目标定位和协调机械手的关键。针对目前采摘机器人受瓜果不同形态特征、质地影响和通用性较低等问题,通过优化公式算法和模型,设计出了基于计算机视觉的采摘系统,并对黄瓜、西红柿和柑桔这3种瓜果进行图像识别和采摘。试验结果发现:不同瓜果图像整体识别率达到80%以上,对图像中重叠遮挡的瓜果个体识别率也较高,均超过90%。该计算机视觉系统装载到采摘机器人上后,在自然条件下对3种瓜果采摘成功率在70%以上,可实现对不同瓜果的高效采摘,为采摘机器人更好地满足农业生产的实际需求提供了研究基础。     

基于高光谱图谱融合技术的英德红茶等级快速无损判别

茶叶等级评价是检测茶叶品质的一项重要技术指标。通过提取红茶高光谱成像技术下的图像特征和光谱特征,构建一种基于图谱融合方法、适用于英德红茶等级评价的快速无损判别模型。首先制备3种不同等级的红茶样本,采用t分布-随机近邻嵌入和主成分分析对光谱数据进行降维可视化分析,然后从影响内在品质角度用连续投影法提取每种化学值的特征波长,通过多模型共识策略和竞争性自适应重加权算法-连续投影法筛选得出表征其内在品质的最佳特征波长组合,并建立基于遗传算法优化支持向量机的等级判别模型;其模型的训练集准确率为88%,预测集准确率为78.33%。为了融合外形纹理差异,先提取最佳特征波长组合对应的高光谱图像;采用图像掩膜消除背景的干扰和采用图像主成分分析消除多波长图像间的冗余信息,然后采用灰度共生矩阵和局部二值化算法提取主成分前三维主成分图像与特征光谱融合,并建立基于特征融合的遗传算法优化支持向量机等级判别模型,且基于第三主成分图像特征融合模型判别效果最佳,训练集准确率提升至98%,预测集准确率提升至96.67%。     

基于随机森林的砂土地震液化预测模型

为研究随机森林(Random Forest,简称RF)智能算法对于砂土地震液化预测判别模型的适用性,在综合考虑地震因素、土层埋藏情况、砂土特性的基础上,选取地震等级、埋深、上覆压力、探锥阻力、最大地面加速度、有效上覆压力等6个评价指标,构建了基于随机森林算法的砂土地震液化判别模型。利用规范法基于工程实例对随机森林砂土液化判别模型进行对比验证,验证结果表明随机森林砂土液化判别模型具有较高的预测精度,是一种可行的砂土液化判别方法。     

基于随机森林的大豆外观品质识别的研究

不同等级的大豆外观质量与其内部营养等级存在一定关系,因此快速、精准地识别大豆病态种类至关重要。模式识别方法众多,本文采用随机森林方法进行研究。选取相应的大豆籽粒图像对其进行处理,从中挑选1 0幅图像,提取其形态特征,颜色特征,纹理特征,应用随机森林方法建立大豆外观品质识别模型,然后对大量样本进行试验。试验结果表明:不同种类病害大豆要想达到理想结果,训练步数各不同。该方法具有鲁棒性好、准确度高及系统稳定等特点。     

计算机视觉技术在茶叶等级检测中的应用研究

茶叶富含多种具有营养价值和保健功能的化学物质,是世界上三大饮料之一。我国的茶叶种植面积和产量都位居世界第一,但近年来茶叶产业的效益徘徊不前,原因在于茶叶分级技术落后,影响了产品在国际市场的竞争力。计算机视觉是一种较为新型的技术,在茶叶品质检测中得到广泛应用,其检测范围集中在茶叶色泽和外部形态上,取得了较好的分级效果。为此,通过计算机视觉技术获取茶叶形状和茶水颜色特征,利用神经网络对检测数据进行分析后判别茶叶的等级。结果表明:计算机视觉能有效地判别各等级的茶叶,检测的总体准确率达到88.8%,可以应用于茶叶的实时等级检测。     

基于Fisher判别分析的轮毂识别研究

针对传统轮毂生产线因人工目检带来的识别问题,提出以机器视觉为识别基础、Fisher判别为分类方法对轮毂进行识别分类研究。在对机器视觉系统获取轮毂图像进行预处理后,对图像进行特征提取操作获得轮毂半径、轮毂辐条数、辐条类型、轮毂宽度的特征数据。进而用Fisher判别法对轮毂样本数据库进行学习分类。由检测结果得知,Fisher判别法对轮毂分类具有较好的效果,且方法简单,具有较高的识别率。     

基于遗传算法和EDA技术的果蔬采摘机器人设计

为了提高果蔬采摘机器人的避障和路径规划能力,实现机器人智能化和轻量化的设计,将嵌入式系统引入到果蔬采摘机器人的控制系统中,并利用EDA技术对控制系统进行了封装,植入了机器人路径规划的遗传算法。对果蔬采摘机器人的机械手进行了改进,通过机械手结构设计实现了采摘机器人执行末端的避障功能,利用遗传算法智能控制设计实现了复杂环境中的路径搜索功能。对果蔬采摘机器人的性能进行了测试,结果表明:障碍物识别率高达99%以上,路径规划的准确率也在95%以上,满足智能化采摘机器人的设计需求,为现代化采摘机器人的设计提供了较有价值的参考。     

