發(fā)布時(shí)間：2025-03-14 22:37

　　在我國(guó)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(fèi)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(yīng)加快對(duì)采摘機(jī)器人的研究,提高采摘機(jī)器人的采摘效率,推動(dòng)農(nóng)業(yè)的轉(zhuǎn)型升級(jí),實(shí)現(xiàn)高度自動(dòng)化和精確化的農(nóng)業(yè)發(fā)展目標(biāo)。本文在國(guó)家自然科學(xué)基金項(xiàng)目(31571571)“基于快速視覺(jué)伺服控制的多照度環(huán)境蘋(píng)果高效機(jī)器采摘方法研究”的資助下,主要對(duì)蘋(píng)果采摘機(jī)器人的目標(biāo)檢測(cè)和路徑規(guī)劃算法進(jìn)行了研究,主要完成的工作有:1、蘋(píng)果采摘機(jī)器人視覺(jué)伺服系統(tǒng)的設(shè)計(jì)。根據(jù)實(shí)驗(yàn)課題的目標(biāo)與要求,設(shè)計(jì)了蘋(píng)果采摘機(jī)器人的視覺(jué)平臺(tái),并完成了硬件結(jié)構(gòu)的搭建和軟件環(huán)境的選擇。2、蘋(píng)果識(shí)別算法的研究。要想提高蘋(píng)果采摘機(jī)器人的采摘效率,首先需要在圖像中快速且準(zhǔn)確地識(shí)別出蘋(píng)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(rèn)框設(shè)計(jì),匹配原則和損失函數(shù)詳細(xì)介紹了該網(wǎng)絡(luò)框架的基本原理和構(gòu)造,并且從默認(rèn)框和基礎(chǔ)網(wǎng)絡(luò)層兩方面對(duì)基礎(chǔ)的SSD網(wǎng)絡(luò)框架進(jìn)行了改進(jìn)。對(duì)于改進(jìn)后的SSD網(wǎng)絡(luò)框架,采用了蘋(píng)果數(shù)據(jù)集進(jìn)行訓(xùn)練和測(cè)試,并且選擇了表現(xiàn)最為優(yōu)越的模型參數(shù)。最終改進(jìn)的SSD...

【文章頁(yè)數(shù)】：97 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖1.1蘋(píng)果采摘機(jī)器人實(shí)驗(yàn)樣機(jī)Fig.1.1Theexperimentalprototypeoftheapplepickingrobot

圖1.1蘋(píng)果采摘機(jī)器人實(shí)驗(yàn)樣機(jī)1Theexperimentalprototypeoftheappl要對(duì)目標(biāo)進(jìn)行識(shí)別和定位，獲得多實(shí)周圍不同種類障礙物的位置分礙物并且確定采摘果實(shí)的順序，從實(shí)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(shí)別....

圖3.3匹配原則展示圖

基于深度相機(jī)的蘋(píng)果采摘機(jī)器人的目標(biāo)檢測(cè)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(xùn)練檢測(cè)蘋(píng)果的模型時(shí)也會(huì)采用多定的默認(rèn)框來(lái)進(jìn)行訓(xùn)練。在訓(xùn)練過(guò)程中，SSD的默認(rèn)框與真實(shí)目標(biāo)匹配的原要有兩點(diǎn)。首先，對(duì)于圖片中每個(gè)真實(shí)目標(biāo)，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(guò)程中會(huì)不斷擴(kuò)大目標(biāo)特征的效果,因此當(dāng)特征相差明數(shù)的效果會(huì)很好。與Sigmoid函數(shù)的不同的是，Tanh函數(shù)是0均值應(yīng)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(guò)改善內(nèi)部的訓(xùn)練方式，來(lái)更新和計(jì)算影響模型訓(xùn)練和輸，使其逼近或者達(dá)到最優(yōu)點(diǎn)。梯度下降法是神經(jīng)網(wǎng)絡(luò)優(yōu)化算法中應(yīng)法。其主要思想是在每一次優(yōu)化參數(shù)時(shí)，都會(huì)往當(dāng)前位置負(fù)梯度方根據(jù)每一次....

本文編號(hào)：4034721