CN109005922A - 一种基于近红外光谱理论的智能采摘装置及其工作方法 - Google Patents
一种基于近红外光谱理论的智能采摘装置及其工作方法 Download PDFInfo
- Publication number
- CN109005922A CN109005922A CN201810704784.4A CN201810704784A CN109005922A CN 109005922 A CN109005922 A CN 109005922A CN 201810704784 A CN201810704784 A CN 201810704784A CN 109005922 A CN109005922 A CN 109005922A
- Authority
- CN
- China
- Prior art keywords
- near infrared
- servo motor
- control computer
- industrial control
- intelligent
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 230000003595 spectral effect Effects 0.000 title claims abstract description 29
- 238000000034 method Methods 0.000 title claims abstract description 18
- 235000013399 edible fruits Nutrition 0.000 claims abstract description 29
- 238000002329 infrared spectrum Methods 0.000 claims abstract description 21
- 230000033001 locomotion Effects 0.000 claims abstract description 21
- 239000000523 sample Substances 0.000 claims description 45
- 238000007689 inspection Methods 0.000 claims description 17
- 210000000245 forearm Anatomy 0.000 claims description 16
- 230000003287 optical effect Effects 0.000 claims description 9
- 238000004566 IR spectroscopy Methods 0.000 claims description 3
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 claims description 3
- 206010036590 Premature baby Diseases 0.000 claims description 3
- 229910052744 lithium Inorganic materials 0.000 claims description 3
- 230000035800 maturation Effects 0.000 claims description 3
- 230000008569 process Effects 0.000 abstract description 8
- 230000005540 biological transmission Effects 0.000 abstract description 5
- 230000000694 effects Effects 0.000 abstract description 5
- 238000005516 engineering process Methods 0.000 abstract description 3
- 238000004611 spectroscopical analysis Methods 0.000 abstract 1
- 238000001228 spectrum Methods 0.000 description 6
- 238000004519 manufacturing process Methods 0.000 description 5
- 230000018109 developmental process Effects 0.000 description 4
