共查询到17条相似文献，搜索用时 218 毫秒
1.
苹果四臂采摘机器人系统设计与试验 总被引：1，自引：1，他引：0
针对鲜食苹果智能化高效采收需要,该研究设计了四臂并行采摘的“采-收-运”一体式机器人系统,以代替人工采收作业。以中国矮砧密植高纺锤果树为对象,根据树冠内果实空间分布特征,提出了四臂并行采摘执行部件的作业方式;建立了基于多任务深度卷积网络的果实可见区域识别模型,实现受遮挡果实离散区域语义分割及其归属关系的端到端判别;在此基础上,根据果实表面局部点云信息对其质心进行空间定位;提出了基于时间最优的四臂协同采摘任务规划方法,以实现机械臂对树冠内不同区域的高效遍历。最后在采摘机器人关键部件集成的基础上,在矮砧密植标准果园进行生产试验。试验结果表明,机器人对树冠内可见果实的识别率为92.94%,被识别果实中定位精度满足机器人采摘操作要求的比例为90.27%;机器人平均采摘效率为7.12 s/果,其中四臂协同采摘效率约为单臂采摘效率的1.96倍;对可见果实采摘成功率为82.00%,对树冠内全部果实的采收率为74.56%,枝叶遮挡干涉是造成采摘失败的主要原因。该研究可为鲜果智能化采摘模式的探索应用提供技术支撑。 相似文献
2.
目前国内苹果基本采用人工采摘方式,随着劳动力资源短缺以及机械自动化技术的迅速发展,利用机器人采摘替代人工作业成为必然趋势,开发苹果采摘机器人用于果园收获作业具有重要意义。由于苹果采摘作业环境复杂,严重制约了采摘自动化的发展。目标识别、定位与果实分离是苹果采摘机器人的关键技术,其性能决定了苹果采摘的效率及质量。该文概述了具有市场化前景的苹果采摘机器人发展和应用现状,综述了在复杂自然环境光照变化、枝叶遮挡、果实重叠、夜间环境下以及同色系苹果的识别方法,介绍了多种场景并存的复杂环境下基于深度学习的苹果识别算法,遮挡、重叠及振荡果实的定位方法,并对采用末端执行器实现果实与果树的分离方法进行了分析。针对现阶段苹果采摘机器人采摘速度低、成功率低、果实损伤、成本高等问题,指出今后苹果采摘机器人商业化发展亟需在农机农艺结合、优化识别算法、多传感器融合、多臂合作、人机协作、扩展设备通用性、融合5G与物联网技术等方面开拓创新。 相似文献
3.
番茄串收机械臂运动规划方法与试验 总被引：1，自引：1，他引：0
番茄串的采收环境复杂,果实体积相对较大,机械臂采收运动路径规划不仅要考虑如何采摘,还需要考虑采摘后如何避开障碍,并从复杂环境中提取出番茄串。为此,该研究以温室栽培的番茄串采摘为对象,提出了基于空间分割的实时运动路径规划算法。首先通过聚类拟合环境中的枝条,简化空间障碍物;然后分割采摘空间,筛选可行采摘空间,并引入评价函数选取最优采摘空间,指导机械臂以合理有效的姿态完成采摘;最后在采摘任务的基础上加入实时避障子任务,引导机械臂躲避障碍完成任务,保证采摘番茄串任务安全无损。在以上研究的基础上,通过大量采收试验验证算法的有效性。试验结果表明:通过基于空间分割的实时运动路径规划算法,采收机器人的单串番茄采摘时间为12.51 s,且采摘成功率接近100%。与目前主流的采样算法RRT*-connect相比,单串番茄的采摘时间降低了31.23%,大幅提高了采摘效率。 相似文献
4.
