在農(nóng)業(yè)機械采摘范疇,機械臂采摘識別與最短路徑規(guī)劃決定采摘精度。單純?nèi)搜圩R別存在著重復(fù)機械勞動的因素,長時間容易造成效率降低。但是單純利用軟件或者傳統(tǒng)圖像處理技術(shù)又無法精確識別定位采摘目標(biāo),或者識別定位時間過長,無法提升單位時間內(nèi)識別采摘效率。在農(nóng)業(yè)果林復(fù)雜環(huán)境下需要同時具備采摘精度高、資源能耗低的自動化識別采摘作業(yè)的方案。因此,開展采摘機械臂的輕量級高精度目標(biāo)識別研究是具有極大的市場應(yīng)用前景。本文主要是從三個方面開展研究:第—,基于深度卷積神經(jīng)網(wǎng)絡(luò)目標(biāo)物體檢測。根據(jù)硬件環(huán)境下功耗低、速度快、質(zhì)量輕、識別精度高和可拓展定制性強的需求,選取輕量級深度卷積神經(jīng)網(wǎng)絡(luò)為內(nèi)核,選取多平臺可搭建的keras深度學(xué)習(xí)框架,配合windows平臺或者樹莓派linux平臺,利用YOLO算法標(biāo)準(zhǔn)權(quán)重在復(fù)雜果林環(huán)境下針對目標(biāo)進行理論上快速目標(biāo)分類識別,識別精度提高到90%,用時僅需4.94秒。第二,機械臂建模與軌跡仿真。本文以愛普生C4-A601機械臂作為建模研究對象,使用D-H參數(shù)法建立機械臂的連桿坐標(biāo)模型。通過求解機械臂運動學(xué)方程,表述機械臂在坐標(biāo)系中的姿態(tài)映射。利用齊次坐標(biāo)變換公式和連桿坐標(biāo)系建立,展現(xiàn)機械臂多連桿運動軌跡方程結(jié)構(gòu)。通過使用MATLAB工具箱中Robotics Toolbox對運動學(xué)模型進行仿真,規(guī)劃出采摘軌跡路徑。通過求解運動學(xué)正逆問題,經(jīng)過四次多項式的三次樣條插值,可以保證仿真過程中的軌跡殘差值在(9.39×10-15,1.82×10-14)的區(qū)間范圍之內(nèi),驗證機械臂運動學(xué)正確性和建�？尚行浴５谌�,視覺圖像處理。將工業(yè)相機采集抓拍圖像進行形態(tài)學(xué)處理,進行分水嶺算法語義分割,Canny算子邊緣檢測與霍夫邊緣檢測再處理,得到目標(biāo)坐標(biāo)參數(shù)進行反饋,幫助機械臂更精準(zhǔn)定位抓取。最后利用已有實驗條件環(huán)境,進行算法調(diào)試,啟動工業(yè)相機進行識別定位,運行機械臂抓取實驗。結(jié)果顯示,機械臂識別過程僅使用1.5秒,整個抓取過程僅使用13秒。說明本文提出的方法能夠有效、精準(zhǔn)識別并且抓取目標(biāo)物體,大大節(jié)約經(jīng)濟成本,提高了生產(chǎn)效率。
【學(xué)位單位】：中南林業(yè)科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2019
【中圖分類】：TP241;TP18
【部分圖文】：

圖１．２葡萄采摘機械臂逡逑Ｆｉｇ邋１．２邋Ｇｒａｐｅ邋ｈａｒｖｅｓｔｉｎｇ邋ｒｏｂｏｔ逡逑如圖１．２所示。該收獲機械臂設(shè)計有基于極坐標(biāo)的５自由度采摘機械臂，它逡逑由四個旋轉(zhuǎn)接頭和一個直線接頭組成。此種結(jié)構(gòu)可以有效保證末端執(zhí)行器水平或逡逑者垂直地靠近葡萄架。末端執(zhí)行器由仿真手指和切斷莖脈的剪刀姐成，而且在不逡逑同的階段設(shè)計有多套末端執(zhí)行器，用于葡萄的套袋、噴霧和剪枝作業(yè)，有效提高逡逑了設(shè)備綜合利用率。主要存在缺點：有作業(yè)對象的限制，多自由度的機械臂導(dǎo)致逡逑控制的繁瑣。逡逑１９９６年，荷蘭研究所研制了一款草莓識別采摘機械臂。如圖１．３所示。該機逡逑械臂具有７個自由度，包括三菱ＲＶ邋Ｅ２機械手的六自由度和安裝在底座上的線逡逑３逡逑

圖１．３草莓米摘機械ｆｆ逡逑Ｆｉｇｌ邋．３邋Ｃｕｃｕｍｂｅｒ邋ｈａｒｖｅｓｔｉｎｇ邋ｒｏｂｏｔ逡逑英國ｓｉｌｓｏｅ研宄院所成功研制出了用于蘑菇采摘的農(nóng)業(yè)機械臂［２４］，如圖１．４逡逑所示。采摘機械手采用三自由度機構(gòu)，由兩個氣動運動關(guān)節(jié)和一個由電機驅(qū)動的逡逑旋轉(zhuǎn)關(guān)節(jié)組成。為防止果實損傷，其末端執(zhí)行器上設(shè)置有軟襯墊和吸引設(shè)備。用逡逑于水果識別和定位的視頻傳感器是電視攝像機。收獲機械手的收獲成功率約為逡逑７５％，平均收獲時間為６到７秒，機械結(jié)構(gòu)簡單，成本低，但也存在一些問題。逡逑對于生長傾斜的蘑菇的采摘存在很大的困難。如何改進圖像處理算法更好地調(diào)整逡逑末端執(zhí)行器位姿動作來提高采摘成功率以及采用多個末端執(zhí)行器提高生產(chǎn)率是逡逑亟待解決的問題。逡逑４逡逑