- 238000012271 agricultural production Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- FGRBYDKOBBBPOI-UHFFFAOYSA-N 10,10-dioxo-2-[4-(N-phenylanilino)phenyl]thioxanthen-9-one Chemical compound O=C1c2ccccc2S(=O)(=O)c2ccc(cc12)-c1ccc(cc1)N(c1ccccc1)c1ccccc1 FGRBYDKOBBBPOI-UHFFFAOYSA-N 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 125000000524 functional group Chemical group 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000003760 hair shine Effects 0.000 description 1
- 229910052739 hydrogen Inorganic materials 0.000 description 1
- 125000004435 hydrogen atom Chemical group [H]* 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 239000002420 orchard Substances 0.000 description 1
- 230000007115 recruitment Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 238000001845 vibrational spectrum Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01D—HARVESTING; MOWING
- A01D46/00—Picking of fruits, vegetables, hops, or the like; Devices for shaking trees or shrubs
- A01D46/30—Robotic devices for individually picking crops
Landscapes
- Engineering & Computer Science (AREA)
- Robotics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Environmental Sciences (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明涉及一种基于近红外光谱理论的智能采摘装置,属于水果智能采摘技术领域。本发明包括近红外光谱设备、机械装置和智能控制装置,近红外光谱设备、智能控制装置均安装在机械结构装置上。近红外光谱设备直接通过数据传输总线与智能控制装置连接,将采集的光谱数据传输给智能控制装置进行处理。机械装置通过导线与智能控制装置相连接,由智能控制装置来控制机械部分的工作运动。本发明有利于解决现在采摘机器智能化程度不高的问题。此装置能够克服气候环境影响因素,运行过程中性能稳定,效率高,可靠性高,适应性强的特点。
Description
技术领域
本发明涉及一种基于近红外光谱理论的智能采摘装置及其工作方法,属于水果智能采摘技术领域。
背景技术
近红外光谱理论是利用物质对不同波长的红外辐射的吸收特性,进行分子结构和化学组成分析的仪器。近红外光谱设备通常由光源,单色器,探测器和计算机处理信息系统组成。根据分光装置的不同,分为色散型和干涉型。对色散型双光路光学零位平衡红外分光光度计而言,当样品吸收了一定频率的红外辐射后,分子的振动能级发生跃迁,透过的光束中相应频率的光被减弱,造成参比光路与样品光路相应辐射的强度差,从而得到所测样品的红外光谱。近红外光谱属于分子振动光谱,本质上是不同分子官能团的振动倍频和组合频,近红外光谱的吸收波长的官能团主要是含氢官能团,包括C-H, N-H, O-H, H2O等。近红外漫反射发生时,水果内部的分子与光线发生作用,部分光的能量被吸收,即光谱中包含着水果的内部信息,因此可以用近红外光谱对水果进行分析,光谱图的不同吸收峰,代表着样品的不同信息。且只有相同的分子结构才能产生相同的光谱。近红外光谱检测过程具有省时简单、不用破坏和浪费样品、分析速度快、成本低、结果重现性好等特点,是一种快速、方便和无损坏的检测方法。
