猕猴桃果实物理参数与损伤因素的研究

猕猴桃果实的物理参数和损伤因素为采摘机器人的末端执行器设计与控制提供了理论依据。统计分析了115个收获期"海沃德"猕猴桃果实的物理参数,采用正交试验以果实微损伤的力学特性参数为评价指标研究了果实的损伤因素。结果表明:猕猴桃果实厚度方向尺寸变化最小,球度均值为0.84。果实的几何平均直径与质量存在显著线性相关,相关系数R为0.964。正交试验结果表明,猕猴桃果实存在延迟损伤,早期的微损伤会导致后期果实品质下降。猕猴桃果实的损伤因素,显著性居前3位的为压缩量、加载位置和压头类型。相比前3个损伤因素,加载速率和压头材料相对影响较小。采摘机器人的末端执行器采用两个仿生弧形面、厚度方向抓持,机构简单,受力均匀,抓持稳定。     

电动拖拉机机械电磁式振动馈能装置设计与性能研究

【目的】基于能量回收再利用的原理提出一种机械电磁式振动馈能装置,为解决电动拖拉机电池电量匮乏与持续工作时间短等问题提供参考。【方法】采用双单向离合器和齿轮齿条机构设计机械电磁式振动馈能装置,将其安装在电动拖拉机底盘与动力电池组之间,对装置的机械传动进行理论分析,考虑齿轮啮合副的啮合阻尼、时变啮合刚度、齿侧间隙、综合传递误差以及单向离合器储备间隙等因素,建立振动馈能装置的动力学模型。对该模型特性进行分析,并就位移激励频率、振幅和外部负载对装置能量回收性能的影响规律进行仿真分析。最后试制样机,进行台架试验。【结果】仿真和台架试验结果显示,在位移激励频率为4 Hz、振幅为6.0 mm和外部负载为120 Ω的工况下,振动馈能装置的能量回收率最大,分别为34.94%和33.04%。同时,根据装置的电能再生率曲线可知,当位移激励一定时,电能再生率随外部负载的增大而增大;位移激励振幅越大,频率越大,装置的电能再生率也越大。【结论】所设计的机械电磁式振动馈能装置可以满足电动拖拉机振动能量回收的要求,具有明显的能量回收性能,能够为电动拖拉机振动能量的回收和电能补给提供技术支撑。     

微型水培人工气候箱环境监控系统设计

针对水培菜生长过程中对光照强度、环境温湿度及营养液的不同需求,设计了一种微型水培人工气候箱环境监控系统,可用于家庭园艺或餐厅农场.基于STM32F103ZET6控制器,设计了系统相关硬件电路及系统控制程序,主要包括外部环境检测模块、外部环境调节模块、营养液检测模块、营养液调节模块、LCD显示及按键模块及上位机显示界面....     

基于卷积神经网络的田间多簇猕猴桃图像识别方法

为实现田间条件下快速、准确地识别多簇猕猴桃果实,该文根据猕猴桃的棚架式栽培模式,采用竖直向上获取果实图像的拍摄方式,提出一种基于Le Net卷积神经网络的深度学习模型进行多簇猕猴桃果实图像的识别方法。该文构建的卷积神经网络通过批量归一化方法,以Re LU为激活函数,Max-pooling为下采样方法,并采用Softmax回归分类器,对卷积神经网络结构进行优化。通过对100幅田间多簇猕猴桃图像的识别,试验结果表明:该识别方法对遮挡果实、重叠果实、相邻果实和独立果实的识别率分别为78.97%、83.11%、91.01%和94.78%。通过与5种现有算法进行对比试验,该文算法相对相同环境下的识别方法提高了5.73个百分点,且识别速度达到了0.27 s/个,识别速度较其他算法速度最快。证明了该文算法对田间猕猴桃图像具有较高的识别率和实时性,表明卷积神经网络在田间果实识别方面具有良好的应用前景。     

园林绿化施工中反季节栽植技术的应用

本文分析了实施反季节栽植技术的必要性,简单总结了园林绿化施工中反季节树木栽植技术,包括树种选择、起苗、假植、运输、栽植等多个方面,以期为园林树木的反季节栽植提供参考。     

基于支持向量机回归的营养液调控模型研究

针对目前设施栽培中营养液动态调配精确度低的问题,提出一种基于支持向量机回归(Support vector machine regression,SVR)的营养液调控模型.首先,通过设计嵌套试验采集了13个温度、50组不同Knop营养液(A:99％Ca(N03)2·4H20、B:98％KN03、C:99％KH2P04、D...     

基于改进RRT算法的猕猴桃采摘机器人全局路径规划

为提高猕猴桃采摘机器人导航效率,提出一种基于采样状态实时引导随机树扩展的改进方法(Straight-RRT)。首先,针对传统RRT算法盲目搜索的问题,引入评价指数与阈值划分采样状态,根据采样状态决定采样节点的选取方式,实时引导随机树的扩展。其次,为增强算法对不同环境的自适应性及快速避开不规则障碍物,引入动态阈值并优化最近节点选择机制。最后对路径进行优化处理,去除路径冗余点并采用贝塞尔曲线平滑路径减小路径复杂度。基于棚架式猕猴桃果园环境进行路径规划实验,实验结果表明改进后算法在猕猴桃果园环境中具有更好的适应性及规划效率,为提高猕猴桃采摘机器人导航效率提供了解决方法。     

猕猴桃果实相向运动采摘模式的研究

目前,国内外对于农业采摘机器人研究的关键仍是效率问题,猕猴桃果实的采摘模式决定了采摘机器人末端执行器的结构形式和工作原理,同时也决定了作业效率。现阶段的果蔬采摘机器人,大都是单个果实包络抓取,然后旋转折断或者切断实现采摘。猕猴桃单个果实抓取旋转采摘时间是22s,其实抓取果实到释放可以简化为一步采摘,对于猕猴桃的采摘作业可以抛弃用手指去夹持猕猴桃的动作。为此,提出了一种上行机构和下行机构相向运动的采摘模式,并采用正交试验以采摘力为评价指标研究了该采摘模式。结果表明:试验因素显著性居前两位的是上行机构作用位置和下行机构行进速度,采摘成功率为96.3%,单果采摘时间约为5.3s。该采摘模式的研究为今后末端执行器的设计提供了基础和依据。     

猕猴桃外观尺寸在线检测分级系统设计与试验

目前市场上存在的猕猴桃分级机械主要是针对质量特征进行分级的大型机械,而消费者在购买猕猴桃时往往更注重它的外观品质,且大型设备难以在以农户小规模营销为主的市场环境下得到普及。为了实现猕猴桃外观品质的自动分选,适应广大猕猴桃种植农户的需求,设计了一种基于机器视觉的小型移动式猕猴桃外观尺寸在线检测与分级系统。该系统主要由输送机构、检测机构、分级执行机构和控制系统组成。输送机构采用倾斜式输送带方案,结构简单,便于实现猕猴桃的输送和分级;检测机构采用图像处理的方法得出猕猴桃的大小等级信息;分级执行机构借助猕猴桃的重力与旋转磁铁的开合实现猕猴桃的分离。对样机进行了试制和验证试验,结果表明:该系统的平均分级成功率为96.3%,单个猕猴桃分级时间约为2.5s。该猕猴桃检测分级系统的设计为今后完成多特征指标的融合分级提供了基础和依据。