基于改进蚁群算法的多农业机器人路径规划研究

针对蚁群算法在解决多机器人移动路径规划上存在的局限性,本文利用栅格法对环境进行空间建模,并在基本蚁群算法的基础上,对启发信息函数做出了改进,同时提出死锁问题的解决方案。改进方案既保证了算法的速度,又避免了算法的提前收敛。另外,针对未知运动状态和已知运动状态的障碍物,本文分别讨论了动态窗口搭配区域膨胀以及正碰、侧碰两种避碰策略,进一步加强了机器人应对多变的室内农业环境的能力。本文所研究改进的算法对于用在障碍物较多,路径规划较复杂的大型农场中有较好的效果,其有利于提高农业机器人在大面积农业场景的运作效率。

基于机器视觉和PNN神经网络的鸭蛋表面缺陷检测研究

本章提出了一种基于概率神经网络(PNN)结合机器视觉的鸭蛋表面裂痕检测方法,配合背景光照法,结合灰度图像处理、图像高斯滤波处理、图像分割处理等算法去除图像杂质干扰,采用反锐化掩模局部对比度增强的分段增益改进算法来增强裂痕,收集裂痕、污点的相关信息作为数据集录入PNN神经网络,进行识别判断。本研究对1600张鸭蛋图片样本进行采样分析,将鸭蛋分为好蛋、脏污蛋、裂纹蛋3种。试验表明,该系统对干净无损蛋、脏污无损蛋、裂纹蛋的检测准确率分别达到了95.1%、77.9%、95.3%,具有较好的泛化性和鲁棒性,符合复杂鸭蛋生产加工环境的应用需求。

基于CNN-LSTM的数字微流控系统液滴运动时间预测模型

由于数字微流控芯片在制造和使用过程中可能存在潜在故障,并且芯片的应用领域对安全性要求极高,因此需要对芯片进行全面的测试以确保其可靠性和安全性。提出融合卷积神经网络(CNN)算法和长短期记忆(LSTM)神经网络的预测模型。利用机器视觉技术获取数字微流控驱动控制系统数据,基于CNN-LSTM模型对数字微流控系统液滴运动时间变化进行预测及相关性分析,并与传统的LSTM神经网络模型进行对比。实验结果表明,在驱动电压90 V下,CNN-LSTM模型在预测精度上明显优于LSTM神经网络模型,决定系数(R^(2))达到0.9543,均方误差(MSE)仅为6.5301,平均绝对误差(MAE)为1.9179,平均绝对百分比误差(MAPE)为5.0520,预测值与实验值之间的拟合程度高。结果表明,CNN-LSTM的预测准确率高于传统的LSTM神经网络模型,能有效识别实验器件健康状态、较好预测潜在故障时间,具有有效性和优越性。

基于红外光强的数字微流控系统定位

基于介电润湿(EWOD)效应的数字微流控(DMF)系统是一种能够实现多个独立的微液滴控制的新兴技术。该技术具有芯片结构简单、控制方法易于实现、样品消耗小和无流体运动死区等优点。为了满足DMF系统液滴精准驱动与控制的迫切需求,提出了一种基于红外光强的DMF系统定位方法,该方法可以在驱动控制液滴的同时,实现无输入参数的液滴精准定位。进一步基于该定位方法,实现了DMF系统的反馈控制。最终实现了一套具备液滴驱动、定位和反馈功能的DMF控制系统。实验结果表明提出的方案有利于提高DMF系统应用的成功率和可靠性。在同样的芯片参数结构下,成功率提高了约38%。同时设计的控制系统可以为其他研究基于EWOD的DMF系统的研究团队提供一个可靠的自动化实验平台。

基于物联网的果蔬鲜切系统设计与实现

市面上现存的自动切割果蔬机器多数为大型机器,不适用于日常生活。为了提高果蔬切割效率,设计了一种基于物联网的果蔬鲜切系统,包括机械臂抓取设计与实现、果蔬鲜切系统设计与实现。文中的果蔬自动鲜切系统使用STM32F1的串口与服务器通信实时控制指令、STM32F103C8T6为控制核心,后端使用Netty编写服务端让Web网页端与硬件模块进行通信,满足果蔬切割条件后由任务指令控制摄像头采取图像和机械臂的伸缩、旋转以及升降,通过逆运动分析控制机械臂的移动夹持果蔬,实现自动切割与运输果蔬的功能。该系统通过网页进行可视化自动控制,使用方便,具有很好的推广前景。

基于介电润湿的数字微流控系统液滴精准生成与分裂

基于介电润湿(EWOD)效应的数字微流控(DMF)系统能实现微升级别的多个液滴移动、分裂、合成等操作。针对目前基于EWOD的DMF系统液滴生成和分裂精度不高、效率低、难以精准控制的问题,在传统的电极设计基础上,设计了一种可以实现液滴精准生成和分裂的混合型驱动电极的EWOD芯片,并且研制了能与设计芯片匹配的驱动控制系统。最终实现了一套具备液滴生成、分裂、定位以及反馈功能的数字微流控方案。实验结果表明提出的方案能够提高液滴生成和分裂的成功率和可靠性。与传统的正方形驱动电极的EWOD芯片相比,该EWOD芯片液滴生成的误差率降低了约7%,单个液滴生成的时间缩短了约240 ms。同时研制的基于嵌入式系统和机器视觉的驱动控制系统可以为其他研究EWOD器件的相关团队提供一个可靠的一体化实验验证平台。