本文針對半自動蔬菜嫁接機嫁接過程仍采用人工操作及無法動態(tài)調(diào)節(jié)的問題,設(shè)計了一種機器視覺驅(qū)動的適合盤上作業(yè)的茄科作物嫁接裝置,為提升嫁接機的自動化水平提供基礎(chǔ)。本研究的創(chuàng)新點是:(1)根據(jù)農(nóng)藝要求分析提出了嫁接作物的幾個關(guān)鍵參數(shù),并提出了嫁接苗圖像中關(guān)鍵參數(shù)的自動識別定位方法。(2)為實現(xiàn)茄科作業(yè)嫁接設(shè)計了三個動態(tài)調(diào)整的嫁接執(zhí)行終端,該裝置設(shè)計了砧木苗和接穗苗切削執(zhí)行終端,以及接穗苗取苗執(zhí)行終端。本研究的工作主要如下:(1)嫁接苗圖像處理方法研究。本研究針對茄科嫁接苗圖像,通過研究嫁接苗子葉、真葉、莖桿、根部像素在RGB和HSV空間的表述特征,開展嫁接苗目標(biāo)像素提取方法研究,實現(xiàn)嫁接苗連通域及連通關(guān)系的提取。通過對連通域尺寸的控制實現(xiàn)嫁接苗圖像的快速降噪。研究基于多線程的嫁接苗圖像處理方法,通過嵌入式平臺采集圖像及提取幼苗輪廓鏈的平均用時分別為6.5ms和11.5ms。(2)嫁接苗關(guān)鍵嫁接參數(shù)提取方法研究。根據(jù)茄科作物嫁接的農(nóng)藝要求確定了根部、子葉、真葉位置和切削角四個關(guān)鍵嫁接參數(shù)。通過對嫁接苗莖桿、子葉、真葉及根部位置的輪廓鏈、水平截距和苗徑等基礎(chǔ)數(shù)據(jù)的分析,研究了關(guān)鍵嫁接參數(shù)的提取方法,實現(xiàn)了切削點位置和角度的自動定位。通過實驗分析了引起定位誤差的幾種影響因素。(3)動態(tài)調(diào)整的嫁接執(zhí)行終端設(shè)計。根據(jù)茄科作物特性和嫁接流程,設(shè)計了砧木苗切削終端、接穗苗取苗終端和接穗苗切削終端三種執(zhí)行終端機構(gòu)。切削終端機構(gòu)中設(shè)計了側(cè)視和俯視攝像頭對嫁接苗的真葉和莖桿進行圖像采集,驅(qū)動切削刀片作響應(yīng)的轉(zhuǎn)動,實現(xiàn)對不同生長形態(tài)的嫁接苗作自適應(yīng)的嫁接切削。(4)嫁接裝置的控制與實驗。以樹莓派為平臺實現(xiàn)基于機器視覺的嫁接苗圖像分析與關(guān)鍵參數(shù)檢測,并以Arduino DUE為平臺實現(xiàn)嫁接執(zhí)行終端的控制系統(tǒng),該系統(tǒng)包括對機械臂三軸驅(qū)動和嫁接終端水平方向姿態(tài)、切削角和切削刀的驅(qū)動控制。通過接穗苗切削機構(gòu)側(cè)視攝像頭從遠(yuǎn)到近檢測嫁接苗的輪廓鏈,觀察在移動過程中嫁接苗輪廓鏈的變化情況,以實現(xiàn)嫁接苗的切削點及切削角的自動定位。
【學(xué)位單位】：浙江理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2019
【中圖分類】：S223.94;TP391.41
【部分圖文】：

機器視覺對嫁接苗的切削位置和切削角進行動態(tài)態(tài)調(diào)整切削，以提高嫁接機對不同生長狀態(tài)嫁接程和研究現(xiàn)狀的研究現(xiàn)狀器人的研制較晚于韓國、日本和朝鮮，我國在全階段。中國農(nóng)業(yè)大學(xué)于 1998 年研發(fā)的蔬菜半自動生長不一致、柔嫩性和易損性的問題得以解決，工作得以實現(xiàn)。該嫁接機在嫁接過程中經(jīng)由計算度，只需將砧木苗和接穗苗放到指定的供苗臺上，適用于嫁接黃瓜、西瓜和甜瓜等瓜科植株[5]。采化嫁接，此嫁接機第小時可以嫁接 550 棵幼苗，到世界先進水平。

對于嫁接苗視覺識別方法的研究流程如圖 2.1 所示。圖 2.1 圖像采集及圖像識別流程圖2.1 嫁接苗圖像采集圖 2.2 嫁接苗俯視和側(cè)視如圖 2.2 所示，由于蕃茄嫁接苗在穴盤中生長的隨機性，頂部的葉子與莖桿相互隨機交叉，從側(cè)視與俯視的角度識別單個蕃茄幼苗輪廓鏈實驗開展試驗[10]。鑒于嫁接期蕃茄幼苗莖桿堅韌、根系發(fā)達(dá)和根系基本能包起根部土壤塊，通過搭建嫁接平臺并將幼苗拎到嫁接平臺對幼苗進行圖像采集，然后對采集的幼苗圖像進行輪廓鏈提取，在

