基于深度學(xué)習(xí)的果實(shí)吸取研究及實(shí)現(xiàn)
發(fā)布時(shí)間:2024-03-17 16:34
在農(nóng)業(yè)生產(chǎn)中果實(shí)采摘作業(yè)是比較關(guān)鍵的環(huán)節(jié),由于果實(shí)采摘作業(yè)流程較為復(fù)雜,目前主要依靠人工完成,因此本研究以采摘領(lǐng)域的智能發(fā)展為導(dǎo)向,著力解決目前采摘領(lǐng)域面臨的幾個(gè)問(wèn)題。本文針對(duì)蘋果自動(dòng)采摘進(jìn)行研究,重點(diǎn)解決果實(shí)自動(dòng)采摘中的三個(gè)主要問(wèn)題:果實(shí)識(shí)別、果實(shí)定位、果實(shí)采摘。針對(duì)果實(shí)識(shí)別,采用深度學(xué)習(xí)方法,基于RGB-D圖像訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò)模型進(jìn)行果實(shí)識(shí)別與定位。利用深度圖像,通過(guò)坐標(biāo)變換確定果實(shí)在照相機(jī)坐標(biāo)系空間中的位置坐標(biāo)。在果實(shí)采摘方面,通過(guò)手眼標(biāo)定技術(shù),將相機(jī)坐標(biāo)系下的目標(biāo)果實(shí)中心點(diǎn)坐標(biāo),轉(zhuǎn)化為ABB機(jī)械臂坐標(biāo)系下的基坐標(biāo),然后控制機(jī)械臂吸取目標(biāo)果實(shí)。本研究解決了果實(shí)自動(dòng)采摘的三個(gè)主要問(wèn)題:果實(shí)識(shí)別、果實(shí)定位、果實(shí)吸取,網(wǎng)絡(luò)識(shí)別進(jìn)度高達(dá)81.4%,識(shí)別誤差2mm,吸取誤差20mm左右。本課題對(duì)蘋果智能采摘的研究,為目前在采摘領(lǐng)域面臨的問(wèn)題提供了一定的思路和方法,符合了我國(guó)大力發(fā)展智能產(chǎn)業(yè)的方針政策。
【文章頁(yè)數(shù)】:72 頁(yè)
【學(xué)位級(jí)別】:碩士
【文章目錄】:
摘要
abstract
1 緒論
1.1 課題研究背景及意義
1.2 國(guó)內(nèi)外研究現(xiàn)狀
1.2.1 果實(shí)識(shí)別研究現(xiàn)狀
1.2.2 果實(shí)定位研究現(xiàn)狀
1.3 研究?jī)?nèi)容及方法
1.4 論文結(jié)構(gòu)
1.5 本章小結(jié)
2 實(shí)驗(yàn)平臺(tái)與數(shù)據(jù)集
2.1 引言
2.2 實(shí)驗(yàn)硬件設(shè)備
2.2.1 圖像采集裝置
2.2.2 采摘設(shè)備
2.2.3 GPU運(yùn)算平臺(tái)
2.3 實(shí)驗(yàn)軟件系統(tǒng)
2.3.1 Ubuntu系統(tǒng)簡(jiǎn)介
2.3.2 Tensorflow框架簡(jiǎn)介
2.4 數(shù)據(jù)集的制作
2.4.1 目標(biāo)對(duì)象選取
2.4.2 數(shù)據(jù)采集
2.4.3 數(shù)據(jù)集的建立
2.5 本章小結(jié)
3 基于區(qū)域卷積神經(jīng)網(wǎng)絡(luò)的果實(shí)識(shí)別與定位
3.1 引言
3.2 檢測(cè)過(guò)程
3.3 Faster-RCNN網(wǎng)絡(luò)發(fā)展
3.4 Faster-RCNN網(wǎng)絡(luò)的結(jié)構(gòu)與原理
3.4.1 Faster-RCNN網(wǎng)絡(luò)的結(jié)構(gòu)
3.4.2 特征提取網(wǎng)絡(luò)的原理
3.4.3 RPN網(wǎng)絡(luò)的結(jié)構(gòu)原理
3.5 網(wǎng)絡(luò)訓(xùn)練
3.6 本章小結(jié)
4 蘋果吸取點(diǎn)空間坐標(biāo)的獲取
4.1 引言
4.2 相機(jī)坐標(biāo)的獲取
4.3 蘋果中心在機(jī)械臂基坐標(biāo)系中坐標(biāo)的獲取
