您的位置: 专家智库 > >

国家自然科学基金(61175099)

作品数:19 被引量:347H指数:9
相关作者:崔永杰傅隆生王滨张发年李桢更多>>
相关机构:西北农林科技大学中国科学院更多>>
发文基金:国家自然科学基金陕西省科技统筹创新工程计划项目博士科研启动基金更多>>
相关领域:农业科学自动化与计算机技术更多>>

文献类型

  • 19篇期刊文章
  • 1篇学位论文
  • 1篇会议论文

领域

  • 16篇农业科学
  • 13篇自动化与计算...
  • 1篇机械工程
  • 1篇理学

主题

  • 17篇猕猴桃
  • 8篇机器人
  • 7篇摘机
  • 7篇采摘机器人
  • 6篇图像
  • 5篇桃果
  • 5篇猕猴桃果
  • 5篇果实
  • 4篇识别方法
  • 4篇桃果实
  • 4篇猕猴桃果实
  • 3篇神经网
  • 3篇神经网络
  • 3篇图像识别
  • 3篇网络
  • 3篇卷积
  • 3篇卷积神经网络
  • 3篇采摘
  • 3篇KIWIFR...
  • 2篇多目标

机构

  • 18篇西北农林科技...
  • 1篇中国科学院

作者

  • 17篇崔永杰
  • 8篇傅隆生
  • 5篇王滨
  • 4篇张发年
  • 3篇邵玉玲
  • 3篇李平平
  • 3篇李桢
  • 2篇田玉凤
  • 2篇李凯
  • 2篇李瑞
  • 2篇苏帅
  • 2篇宋思哲
  • 1篇丁宪
  • 1篇苏宝峰
  • 1篇徐立青
  • 1篇王海峰
  • 1篇孙世鹏
  • 1篇李石峰
  • 1篇刘亚东
  • 1篇冯亚利

传媒

  • 10篇农机化研究
  • 2篇农业工程学报
  • 2篇农业机械学报
  • 2篇Inform...
  • 1篇食品科学
  • 1篇计算机应用与...
  • 1篇计算机工程与...

