基于機器視覺的草莓采摘機器人技術研究.pdf

1、草莓營養(yǎng)豐富，具有多種價值，其種植面積和產量逐年增加，但由于采摘環(huán)節(jié)落后的人工作業(yè)方式，制約了草莓種植業(yè)的發(fā)展。因此，實現(xiàn)草莓采摘的機械化和自動化是草莓生產環(huán)節(jié)中一個亟待解決的問題。由于草莓特殊的生長特性和果實形態(tài)，所以雖然國內外學者對此一直都在進行探索性研究，但目前草莓的采摘自動化程度仍然很低。本課題針對以上問題，以高畦壟作草莓為研究對象，以嵌入式系統(tǒng)為核心，對草莓采摘機器人進行了研究。主要取得了如下成果： 1、基于嵌入式技術

2、搭建了草莓采摘機器人視覺系統(tǒng)的硬件平臺和軟件平臺，并在搭建的平臺上對視覺系統(tǒng)中的底層圖像處理、目標識別、攝像機標定等部分進行了研究。 在目標識別部分，利用三層BP神經網絡實現(xiàn)了草莓圖像中成熟果實和背景的分割。通過分析選取3×3鄰域像素的H通道值作為草莓圖像的特征，選取20幅以人工借助Photoshop軟件分割后的圖像作為訓練樣本。經過100次循環(huán)后(誤差為0.001)，獲得了有效的網絡權值。試驗結果表明，利用BP神經網絡能較好的

3、實現(xiàn)成熟草莓果實與背景的分割，經過提取大區(qū)域和腐蝕、膨脹等算法的進一步處理后，效果更好。而且，只要改變訓練時的教師信號，即可實現(xiàn)對草莓果梗、萼片等圖像的分割。 在圖像分割的基礎上，對于圖像中果實數目的判別方法進行了初步研究，提出了可以利用圓形度參數和長寬比參數來進行判別，并分別進行了試驗，得出了相關規(guī)律。對于圖像中相互接觸但沒有遮擋的兩個果實，基于兩種數學形態(tài)學的算法——分水嶺算法和聚類快速分割法進行了研究和試驗，結果表明，兩種

4、分割方法都能將相接觸區(qū)域分開，各有優(yōu)缺點和適用性。此外，針對研究對象的特征對于聚類快速分割法的衍生算法進行了求取草莓圖像重心的試驗。 針對視覺系統(tǒng)需要經常變換位置，攝像機參數也會隨之改變的特點，采用并實現(xiàn)了一種基于平面模板的攝像機標定方法，該方法操作簡單，無需昂貴的實驗設備，且具有較高的穩(wěn)定性和精確性。在攝像機標定的基礎上，完成了手眼標定。 2、根據草莓的種植模式和生物學特性，遵循機構設計原則，設計了3DOF直角坐標形式

5、的小型草莓采摘機器人，該機器人可在單壟溝內作業(yè)；根據草莓果實的特點和作業(yè)任務的要求，進行了末端執(zhí)行器的設計。 3、基于嵌入式技術搭建了用于機器人控制的硬件平臺，包括基于嵌入式主板PCM 9575的上位機控制器和基于ARM嵌入式微處理器的下位機控制器，并在下位機控制器上成功實現(xiàn)了嵌入式Linux操作系統(tǒng)的移植。在搭建的控制系統(tǒng)硬件平臺上，開發(fā)了相應的應用程序。對控制系統(tǒng)進行了切實可行的軟硬件抗干擾設計，提高了控制系統(tǒng)的可靠性。

6、 4、在實驗室環(huán)境下，對視覺系統(tǒng)、機械本體和末端執(zhí)行器分別進行了測試，結果表明，本課題設計的目標識別算法準確可靠，從讀入圖像到給出果實圖像重心，單個草莓的平均識別時間是0.365s，兩個相分離的草莓平均識別時間是0.629s，兩個相接觸的草莓平均識別時間是1.437s；機械本體的運動精度較好，定位精度為±1.00mm；在進行的50次模擬采摘試驗中(果實由人工放置在待采摘位置)，末端執(zhí)行器抓取成功48個，切刀切斷果梗44個。在抓取成功