基于改进型SegNet的苹果采摘点分割算法研究

针对直接使用SegNet模型处理苹果图像会出现采摘点分割不清晰和分割错误的问题,提出了一种改进的SegNet语义分割模型进行苹果采摘点分割,使其更适应于复杂的自然环境,为采摘机器人提供帮助。在SegNet模型中引入DenseNet的思想,直接连接来自不同网络层的特征图,实现图像特征的多次重用,以提高模型的分割精度。为了验证改进算法的有效性,选取3种不同品种的苹果建立图像数据集,并在PyTorch深度学习框架上进行训练。利用通用的评价指标,将SegNet模型改进前后的测试结果进行对比。试验结果表明,改进的SegNet模型的最佳精确率、召回率、特异性和Dice系数分别为83.10%、84.82%、98.56%和83.95%。相比原模型,改进的SegNet模型识别成功率提高了2.19%,在运算时间几乎不变的情况下,能够更好地实现自然环境下采摘点的分割,为其他种类水果的采摘点分割识别算法提供了研究基础。     

新型苹果采摘机器人的设计与试验

农业机器人是未来农业自动化发展的重要趋势。苹果采摘机器人作为一种典型的农业机器人,却一直难以实现,其主要受限于苹果空间分布的不规律性,以及存在视觉定位及采摘方式等技术难题。基于此,研制了一款新型苹果自动采摘机器人,由四轮驱动移动平台、双目视觉系统、机械臂及采摘手组成。新提出一整套设计方案,区别于多数针对局部的研究和仿真测试。介绍了整体方案的规划、移动平台的设计、双目视觉系统的工作原理以及机械臂的运动规划原理。样机测试识别正确率达到90.08%,采摘成功率为91.31%,平均采摘周期约为29 s,系统整体性能表现优越。     

采摘机器人的目标定位和测量技术

在采摘机器人的工作过程中,为了提高采摘机器人的采摘成功率,需要获取水果的位置信息,以确定果实与采摘机器人的相对位置关系.由于采摘作业环境复杂,为提高采摘系统的工作效率,提出一种基于Opencv采用Yolov5算法和双目相机对水果进行目标识别和空间定位的方法.针对小目标识别在Yolov5算法中识别精度的不足,在Yolov5算法网络结构中叠加包含更多低层级信息的浅层特征图,实现小目标检测层进行算法优化,实验结果表明,优化后的识别网络对水果检测的平均精度为92.4%.基于深度学习的优化识别网络在识别小目标方面具有更好的性能,可以有效提高果农采摘系统的工作效率.     

手持背负式水果采摘机的设计

针对我国南方地区果园地势特殊及水果采摘效率不高的问题,采用手持背负式,设计了一种辅助人工的水果采摘设备,通过试验采摘分析,表明该设备采摘效率较高,设备省时省力且采摘效果良好,满足设计要求。     

一种轻量型果园环境果实检测方法

果园环境下柑橘的快速准确检测是自主采摘机器人作业的关键.针对现有的模型过于冗余、检测速度与精度不平衡等问题,提出一种轻量型果园环境果实检测方法.在YOLOv4算法的基础上引入焦点损失函数(Focal Loss)来提高模型在二分类检测任务中的负样本挖掘能力,并针对模型参数冗余等问题提出一种优化的模型剪枝方法.试验结果表明：提出的方法在果园环境中柑橘果实数据集检测得到的平均精度均值(mean average precision,M_AP)达到94.22%,相较于YOLOv4模型提高了1.18%,模型参数减小了95.22%,模型尺寸为原来的4.84%,检测速度为原来的4.03倍.     

基于支持向量机的苹果检测技术

由于苹果果梗和缺陷的识别是苹果检测中的难点,两者的误分类会造成苹果等级的误判．作者提出了苹果果梗和缺陷图像分形特征提取的改进算法,构建了支持向量机并采用SMO算法对其进行训练．用计算机视觉系统采集苹果图像,然后提取苹果果梗和缺陷的分形特征作为支持向量机的输入进行识别．用富士苹果进行试验,得到的平均识别正确率为90．6％．     

基于VGG-F动态学习模型的苹果病虫害识别

为了提高自然环境下苹果病虫害的识别准确率和识别效率,提出了具有动态学习特征的VGG-F苹果病虫害识别模型。首先,依据常见的苹果病害和虫害类型构建图像数据集,同时采用Retinex算法对数据集中的含雾图像进行增强处理;然后选择网络层数较少的VGG-F网络模型作为迁移学习对象,并依据数据样本特性对重训练过程进行学习率动态调整,以及基于试验对比选取最佳动量值;最后,利用数据集对三种不同模型进行重训练和识别效果对比测试。数值测试结果表明,相比于原始VGG-F模型和深层模型VGG-19,文中模型将苹果病虫害识别准确率分别提升了5%和0.63%,且该模型的重训练时间最短,从而验证了文中苹果病虫害识别模型的有效性。     