4.3.1 旋轉(zhuǎn)矩陣和平移向量
4.3.2 手眼標(biāo)定形式
4.3.3 手眼關(guān)系數(shù)學(xué)模型
4.3.4 手眼標(biāo)定方案
4.4 本章小結(jié)
5 實(shí)驗(yàn)及誤差分析
5.1 引言
5.2 實(shí)驗(yàn)
5.2.1 實(shí)驗(yàn)環(huán)境搭建
5.2.2 實(shí)驗(yàn)數(shù)據(jù)采集及測(cè)試
5.2.3 蘋果中心在相機(jī)坐標(biāo)系下坐標(biāo)獲取
5.2.4 蘋果中心在機(jī)械臂基坐標(biāo)系下坐標(biāo)獲取
5.2.5 誤差分析
5.3 本章小結(jié)
6 結(jié)論與展望
6.1 結(jié)論
6.2 未來(lái)展望
參考文獻(xiàn)
個(gè)人簡(jiǎn)介
導(dǎo)師簡(jiǎn)介
獲得成果目錄
致謝
本文編號(hào):3931318
【文章頁(yè)數(shù)】:72 頁(yè)
【學(xué)位級(jí)別】:碩士
【文章目錄】:
摘要
abstract
1 緒論
1.1 課題研究背景及意義
1.2 國(guó)內(nèi)外研究現(xiàn)狀
1.2.1 果實(shí)識(shí)別研究現(xiàn)狀
1.2.2 果實(shí)定位研究現(xiàn)狀
1.3 研究?jī)?nèi)容及方法
1.4 論文結(jié)構(gòu)
1.5 本章小結(jié)
2 實(shí)驗(yàn)平臺(tái)與數(shù)據(jù)集
2.1 引言
2.2 實(shí)驗(yàn)硬件設(shè)備
2.2.1 圖像采集裝置
2.2.2 采摘設(shè)備
2.2.3 GPU運(yùn)算平臺(tái)
2.3 實(shí)驗(yàn)軟件系統(tǒng)
2.3.1 Ubuntu系統(tǒng)簡(jiǎn)介
2.3.2 Tensorflow框架簡(jiǎn)介
2.4 數(shù)據(jù)集的制作
2.4.1 目標(biāo)對(duì)象選取
2.4.2 數(shù)據(jù)采集
2.4.3 數(shù)據(jù)集的建立
2.5 本章小結(jié)
3 基于區(qū)域卷積神經(jīng)網(wǎng)絡(luò)的果實(shí)識(shí)別與定位
3.1 引言
3.2 檢測(cè)過(guò)程
3.3 Faster-RCNN網(wǎng)絡(luò)發(fā)展
3.4 Faster-RCNN網(wǎng)絡(luò)的結(jié)構(gòu)與原理
3.4.1 Faster-RCNN網(wǎng)絡(luò)的結(jié)構(gòu)
3.4.2 特征提取網(wǎng)絡(luò)的原理
3.4.3 RPN網(wǎng)絡(luò)的結(jié)構(gòu)原理
3.5 網(wǎng)絡(luò)訓(xùn)練
3.6 本章小結(jié)
4 蘋果吸取點(diǎn)空間坐標(biāo)的獲取
4.1 引言
4.2 相機(jī)坐標(biāo)的獲取
4.3 蘋果中心在機(jī)械臂基坐標(biāo)系中坐標(biāo)的獲取
4.3.1 旋轉(zhuǎn)矩陣和平移向量
4.3.2 手眼標(biāo)定形式
4.3.3 手眼關(guān)系數(shù)學(xué)模型
4.3.4 手眼標(biāo)定方案
4.4 本章小結(jié)
5 實(shí)驗(yàn)及誤差分析
5.1 引言
5.2 實(shí)驗(yàn)
5.2.1 實(shí)驗(yàn)環(huán)境搭建
5.2.2 實(shí)驗(yàn)數(shù)據(jù)采集及測(cè)試
5.2.3 蘋果中心在相機(jī)坐標(biāo)系下坐標(biāo)獲取
5.2.4 蘋果中心在機(jī)械臂基坐標(biāo)系下坐標(biāo)獲取
5.2.5 誤差分析
5.3 本章小結(jié)
6 結(jié)論與展望
6.1 結(jié)論
6.2 未來(lái)展望
參考文獻(xiàn)
個(gè)人簡(jiǎn)介
導(dǎo)師簡(jiǎn)介
獲得成果目錄
致謝
本文編號(hào):3931318
本文鏈接:http://sikaile.net/nykjlw/nygclw/3931318.html
最近更新
教材專著