我国水果产业发展迅猛,种植面积和年产量双居世界第一,是世界上水果生产的大国。在整个水果种植过程中,成熟水果的采摘耗时最长,劳动力需求最大;而随着外出务工人员的增多,农村劳动力人口下降,导致劳力成本上涨,果农的生产成本增加,用工成本高严重制约着水果产业的发展。
发明内容
本发明要解决的技术问题是提供一种基于近红外光谱理论的智能采摘装置及其工作方法,用于解决现有采摘装置智能化程度不高。此装置智能化程度高,能够克服气候环境影响因素,运行过程中性能稳定,效率高,可靠性高,适应性强的特点。
本发明采用的技术方案是:一种基于近红外光谱理论的智能采摘装置,包括近红外光谱设备、机械装置和智能控制装置,近红外光谱设备、智能控制装置均安装在机械结构装置上;
所述近红外光谱设备包括发射光源探头18、接受光源探头19和数据处理器;发射光源探头18用于向目标物发射近红外光谱,接受光源探头19用于接收水果反射后的近红外光谱,接受光源探头19与数据处理器连接,数据处理器与智能控制装置连接;
所述机械装置包括可移动载体、机械手臂、夹持器1、横向滑动装置、锯齿形刀片20;所述可移动载体为齿轮13、驱动电机14和履带的组合体,所述横向滑动装置通过转动部件安装在可移动载体上方且与机械手臂连接,用于改变机械手臂的位置,机械手臂固定在横向滑动装置上方,夹持器1安装在机械手臂的前端,锯齿形刀片20安装在夹持器1的前端;
所述的智能控制装置包括工控计算机15及与工控计算机15连接的伺服电机、运动控制卡、GPIB卡、驱动电机14、标准样本库、电源箱12、机器视觉系统;工控计算机15通过GPIB卡与标准样本库连接,通过运动控制卡分别与驱动电机14、横向滑动装置的转动部件连接;驱动电机14用于驱动齿轮13的转动,所述机器视觉系统包括LED灯源、CCD摄像头Ⅰ4、CCD摄像头Ⅱ5、数字图像处理模块;CCD摄像头Ⅰ4、CCD摄像头Ⅱ5均与数字图像处理模块连接,LED灯源、数字图像处理模块均与工控计算机15连接,数据处理器、夹持器1、锯齿形刀片20均与工控计算机15连接。
具体地,所述的机械手臂包括主臂16、连杆9、大臂8、小臂6,所述的伺服电机包括伺服电机Ⅰ2、伺服电机Ⅱ3、伺服电机Ⅲ7、伺服电机Ⅳ10、伺服电机Ⅴ17,主臂16安装在横向滑动装置上方,大臂8通过伺服电机Ⅲ7与主臂16的上端连接,主臂16的一侧安装有伺服电机Ⅳ10,连杆9一端与伺服电机Ⅳ10的输出轴连接,另一端连接在大臂8上,伺服电机Ⅳ10用于控制连杆9的上下移动,小臂6通过伺服电机Ⅲ7与大臂8连接,夹持器1通过伺服电机Ⅱ3与小臂6连接,伺服电机Ⅰ2安装在夹持器1的前端,用于控制夹持器1的开合。
优选地,所述的机器视觉系统集成在小臂6上,CCD摄像头Ⅰ4、CCD摄像头Ⅱ5安装在小臂6的两侧。
优选地,所述的发射光源探头18、接受光源探头19安装在夹持器1内侧。
优选地,所述电源箱12为锂电池供电箱且其上设有电源开关11。
优选地,所述的工控计算机15内设图像采集卡和PC机,数字图像处理模块与图像采集卡连接,图像采集卡与PC机连接。
优选地,所述的机器视觉系统还包括专用光学镜头,专用光学镜头与工控计算机15连接。
一种基于近红外光谱理论的智能采摘装置的工作方法,包括如下步骤:
Step1、装置初始化,
Step2、工控计算机15通过运动控制卡发控制命令给驱动电机14,驱动电机14驱动齿轮13转动,进而使装置移动;同时工控计算机15通过运动控制卡发控制命令给横向滑动装置、伺服电机,驱动横向滑动装置转动、机械臂移动;
Step3、工控计算机15控制机器视觉系统中的CCD摄像头Ⅰ4、CCD摄像头Ⅱ5拍照,拍摄的照片经数字图像处理模块处理后发送给工控计算机15,工控计算机15将照片与标准样本库中的标准样品进行比较,识别是否有目标物,如果有则进一步并判断目标物的位置,然后进行下一步,如果没有目标物则重新进行Step2;
Step4、工控计算机15根据目标的位置,控制齿轮13、横向滑动装置及机械臂运动,当装置移动至目标处时,工控计算机15通过伺服电机Ⅰ2控制夹持器1夹住目标物,然后近红外光谱设备采集目标物的光谱信息,并将采集的信息发送给工控计算机15;
Step5、工控计算机15将接收的光谱信息与标准样本库法人数据比对;判断目标物是否成熟,若成熟则判断为可摘,则控制锯齿形刀片20动作,割断果实的茎,并放置目标物,完成采摘,然后执行下一步;若未成熟则判断为不可采摘,直接进行下一步;
Step6、循环执行步骤Step2~Step5,直至工作结束。
本发明的有益效果是:本发明结合水果生产种植环境和实际采摘过程,基于机器视觉技术对水果采摘过程,设计了智能水果采摘装置,实现农业生产水果的智能采摘。本发明智能化程度高,能够克服气候环境影响因素,运行过程中性能稳定,效率高,可靠性高,适应性强。
附图说明
图1是本发明的工作流程图;
图2是本发明一种基于近红外光谱理论的智能采摘装置的结构图;