基于ICP算法的苹果采摘机器人手眼标定方法

苹果采摘机器人手眼协同作业过程中手眼关系的精度是影响机器人作业效率和作业精度的关键因素之一.针对传统手眼标定方法求解精度低、线性化求解时解耦精度丢失和非线性求解时累积误差较大等问题,提出一种基于ICP算法的手眼标定方法.以Tsai〖CD*2〗Lenz法的求解结果作为ICP匹配算法初值,通过确定ICP匹配算法中误差阈值和迭代次数最优组合得到精确的手眼转换关系.试验结果表明,本文方法避免了求解时精度丢失和误差积累等问题,与Tsai〖CD*2〗Lenz算法相比,旋转精度提高了13.6%,平移精度提高12.47%.     

水果防碰损采摘的视觉认知及其执行机构研究进展

研发水果采摘机器人对提高收获效率、保证果实品质和减轻劳动强度具有重要意义,但由于果园环境的非结构性,使得采摘机器人极易因目标定位不准、采摘顺序不当、夹剪位姿不合理等导致果实碰伤或刮落,造成该损伤的主要原因是防碰损采摘的视觉认知与执行机构耦合问题尚未得到解决。为梳理水果采摘机器人防碰损作业的最新研究进展,从防碰损采摘中果实多维信息（采摘点、果梗位姿、防碰空间包围体等）的视觉感知、采摘机器人的视觉认知与智能防碰损采摘行为规划、防损采摘机构设计及其行为控制等三方面进行了全面综述和分析,并对今后需重点解决的核心关键问题进行总结和展望,为进一步研究和攻克非结构环境下水果智能防碰损采摘问题提供参考和依据。     

一种机电网综合设计的水果采摘机

针对当前水果采摘效率低、收集困难的现状,设计了一种机电网综合的水果采摘机。利用摄像头和Wi-Fi实现观察和定位,通过摆动导杆机构和限位开关实现自动剪切,通过伸缩杆和可拆卸收集网实现不同高度水果的采摘和收集。对采摘机的结构、性能和软硬件系统进行了详细设计,制作的样机小巧便携,有效地提高了采摘效率。     

基于轮廓曲率的树上苹果自动识别

为实现机器人采摘作业中苹果的空间定位,研究了单幅自然光条件下果树图像中苹果及其果柄识别定位的方法.建立以规格化的r,g为输入,苹果、树枝、树叶等为输出的三层BP神经网络模型,用于图像分割,经预处理后,提取苹果目标,根据目标形状将苹果分为5类,通过不同的圆拟合方法得到苹果的准确位置.在对被遮挡苹果进行圆拟合时,依据目标轮廓曲率的变化,抽取连续光滑轮廓线段,用采样点平均曲率的倒数作为拟合圆的半径,再由几何关系求出圆心位置.结合苹果的拟合圆,给出果柄所在的近似矩形区域,在区域内分割出树枝部分,进而利用投影法确定果柄的精确位置.通过对40幅果树图像试验表明,苹果及其果柄的识别率在80%以上.     

改进VGG模型在苹果外观分类中的应用

为了将采摘后的苹果进行外观分类,提出了一种基于卷积神经网络的方法,通过改进VGG卷积神经网络完成对外观正常苹果、病斑苹果和腐烂苹果的分类。在VGG-16网络的基础上,加入批归一化层、采用全局平均池化和联合损失函数的方法对其进行结构优化。在经过数据增广的数据集上,与其他分类方法进行对比,结果表明:改进后的VGG网络对外观正常苹果、病斑苹果和腐烂苹果的识别精度分别为99.61%、98.89%和99.26%,均高于未改进VGGNet、AlexNet和GoogLeNet算法,证明此网络能够很好地完成对苹果外观的分类识别,可为采摘后的苹果实现智能分类提供技术支持。     

语音技术在农业智能化中的应用展望

针对农业智能装备工作环境复杂、操作不便捷与作业效率低的问题,对语音技术在农业智能化中应用的前景进行了展望,并提出农业装备中语音系统软硬件整体架构,把语音技术分为语音提示、语音报警、语音控制、视觉语音4部分.在ROS开发环境中,运用python编译语言建立控制软件系统框架,将成套控制软件分为农作物信息检测单元、作业信息检测单元、接收语音信号单元、作业命令控制单元、语音播报-报警单元,把各功能单元进行模块化编程,实现整套系统的多功能同步协调运行.以葡萄采摘机器人为例,分别实现采摘机器人作业信息语音提示功能、语音控制采摘机器人运动功能、田间葡萄品种与成熟度信息识别储存并语音播报功能,对推进语音技术在农业智能化中的应用具有一定价值.     

