排序方式： 共有40条查询结果，搜索用时 15 毫秒
21.
采摘机器人振荡果实匹配动态识别 总被引：4，自引：3，他引：1
为解决由于果实振荡影响采摘机器人识别定位时间,进而影响采摘速度和效率的问题,对采摘机器人在果实振荡状况下的匹配动态识别方法进行了研究。首先介绍了振荡果实的动态识别流程,确定出采摘目标果实作为后续匹配识别的模板;然后引入去均值归一化积相关匹配识别算法,采用FastInverseSquareRoot算法和快速哈特莱变换对其进行加速优化,同时借鉴以往旋转无关匹配识别算法进行抗旋转改进;试验结果表明,加速优化后的匹配识别算法能够进行采摘目标果实的匹配识别,单幅平均匹配识别时间为0.33s,经过抗旋转等改进的匹配识别算法在[-55°,60°]较大范围内旋转无关,可以准确识别振荡果实,加上模板适时更新,能够满足实际需求。该研究可为果蔬采摘的动态识别提供参考。 相似文献
22.
二倍体泥鳅线粒体细胞色素b基因的序列分析 总被引：1，自引：0，他引：1
对二倍体泥鳅的线粒体细胞色素b基因进行PCR扩增和正反测序，在5个个体中均得到序列一致的细胞色素b基因片断，长度为1140bp，A、T、G、C含量分别为313（28％）、358（31％）、170（15％）、300（26％），A＋T〉C＋G，与其他水生动物相同基因片段碱基序列含量相似，该基因中密码子第1位核苷酸中4种碱基组成较为均衡；第2位核苷酸中T的使用率较高，为33．4％，G的使用率较低，为17．1％；密码子第3位A的使用率高，为34．2％，而G的使用率较低，仅为7．9％；由泥鳅细胞色素b基因片断推导出对应的氨基酸序列，在氨基酸序列中Leu占11．％，远高于其他氨基酸。 相似文献
23.
基于IPSO-UKF的水草清理作业船组合导航定位方法 总被引：1，自引：0，他引：1
在河蟹养殖水草清理过程中,为降低养殖户劳动强度和提高导航定位精度,研究结合DGPS和视觉导航的优点,设计一种用免疫粒子群算法(IPSO)来优化无迹卡尔曼滤波(UKF)的组合导航定位方法,并应用于水草清理作业船。首先通过建立组合导航模型,得到系统的状态方程和量测方程;为解决UKF对导航模型滤波存在的发散问题,再通过粒子群算法(PSO)优化UKF,并引入免疫算法避免PSO的早熟现象;最后得到滤波后新的位置坐标。为获取视觉信息,对采集的图像采用相应的图像处理技术确定导航路径。导航实验结果表明,所提方法相比DGPS导航和组合导航,纬度误差分别下降22.69%、9.14%,工作时间分别减少4.77%、4.32%,进一步提高了作业船工作效率。 相似文献
24.
不同投喂率对南方鲇稚鱼生长和存活率的影响 总被引：1，自引：0，他引：1
以６个水丝蚓投喂水平培育６日龄南方鲇稚鱼,测定了不同投喂率下稚鱼的摄食水平、生长、存活率和残食率。结果表明,鱼苗体长小于５ｃｍ时,投喂鱼苗体重６０％的饵料鱼苗生长最快,特定生长率高达１９．１％;体长大于５ｃｍ时,体长增长和体重特定生长率以５０％投喂率组较高,但与６０％投喂率组的差异不显著。Ａ、Ｂ、Ｃ、Ｄ、Ｅ和Ｆ组（分别投喂３０％、４０％、５０％、６０％、７０％和８０％稚鱼体重的饵料）的存活率分别为５６％、７５％、８７％、８９％、９１％和９０％。Ａ、Ｂ组的残食率较高,分别是３０％和１９％;Ｅ、Ｆ组最小,分别是４％和４．５％。 相似文献
25.
提出了一种基于气电混合驱动且能够全天候工作的高效率苹果收获机器人。该机器人机械臂包含5个自由度,混合使用电动和气动两种驱动方式,同时保证机械臂的准确定位和末端执行器对果实的快速柔性抓取。机器人视觉识别系统结合了机器视觉和深度神经网络方法,在提高系统鲁棒性的同时优化了系统的整体检测速度。此外,机器人配备的夜间照明系统使其能够实现全天候工作。在实验室环境下进行了机器人视觉检测试验和苹果采摘试验,结果表明,视觉系统定位苹果的平均时间为44 ms,机器人的采摘率为81. 25%,平均每个苹果的采摘时间为7. 81 s。 相似文献
26.
苹果采摘机器人对振荡果实的快速定位采摘方法 总被引：9，自引：9，他引：0
为解决由于果实振荡影响采摘机器人采摘效率的问题,该文研究了苹果采摘机器人在果实振荡状况下的快速采摘方法。首先对振荡果实进行动态连续采集,其次对所采集的图像进行振荡果实识别并提取其二维质心坐标,然后由FFT建模,求取果实的振荡周期,在测得振荡果实的深度距离后,计算出采摘机器人直动关节的行程速度,随即开始采摘,抓取时果实正处于平衡位置。最后通过试验可知,采摘成功率达到84%,对于果实静态状况下采摘速度较快的采摘机器人来说,采摘振荡果实,该研究方法明显优于以往采摘方法,能够显著提高采摘机器人果实采摘的整体速度。此外,该采摘方法简单、通用性好,可满足苹果等类球状果实采摘机器人的需要,对实现其实用化和商品化提供参考。 相似文献
27.