7圖 2.2 嫁接苗俯視和側(cè)視2.2 所示，由于蕃茄嫁接苗在穴盤中生長的隨機性，頂部的葉子與側(cè)視與俯視的角度識別單個蕃茄幼苗輪廓鏈實驗開展試驗[10]。桿堅韌、根系發(fā)達(dá)和根系基本能包起根部土壤塊，通過搭建嫁接平臺對幼苗進行圖像采集，然后對采集的幼苗圖像進行輪廓
【相似文獻】

相關(guān)期刊論文 前10條

1 宋慧欣;;3D視覺，機器視覺未來藍(lán)海[J];自動化博覽;2019年12期

2 文曉;;臺達(dá)：機器視覺“智造”未來[J];自動化博覽;2019年12期

3 ;機器視覺對線纜市場的影響及趨勢[J];功能材料信息;2018年04期

4 鄭植;席先鵬;王楠;蔣欣燎;夏山淋;;機器視覺在網(wǎng)球撿球機器人中的應(yīng)用研究[J];科技創(chuàng)新與應(yīng)用;2019年16期

5 宋春華;彭泫知;;機器視覺研究與發(fā)展綜述[J];裝備制造技術(shù);2019年06期

6 田壯;劉富成;;基于機器視覺的果園噴藥機器人設(shè)計[J];湖北農(nóng)機化;2019年16期

7 迎九;;國內(nèi)機器視覺產(chǎn)業(yè)的技術(shù)市場[J];電子產(chǎn)品世界;2019年09期

8 朱陽芬;銀冬平;鄒舜章;王海文;周為;;機器視覺在汽車行業(yè)中的發(fā)展與應(yīng)用[J];汽車實用技術(shù);2017年22期

9 吳東明;王麗娟;;基于GPS和機器視覺的自主導(dǎo)航定位農(nóng)機設(shè)備研究[J];農(nóng)機化研究;2018年02期

10 ;機器視覺時代,最好的時代![J];智能機器人;2018年02期

相關(guān)博士學(xué)位論文 前10條

1 侯杰;飛行器機器視覺框架設(shè)計及算法研究[D];西安電子科技大學(xué);2017年

2 郭依正;基于機器視覺的俯視群養(yǎng)豬個體識別與飲水行為分析研究[D];江蘇大學(xué);2018年

3 李晨;基于機器視覺的不同屬性表面中微弱缺陷的檢測技術(shù)研究[D];浙江大學(xué);2018年

4 陶丹;基于機器視覺的家蠶蛹雌雄識別研究[D];西南大學(xué);2019年

5 胡志新;基于機器視覺的鋼軌踏面磨耗剝落檢測技術(shù)研究[D];南昌大學(xué);2018年

6 吳衡;機器視覺鬼成像理論與實驗研究[D];華南理工大學(xué);2017年

7 項森偉;高溫單晶硅液位和直徑視覺檢測關(guān)鍵技術(shù)及應(yīng)用研究[D];浙江大學(xué);2018年

8 胡越黎;目的機器視覺研究及其在皮膚癥狀識別中的應(yīng)用[D];上海大學(xué);2005年

9 韓彥芳;機器視覺中的聚類檢測新方法[D];上海交通大學(xué);2006年

10 饒洪輝;基于機器視覺的作物對行噴藥控制系統(tǒng)研究[D];南京農(nóng)業(yè)大學(xué);2006年

相關(guān)碩士學(xué)位論文 前10條

1 楊晗;融合機器視覺和CAN總線的生物質(zhì)形態(tài)檢測系統(tǒng)研發(fā)[D];揚州大學(xué);2019年

2 楊永強;基于機器視覺的蘑菇自動采摘系統(tǒng)關(guān)鍵技術(shù)研究[D];南京航空航天大學(xué);2019年

3 李紅偉;基于機器視覺的智能輸煤檢測系統(tǒng)[D];哈爾濱工業(yè)大學(xué);2019年

4 羅啟峰;基于機器視覺的零件三維尺寸全方位測量技術(shù)研究[D];哈爾濱工業(yè)大學(xué);2019年

5 王磊;基于機器視覺的路面裂縫分類與檢測方法研究[D];哈爾濱工業(yè)大學(xué);2019年

6 楊晶;基于機器視覺平板多孔定位系統(tǒng)研究[D];安徽工業(yè)大學(xué);2019年

7 鄔甜甜;基于機器視覺的海上可疑船舶識別研究[D];浙江海洋大學(xué);2019年

8 唐凡;基于機器視覺的絨毛織物表面質(zhì)量檢測系統(tǒng)研究[D];西安工程大學(xué);2019年

9 李理;基于機器視覺的雙黃鴨蛋無損識別技術(shù)研究[D];華中農(nóng)業(yè)大學(xué);2019年

10 冀永樂;基于機器視覺的紡織布品色差檢測研究[D];西安工程大學(xué);2019年

本文編號：2839644