葡萄套袋机器人目标识别方法

针对水平棚架栽培模式下采集的单幅葡萄果树图像,提出了结合葡萄颜色与形状特征的目标识别定位方法,获得果穗的中心线和长度特征参数。通过提取葡萄图像的|G-R|+|G-B|色差图,利用Sobel算子进行边缘提取。构建葡萄果粒轮廓的数学模型进行Hough变换,实现葡萄果粒的初步识别。结合葡萄果穗的颜色、纹理特征以及果粒分布较为集中的特点判断Hough变换检测出的圆区域是否为果粒。综合利用识别出的果粒信息找到葡萄图像的外接矩形完成目标提取。对78幅图像进行测试,正确识别出葡萄区域的图像为70幅,正确识别率约为90%。

阀口袋套袋机器人轨迹优化方法研究

目的为了提高阀口袋套袋机器人的工作效率,提出基于改进粒子群算法的阀口袋套袋机器人时间最优轨迹规划方法。方法首先,通过逆运动学方程反解出操作空间轨迹对应的关节空间角度值。其次,采用4-3-4混合多项式对阀口袋套袋机器人的关节空间轨迹进行插值拟合。最后,在速度约束条件下,利用改进粒子群算法对阀口袋套袋机器人的运行时间进行优化处理。结果仿真结果表明,改进粒子群算法可以在保证阀口袋套袋机器人运行平稳的条件下将总运行时间缩减41.66%,实现了阀口袋套袋机器人在关节空间中时间最优的轨迹规划。结论该方法可有效地提高机器人工作效率,延长机器人的使用寿命,为阀口袋套袋机器人稳定可靠运行提供了科学依据。

基于IDEF0的葡萄套袋机器人功能模型设计研究

葡萄套袋作业是一项繁重但必须的农业劳作,本文分析研究了葡萄套袋机器人的需求,基于IDEFO方法建立了该机器人的功能模型,并进行了详细的功能分解,建立了其功能树。基于功能模型分析,提出了葡萄套袋机器人的原型。

葡萄套袋智能机器人系统设计与目标提取

为提高葡萄套袋自动化智能化水平、降低人工套袋劳动强度,研制了葡萄套袋机器人系统。针对棚架葡萄种植的园艺特点,设计了基于圆柱坐标的机器人系统本体结构,针对葡萄套袋机器人提取目标图像运算量大、耗时多等问题,提出了一种基于遗传算法的目标特征提取算法,该方法无需彩色模型转换,时间复杂性较形态学算法及BP神经网络分割算法速度快,可对葡萄进行快速目标特征提取及识别。葡萄套袋机器人试验证明:在导航车速度为0.3 m/s情况下,葡萄目标识别率达95%,葡萄目标识别平均耗时136 ms;机器人套袋成功率达85%,单串葡萄套袋平均耗时39.6 s。