机器人采摘苹果果实的K-means和GA-RBF-LMS神经网络识别 总被引：2，自引：7，他引：2
为进一步提升苹果果实的识别精度和速度,从而提高苹果采摘机器人的采摘效率。提出一种基于K-means聚类分割和基于遗传算法(genetic algorithm,GA)、最小均方差算法(least mean square,LMS)优化的径向基(radial basis function,RBF)神经网络相结合的苹果识别方法。首先将采集到的苹果图像在Lab颜色空间下利用K-means聚类算法对其进行分割,分别提取分割图像的RGB、HSI颜色特征分量和圆方差、致密度、周长平方面积比、Hu不变矩形状特征分量。将提取的16个特征作为神经网络的输入,对RBF神经网络进行训练,以得到苹果果实的识别模型。针对RBF神经网络学习率低、过拟合等不足,引入遗传算法对RBF隐层神经元个数和连接权值进行优化,采取二者混合编码同时进化的优化方式,最后再利用LMS对连接权值进一步学习,建立新的神经网络优化模型(GA-RBF-LMS),以提高神经网络的运行效率和识别精度。为了获得更精确的网络模型,在训练过程中,苹果果实连同树枝、树叶一块训练;得到的模型在识别过程中,可一定程度上避免枝叶遮挡对果实识别的影响。为了更好地验证新方法,分别与传统的BP(back propagation)和RBF神经网络、GA-RBF优化模型比较,结果表明,该文算法对于遮挡、重叠果实的识别率达95.38%、96.17%,总体识别率达96.95%;从训练时间看,该文算法虽耗时较长,用150个样本进行训练平均耗时4.412 s,但训练成功率可达100%,且节省了人工尝试构造网络结构造成的时间浪费;从识别时间看,该文算法识别179个苹果的时间为1.75 s。可见GA-RBF-LMS网络模型在运行效率和识别精度较优。研究结果为苹果采摘机器人快速、精准识别果实提供参考。 相似文献
28.
针对解决苹果采摘机器人众多传感器数据采用有线传输,数据线纷繁杂乱、检修不便等问题,以及其直动关节在伸缩过程中对末端执行器传感器数据线容易扯断纠结等具体情况,设计了传感器无线数据传输系统。首先对苹果采摘机器人无线数据传输进行了整体设计,对无线通信模块电路、USB通信电路进行了选型设计,同时设计了部分传感器的信号调理电路;其次为了无线数据实时、可靠的传输,在方法上采取了质效控制措施,并制定了数据传输协议,然后进行了无线数据传输的程序设计,最后通过测试结果验证了传输协议的健壮性,数据传输的高效性,并根据测试结果与系统开销之间进行协调,选取了最优设置参数。该研究为采摘机器人及其他农产品生产机器人数据传输提供了一种无线实现方式和新的实现方案。 相似文献
29.
为了实现苹果机器采摘过程中的柔顺抓取以减小果实损伤,该文在对苹果抓取过程的力学特性变化规律分析的基础上,提出了苹果采摘机器人柔顺抓取的参数自整定阻抗控制方法。首先,利用Burgers黏弹性模型表征苹果的流变特性,将抓取过程分为匀速加载、夹持减速、应力松弛3个阶段,在此基础上求解获得苹果形变量随时间的变化规律和果实接触力与变形量的变化关系。然后,求解出所设计的基于力的阻抗控制系统的期望输入以及抓取环境接触力模型。最后,针对阻抗控制器参数对接触力的影响,构造阻抗参数自整定变化函数,完成改进阻抗控制系统设计。仿真及试验结果表明:依据果实抓取模型及变形规律求解期望位置的方式来模拟末端执行器对苹果的抓取过程是可行的,所建立的抓取环境接触力模型在一定程度上能够避免将环境模型简化为一阶模型而产生的误差。改进阻抗控制得到的期望抓取力更加平顺,其超调量约为2.3%,接触力调节时间减小到0.48 s,接触力的超调量约为2%,较未改进阻抗控制的接触力超调量减小了37.5%。研究结果可为苹果采摘机器人的柔顺控制方法提供参考。 相似文献
30.
基于超像素特征的苹果采摘机器人果实分割方法 总被引：3，自引：0，他引：3
针对苹果采摘机器人在自然环境下对着色不均匀果实的识别分割问题,提出了基于超像素特征的苹果采摘机器人果实分割方法。首先,采用简单线性迭代聚类算法将图像分割成内部像素颜色较为一致的若干超像素单元;然后,提取每个超像素的纹理和颜色特征,并采用支持向量机将超像素分为果实和背景两个类别;最后,根据超像素之间的邻接关系对分类结果进行进一步修正。实验表明,该方法能够对大部分超像素单元进行正确分类,平均每幅图像被错误分类的超像素约为2.28个。与采用像素级特征的色差法和采用邻域像素特征的果实分割方法相比,采用超像素特征的果实分割方法具有更好的分割效果。在进行邻接关系修正前,该方法图像分割准确率达0.9214,召回率达0.8565,平均识别分割一幅图像耗时0.6087s,基本满足实时性需求。 相似文献