共查询到19条相似文献,搜索用时 406 毫秒
1.
夜间自然环境下荔枝采摘机器人识别技术 总被引:5,自引:0,他引:5
利用机器视觉实现自然环境下成熟荔枝的识别,对农业采摘机器人的研究与发展具有重要意义。本文首先设计了夜间图像采集的视觉系统,然后选取了白天和夜间两种自然环境下采集荔枝图像,分析了同一串荔枝在白天自然光照与夜间LED光照下的颜色数据,确定了YIQ颜色模型进行夜间荔枝果实识别的可行性。首先选择夜间荔枝图像的I分量图,利用Otsu算法分割图像去除背景,然后使用模糊C均值聚类算法分割果实和果梗图像,得到荔枝果实图像;再利用Hough圆拟合方法检测出图像中的各个荔枝果实。荔枝识别试验结果表明:夜间荔枝图像识别的正确率为95.3%,识别算法运行的平均时间为0.46 s。研究表明,该算法对夜间荔枝的识别有较好的准确性和实时性,为荔枝采摘机器人的视觉定位方法提供了技术支持。 相似文献
2.
准确识别定位采摘点,根据果梗方向,确定合适的采摘姿态,是机器人实现高效、无损采摘的关键。由于番茄串的采摘背景复杂,果实颜色、形状各异,果梗姿态多样,叶子藤枝干扰等因素,降低了采摘点识别准确率和采摘成功率。针对这个问题,考虑番茄串生长特性,提出基于实例分割的番茄串视觉定位与采摘姿态估算方法。首先基于YOLACT实例分割算法的实例特征标准化和掩膜评分机制,保证番茄串和果梗感兴趣区域(Region of interest, ROI)、掩膜质量和可靠性,实现果梗粗分割;通过果梗掩膜信息和ROI位置关系匹配可采摘果梗,基于细化算法、膨胀操作和果梗形态特征实现果梗精细分割;再通过果梗深度信息填补法与深度信息融合,精确定位采摘点坐标。然后利用果梗几何特征、八邻域端点检测算法识别果梗关键点预测果梗姿态,并根据果梗姿态确定适合采摘的末端执行器姿态,引导机械臂完成采摘。研究和大量现场试验结果表明,提出的方法在复杂采摘环境中具有较高的定位精度和稳定性,对4个品种的番茄串采摘点平均识别成功率为98.07%,图像分辨率为1 280像素×720像素时算法处理速率达到21 f/s,采摘点图像坐标最大定位误差为3像素... 相似文献
3.
4.
5.
6.
针对果实采摘机器人果实识别率低的问题,设计了一组用于西红柿识别和定位的双目立体视觉系统,为机器人的采摘作业提供更有利的条件。为此,采用Bumblebee双目立体视觉系统,基于成熟果实与植株颜色特征的差异进行图像分割,来识别成熟的西红柿;在完成相机标定、特征点提取和特征点匹配的基础上,通过三维空间定位获取果实的三维坐标。实验结果表明:该系统果实识别的整个过程平均耗时150ms,对成熟西红柿的识别率达到99%,测试误差在10mm以内,能够较好地满足西红柿采摘工作的要求。 相似文献
7.
非结构环境下采摘机器人对扰动葡萄采摘点的视觉识别定位有实际应用价值。首先基于"挠性杆-铰链-刚性杆-质量球"模型对葡萄串形态进行分析,将其扰动状态分解为XOY和YOZ 2个平面的类单摆运动,对扰动葡萄进行视频拍摄,通过对视频中多帧葡萄图像进行Otsu阈值分割得到果实和果梗,并计算出各帧图像中葡萄串的质心;对各帧图像的葡萄串质心进行曲线拟合,计算出葡萄类单摆运动的周期与摆角,从而确定当前扰动葡萄是否适合视觉定位;对可实现视觉定位的扰动葡萄,选取类单摆中间位置质心点对应的葡萄图像,对葡萄串上方矩形区域进行Canny边缘检测,再利用霍夫直线拟合结合角度约束法实现扰动葡萄采摘点的定位。视觉定位试验结果表明:自然环境中不同光照下扰动葡萄采摘点的视觉定位准确率达80%以上,为采摘机器人应用于实际生产提供了理论基础。 相似文献
8.