立体苗盘管理机器人的机械臂参数优化与试验 总被引：3，自引：3，他引：0
为使立体苗盘管理机器人的机械臂能够在植物工厂狭窄的作业环境下,灵活、高效地完成目标工作空间的所有搬运和喷洒动作任务需求,同时尽量减小机械臂的操纵空间和结构尺寸,采用理论与试验相结合的方法对机械臂参数进行了优化设计。首先采用D-H法建立了机器人的运动学模型,然后通过工作空间分析确定出优化参数的工作空间约束条件。在此基础上,以"距离最短"和"结构紧凑"为性能指标建立目标优化函数,并利用遗传算法求解出最优的大臂杆长648 mm、中臂杆长472 mm和小臂杆长396 mm,最优机械臂关节转角极限值为96°、68°和126°。最后进行机器人样机的搬运和喷洒运动规划试验,并借助高速摄像系统标记机械臂末端运动轨迹坐标。试验结果表明:优化后的机械臂能够到达目标工作空间的所有极限位置及其他特征位置点,最大绝对定位误差为9.8 mm,最大相对定位误差为0.98%,在允许的误差范围内,能够满足机械臂工作空间对目标工作空间的有效包容。 相似文献
5.
基于关节构形空间的混联采摘机械臂避障路径规划 总被引：5，自引：3，他引：2
针对混联采摘机器人在非结构性环境中进行避障采摘作业的要求,该文提出了一种基于关节构形空间的混联采摘机械臂避障路径规划算法。根据机械臂和障碍物的几何特征,对机械臂及障碍物模型进行合理简化,通过分析末端执行器目标点和串联机械臂结构参数选取合适的并联机械臂动平台目标点,然后采用遍历法构建串联机械臂关节构形空间,并利用快速扩展随机树(rapidly-exploring random tree,RRT)算法搜寻串联机械臂无撞路径,再通过同样的方法获得并联机械臂关节空间障碍物映射模型和无撞路径,最后综合串、并联机械臂的无撞路径,获得混联机械臂整体的避障路径。仿真和试验结果表明,文中所提出的算法搜索的避障路径能够驱动采摘机械臂避开工作空间内的障碍物,引导末端执行器到达目标点。 相似文献
6.
为合理分配农业机器人群协同作业中各机器人的工作量与工作区域,提高机器人群协同作业的整体效能与工作效率,该研究提出一种复杂环境下异质农业机器人群的任务分配及全区域覆盖策略。在考虑农业机器人异质性的基础上,以机器人团队整体效能最优为目标进行任务分配并确定各机器人的工作量。根据农场实际工作环境建立一级分区的概念,在栅格化环境建模与障碍物膨胀处理的基础上,在一级分区内部建立二级分区的栅格分区和分区合并规则,简化农田中的复杂工作环境;将遗传算法与混合粒子群算法相结合改进遗传算法交叉操作,建立遗传算法染色体种群多样性的概念,并综合考虑遗传算法染色体适应度值的差异以及种群多样性阶段设置自适应交叉变异概率,继而利用改进的遗传算法解决深度优先搜索算法在一级分区与二级分区间的遍历顺序问题;设置深度优先搜索算法在二级分区内的路径搜索规则,并在栅格图内遍历的同时根据各机器人的工作量分配其工作区域,设置机器人在其工作区域中的遍历规则,实现机器人群对农田的全区域覆盖。仿真试验结果表明,改进的遗传算法所得到的遍历各分区的路径长度与收敛迭代次数较传统遗传算法分别减少了2.8%与69.5%,较模拟退火算法分别减少了9.3%与19.0%;包含3、5、7、9和11个障碍物的5幅环境地图中,机器人群遍历工作区域的总面积重复率分别为6.3%、8.9%、16.7%、21.7%和23.4%。在4种面积相等的异形农田中设置相同数量的障碍物进行验证试验,结果表明,机器人群总遍历面积重复率分别为16.7%、13.1%、11.9%和6.7%。机器人群协同作业场地试验结果表明,4个试验机器人均可在规定的时间要求(25 min)内完成各自工作量,遍历面积重复率分别为5.77%、4.14%、6.75%和4.85%。研究结果可为复杂环境下农业机器人群协同作业策略提供理论支撑。 相似文献
7.
