在我國的農(nóng)業(yè)生產(chǎn)中,果蔬采摘一直是果蔬產(chǎn)業(yè)的重要組成部分,而由于農(nóng)業(yè)生產(chǎn)技術(shù)水平的落后,采摘工作需要耗費大量的人力物力,增加了農(nóng)業(yè)生產(chǎn)的成本,制約了農(nóng)業(yè)現(xiàn)代化的發(fā)展。因此,應加快對采摘機器人的研究,提高采摘機器人的采摘效率,推動農(nóng)業(yè)的轉(zhuǎn)型升級,實現(xiàn)高度自動化和精確化的農(nóng)業(yè)發(fā)展目標。本文在國家自然科學基金項目(31571571)“基于快速視覺伺服控制的多照度環(huán)境蘋果高效機器采摘方法研究”的資助下,主要對蘋果采摘機器人的目標檢測和路徑規(guī)劃算法進行了研究,主要完成的工作有:1、蘋果采摘機器人視覺伺服系統(tǒng)的設(shè)計。根據(jù)實驗課題的目標與要求,設(shè)計了蘋果采摘機器人的視覺平臺,并完成了硬件結(jié)構(gòu)的搭建和軟件環(huán)境的選擇。2、蘋果識別算法的研究。要想提高蘋果采摘機器人的采摘效率,首先需要在圖像中快速且準確地識別出蘋果。本文選用了卷積神經(jīng)網(wǎng)絡(luò)模型SSD作為基礎(chǔ)的網(wǎng)絡(luò)架構(gòu),從默認框設(shè)計,匹配原則和損失函數(shù)詳細介紹了該網(wǎng)絡(luò)框架的基本原理和構(gòu)造,并且從默認框和基礎(chǔ)網(wǎng)絡(luò)層兩方面對基礎(chǔ)的SSD網(wǎng)絡(luò)框架進行了改進。對于改進后的SSD網(wǎng)絡(luò)框架,采用了蘋果數(shù)據(jù)集進行訓練和測試,并且選擇了表現(xiàn)最為優(yōu)越的模型參數(shù)。最終改進的SSD...

【文章頁數(shù)】：97 頁

【學位級別】：碩士

【部分圖文】：

圖1.1蘋果采摘機器人實驗樣機Fig.1.1Theexperimentalprototypeoftheapplepickingrobot

圖1.1蘋果采摘機器人實驗樣機1Theexperimentalprototypeoftheappl要對目標進行識別和定位，獲得多實周圍不同種類障礙物的位置分礙物并且確定采摘果實的順序，從實的工作。本文首先利用神經(jīng)網(wǎng)絡(luò)度信息從路徑規(guī)劃方面繼續(xù)提高別定位研究的快速識別....

圖3.3匹配原則展示圖

基于深度相機的蘋果采摘機器人的目標檢測和路徑規(guī)劃算法研究值的。如圖3.3匹配原則展示圖所示，在訓練檢測蘋果的模型時也會采用多定的默認框來進行訓練。在訓練過程中，SSD的默認框與真實目標匹配的原要有兩點。首先，對于圖片中每個真實目標，找到與其IOU（Intersection....

圖3.9Tanh函數(shù)圖像

圖3.9Tanh函數(shù)圖像Fig.3.9Tanhfunctionimage()xxxxeeTxee函數(shù)在循環(huán)過程中會不斷擴大目標特征的效果,因此當特征相差明數(shù)的效果會很好。與Sigmoid函數(shù)的不同的是，Tanh函數(shù)是0均值應用中Ta....

圖3.10Relu函數(shù)圖像

圖3.10Relu函數(shù)圖像Fig.3.10Relufunctionimage優(yōu)化算法算法是通過改善內(nèi)部的訓練方式，來更新和計算影響模型訓練和輸，使其逼近或者達到最優(yōu)點。梯度下降法是神經(jīng)網(wǎng)絡(luò)優(yōu)化算法中應法。其主要思想是在每一次優(yōu)化參數(shù)時，都會往當前位置負梯度方根據(jù)每一次....

本文編號：4034721