果蔬自动化采摘机的机械结构设计与试验

在农业发展的很长一段时间以来,由于机械化程度一直处于较低水准,果蔬收取主要依靠人工收获。新世纪以来,自动控制技术在农业上得到较为普遍的应用,计算机技术也在农业领域取到长足进步,当代农业发展呈现出高度自动化,同时也更加符合人工智能时代的发展要求,技术应用更加紧密。在农业发展的大背景下,收取机器人应运而生,不仅能解决劳动力不足的问题,而且有效地降低劳动强度,从根本上提高果蔬收取效率。为此,主要描述了农业果蔬自动化收取机样机的结构和工作原理,并以西红柿为例,在大棚环境下进行了试验性收取尝试。对试验数据分析处理后显示:西红柿作为收取目标,机器整体正确识别率已接近90%,无损伤收取达成比率约为68.5%,果实收取过程,平均需要消耗时间约为10s。在周围场景较为复杂的田间大棚里,收取机能够顺利完成收取作业并取得可靠的实验数据,证实针对西红柿等茄科植物研制的果蔬自动化收取机,自动化控制设计可靠性,能够适应各种复杂条件的实际生产工作。

现代农业——半自动化采摘机械研究

文章阐述了果实采摘机器的国内外研究成果,介绍了现在典型果实采摘机器的研究现状。研究果树采摘机器不但在调整市场需求、提升经济效益、减少劳动强度上有着深刻意义,同时还有助于促进我国农业进步、加快我国农业现代化发展。本文基于目前主流采摘机器的工况、性能及存在问题等,指出了当前采摘机器在研究与应用过程中的主要问题与制约因素。

基于PLC的自动化番茄采摘机械臂设计与实现

【目的】解决人工采摘番茄效率低、成本高、劳动强度大等问题。【方法】基于自动化番茄采摘机械臂的功能与性能需求,提出了一种基于PLC的自动化番茄采摘机械臂的设计与实现方案。进行了运动控制算法开发、视觉识别系统编程及采摘决策逻辑等软件设计和机械臂结构、传感器集成、动力传动装置及通信模块等硬件设计,并在标准光照强度(1000 lux)、适宜温度(20~25℃)和湿度(60%~70%)的模拟温室环境和实际温室环境下进行了功能与性能测试。【结果】该机械臂的视觉识别准确率为98.5%,采摘成功率为96.2%,平均每个采摘周期时间为2.3 s,连续工作时长可达10 h,平均能源消耗为1.2 kWh/h,所设计的自动化番茄采摘机械臂具备良好的功能与性能表现,能够满足实际应用的需求。【结论】基于PLC的自动化番茄采摘机械臂能够高效地完成采摘任务,提高采摘效率并降低人工成本,性能稳定可靠。后续的研究仍需关注机械臂在复杂环境下的适应性、采摘精度的进一步提升以及成本控制等关键问题,以促进自动化采摘技术更广泛应用与普及。

采-运同步式双机器人葡萄自动化采收系统

【目的】传统的葡萄采收方式受人工搬运能力的限制,同时存在采摘点往返集中点的运输时间损失、采收效率较低等问题,亟需探索一款强度低、效率高、安全性佳的葡萄自动化采收系统。【方法】研究小组设计并制造了一种采-运同步式双机器人葡萄自动化采收系统,首先从葡萄的采收方式入手,提出了采-运同步式采收,为葡萄的自动化采收打下了基础;其次对采摘机器人和运输机器人的运输筐转移系统进行了研究,设计出了采摘机器人与运输机器人相结合的采收机器人系统;最后设置采运同步组与先采后运组的采收对比实验,比较二者的采收性能。【结果】在总工作时间分别为20 min、40 min、60 min的条件下,随着工作时间的延长,采运同步组的总运输数比先采后运组分别提升了25%、26%、28%;随着工作时间延长、采摘范围扩大,采收效率的提升程度也逐渐增大。【结论】该采-运同步式双机器人自动化采收系统能自主完成葡萄采收作业,相比于传统作业模式有着较好的效率提升效果,应用前景广阔。