年份

  • 1篇2021
  • 3篇2020
  • 2篇2019
  • 3篇2018
  • 2篇2017
  • 1篇2016
  • 3篇2015
  • 3篇2014
  • 1篇2013
  • 2篇2012
19 条 记 录,以下是 1-10
排序方式:
基于T-YOLO-LITE树干检测的模型部署方法被引量:2
2021年
为解决猕猴桃采摘机器人视觉导航问题,提出基于T-YOLO-LITE的猕猴桃树干检测方法。通过保留BN层、调整输入图像尺寸、修改anchor boxes、添加负样本对YOLO-LITE进行改进,并利用Movidius与OpenCV-DNN将改进后的模型分别部署在树莓派与CPU设备中。实验结果表明:通过改进优化使模型检测精度提升至59.75%;利用Movidius与OpenCV-DNN部署后,模型检测速度分别达到了2帧每秒和6帧每秒。该模型在检测精度与YOLOV2-TINY持平的情况下,检测速度为YOLOV2-TINY的两倍,并在非GPU设备上完成近实时的树干检测任务。
高宗斌崔永杰李凯
关键词:目标检测卷积神经网络
基于Hough变换的猕猴桃毗邻果实的分离方法被引量:23
2012年
猕猴桃果实的识别方法是猕猴桃收获机器人的关键技术之一。为此,重点研究了毗邻猕猴桃果实的分离过程,提出了一种基于Hough变换的毗邻猕猴桃果实的分离识别方法。首先,利用L*a*b*空间模型a*通道对图像进行了分割;然后,提取了毗邻果实目标的外接矩形,缩小了下一步图像处理的区域面积,简化了运算,又在外接矩形内提取了猕猴桃果实区域的轮廓;最后,利用椭圆形Hough变换拟合了单个猕猴桃果实的轮廓曲线,实现了毗邻果实的分离。检测椭圆轮廓曲线的基本参数主要包括形心坐标(x,y),长轴a1,短轴b1和长轴与坐标x轴的夹角θ。研究表明,该方法可有效地从背景中分割出目标果实区域,并从毗邻果实区域中分离出单个果实,对单个猕猴桃进行坐标定位,从而为后续的猕猴桃收获机器人研究打下了基础。
崔永杰苏帅吕志海李平平丁宪
关键词:猕猴桃HOUGH变换
基于Kinect传感器的猕猴桃果实空间坐标获取方法被引量:10
2016年
猕猴桃自动采摘机器人研究中,为了自动获取目标果实的空间坐标,提出了一种基于Kinect传感器的猕猴桃果实空间坐标获取方法。首先利用Kinect传感器的红外投影机和红外摄像机获取深度图像,利用彩色摄像机获取RGB图像,根据彩色图和深度图对应关系,转换成深度坐标;然后通过Map Depth Point To Skeleton Point函数得到以红外摄像机为原点的坐标系坐标。实验表明:该方法能够有效获取猕猴桃目标果实的空间坐标,其定位误差小于2mm。
王滨陈子啸傅隆生苏宝峰崔永杰
关键词:采摘机器人猕猴桃深度图像
猕猴桃采摘机器人末端执行器设计与试验被引量:79
2015年
进行了棚架式栽培模式自然生长条件下簇生猕猴桃无损采摘机器人末端执行器的研究。基于果实与果柄的分离特性,提出面向机器人的果实采摘方法和简化几何模型,进行了果实与果柄分离试验的可行性验证;基于果实采摘方法设计了从底部接近、旋转包络分离毗邻果实并抓取、向上运动分离果实的末端执行器,并试制样机,进行了现场评价试验。结果表明,采摘模型能够实现果实与果柄的分离,末端执行器解决了毗邻果实分离问题,能够实现单个果实稳定抓取、无损采摘和采后抓持,成功率达到96.0%,平均单果耗时22 s。
傅隆生张发年槐岛芳德李桢王滨崔永杰
关键词:猕猴桃采摘机器人末端执行器
基于主成分分析和聚类分析的海沃德猕猴桃品质指标综合评价被引量:39
2014年
为更准确评价猕猴桃品质,选取陕西省眉县的157个海沃德猕猴桃,对果实的单果质量、长轴、短轴、厚度、体积、果皮颜色和糖度、酸度、硬度9个分级指标进行了描述统计和相关分析,采用主成分分析法建立综合得分数学模型,对综合得分进一步做K-means聚类分析,最后利用Fisher判别分析法对样品重新进行聚类以验证K-means聚类分析方法的可靠性。结果表明,除体积与单果质量间差异不明显外,其余各分级指标之间均存在显著差异;按综合得分将样品聚为3类:优为0.10~1.39,中为-0.44~0.09,差为-1.27^-0.46;判别分析对聚类结果的正确率达到98.72%,所以两者具有较高的一致性。
傅隆生宋思哲邵玉玲李平平王海峰崔永杰
关键词:猕猴桃主成分分析聚类分析
基于MatLab的猕猴桃采摘机械臂运动学仿真研究被引量:8
2015年
分析了猕猴桃棚架式生长环境,设计了一种在棚架栽培模式下工作的猕猴桃采摘机械臂;同时,并以猕猴桃采摘机械臂为研究对象,采用D-H法建立各杆件坐标系,应用齐次变换矩阵建立运动学方程。在Mat Lab的环境下,使用Robotics工具箱建立该机械臂的数学模型,并对其进行工作空间仿真及轨迹规划。实验数据表明:所建模型可以实现猕猴桃自动化采摘;仿真函数可以准确、有效地获得机械臂的运动参数和运动轨迹,为进一步的研究提供了重要的理论依据。
李桢王滨陈子啸崔永杰
关键词:猕猴桃机械臂运动学仿真MATLAB
基于果萼图像的猕猴桃果实夜间识别方法被引量:16
2017年
根据猕猴桃的棚架式栽培方式,提出了一种适用于猕猴桃采摘机器人夜间识别的方法。采用竖直向上获取果实图像的拍摄方式,以果萼为参考点,进行果实的识别,并测试该方法对光照的鲁棒性。试验结果表明:基于果萼能够有效的识别猕猴桃果实,成功率达94.3%;未识别和误识别的果实一般出现在5果及5果以上的簇中,原因是果实相互挤压导致的果萼部分不在果实图像的中心区域,以及果实之间的三角区形成暗色封闭区域;光照过小或过大会导致成像模糊或过曝,对正确率有细微影响;识别速度达到了0.5 s/个。因此,基于果萼的猕猴桃果实夜间识别方法在正确识别率和速度上都有很大提升,更接近实际应用。
傅隆生孙世鹏Vázquez-Arellano Manuel李石峰李瑞崔永杰
关键词:机器人图像识别农作物猕猴桃
全视场猕猴桃果实信息感知与连贯采摘机器人关键技术研究
随着猕猴桃产业规模不断扩大,参与果实收获作业的劳动力却逐年减少,为了解决劳动力短缺的问题,需要利用机械化替代人工进行采摘作业。目前,猕猴桃采摘机器人存在作业效率低的问题。基于此问题研究了全视场(摄像机能够观察到的最大范围...
穆龙涛
关键词:猕猴桃采摘机器人信息感知
文献传递