Ｆｉｇ邋１．４邋Ｍｕｓｈｒｏｏｍ邋ｈａｒｖｅｓｔｉｎｇ邋ｒｏｂｏｔ逡逑比利時、日本和法國等國家對蘋果采摘機械臂都進行過研宄。比利時的Ｊｏｈａｎ逡逑Ｂｅａｔｅｎ和Ｋｅｖｉｎ邋Ｂｅｄｒａｉｌ等人研制的蘋果采摘機械臂ｐ：］如圖１．５所示，采摘機械手逡逑是安裝在垂直和水平移動機架上的６自由度工業(yè)機械手。以此來增大采摘范圍。逡逑整個采摘機械部件的運動由一臺拖拉機牽引，因而整體占地面積顯得很大，也反逡逑映出機械本體較差的靈活度和昂貴的成本。逡逑圖〗．５蘋果采摘機械臂逡逑Ｆｉｇ邋１．５邋Ａｐｐｌｅ邋ｈａｒｖｅｓｔｉｎｇ邋ｒｏｂｏｔ逡逑

【參考文獻】

相關(guān)期刊論文 前10條

1 孫野;殷鳳龍;王香麗;陳忠凱;馮曉;;六自由度機械臂運動學(xué)及工作空間分析[J];機床與液壓;2015年03期

2 彭偉夫;黨陽;杜書;;一種基于近鄰傳播聚類的無監(jiān)督圖像分割方法[J];信息系統(tǒng)工程;2014年10期

3 蘇梅;;我國蘋果產(chǎn)業(yè)發(fā)展存在的問題及對策[J];現(xiàn)代農(nóng)業(yè)科技;2013年02期

4 張凱良;楊麗;王糧局;張麗霞;張鐵中;;高架草莓采摘機器人設(shè)計與試驗[J];農(nóng)業(yè)機械學(xué)報;2012年09期

5 崔家升;李曉萍;;世界蘋果種植概況與我國蘋果生產(chǎn)前景展望[J];北方果樹;2012年04期

6 左富勇;胡小平;謝珂;朱秋玲;;基于MATLAB Robotics工具箱的SCARA機器人軌跡規(guī)劃與仿真[J];湖南科技大學(xué)學(xué)報(自然科學(xué)版);2012年02期

7 陳鵬;劉璐;余飛;李洪誼;陽方平;王雪竹;;一種仿人機械臂的運動學(xué)逆解的幾何求解方法[J];機器人;2012年02期

8 紀(jì)超;馮青春;袁挺;譚豫之;李偉;;溫室黃瓜采摘機器人系統(tǒng)研制及性能分析[J];機器人;2011年06期

9 藍峰;蘇子昊;黎子明;謝舒;;果園采摘機械的現(xiàn)狀及發(fā)展趨勢[J];農(nóng)機化研究;2010年11期

10 謝斌;蔡自興;;基于MATLAB Robotics Toolbox的機器人學(xué)仿真實驗教學(xué)[J];計算機教育;2010年19期

相關(guān)博士學(xué)位論文 前1條

1 顧寶興;智能移動式水果采摘機器人系統(tǒng)的研究[D];南京農(nóng)業(yè)大學(xué);2012年

相關(guān)碩士學(xué)位論文 前10條

1 魯夕源;基于機械臂混合視覺的位姿估計方法研究[D];長春工業(yè)大學(xué);2018年

2 劉燁;基于ShuffleNet網(wǎng)絡(luò)模型的圖片內(nèi)容自動分類研究[D];河南大學(xué);2018年

3 郭迎達;機器人抓取中視覺觸覺融合的技術(shù)研究[D];北方工業(yè)大學(xué);2018年

4 黨永強;基于深度學(xué)習(xí)的口罩疵點檢測與分類算法研究[D];西安工程大學(xué);2018年

5 宿增迪;基于視覺識別的智能撿網(wǎng)球機器人開發(fā)[D];大連理工大學(xué);2018年

6 李會鋒;水下氣體逸出的聲學(xué)觀測方法研究[D];哈爾濱工程大學(xué);2018年

7 孫晶;基于深度學(xué)習(xí)的海底生物目標(biāo)檢測技術(shù)研究[D];哈爾濱工程大學(xué);2018年

8 周華健;近紅外乳腺圖像的腫瘤識別方法研究[D];廣西大學(xué);2017年

9 李傳朋;基于機器視覺和深度學(xué)習(xí)的目標(biāo)識別與抓取定位研究[D];中北大學(xué);2017年

10 雷韶;6R工業(yè)機器人的運動軌跡規(guī)劃及仿真研究[D];中北大學(xué);2017年

本文編號：2834445