图3是本发明一种基于近红外光谱理论的智能采摘装置的硬件框图;
图4是本发明一种基于近红外光谱理论的智能采摘装置的机器视觉系统结构原理图。
图中各标号为:1-夹持器、2-伺服电机Ⅰ、3-伺服电机Ⅱ、4-CCD摄像头Ⅰ、5-CCD摄像头Ⅱ、6-小臂、7-伺服电机Ⅲ、8-大臂、9-连杆、10-伺服电机Ⅳ、11-电源开关、12-电源箱;13-齿轮、14-驱动电机、15-工控计算机、16-主臂、17-伺服电机Ⅴ、18-发射光源探头、19-接收光源探头、20-锯齿形刀片。
具体实施方式
下面结合附图和具体实施例对本发明作进一步详细说明。
实施例1:如图1-4所示,一种基于近红外光谱理论的智能采摘装置,包括近红外光谱设备、机械装置和智能控制装置,近红外光谱设备、智能控制装置均安装在机械结构装置上;
所述近红外光谱设备包括发射光源探头18、接受光源探头19和数据处理器;发射光源探头18用于向目标物发射近红外光谱,接受光源探头19用于接收水果反射后的近红外光谱,接受光源探头19与数据处理器连接,数据处理器与智能控制装置连接;数据处理器用于去掉接受光源探头19接收到的近红外光谱中多余无用的部分;
所述机械装置包括可移动载体、机械手臂、夹持器1、横向滑动装置、锯齿形刀片20;所述可移动载体为齿轮13、驱动电机14和履带的组合体,所述横向滑动装置通过转动部件安装在可移动载体上方且与机械手臂连接,用于改变机械手臂的位置,机械手臂固定在横向滑动装置上方,夹持器1安装在机械手臂的前端,锯齿形刀片20安装在夹持器1的前端;
所述的智能控制装置包括工控计算机15及与工控计算机15连接的伺服电机、运动控制卡、GPIB卡、驱动电机14、标准样本库、电源箱12、机器视觉系统;工控计算机15通过GPIB卡与标准样本库连接,通过运动控制卡分别与驱动电机14、横向滑动装置的转动部件连接;驱动电机14用于驱动齿轮13的转动,所述机器视觉系统包括LED灯源、CCD摄像头Ⅰ4、CCD摄像头Ⅱ5、数字图像处理模块;CCD摄像头Ⅰ4、CCD摄像头Ⅱ5均与数字图像处理模块连接,LED灯源、数字图像处理模块均与工控计算机15连接,数据处理器、夹持器1、锯齿形刀片20均与工控计算机15连接。数字图像处理模块用于除去图片中抖动和其他一些噪声干扰,使图片清晰。
进一步地,所述的机械手臂包括主臂16、连杆9、大臂8、小臂6,所述的伺服电机包括伺服电机Ⅰ2、伺服电机Ⅱ3、伺服电机Ⅲ7、伺服电机Ⅳ10、伺服电机Ⅴ17,主臂16安装在横向滑动装置上方,大臂8通过伺服电机Ⅲ7与主臂16的上端连接,主臂16的一侧安装有伺服电机Ⅳ10,连杆9一端与伺服电机Ⅳ10的输出轴连接,另一端连接在大臂8上,伺服电机Ⅳ10用于控制连杆9的上下移动,小臂6通过伺服电机Ⅲ7与大臂8连接,夹持器1通过伺服电机Ⅱ3与小臂6连接,伺服电机Ⅰ2安装在夹持器1的前端,用于控制夹持器1的开合。
进一步地,所述的机器视觉系统集成在小臂6上,CCD摄像头Ⅰ4、CCD摄像头Ⅱ5安装在小臂6的两侧,三维立体判断果实位置,装置的道路寻迹。
进一步地,所述的发射光源探头18、接受光源探头19安装在夹持器1内侧。
进一步地,所述电源箱12为锂电池供电箱且其上设有电源开关11。
进一步地,所述的工控计算机15内设图像采集卡和PC机,数字图像处理模块与图像采集卡连接,图像采集卡与PC机连接。
进一步地,所述的机器视觉系统还包括专用光学镜头,专用光学镜头与工控计算机15连接。专用光学镜头是灯源发出的光,照射出去分部更均匀,使拍照效果更好。
如图3所示,是一种基于近红外光谱理论的智能采摘装置的硬件框图;所述的智能控制装置还包括与工控计算机15连接的USB接口、辅助键盘、液晶显示器、鼠标等,工控计算机15通过数据传输导线直接与近红外光谱设备连接;专用光学镜头,LED灯源和CCD摄像头Ⅰ4、CCD摄像头Ⅱ5通过数据传输导线直接与工控计算机15连接;样本库直接与工控计算机15连接;辅助键盘直接插入到工控计算机15的键盘接口;USB接口通过数据传输导线与工控计算机15连接;液晶显示器直接与工控计算机15的显示器接口连接,实时显示采摘数据。所述伺服电机驱动使机械手臂、夹持器1完成各种采摘动作;所述运动控制卡控制采摘装置的位移,速度,加速度。
如图4所示,是一种基于近红外光谱理论的智能采摘装置的机器视觉系统结构原理图;工作时,系统由CCD摄像头Ⅰ4、CCD摄像头Ⅱ5将待测目标转化为数字图像的电信号,然后传送给 PC 机;PC 机采用专用的图像处理软件,根据色彩和颜色,采用多种算法提取果实的特点,最后,根据设定的量化值和其他条件进行准确判断。采摘机器人识别分割与定位的核心技术包括目标果实分割识别与成熟度的判断和目标果实空间坐标的计算两个方面。
作为优选,所述机械装置的机械手臂,夹持器1可以旋转到任一角度。