针对连续体采摘机械臂收获作业中末端负载时的姿态变形问题,该文提出一种求解连续体采摘机械臂末端负载姿态变形的等效方法,结合大挠度变形理论和单位力原理建立了连续体采摘机械臂负载姿态变形的标准数学模型函数,通过建立系统性多参数承载性能试验,验证了所提出的弯曲姿态变形函数模型的准确性,其误差均在7.8%范围内。分析归纳了连续体采摘机械臂在不同弯曲角参数和末端负载质量参数对模型误差的影响规律,并根据负载性能试验结果得出分析可知,连续体采摘机械臂末端负载时为50 g时,其理论模型姿态与试验姿态末端位置误差最小可至3.8%,负载质量的增加至150 g时,其误差最小可至7.2%,该研究可为连续体采摘机械臂收获作业的准确定位提供可靠的控制理论基础。 相似文献
8.
基于视觉伺服的草莓采摘机器人果实定位方法 总被引：1，自引：9，他引：1
为解决基于手眼系统的视觉伺服方法在草莓采摘机器人应用中存在的视觉信息反馈延迟大、频率低以及深度信息无法确定等带来的定位耗时长、精度低的问题,采用摄像机曝光信号触发控制卡进行高速位置锁存,结合位置传感器的反馈信息,来减少定位耗时;采用基于运动恢复结构的方法,提高果实采摘参数的精度。在垄坡和摄像机像平面的夹角为±10°范围内的情况下,针对包含1~3粒成熟草莓的果实域,采用直角坐标式机械臂草莓采摘机器人样机进行了定位试验。试验结果表明:定位时间在0.633~0.886 s之间;草莓深度信息的相对误差在-4.34%~0.95%范围内。 相似文献
9.
果蔬培育过程涉及采摘、喷雾、剪枝等多种作业内容,为此该文提出了一种三臂多功能农业智能机器人,各机械手臂具有不同的作业功能,同时每2条手臂之间又可实施协同作业;建立该机器人的运动学模型是实现该系统多功能作业的前提,为此该文采用D-H方法建立了机器人连杆坐标系,分别推导了视觉系统、剪切执行器、采摘执行器、喷洒执行器的运动学方程,实现了运动学正解;采用代数方法得到了封闭形式的运动学方程逆解,求解了在采摘和喷洒模式下的各末端执行器包络空间,选取包络空间中的若干特征点作为试验样本,并为该机器人系统搭建了用以检验其执行精度的三维坐标系。试验结果表明,该机器人系统的运动模型能够指导各末端执行器完成指定动作且最大误差仅为8 mm,误差远远小于末端执行器的开度,能够满足要求。 相似文献
10.
末端执行器是水果采摘机器人的核心部件，由于目前水果采摘对象种类繁多，结构及参数固定的采摘末端执行器无法适应多场合采摘作业需求。该研究设计了一种欠驱动关节型采摘末端执行器，模拟人手包络采摘动作，并以柑橘为对象模拟球型果实对末端执行器进行结构设计。为改善此类末端执行器重复设计情况，并提升采摘适用性，提出一种基于改进遗传算法的参数化设计方法。运用 Microsoft Visual Studio 2012开发平台设计参数化界面，采用改进遗传算法结合NX的二次开发模块 NXOpen对末端执行器进行结构参数优化，并基于Adams对优化后的采摘末端执行器进行动力学仿真分析，验证了优化后的末端执行器采摘范围较优化前提升了29.1%。制作物理样机并分别进行室内与果园柑橘采摘试验，果径68～106 mm的柑橘采摘成功率达到92.9%，平均采摘单个柑橘用时7.3 s。所设计的末端执行器针能够针对不同果径的球形果实时做出快速变形反应，适合苹果、梨等不同种类球型果实采摘作业。采用遗传算法应用至优化机构工作参数，提高了机构设计的准确性与适用性。 相似文献
11.
