基于四自由度视觉机器人的织物分拣方法

针对人工分拣织物效率低,劳动成本高,而且对工人身体产生危害的问题,提出机器视觉与机器人相结合代替人工分拣织物的方法,从而解决了人工分拣织物存在的缺陷。构造RBF神经网络的颜色分类器将不同颜色织物分类,利用阈值分割对目标织物进行分割;使用遍历中心扩散法求取机器人抓取织物的抓取点;经过摄像机标定和机器人轨迹规划实现机器人对纯色织物的自主分拣。实验结果表明,该方法分拣织物的准确率能够满足纺织业的实际应用需求。

基于机器视觉的采茶机割刀控制方法

针对现有乘坐式采茶机切割的茶叶质量偏低的问题,提出了一种基于机器视觉的采茶机割刀控制方法;首先对相机参数进行低复杂度的标定,然后采用动态阈值分割方法和颜色分类器,提取茶叶图像中的嫩芽区域,并设计间接定位法定位弧形割刀位置;接着通过计算两个指定区域的嫩芽面积及它们的和与差异,得到弧形割刀左右两侧的动作参数;最后将动作参数传给下位机,控制割刀到达预期位置;该方法分别对单株茶树和实地茶园进行了实验,结果表明该方法能够准确定位弧形割刀位置和识别嫩芽区域,实现割刀位置的自适应调整,具有较好的茶叶切割效果,切割得到的嫩芽比例可达70%以上。

番茄采摘机器人目标识别方法研究

针对目前采摘机器人工作环境复杂、效率低下等问题,在采摘机器人体系结构的基础上,提出了一种将AdaBoost分类器和颜色特征分类器相结合用于番茄采摘机器人的目标识别方法。通过试验分析该方法的性能,并与改进前的性能进行比较。试验结果表明,该方法的平均番茄识别时间为78.955ms,识别准确率达到97%以上,性能优良,达到番茄采摘机器人对目标识别的要求。为实现采摘机器人智能化提供了一定的参考和借鉴。