浅析国内外果蔬采摘自动化的现状

随着现代科学技术的发展,人类正在朝着一个机械智能化时代迈进。越来越多的行业开始导入智能化、自动化的机器,而对于劳动力输入最多的农业自是不甘落后的,早早的将机械利用其中。是什么使得机器在社会中所占比重越来越大呢?就拿果蔬采摘来说,果蔬采摘需要大量的劳动力,由于现在世界面临严重的人口老龄化问题,导致了劳动力大量缺失,使得人们不得不使用机械代替人类。文章就是主要叙述了国内外果蔬采摘机器人的研究发展现状,论述了在果蔬采摘过程中机器采摘的重要性。

农机自动化控制技术的应用

随着社会的快速发展,以往的农业生产模式已难以满足人们日渐提高的要求。而将现代化机械设备和技术应用于农业生产中,不仅实现了生产力的稳步提升,而且降低了农业对于劳动力的需求。基于此,本文就自动化技术在农机中的运用现状展开分析,探究农机自动化技术具有的优势,并举例说明农机自动化控制技术的实际应用,以供参考。

基于改进YOLOv7的茶叶嫩芽识别模型研究

为了在复杂环境中有效识别茶叶嫩芽并在最大限度避免伤害茶树的情况下,提高智能化采摘精度,本研究针对传统目标检测算法在茶园中存在的检测精度低、鲁棒性差等问题,提出一种基于改进YOLOv7的茶叶嫩芽识别与检测的模型YOLOv7-tea,从而实现对茶叶嫩芽的快速识别与检测。首先,采集茶叶嫩芽图像并完成嫩芽图像的标注和数据增强,构建茶叶嫩芽数据集。其次,通过在YOLOv7主干网络的3个特征提取层中引入CBAM注意力机制模块,增强模型对特征提取的能力;采用SPD-Conv模块替换颈部网络下采样模块中的SConv模块,以减少小目标特征的丢失;通过EIoU损失函数优化框回归损失,提升预测框的准确率。最后,以茶叶嫩芽图像数据集为样本将其他目标检测模型与YOLOv7-tea模型进行对比试验,并对不同距离、不同角度拍摄的茶叶嫩芽图像进行识别效果检测。试验结果表明,YOLOv7-tea网络模型比YOLOv7模型的精确率(Precision,P)、召回率(Recall,R)和识别平均精度(mAP)值分别高出2.87、6.91和8.69个百分点,且模型的检测速度更快,在复杂背景下对茶叶嫩芽的识别与检测具有更高的置信度分数。该研究构建的YOLOv7-tea模型对小尺寸茶叶嫩芽的识别效果较好,减少了漏检和误检的情况,具有良好的鲁棒性和实时性,可为茶叶的产量预估和智能化采摘提供参考。

梳齿式咖啡豆采收机器人的设计及试验

针对人工采收咖啡豆劳动强度大、采摘效率低的问题,研究提出了一套自动采收咖啡豆的机器人解决方案,满足咖啡豆精确快速采收的需求。创新设计了一种梳齿式末端执行机构,该机构由一对相位相差180度的左右梳齿条组成,由丝杆机构完成左右梳齿的闭合,将承载咖啡豆的枝条约束在左右梳齿中间,由凸轮机构带动梳齿条往复运动,固定在梳齿条上的胶棒对咖啡枝条进行振击,成熟咖啡豆在触碰力作用下从枝条上脱落,实现快速采收。对梳齿胶棒与咖啡豆之间的冲击特性进行了理论分析,建立了载荷与接触夹角之间的函数关系;对梳齿机构进行了有限元分析,确定了轻量化梳齿机构的结构尺寸参数。仿真分析结果表明,所提出的梳齿式咖啡豆采收机构对成熟咖啡豆振击式采收具有可行性。