作为优选,所述锯齿形刀片安装在夹持器内部,判断为割断时伸出外部进行工作。
一种基于近红外光谱理论的智能采摘装置的工作方法,包括如下步骤:
Step1、装置初始化,
Step2、工控计算机15通过运动控制卡发控制命令给驱动电机14,驱动电机14驱动齿轮13转动,进而使装置移动;同时工控计算机15通过运动控制卡发控制命令给横向滑动装置、伺服电机,驱动横向滑动装置转动、机械臂移动;
Step3、工控计算机15控制机器视觉系统中的CCD摄像头Ⅰ4、CCD摄像头Ⅱ5拍照,拍摄的照片经数字图像处理模块处理后发送给工控计算机15,工控计算机15将照片与标准样本库中的标准样品进行比较,识别是否有目标物,如果有则进一步并判断目标物的位置,然后进行下一步,如果没有目标物则重新进行Step2;
Step4、工控计算机15根据目标的位置,控制齿轮13、横向滑动装置及机械臂运动,当装置移动至目标处时,工控计算机15通过伺服电机Ⅰ2控制夹持器1夹住目标物,然后近红外光谱设备采集目标物的光谱信息,并将采集的信息发送给工控计算机15;
Step5、工控计算机15将接收的光谱信息与标准样本库法人数据比对;判断目标物是否成熟,若成熟则判断为可摘,则控制锯齿形刀片20动作,割断果实的茎,并放置目标物,完成采摘,然后执行下一步;若未成熟则判断为不可采摘,直接进行下一步;
Step6、循环执行步骤Step2~Step5,直至工作结束。
在农业生产上广泛应用智能采摘机器人,对于节省成本。提高生产率具有重要意义。我国作为水果生产大国,国家对采摘机械化的发展十分重视,智能采摘机器人对我国未来水果产业发展的作用十分重大。本发明结合水果生产种植环境和实际采摘过程,基于机器视觉技术对水果采摘过程,设计了智能水果采摘装置,实现农业生产水果的智能采摘。
以上所述仅为本发明的较佳实例而已,并不用以限制本发明。凡在本发明精神和原则之内所作的任何修改,等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (8)
1.一种基于近红外光谱理论的智能采摘装置,其特征在于:包括近红外光谱设备、机械装置和智能控制装置,近红外光谱设备、智能控制装置均安装在机械结构装置上;
所述近红外光谱设备包括发射光源探头(18)、接受光源探头(19)和数据处理器;发射光源探头(18)用于向目标物发射近红外光谱,接受光源探头(19)用于接收水果反射后的近红外光谱,接受光源探头(19)与数据处理器连接,数据处理器与智能控制装置连接;
所述机械装置包括可移动载体、机械手臂、夹持器(1)、横向滑动装置、锯齿形刀片(20);所述可移动载体为齿轮(13)、驱动电机(14)和履带的组合体,所述横向滑动装置通过转动部件安装在可移动载体上方且与机械手臂连接,用于改变机械手臂的位置,机械手臂固定在横向滑动装置上方,夹持器(1)安装在机械手臂的前端,锯齿形刀片(20)安装在夹持器(1)的前端;
所述的智能控制装置包括工控计算机(15)及与工控计算机(15)连接的伺服电机、运动控制卡、GPIB卡、驱动电机(14)、标准样本库、电源箱(12)、机器视觉系统;工控计算机(15)通过GPIB卡与标准样本库连接,通过运动控制卡分别与驱动电机(14)、横向滑动装置的转动部件连接;驱动电机(14)用于驱动齿轮(13)的转动,所述机器视觉系统包括LED灯源、CCD摄像头Ⅰ(4)、CCD摄像头Ⅱ(5)、数字图像处理模块;CCD摄像头Ⅰ(4)、CCD摄像头Ⅱ(5)均与数字图像处理模块连接,LED灯源、数字图像处理模块均与工控计算机(15)连接,数据处理器、夹持器(1)、锯齿形刀片(20)均与工控计算机15连接。
2.根据权利要求1所述的一种基于近红外光谱理论的智能采摘装置,其特征在于:所述的机械手臂包括主臂(16)、连杆(9)、大臂(8)、小臂(6),所述的伺服电机包括伺服电机Ⅰ(2)、伺服电机Ⅱ(3)、伺服电机Ⅲ(7)、伺服电机Ⅳ(10)、伺服电机Ⅴ(17),主臂(16)安装在横向滑动装置上方,大臂(8)通过伺服电机Ⅲ(7)与主臂(16)的上端连接,主臂(16)的一侧安装有伺服电机Ⅳ(10),连杆(9)一端与伺服电机Ⅳ(10)的输出轴连接,另一端连接在大臂(8)上,伺服电机Ⅳ(10)用于控制连杆(9)的上下移动,小臂(6)通过伺服电机Ⅲ(7)与大臂(8)连接,夹持器(1)通过伺服电机Ⅱ(3)与小臂(6)连接,伺服电机Ⅰ(2)安装在夹持器(1)的前端,用于控制夹持器(1)的开合。
3.根据权利要求1所述的一种基于近红外光谱理论的智能采摘装置,其特征在于:所述的机器视觉系统集成在小臂(6)上,CCD摄像头Ⅰ(4)、CCD摄像头Ⅱ(5)安装在小臂(6)的两侧。
4.根据权利要求1所述的一种基于近红外光谱理论的智能采摘装置,其特征在于:所述的发射光源探头(18)、接受光源探头(19)安装在夹持器(1)内侧。