基于RGB-D信息融合和目标检测的番茄串采摘点识别定位方法 总被引：5，自引：5，他引：0
采摘点的识别与定位是智能采摘的关键技术,也是实现高效、适时、无损采摘的重要保证。针对复杂背景下番茄串采摘点识别定位问题,提出基于RGB-D信息融合和目标检测的番茄串采摘点识别定位方法。通过YOLOv4目标检测算法和番茄串与对应果梗的连通关系,快速识别番茄串和可采摘果梗的感兴趣区域（Region of Interest,ROI）;融合RGB-D图像中的深度信息和颜色特征识别采摘点,通过深度分割算法、形态学操作、K-means聚类算法和细化算法提取果梗图像,得到采摘点的图像坐标;匹配果梗深度图和彩色图信息,得到采摘点在相机坐标系下的精确坐标;引导机器人完成采摘任务。研究和大量现场试验结果表明,该方法可在复杂近色背景下,实现番茄串采摘点识别定位,单帧图像平均识别时间为54 ms,采摘点识别成功率为93.83%,采摘点深度误差±3 mm,满足自动采摘实时性要求。 相似文献
12.
13.
樱桃番茄串生长姿态多样、果实成熟度不一，采摘机器人进行“粒收”作业时，常面临果梗干涉末端执行器、成熟度判断错误等问题，导致采摘效率低下、难以有效实现分级采收。针对上述问题，该研究提出一种级联视觉检测流程，包括采收目标检测、目标果实特性判别、果实与果梗位置关系判断3个关键环节。首先根据农艺要求按成熟度将番茄果实分为4个等级，引入YOLOv5目标检测模型对番茄串和番茄果实进行检测并输出成熟度等级，实现分期采收。然后对果实与果梗的相对位置进行判断，利用MobileNetv3网络模型对膨胀包围盒进行果实与果梗相对位置关系判断，实现末端执行器采摘位姿控制。日光温室实际测试结果表明，本文提出的级联检测系统平均推理用时22ms，在IOU(intersectionoverunion)阈值为0.5的情况下，樱桃番茄串与果实的平均检测精度达到89.9%，满足采摘机器人的视觉检测精度和实时性要求，相比末端执行器以固定角度靠近待采目标的方法，本文方法采收效率提升28.7个百分点。研究结果可为各类果蔬采摘机器人研究提供参考。 相似文献
14.
番茄果实串采摘点位置信息获取与试验 总被引：6，自引：6，他引：0
针对番茄收获机器人在采摘过程中果实串采摘点位置难以确定的问题,提出了基于果梗骨架角点计算方法,并利用该算法对番茄果实串果梗采摘点进行位置信息获取:首先采用最大类间方差分割法进行目标果实串分割,通过形态学方法和阈值法去除干扰,提取出目标果实串分割图像;根据果实串的质心和果串的轮廓边界确定果梗的感兴趣区域,采用快速并行细化算法提取果梗的骨架,利用Harris算法检测得到果实串第一个果实分叉点与植株主干之间果梗骨架角点,通过计算获得采摘点位置信息。然后进行验证试验,利用双目视觉图像采集系统采集了60组果实串图像并获取果梗采摘点位置信息,结果表明,采摘点位置成功率为90%,为采摘机器人提供准确的采摘位置信息。 相似文献
15.
机械化采收技术是制约林果产业发展的重要瓶颈。实现林果机械化采收是林果产业转变发展方式、节本增效、增强国际市场竞争力的重要途径之一,也是林果产业全程机械化和规模化的研究重点和难点。林果机械化采收的技术重点是高效低损采摘,最终目标是实现林果自动化、智能化、无人化采收。该文总结了中国林果种植分布情况现状,将现有林果机械化采收技术与装备系统地划分为一次性联合摘果采收和振动采收后集果捡拾,并对其研究现状和发展动态进行了阐述和剖析。在此基础上,结合林果产业发展要求和应用场景,归纳了国内林果机械化采收技术面临的机会和挑战,并提出兼顾不同需求发展高性能、高效率、高可靠的林果机械化采收装备建议,以期为促进林果业的现代化和高新技术推广提供参考。 相似文献
16.
基于卷积神经网络的田间多簇猕猴桃图像识别方法 总被引：21，自引：17，他引：4
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。 相似文献