基于滤波算法的林果采摘机器智能控制系统研究

【目的】提高林果采摘机器的综合采摘效率,减轻人工作业强度,优化系统数据收集与传输性能,提升系统稳定性。【方法】课题组设计了一款基于滤波算法的林果采摘机器智能控制系统。该系统利用滤波算法实现了网络信息拥堵控制,其工作原理为：通过高分辨率相机收集林果图像发送至总控系统,使用滤波算法识别目标林果后检测位置信息;由传感器收集林果与机械爪的距离进行位姿计算,运动控制设备发送指令后机械臂到达采摘位置;末端执行设备控制电机运转后操控机械臂完成采摘。【结果】测试表明,系统应用滤波算法的适应性良好,与应用灰狼算法相比,整体运行稳定率达到了92%以上,各项参数指标符合预期。【结论】该林果采摘机器智能控制系统可实现高效智能采摘,推广前景较为良好,本研究可为类似采摘或收获农机装备的优化设计提供参考。     

轴孔测量中的一种数字滤波器的设计

对现有轴孔测量仪进行改造,采用数字信号处理技术设计FIR数字滤波器,对测量信号实行软件滤波,替代原有的硬件滤波电路。测试结果表明,该数字滤波器可以满足轴孔测量的要求。     

基于傅里叶变换自由曲面测量技术研究

本文对几种傅里叶变换轮廓术进行了分析研究,结合实验的方法对传统FTP法以及两种改进FTP法(π相移法和灰度图法)的测量范围进行了对比研究,通过实验的手段分析了这两种改进方法间的异同。实验显示,π相移法的测量结果要优于灰度图法的测量结果,且随着物体高度梯度值的增加,π相移法的测量结果越优于灰度图法的测量结果。     

改进Canny算法在再制造视觉检测中的应用

为了提高再制造生产过程中对废旧零件检测分类的效率,本文将视觉检测应用于再制造生产过程,提出把图像的边缘信息作为零件分类的重要依据。通过分析传统Canny算子存在的缺陷,本文引进了开关型中值滤波,弥补了高斯滤波抑制噪声能力差的缺点;并用OTSU自适应求取阈值,避免了传统Canny算法中对阈值的人工调整。实验结果表明,该方法能够获得清晰完整的边缘轮廓,可以用于再制造生产过程中对零件的检测分类,并有较高的效率。     

基于虚拟仪器的农产品"身份证"数字识别系统

介绍了基于虚拟仪器图形化语言LABVIEW开发的农产品"身份证"数字识别系统,采用CCD摄像机对农产品"身份证"编号进行采集,通过PCI-1411彩色图像采集卡将图像传输到计算机并进行图像处理,最后应用美国NI公司的OCR软件包对处理好的编号进行识别.结果表明,该系统抗干扰能力强且精度高.     

两种自适应算法性能比较与仿真

为抑制谐振接地系统对地电容中的工频信号和其它谐波成分,分析和比较了基于LMS和RLS算法的自适应滤波算法。对两种算法滤波理论、性能及算法进行仿真研究表明：RLS算法提高了滤波的稳定性、快速性和精确性,优于其它自适应算法。     

噪声抵消技术的研究

文章概述了噪声抵消技术的研究现状,以语音信号为例着重阐述了不同种类的噪声抵消方法,并对其性能进行比较,经比较得出自适应噪声抵消方法具有自适应能力强、输出噪声低和信号畸变小的特点,其自适应能力表现在允许对特性未知的输入信号进行处理,由于其性能的卓越性,在噪声抵消系统中具有广泛的应用价值.     

基于核自适应滤波的无线传感网络定位算法研究

针对动态室内环境的变化及时变的接收信号强度(Received signal strength,RSS)对定位精度的影响,提出了一类基于核自适应滤波算法的农业无线传感器网络室内定位方法。核自适应滤波算法具体包括量化核最小均方(Quantized kernel least mean square,QKLMS)算法及固定预算(Fixed-budget,FB)核递推最小二乘(Kernel recursive least-squares,KRLS)算法。QKLMS算法基于一种简单在线矢量量化方法替代稀疏化,抑制核自适应滤波中径向基函数结构的增长。FB-KRLS算法是一种固定内存预算的在线学习方法,与以往的滑窗技术不同,每次时间更新时并不修剪最旧的数据,而是旨在修剪最无用的数据,从而抑制核矩阵的不断增长。通过构建RSS指纹信息与物理位置之间的非线性映射关系,核自适应滤波算法实现WSN的室内定位,将所提出的算法应用于仿真与物理环境下的不同实例中,在同等条件下,还与其他核学习算法、极限学习机(Extreme learning machine,ELM)等定位算法进行比较。仿真实验中2种算法在3种情形下的平均定位误差分别为0.746、0.443 m,物理实验中2种算法在2种情形下的平均定位误差分别为0.547、0.282 m。实验结果表明,所提出的核自适应滤波算法均能提高定位精度,其在线学习能力使得所提出的定位算法能自适应环境动态的变化。     

棉花采摘机器人红外测距技术研究

为定位棉株上的棉花,用红外测距实验装置和计算机图像处理技术结合棉花的农学生长特性测量单朵棉花的距离。在0.7~1.6 m的距离区间内建立红外测距模型,获取了棉株表面点云的距离图像,测量精度达0.0085 m。以0.65为标准差设计高斯滤波器的尺寸,用1-D高斯滤波器平滑棉株图像,用2-D高斯滤波器求取其梯度图像,以0.2 m、0.08 m为强、弱阈值,基于Canny边缘检测算子构建闭环边缘,结合形态学运算提取棉花区域,去除棉枝。用峰点滤波器削弱棉花图像中的粘连重叠现象,基于分水岭算法提取单朵棉花并求取其距离。结果表明,单朵棉花的图像识别率达91.3%,红外与人工测距结果的相关系数为0.992 2,为采摘机器人运动轨迹的规划提供了参数。     

基于时间序列叶面积指数傅里叶变换的作物种植区域提取

为了获取不同农作物的空间分布信息,以华北平原黄河以北地区为研究区域,利用Savitzky-Golay滤波对2014—2016年的时间序列叶面积指数(leaf area index,LAI)进行重构,进而应用一阶差分法和重构LAI的傅里叶变换的谐波特征对研究区域主要农作物冬小麦、玉米和棉花种植区域进行识别和提取,并对不同作物的识别精度进行验证。结果表明,基于Savitzky-Golay滤波重构的LAI能够去除由云、大气等因素造成的LAI骤降的影响,重构LAI曲线平滑且符合作物的生长规律特征。研究区域2014—2016年作物识别的总体精度均大于80.00%,2015年达到87.08%,冬小麦-夏玉米、春玉米、棉花和单季夏玉米的识别精度分别为92.50%、80.00%、85.00%和82.50%,表明利用一阶差分法能够准确提取研究区域一年一季和一年两季作物种植区域。结合傅里叶变换方法和作物物候信息能够有效地识别不同作物的种植区域,进而获取研究区域主要农作物的分布信息。该研究可为研究区域主要作物的长势监测及产量估测预测提供参考。