在農(nóng)業(yè)機(jī)械采摘范疇,機(jī)械臂采摘識(shí)別與最短路徑規(guī)劃決定采摘精度。單純?nèi)搜圩R(shí)別存在著重復(fù)機(jī)械勞動(dòng)的因素,長(zhǎng)時(shí)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(wú)法精確識(shí)別定位采摘目標(biāo),或者識(shí)別定位時(shí)間過(guò)長(zhǎng),無(wú)法提升單位時(shí)間內(nèi)識(shí)別采摘效率。在農(nóng)業(yè)果林復(fù)雜環(huán)境下需要同時(shí)具備采摘精度高、資源能耗低的自動(dòng)化識(shí)別采摘作業(yè)的方案。因此,開(kāi)展采摘機(jī)械臂的輕量級(jí)高精度目標(biāo)識(shí)別研究是具有極大的市場(chǎng)應(yīng)用前景。本文主要是從三個(gè)方面開(kāi)展研究:第—,基于深度卷積神經(jīng)網(wǎng)絡(luò)目標(biāo)物體檢測(cè)。根據(jù)硬件環(huán)境下功耗低、速度快、質(zhì)量輕、識(shí)別精度高和可拓展定制性強(qiáng)的需求,選取輕量級(jí)深度卷積神經(jīng)網(wǎng)絡(luò)為內(nèi)核,選取多平臺(tái)可搭建的keras深度學(xué)習(xí)框架,配合windows平臺(tái)或者樹(shù)莓派linux平臺(tái),利用YOLO算法標(biāo)準(zhǔn)權(quán)重在復(fù)雜果林環(huán)境下針對(duì)目標(biāo)進(jìn)行理論上快速目標(biāo)分類識(shí)別,識(shí)別精度提高到90%,用時(shí)僅需4.94秒。第二,機(jī)械臂建模與軌跡仿真。本文以愛(ài)普生C4-A601機(jī)械臂作為建模研究對(duì)象,使用D-H參數(shù)法建立機(jī)械臂的連桿坐標(biāo)模型。通過(guò)求解機(jī)械臂運(yùn)動(dòng)學(xué)方程,表述機(jī)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(jī)械臂多連桿運(yùn)動(dòng)軌跡方程結(jié)構(gòu)。通過(guò)使用MATLAB工具箱中Robotics Toolbox對(duì)運(yùn)動(dòng)學(xué)模型進(jìn)行仿真,規(guī)劃出采摘軌跡路徑。通過(guò)求解運(yùn)動(dòng)學(xué)正逆問(wèn)題,經(jīng)過(guò)四次多項(xiàng)式的三次樣條插值,可以保證仿真過(guò)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(yàn)證機(jī)械臂運(yùn)動(dòng)學(xué)正確性和建�？尚行�。第三,視覺(jué)圖像處理。將工業(yè)相機(jī)采集抓拍圖像進(jìn)行形態(tài)學(xué)處理,進(jìn)行分水嶺算法語(yǔ)義分割,Canny算子邊緣檢測(cè)與霍夫邊緣檢測(cè)再處理,得到目標(biāo)坐標(biāo)參數(shù)進(jìn)行反饋,幫助機(jī)械臂更精準(zhǔn)定位抓取。最后利用已有實(shí)驗(yàn)條件環(huán)境,進(jìn)行算法調(diào)試,啟動(dòng)工業(yè)相機(jī)進(jìn)行識(shí)別定位,運(yùn)行機(jī)械臂抓取實(shí)驗(yàn)。結(jié)果顯示,機(jī)械臂識(shí)別過(guò)程僅使用1.5秒,整個(gè)抓取過(guò)程僅使用13秒。說(shuō)明本文提出的方法能夠有效、精準(zhǔn)識(shí)別并且抓取目標(biāo)物體,大大節(jié)約經(jīng)濟(jì)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(jí)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(jī)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(jī)械臂設(shè)計(jì)有基于極坐標(biāo)的５自由度采摘機(jī)械臂，它逡逑由四個(gè)旋轉(zhuǎn)接頭和一個(gè)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(jì)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(diǎn)：有作業(yè)對(duì)象的限制，多自由度的機(jī)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(shí)別采摘機(jī)械臂。如圖１．３所示。該機(jī)逡逑械臂具有７個(gè)自由度，包括三菱ＲＶ邋Ｅ２機(jī)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(jī)械ｆｆ逡逑Ｆｉｇｌ邋．３邋Ｃｕｃｕｍｂｅｒ邋ｈａｒｖｅｓｔｉｎｇ邋ｒｏｂｏｔ逡逑英國(guó)ｓｉｌｓｏｅ研宄院所成功研制出了用于蘑菇采摘的農(nóng)業(yè)機(jī)械臂［２４］，如圖１．４逡逑所示。采摘機(jī)械手采用三自由度機(jī)構(gòu)，由兩個(gè)氣動(dòng)運(yùn)動(dòng)關(guān)節(jié)和一個(gè)由電機(jī)驅(qū)動(dòng)的逡逑旋轉(zhuǎn)關(guān)節(jié)組成。為防止果實(shí)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(shí)別和定位的視頻傳感器是電視攝像機(jī)。收獲機(jī)械手的收獲成功率約為逡逑７５％，平均收獲時(shí)間為６到７秒，機(jī)械結(jié)構(gòu)簡(jiǎn)單，成本低，但也存在一些問(wèn)題。逡逑對(duì)于生長(zhǎng)傾斜的蘑菇的采摘存在很大的困難。如何改進(jìn)圖像處理算法更好地調(diào)整逡逑末端執(zhí)行器位姿動(dòng)作來(lái)提高采摘成功率以及采用多個(gè)末端執(zhí)行器提高生產(chǎn)率是逡逑亟待解決的問(wèn)題。逡逑４逡逑