5.根据权利要求1所述的一种基于近红外光谱理论的智能采摘装置,其特征在于:所述电源箱(12)为锂电池供电箱且其上设有电源开关(11)。
6.根据权利要求1所述的一种基于近红外光谱理论的智能采摘装置,其特征在于:所述的工控计算机(15)内设图像采集卡和PC机,数字图像处理模块与图像采集卡连接,图像采集卡与PC机连接。
7.根据权利要求1所述的一种基于近红外光谱理论的智能采摘装置,其特征在于:所述的机器视觉系统还包括专用光学镜头,专用光学镜头与工控计算机(15)连接。
8.一种基于近红外光谱理论的智能采摘装置的工作方法,其特征在于:包括如下步骤:
Step1、装置初始化,
Step2、工控计算机(15)通过运动控制卡发控制命令给驱动电机(14),驱动电机(14)驱动齿轮(13)转动,进而使装置移动;同时工控计算机(15)通过运动控制卡发控制命令给横向滑动装置、伺服电机,驱动横向滑动装置转动、机械臂移动;
Step3、工控计算机(15)控制机器视觉系统中的CCD摄像头Ⅰ(4)、CCD摄像头Ⅱ(5)拍照,拍摄的照片经数字图像处理模块处理后发送给工控计算机(15),工控计算机(15)将照片与标准样本库中的标准样品进行比较,识别是否有目标物,如果有则进一步并判断目标物的位置,然后进行下一步,如果没有目标物则重新进行Step2;
Step4、工控计算机(15)根据目标的位置,控制齿轮(13)、横向滑动装置及机械臂运动,当装置移动至目标处时,工控计算机(15)通过伺服电机Ⅰ(2)控制夹持器(1)夹住目标物,然后近红外光谱设备采集目标物的光谱信息,并将采集的信息发送给工控计算机(15);
Step5、工控计算机(15)将接收的光谱信息与标准样本库法人数据比对;判断目标物是否成熟,若成熟则判断为可摘,则控制锯齿形刀片(20)动作,割断果实的茎,并放置目标物,完成采摘,然后执行下一步;若未成熟则判断为不可采摘,直接进行下一步;
Step6、循环执行步骤Step2~Step5,直至工作结束。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810704784.4A CN109005922B (zh) | 2018-07-02 | 2018-07-02 | 一种基于近红外光谱理论的智能采摘装置及其工作方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810704784.4A CN109005922B (zh) | 2018-07-02 | 2018-07-02 | 一种基于近红外光谱理论的智能采摘装置及其工作方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109005922A true CN109005922A (zh) | 2018-12-18 |
CN109005922B CN109005922B (zh) | 2021-08-20 |
Family
ID=65522141
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810704784.4A Active CN109005922B (zh) | 2018-07-02 | 2018-07-02 | 一种基于近红外光谱理论的智能采摘装置及其工作方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109005922B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110366952A (zh) * | 2019-08-23 | 2019-10-25 | 重庆市经贸中等专业学校 | 一种微型履带农业机器人 |
TWI776745B (zh) * | 2021-11-30 | 2022-09-01 | 國立勤益科技大學 | 農業自動化採集設備 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104641798A (zh) * | 2013-11-25 | 2015-05-27 | 王健 | 基于机器视觉的柑橘在线自动采摘分选系统 |
US9475189B2 (en) * | 2015-02-22 | 2016-10-25 | Ffmh-Tech Ltd. | Multi-robot crop harvesting machine |
CN107667663A (zh) * | 2017-11-03 | 2018-02-09 | 深圳达芬奇创新科技有限公司 | 一种移动式便于使用的农用草莓采摘机器人 |