9.
基于最优空间的猕猴桃双臂并行采摘平台设计与试验 总被引:1,自引:0,他引:1
为使多关节双臂并行采摘空间与猕猴桃棚架空间相适应,以保证双臂间采摘区域连续无漏果且采摘面积最大化,采用理论与试验相结合的方法对双臂并行采摘平台进行设计。首先,结合机械手工作空间和棚架空间等效模型,分析确定了双臂空间布局方案;然后,通过对双臂并行采摘效率进行理论分析确定优化设计变量,以采摘面积最大和公共区域占比最小为指标建立目标优化函数,利用粒子群算法求解得最优双臂相对安装位置870mm、最优双臂安装高度1020mm和移动平台最大间歇式前进步距450mm;在此基础上,建立了双臂开链运动模型及其位置层约束关系;最后,为验证采摘空间适应性及整机作业性能,搭建双臂并行采摘平台样机并进行了果实定位误差试验和双臂并行采摘试验。结果表明:果实平均水平和深度定位误差分别为5.0mm和8.3mm,基本满足猕猴桃采摘要求,平均果实位置遍历成功率为92.09%,双臂能够遍历除奇异点外所要求的目标果实点,平均果实采摘成功率为82.10%,平均单果采摘时间为5.86s,通过位姿调整双臂在共享空间可以改善运动冲突问题,验证了猕猴桃双臂并行采摘平台的作业可行性。 相似文献
10.
11.
智慧果园是未来果园行业发展的趋势,智能化果实采摘是发展智慧果园的关键问题。为实现智能化果实采摘,本文搭建了一种适用于丘陵果园矮化栽培模式下的柑橘采摘机器人系统。针对丘陵果园垄间地面凹凸不平,存在地形倾斜角0°~20°,设计了一种自适应调平平台保持机械臂基座水平;通过视觉系统获取多幅点云图像建立果树的三维点云模型,获取果实位置信息;为避免采摘时造成果实损伤,结合柑橘类水果的采摘特点,设计了一种剪切夹持一体化的末端执行器完成柑橘采摘。针对果园自然环境的主要扰动因素(风和光照)进行分级,设置10组对比试验,结果表明:在低光照或正常光照条件下,平均果实定位准确率为82.5%,末端执行器夹取成功率为87.5%,平均采摘时间最短为12.3s/个;高光照条件下平均果实定位准确率为72%,末端执行器夹取成功率为80%,平均采摘时间最短为12.5s/个。 相似文献
12.
13.
基于PLC三轴伺服控制系统的果蔬采摘机械手设计 总被引:1,自引:0,他引:1
为了提高果蔬采摘机械手的工作效率和定位精度、降低果蔬采摘机械手在采摘过程中造成的破碎率,以及简化机械手的结构和控制方式,设计了一种新的基于PLC的三轴伺服控制果蔬采摘机械手。该机械手可以灵活地实现移动、升降和夹紧与放松。为了测试机械手的有效性和可靠性,通过苹果采摘试验对机械手的性能进行了测试。测试发现:机械手的位置和摆角调整时间较少、超调量较低,符合设计需求。其准确定位率较高,最高达到了98.56%;且具有较好的定位性能,单次定位时间耗时较低,机械作业效率较高,能够满足大规模果蔬采摘的设计需求。 相似文献
14.
15.
