基于YOLOv3算法的智能采茶机关键技术研究

在复杂背景下精确识别茶叶嫩芽,是实现高端茶叶智能化采摘的关键技术之一。为实现高端茶叶机械化精准采摘,设计一台基于视觉的采茶样机,根据蛛式机械手采摘茶叶的路径规划,将机械手末端的移动坐标问题转换成静平台3个电机转角问题。针对YOLOv3算法进行改进,采用EfficientNet网络替代DarkNet-53网络进行特征提取,并利用目标函数GIOU优化损失函数。试验结果表明:改进的YOLOv3算法在茶叶嫩芽识别方面,其准确率达到86.53%,单张图像平均识别时间为53 ms,相比传统的YOLOv3算法,性能实现明显的提升,可以达到预期目标,满足机器采摘需求。

履带式智能采茶机的设计与试验

目前,单人采茶机、双人采茶机多为背负式,工作时噪音大、劳动强度大、采茶效率低,也有跨行自走式采茶机,但不适用于密植型、非标准种植、行间距较小的茶园作业,进入丘陵茶园困难,不利于推广使用。为了解决上述技术问题,设计了一种履带式智能采茶机,并利用SolidWorks软件三维建模,对采茶机进行总体结构设计、运动分析和茶园试验。试验结果表明:采茶机结构设计合理,动力安全可靠,操作方便快捷,工作性能良好,满足了茶农对于采摘的需求,适用于我国大部分茶园的茶叶采摘工作。

基于“人-机-环境”系统的智能名优采茶机设计研究

目的旨在提高采茶效率,解决现有名优茶采茶机在使用过程中存在的一些问题,即不贴合作业环境、用户交互体验感弱和采摘效率低等。方法以四川蒙顶山为设计目标地,运用"人-机-环境"系统理论分析影响设计与产品相关的"人"与"环境"因素,结合"人"的生理和心理特征以及作业环境、政策导向等信息准确定义智能采茶机。结论 "人"的因素影响采茶机的色彩以及交互体验,"环境"因素影响采茶机的尺寸、结构、行走方式、动力机构等,综合运用"人-机-环境"系统下的各个子因素以及相关因素的关系,能够更加准确地定义智能名优采茶机,产品在功能、体验感、贴合作业环境等方面明显增强,提高了设计准确率。"人-机-环境"系统理论对具有明确设计目标的农机产品设计具有很大的借鉴意义。

基于计算机视觉的茶叶嫩芽识别方法研究进展

一直以来茶叶嫩芽的采摘都依赖于手工,机械化采摘依旧是难题。近些年计算机视觉技术飞速发展,为智能化采摘茶叶嫩芽提供了技术前提,受到科研人员的广泛关注,已率先在茶叶嫩芽识别领域展开了相关研究。本文从茶叶嫩芽检测识别、品质等级分类识别两方面来综述当前茶叶嫩芽识别的研究进展,介绍了分别基于传统图像处理法、机器学习算法和基于深度学习算法的茶叶嫩芽检测识别方法,比较分析了每种方法的优缺点,着重介绍了深度学习算法在茶叶嫩芽品质等级分类中的应用研究进展,同时总结了当前茶叶嫩芽研究领域的热点及存在的诸多难点,并对今后茶叶嫩芽识别研究的方向进行了展望,以期为茶叶嫩芽智能化采摘提供相应的技术支持。

茶叶识别技术研究现状

茶叶识别技术是实现智能化采茶设备以及摆脱常规采茶所需庞大劳动力问题的重要技术支持。目前,最常用的茶叶识别方式为基于机器视觉的识别技术中的深度学习目标检测以及图像特征识别的方法,通过汇总分析茶叶识别技术的研究现状以及对于其存在的问题进行总结并预测发展趋势,来为我国茶叶采集智能化发展提供借鉴与参考。