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。     

基于机器视觉的嫁接用苗外观特征自动检测

提出了基于数学模型的幼苗外观特征自动检测方法,检测项目包括生长状态、子叶参数和胚轴参数。首先经过图像预处理提取幼苗二值图,利用行像素统计图确定特征参数基准点位置。然后以标定胚轴最小矩形倾斜度和宽度判定弯曲状态;子叶跨度通过两子叶端点距离确定,子叶展开角通过两子叶底端平展位置拟合线夹角判定;胚轴弯曲度通过胚轴中心线上曲率最大的位置为分界点分别判断两段斜度而求得,胚轴长、轴径结合斜度补偿求得。与手工测量数据对比,轴长、轴径和子叶跨度的相关系数分别为0.935 1、0.899 9和0.903 4,相对误差分别小于7%、5%和7%,绝对误差分别小于4 mm、0.2 mm和6 mm。     

猕猴桃采摘机器人末端执行器设计与试验

进行了棚架式栽培模式自然生长条件下簇生猕猴桃无损采摘机器人末端执行器的研究。基于果实与果柄的分离特性,提出面向机器人的果实采摘方法和简化几何模型,进行了果实与果柄分离试验的可行性验证;基于果实采摘方法设计了从底部接近、旋转包络分离毗邻果实并抓取、向上运动分离果实的末端执行器,并试制样机,进行了现场评价试验。结果表明,采摘模型能够实现果实与果柄的分离,末端执行器解决了毗邻果实分离问题,能够实现单个果实稳定抓取、无损采摘和采后抓持,成功率达到96.0%,平均单果耗时22 s。     

基于统计分析猕猴桃外观指标分级方法的研究

猕猴桃果实单果重、果实大小是分级的主要指标。为了科学合理地量化分级指标,以陕西主产的秦美猕猴桃为研究对象,选取果实单果重、果实长轴、果实短轴3个指标,研究了不同指标的分级区间和关系。首先,对3个指标信息统计分析,依据秦美猕猴桃实际收购区间和优质果实区间,划分出正常果实长短轴区间、优质果实长短轴区间,并统计各区间样本比例;然后,以果实长轴、果实短轴为果实大小单一指标,果实矩形面积、椭圆面积为复合果形指标,进行了果实大小单一指标、复合果形指标与果实单果重之间的关联性研究。结果表明,秦美猕猴桃果实单果重、果实长轴、果实短轴的数据服从正态分布,划分了合理的分级区间;果实大小单一指标、复合果形指标与单果重的线性关系明显,果实单果重与果实长、短轴之间函数拟合系数为0.71和0.80,单果重与面积的函数拟合系数为0.92。以上结果为猕猴桃果实果形指标量化提供了方法和理论依据。     

猕猴桃采摘机器人柔性移动平台的设计

针对猕猴桃采摘机器人在果园中的移动问题,结合猕猴桃棚架式栽培模式及采摘机器人的作业特点设计了一种用于猕猴桃采摘机器人的柔性移动平台。首先,分析了猕猴桃棚架式生长环境及种植模式的参数特点,阐述了移动平台的作业要求以及其整体结构。其次,对该平台的高度调解机构建立几何模型,利用Mat Lab进行了力、角度等参数的分析计算,研究其高度调节范围和连杆角度的变化关系、液压缸的最佳安装点和调节极角。最后,利用ANSYS WORKBENCH在危险点对关键机构利用进行强度校核。本研究完成了柔性移动平台的总体设计,得出了平台作业的调节极角,通过对高度调节机构的分析校核,结果满足平台的作业要求。     

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。     

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。     

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。