夜间低照度条件下苹果采摘机器人的图像识别

为提高苹果采摘机器人的环境适应能力,使其能够在夜间低照度人工光源条件下识别图像进行采摘,综合所采集图像的全部色彩信息和苹果表面像素点在RGB色彩空间中的聚集特性,在三维空间中首先用最小二乘拟合法对苹果表面典型样点进行空间直线拟合,再依据样点到直线距离的均值和标准差建立阈值分割模型,初步识别夜间的图像.针对夜间图像中存在的阴影问题,采用相同的方法并结合阴影区域像素的二维位置信息对图像进行修正,实现图像识别的精确性和完整性.在光照范围内,不考虑过度遮挡,识别率可达90%以上,提高了夜间识别的精度和工作效率.     

基于虚拟仪器技术的VQ-SVM并行说话人识别系统

摘要：说话人识别混合方法是目前研究的热点,基于虚拟仪器技术并融合说话人识别技术,提出矢量量化和支持向量机方法结合,依托MATLAB实现运算,由LabVIEW以多任务管理和调用MATLAB来实现说话人并行识别处理。经自建小样本语料库仿真实验,结果表明：系统识别率98.54%、误识率5.28%、识别时间0.25秒,较单一矢量量化和支持向量机方法识别率分别提高了3.66%和1.16%,误识率分别降低了6.01%和4.43%;随着样本数的增多,矢量量化方法识别率呈上升趋势,而支持向量机方法识别率呈下降趋势。由此可见：两种方法优势互补实现并行识别可提高系统主体性能。     

果园运输车减振降损性能

针对果实在丘陵果园内运输损伤严重这一情况,需对其损伤原因进行分析并提出一种能够有效降低损伤的解决方案;通过对果实运输过程进行分析可得:路面不平激励下运输车果箱振动是造成果实损伤的主要原因;以苹果为研究对象,建立ADAMS与EDEM的联合仿真模型,对运输车的运输过程进行仿真,测量苹果碰撞受力判断其是否损伤;通过优化运输车减振结构,提升其减振性能,减小苹果在丘陵果园内运输损伤率。仿真结果表明:优化后较优化前苹果损伤率降低近5%,该方案能有效提高运输车减振降损性能,对降低果园内果品运输损伤率具有重要的现实意义。     

自动阈值法在生长环境茄子图像分割中的应用

在果蔬采摘机器人系统中,果实目标的智能化识别和定位问题一直是没有解决的问题。为此,研究生长环境中茄子图像的分割算法问题。通过对生长环境中茄子果实与周围环境颜色特征的试验与统计,得出了EXG颜色因子对于茄子果实分割最为有利的结论。采用自动阈值法对EXG灰度图像进行了分割。选择图像灰度的均值作为初始阈值的估算值,然后连续不断的进行迭代,直到取得满意的结果。试验表明,分割效率分别大于81%,平均用时为0.116s,能够满足果蔬采摘机器人对视觉系统的要求。     

HY-1GZDVFM-130型履带自走式起垄机作业效果及效率的验证

为了验证HY-1GZDVFM-130型履带自走式起垄机的起垄效果及作业效率,我们将履带式起垄机与常规手扶式旋耕起垄机在同一田块中进行实际操作对比。试验结果表明：履带式起垄机的作业效果优于常规机械,平均作业效率达0.99 hm2/8h,是常规机械的2.68倍;作业成本为321.38元/hm2,较常规机械降低了132.51元/hm2,节约成本29.2%。因此,履带式起垄机的起垄质量好,作业效率高,成本低,适宜在南方烟区推广使用。     

红花采摘腔室气流场仿真优化设计与试验

以提高采摘后红花丝收集效率和采收质量为目标,优化设计便携对辊式红花采收机采摘腔室内的气流场,基于Fluent流体仿真软件建立了红花采收机气固两相流分布模型,根据实测的红花采收机相关数据,确定边界条件和模型参数,得到不同导流孔参数下气流场分布.设计了与模拟条件相同的验证试验,利用高速摄像与试验设备对仿真结果进行验证分析,...     

基于视觉的橘类水果识别系统设计

水果采摘作为水果生产过程中的一个重要环节,具有季节性强和劳动密集的特点,所占用的劳动力数量较大且整体自动化程度较低。为提高水果采摘效率,设计了一种基于视觉的橘类水果识别系统,基于水果的颜色特征、霍夫圆检测原理进行成熟橘类水果的识别,使用深度摄像头实现目标的定位。以蜜桔为研究对象,分别在正常光线无遮挡、正常光线有遮挡以及外部光源补光的情况下开展试验研究。试验结果表明,提出的基于视觉的橘类水果识别系统能够为水果识别与定位技术提供技术支撑和可靠数据,为实现水果智能化采摘样机的研制奠定基础。