Ｆｉｇ邋１．４邋Ｍｕｓｈｒｏｏｍ邋ｈａｒｖｅｓｔｉｎｇ邋ｒｏｂｏｔ逡逑比利時(shí)、日本和法國(guó)等國(guó)家對(duì)蘋(píng)果采摘機(jī)械臂都進(jìn)行過(guò)研宄。比利時(shí)的Ｊｏｈａｎ逡逑Ｂｅａｔｅｎ和Ｋｅｖｉｎ邋Ｂｅｄｒａｉｌ等人研制的蘋(píng)果采摘機(jī)械臂ｐ：］如圖１．５所示，采摘機(jī)械手逡逑是安裝在垂直和水平移動(dòng)機(jī)架上的６自由度工業(yè)機(jī)械手。以此來(lái)增大采摘范圍。逡逑整個(gè)采摘機(jī)械部件的運(yùn)動(dòng)由一臺(tái)拖拉機(jī)牽引，因而整體占地面積顯得很大，也反逡逑映出機(jī)械本體較差的靈活度和昂貴的成本。逡逑圖〗．５蘋(píng)果采摘機(jī)械臂逡逑Ｆｉｇ邋１．５邋Ａｐｐｌｅ邋ｈａｒｖｅｓｔｉｎｇ邋ｒｏｂｏｔ逡逑

【參考文獻(xiàn)】

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(jī)械臂運(yùn)動(dòng)學(xué)及工作空間分析[J];機(jī)床與液壓;2015年03期

2 彭偉夫;黨陽(yáng);杜書(shū);;一種基于近鄰傳播聚類的無(wú)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(guó)蘋(píng)果產(chǎn)業(yè)發(fā)展存在的問(wèn)題及對(duì)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(jī)器人設(shè)計(jì)與試驗(yàn)[J];農(nóng)業(yè)機(jī)械學(xué)報(bào);2012年09期

5 崔家升;李曉萍;;世界蘋(píng)果種植概況與我國(guó)蘋(píng)果生產(chǎn)前景展望[J];北方果樹(shù);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(jī)器人軌跡規(guī)劃與仿真[J];湖南科技大學(xué)學(xué)報(bào)(自然科學(xué)版);2012年02期

7 陳鵬;劉璐;余飛;李洪誼;陽(yáng)方平;王雪竹;;一種仿人機(jī)械臂的運(yùn)動(dòng)學(xué)逆解的幾何求解方法[J];機(jī)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(jī)器人系統(tǒng)研制及性能分析[J];機(jī)器人;2011年06期

9 藍(lán)峰;蘇子昊;黎子明;謝舒;;果園采摘機(jī)械的現(xiàn)狀及發(fā)展趨勢(shì)[J];農(nóng)機(jī)化研究;2010年11期

10 謝斌;蔡自興;;基于MATLAB Robotics Toolbox的機(jī)器人學(xué)仿真實(shí)驗(yàn)教學(xué)[J];計(jì)算機(jī)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(dòng)式水果采摘機(jī)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(jī)械臂混合視覺(jué)的位姿估計(jì)方法研究[D];長(zhǎng)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(dòng)分類研究[D];河南大學(xué);2018年

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

4 黨永強(qiáng);基于深度學(xué)習(xí)的口罩疵點(diǎn)檢測(cè)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(jué)識(shí)別的智能撿網(wǎng)球機(jī)器人開(kāi)發(fā)[D];大連理工大學(xué);2018年

6 李會(huì)鋒;水下氣體逸出的聲學(xué)觀測(cè)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(cè)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(shí)別方法研究[D];廣西大學(xué);2017年

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

10 雷韶;6R工業(yè)機(jī)器人的運(yùn)動(dòng)軌跡規(guī)劃及仿真研究[D];中北大學(xué);2017年

本文編號(hào)：2834445