果实智能识别在复杂农业环境中的高效检测与分割策略

21世纪,我们国家的农业产量持续增高,尤其水果常年丰产,近十年年均复合增长率约为3.54%,但无法忽视的是劳动力的短缺以及成本的逐年提升已经成为目前这一行业面临的关键挑战,人工收获不仅效率低,且已经无法应对庞大且逐年增长的水果产量,应用更为先进的自动采摘技术已经是一种趋势。随着农业自动化技术的快速发展,自动水果采摘技术已经成为提高农业生产效率和降低劳动力成本的关键技术之一,但由于识别准确率低,适应性差,以及过高的成本,这一技术的应用并不顺利。本研究提出了一种基于改进卷积神经网络的果实检测与分割算法,旨在推进自动化水果采摘机器在复杂环境背景下的应用,通过引入注意力机制,也希望可以有效提高在遮挡和背景干扰条件下的果实检测和分割准确率。

基于改进YOLOv5s的茶叶嫩芽分级识别方法

【目的】实现自然环境下茶树鲜叶嫩芽品质识别,是移动机器人自动化采摘茶叶嫩芽的技术基础。针对茶园复杂环境下茶叶嫩芽识别准确率低、速度慢和鲁棒性差的缺点,提出了一种基于改进YOLOv5s的茶叶嫩芽分级识别方法。【方法】使用双目深度相机采集茶叶嫩芽图像,并完成茶叶嫩芽图像的增强和标注,以此进行数据集的构建。为加强茶叶嫩芽主要特征提取能力以及减少参数和计算量,在YOLOv5s主干网络尾部(SPPF模块后)加入CBAM注意力机制;为提高小尺寸茶叶嫩芽的识别准确率,在YOLOv5s多特征融合结构中增加微小目标检测层,将浅层与深层特征图融合后进行检测。使用改进的YOLOv5s算法对制作的茶叶嫩芽图像数据集进行模型的训练和测试实验,与多种主流目标检测算法进行对比实验,并对不同角度、不同距离拍摄的茶叶嫩芽进行识别效果检测。【结果】改进的YOLOv5s网络模型对多类别茶叶嫩芽识别的平均准确率(MAP)和召回率(R)分别达到94.2%、98.2%,较原模型分别提高1%、1.9%;各等级茶叶中,单芽和一芽一叶茶叶的识别平均准确率(AP)提高较多,分别提高了1.4%和1.5%,一芽二叶和一芽三叶的茶叶识别AP分别提高1%、0.5%。改进的YOLOv5s网络模型平均检测时间0.0262 s,模型大小为15.8 MB,相比原模型仅有微小增加。【结论】与多种主流检测模型相比,改进的YOLOv5s算法对各等级茶叶嫩芽识别准确率较高,对小尺寸茶叶嫩芽的识别效果提高较多,漏检和误检情况大大减少,具有良好的鲁棒性和实时性,满足对不同品质茶叶嫩芽的精准实时识别需求,适合在移动设备使用,可以为茶叶嫩芽的自动化采摘提供技术支持。

香蕉采摘机械的研究现状与发展趋势

采取文献综述与经验总结相结合的方法,对国内外香蕉采摘机械的现状进行研究;从香蕉采摘机械手与自动化采摘机械2个方面对文献知识进行梳理与归纳。结果表明:1)国内外出现众多的香蕉采摘机械手,包括采摘机械夹持装置、支撑装置、切割装置等,可以实现替代人工,降低果实损伤的目的。2)目前集采摘、运动于一体的自动化香蕉采摘机械,极大的提高了香蕉采摘的效率,促进香蕉产业快速发展。3)多功能、智能化香蕉采摘机械仍然是当前香蕉采摘机械的研究重点。针对香蕉采摘机械发展过程中存在的不足,提出如下的发展方向:深入研究香蕉采摘机械的行走装置,实现快速运动与灵活转向;在当前自动化采摘机械的基础之上,全面研究香蕉果实视觉识别系统与计算机决策系统;进一步研究移动小车与机械臂,增强香蕉采摘机械的抗倾覆能力;香蕉采摘、落梳与包装一体机或可更换机械手的多功能化果实采摘机是未来香蕉采摘机械的研究热点。