针对作业空间较小的大棚果蔬采摘环境,研制了串联式4自由度关节型果蔬采摘机械臂。采用SolidWorks建立了机械臂的3维模型,在拉格朗日法建立动力学分析模型的基础上,利用ANSYS和ADAMS分析软件,对机械臂进行静态结构分析和运动学、动力学仿真分析。静力学仿真结果表明,机械臂的最大应力为8.181 8 MPa,最大形变为0.000 329 11 m,结构设计合理,强度符合要求;运动学仿真结果表明,机械臂可以精确到达目标位置,运动过程平稳;动力学仿真结果表明,各关节的最大力矩均在安全合理的范围。为进一步验证设计的合理性,对研制的果蔬采摘机械臂进行了性能测试,结果表明机械臂定位精度最大误差±2.5 mm,平均误差±1.1 mm,带载能力3 kg,机械臂运动平稳,可以满足果蔬采摘作业要求。 相似文献
16.
基于单目视觉与超声检测的振荡果实采摘识别与定位 总被引:2,自引:0,他引:2
针对采摘机器人在果实振荡情况下因难以精确定位影响采摘效率的问题,提出了一种基于单目视觉与超声检测的振荡果实识别与定位方法。首先对采集的振荡果树图像序列进行基于色差R-G的Otsu阈值分割和形态学处理,接着对图像果实区域进行灰度填充,将处理后的图像序列叠加得到复合图像和目标果实运动区域,求取振荡果实在图像运动区域的二维平衡位置坐标。然后机械手在视觉引导下运动,其末端指向振荡果实二维平衡位置坐标,同时超声传感器检测目标果实深度信息并提取超声回波信号峰峰值进行果实识别,当检测到果实处于适合采摘位置时,机械手爪抓取果实。采摘试验表明,采摘成功率为86%,验证了所采用方法的有效性,为实现采摘机器人实用化提供了参考。 相似文献
17.
为了提高采摘机器人的定位速度,对机器人的机器视觉系统进行了改进,设计了一种基于聚类算法和视频对象提取技术的快速定位机器人。该机器人视频对象图像提取过程中,在完成图像进行滤波后,引入了Lab彩色空间聚类算法,有效地降低了图像的色彩数和噪声,实现了图像对象的量化处理,大大提高了果实定位和采摘的效率。为了验证设计的快速定位采摘机器人的可靠性,对机器人的采摘性能进行了测试,测试项目主要包括图像处理和果实定位。通过测试发现:快速定位机器人可以有效地实现图像聚类中心的提取,并对聚类中心进行编码,每次定位用时少、定位速度高且果实采摘的准确性累计概率较高,符合高精度、高效率果实采摘机器人的设计需求。 相似文献
18.
首先,设计了一种采用K-means聚类算法和图像处理相结合的目标边缘识别算法,可以获得完整的目标边缘轮廓;然后,利用卷积神经网络和双目视觉技术实现了采摘机器人水果检测及定位方法。实验结果表明:该采摘机器人水果检测及定位方法较好,计算量小,处理速度快,误差较小,能够满足采摘要求。 相似文献
19.
采摘目标空间位姿信息缺失和目标定位精度低是影响草莓采摘机器人采摘效果的关键因素之一。为此,本文首先设计了基于颜色信息和卷积神经网络的草莓图像目标定位与分割以及目标点云分割模型;其次,实现了基于图像的草莓可采摘性和遮挡程度识别模型;最后,设计了草莓空间定位和姿态估计模型并实现草莓采摘点定位方法。基于本文方法对完整草莓位姿估计平均误差为4.03%,对遮挡草莓位姿估计平均误差为9.06%,采摘定位综合误差为2.3mm。在实际采摘实验中,采摘成功率为92.6%,平均每个草莓的计算耗时约为92ms,单个草莓采摘动作的执行平均耗时约为5.7s。实验结果表明:本文提出的方法可在温室条件下较准确地估计草莓空间位姿和采摘点,为草莓采摘机器人提供有效的目标定位信息,有效满足实际采摘场景下的需求。 相似文献