蔗芽剪切力学特性试验研究

为减少甘蔗蔗芽在剥叶过程中受到的机械损伤,分析了蔗种剥叶过程中的受力情况,并对蔗芽进行了剪切试验。选取中蔗14号与桂糖42号甘蔗品种为试验对象,以取样高度、剪切方向与加载速率为试验影响因素,采用3×3×2析因设计分析3个因素对蔗芽剪切破坏力的影响及其交互关系。根据力学特性试验结论设计出柔性绳碎叶辊并进行对比试验,结果表明:取样高度与剪切方向对剪切破坏力具有极显著影响(P<0.01),随着取样部位高度的增加,蔗芽的剪切破坏力降低,且横向剪切破坏力大于纵向剪切破坏力,中蔗14号与桂糖42号的剪切破坏力在下部(根部)蔗芽横向剪切时最大,分别为21.56N与20.68N左右,在上部(尾梢)蔗芽纵向剪切时最小,分别为10.22N与9.14N左右;加载速度对剪切破坏力没有显著影响(P>0.05),取样高度与剪切方向之间的交互作用对蔗芽剪切破坏力有显著影响(P<0.05)。在对比试验中,蔗种经柔性绳碎叶辊剥叶机剥叶后的伤芽率降低2.91%,所得结果符合蔗芽力学特性试验结论。

复杂环境下蔗梢图像分割方法研究

为实现甘蔗联合收割机对田间甘蔗蔗梢的有效识别与切割,提出一种基于改进粒子群优化算法结合OTSU阈值分割算法的蔗梢图像分割方法。以甘蔗图像的H分量作为分割样本,选用中值滤波去除图像中存在的小范围孤立噪声点,利用改进非对称加速因子与非线性递减更新惯性权重的PSO算法,通过迭代搜寻图像最优阈值,并将此阈值作为改进算法的分割阈值,得到蔗梢分割图像。根据不同的天气条件采集120幅甘蔗样本图像,对本文算法进行测试。试验表明,所设计的算法对晴天、阴天两种天气下的甘蔗图像分割识别率分别达到88.33%、91.67%,平均识别率为90.0%,处理单张甘蔗图像平均所用时间为0.368 7 s,分割速度较传统OTSU算法与标准PSO+OTSU算法分别提高30%、15%以上。

基于改进YOLOv5的旋转目标检测算法及其应用研究

目的 提高工业分拣上常见的纹理多样、随机堆放盒体的检测与识别能力。方法 提出一种基于YOLOv5的旋转目标检测算法,该算法包括目标分类、位姿角度识别和边界框位置定位3个模块功能。目标分类模块中,通过自建数据集和设计8种目标分类标签以供模型分类学习;位姿角度识别模块对YOLOv5头网络中添加角度预测分支,引入环形平滑标签角度分类方法,实现分拣盒体的旋转角度精准检测;在边界框位置定位模块上,使用LCIoU回归框损失函数来计算旋转框回归损失,得到紧密包裹目标位置的边界框。结果 改进的YOLOv5算法在自建数据集上检测精度达到95.03%,在机器人多物体分拣实验中的准确率可达100%。结论 本文算法在盒体处于散乱堆放、密集堆放、堆叠堆放场景下均具有较高的定位与识别精度。