智能移动式果蔬采摘机器人设计——基于SOPC神经网络

果蔬采摘机器人一般采用移动式机器人,虽有着强大的计算能力和移动性,但其感知能力的局限性限制了其智能的发展。为了提高果蔬采摘机器人的智能移动性能,使其拥有更好的实现自主导航的能力,采用(system on a programma-ble chip,SOPC)微处理器系统设计了一种新的智能移动式机器人控制系统,并采用神经网络算法对其进行了优化,大大提高了机器人移动的精确性,增强了输入和输出的线性关系,使控制系统在单片芯片上实现了复杂系统的全部功能。通过测试发现:机器人的移动躲避障碍物时速度的稳定性较好,移动误差较低,实现了果蔬采摘无人控制下的智能移动。     

基于计算机视觉的高速机器人芒果分选系统设计

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。     

基于计算机图像的采摘机器人结构优化研究

随着果蔬种植规模的扩大,果蔬采摘作业的需求量也逐渐提高.传统的果蔬采摘作业存在自动化程度低、采摘对象识别困难、采摘破坏性大等问题,导致采摘作业的效果较差、作业效率低.为此,引入了计算机图像技术,在深入研究了计算机图像技术原理的基础上,分析了计算机图像技术的成像原理,完成了采摘机器人的机械结构设计,并对采摘机器人的硬件总...     

果蔬采摘机器人系统的应用与发展

尽管果蔬采摘机器人技术发展迅速,但果蔬采摘机器人商业化的程度不高,很多仍然处于研发阶段.本文针对现有的果蔬采摘机器人系统进行了介绍,并分别从采摘机械臂、末端执行器、移动机构、视觉系统和算法等方面对国内外采摘机器人的发展现状进行论述,分析和讨论了果蔬采摘机器人现阶段面临的挑战和潜在的发展趋势.     

果蔬包装机智控系统的设计与研究——基于嵌入式ARM

果蔬产业在我国农产品中占据着重要的市场地位,对我国经济发展起着积极的促进作用。随着我国经济的发展,出于对健康的考虑,人们对果蔬产品的质量、新鲜程度和食用安全的要求也在提高,逐渐开始看重果蔬类产品的外形包装。为了实现果蔬产品的快速包装及减少果蔬产品因与机械直接接触引起的二次污染,设计和研发可以独立自主包装果蔬的机械设备显得尤为重要。为此,基于嵌入式ARM中的AT91SAM9263处理器,设计了果蔬包装机的智控系统,其集机械电子、智能测试和光电传感等多种学科于一体,具有自动化程度高、精度优、稳定性强及可靠性高等特点,能较大程度地提高包装质量,且可以完成对不同种类产品的包装,提高了包装作业的效率,为果农降低了经济成本。     

水果高速实时分级机构控制系统

设计了水果实时分级机构，研究了确定水果位置信息并实现同步跟踪的方法，建立了水果在图像中的位置和分级机构分级时的实际位置间的关系，设计了由计算机、位置传感器、通用的数字逻辑芯片、分立电子元器件和步进电机等组成的水果分级控制系统，并进行了试验验证。试验结果表明：控制系统可以对分级机构实现及时、准确的启闭控制，达到了实际分级过程所要求的速度。     

气动柔性果蔬采摘机械手运动学分析与实验

采用气动弯曲型柔性驱动器设计了一种带有柔性机械臂的多自由度果蔬采摘机械手。基于分段常曲率理论,根据柔性驱动器形变规律,建立了多关节串并联的采摘机械手运动学模型和抓持力模型,研究了机械手采摘作业时抓取模式、工作空间和手指输出力与气压的关系,并进行了相关实验验证。制作了机械手样机,并在实验室环境下进行了多种果蔬模拟采摘实验,结果表明,该果蔬机械手具有多种抓取模式,且动作灵活、柔顺可靠、易于控制,适用于球形和圆柱形果蔬自动化采摘作业。     

采摘机器人选择性作业信息获取研究——基于无标定视觉伺服系统

以采摘机器人采摘作业为研究对象,以选择性采摘成熟果蔬为研究目标,基于无标定视觉伺服系统,结合果蔬成熟特性判断目标果实是否适合采摘,设计了一套以MSP430F149为核心的智能检测控制系统,可以实时处理相机采集到的图像,并选择性采摘符合要求的果实。本文重点研究了视觉伺服原理与模型、果实成熟度判断、选择性作业信息获取,以及系统的硬软件设计,并对文中设计研究的系统进行了可行性验证。试验结果表明:该无标定视觉伺服系统判断准确,能够较大程度提高机器人的可靠性与稳定性,应用前景宽广。     

基于滑觉检测的农业机器人果蔬柔性抓取控制研究

果蔬采摘是水果蔬菜生产种植中最繁琐、最耗时间、最费精力的部分之一,直接影响果蔬日后的价值和销售。随着经济的快速发展、外出务工人员增多及农业劳动力减少,劳动力在果蔬种植成本所占比例越来越大。实现果蔬自动化采摘是降低成本、释放农业劳动力的重要举措。20世纪80年代,美国成功生产了世界上第1台西红柿采摘机器人。近年来,随着信息技术和自动化技术的高速发展,农业采摘机器人的研究和开发取得了很大进步,但对果蔬柔性抓取的研究进展较慢。为此,基于滑觉传感检测技术与果蔬损伤机理,以农业机器人采摘控制系统为研究平台,运用离散小波变换算法,从传感器和抓取力控制着手,深入研究和设计了农业机器人柔性无损采摘控制系统。试验表明:系统运行稳定,可靠性强,对实现果蔬柔性采摘具有十分重要的应用意义。