基于卷积神经网络的田间多簇猕猴桃图像识别方法被引量:101
2018年
为实现田间条件下快速、准确地识别多簇猕猴桃果实,该文根据猕猴桃的棚架式栽培模式,采用竖直向上获取果实图像的拍摄方式,提出一种基于Le Net卷积神经网络的深度学习模型进行多簇猕猴桃果实图像的识别方法。该文构建的卷积神经网络通过批量归一化方法,以Re LU为激活函数,Max-pooling为下采样方法,并采用Softmax回归分类器,对卷积神经网络结构进行优化。通过对100幅田间多簇猕猴桃图像的识别,试验结果表明:该识别方法对遮挡果实、重叠果实、相邻果实和独立果实的识别率分别为78.97%、83.11%、91.01%和94.78%。通过与5种现有算法进行对比试验,该文算法相对相同环境下的识别方法提高了5.73个百分点,且识别速度达到了0.27 s/个,识别速度较其他算法速度最快。证明了该文算法对田间猕猴桃图像具有较高的识别率和实时性,表明卷积神经网络在田间果实识别方面具有良好的应用前景。
傅隆生冯亚利冯亚利刘智豪李瑞李瑞
关键词:图像处理图像识别卷积神经网络猕猴桃
Design and simulation of an integrated end-effector for picking kiwifruit by robot被引量:10
2020年
The harvesting of fresh kiwifruit is a labor-intensive operation that accounts for more than 25%of annual production costs.Mechanized harvesting technologies are thus being developed to reduce labor requirements for harvesting kiwifruit.To improve the efficiency of a harvesting robot for picking kiwifruit,we designed an end-effector,which we report herein along with the results of tests to verify its operation.By using the established method of automated picking discussed in the literature and which is based on the characteristics of kiwifruit,we propose an automated method to pick kiwifruit that consists of separating the fruit from its stem on the tree.This method is experimentally verified by using it to pick clustered kiwifruit in a scaffolding canopy cultivation.In the experiment,the end-effector approaches a fruit from below and then envelops and grabs it with two bionic fingers.The fingers are then bent to separate the fruit from its stem.The grabbing,picking,and unloading processes are integrated,with automated picking and unloading performed using a connecting rod linkage following a trajectory model.The trajectory was analyzed and validated by using a simulation implemented in the software Automatic Dynamic Analysis of Mechanical Systems(ADAMS).In addition,a prototype of an end-effector was constructed,and its bionic fingers were equipped with fiber sensors to detect the best position for grabbing the kiwifruit and pressure sensors to ensure that the damage threshold was respected while picking.Tolerances for size and shape were incorporated by following a trajectory groove from grabbing and picking to unloading.The end-effector separates clustered kiwifruit and automatically grabs individual fruits.It takes on average 4–5 s to pick a single fruit,with a successful picking rate of 94.2%in an orchard test featuring 240 samples.This study shows the grabbing–picking–unloading robotic end-effector has significant potential to facilitate the harvesting of kiwifruit.
Longtao MuGongpei CuiYadong LiuYongjie CuiLongsheng FuYoshinori Gejima
关键词:KIWIFRUITEND-EFFECTOR
共3页<123>
聚类工具0