CN207505447U (zh) * | 2017-12-05 | 2018-06-19 | 延安大学 | 一种分级无损伤苹果采摘机 |
CN108200809A (zh) * | 2017-11-21 | 2018-06-26 | 铜陵市棵松农业科技有限公司 | 一种果树采摘机器人及控制系统 |
-
2018
- 2018-07-02 CN CN201810704784.4A patent/CN109005922B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104641798A (zh) * | 2013-11-25 | 2015-05-27 | 王健 | 基于机器视觉的柑橘在线自动采摘分选系统 |
US9475189B2 (en) * | 2015-02-22 | 2016-10-25 | Ffmh-Tech Ltd. | Multi-robot crop harvesting machine |
CN107667663A (zh) * | 2017-11-03 | 2018-02-09 | 深圳达芬奇创新科技有限公司 | 一种移动式便于使用的农用草莓采摘机器人 |
CN108200809A (zh) * | 2017-11-21 | 2018-06-26 | 铜陵市棵松农业科技有限公司 | 一种果树采摘机器人及控制系统 |
CN207505447U (zh) * | 2017-12-05 | 2018-06-19 | 延安大学 | 一种分级无损伤苹果采摘机 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110366952A (zh) * | 2019-08-23 | 2019-10-25 | 重庆市经贸中等专业学校 | 一种微型履带农业机器人 |
TWI776745B (zh) * | 2021-11-30 | 2022-09-01 | 國立勤益科技大學 | 農業自動化採集設備 |
Also Published As
Publication number | Publication date |
---|---|
CN109005922B (zh) | 2021-08-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103439265B (zh) | 一种茶树精细化栽培生育性状实时监测方法 | |
CN104483285B (zh) | 基于近红外光谱技术的车载土壤养分检测及自动采样装置 | |
CN103439264B (zh) | 一种基于在线定位的茶树活体生育特征数据采集装置 | |
CN101356877B (zh) | 一种温室环境下黄瓜采摘机器人系统及采摘方法 | |
CN109005922A (zh) | 一种基于近红外光谱理论的智能采摘装置及其工作方法 | |
CN105044582A (zh) | 一种基于labview的半导体激光器芯片的测试系统 | |
CN108767744B (zh) | 一种自动跟踪电网异物激光远程清除装置及清除方法 | |
CN205176871U (zh) | 一种二维码检测设备 | |
CN109570051B (zh) | 基于机器视觉、激光和声学的板栗虫眼检测装置 | |
CN111923073A (zh) | 一种球形果蔬采摘检测智能机器手及机械臂系统 | |
CN103278503B (zh) | 一种基于多传感器技术的葡萄水分胁迫诊断方法及系统 | |
CN101881725A (zh) | 基于反射光谱的大棚作物生长状况自动监测系统 | |
CN117169150A (zh) | 一种冷却羊肉表面细菌总数检测方法 | |
CN111754455A (zh) | 一种火电厂漏水检测方法和系统 | |
CN105486673A (zh) | 一种叶绿素荧光自动化监测系统 | |
CN112613438A (zh) | 一种便携式柑橘在线测产仪 | |
CN103543107A (zh) | 基于机器视觉和高光谱技术的烟叶智能分级系统和方法 | |
CN201780267U (zh) | 一种基于反射光谱的大棚作物生长状况自动监测系统 | |
CN210775225U (zh) | 基于拉曼光谱的果实成熟度检测与采摘装置 | |
CN108872141B (zh) | 一种基于近红外光谱分析的水稻叶片含水率快速无损检测电路、装置及方法 | |
CN112881310A (zh) | 一种柑橘黄龙病田间智能早期诊断光谱仪 | |
CN112775022A (zh) | 一种小型水果内部品质智能分级设备 | |
CN112129725A (zh) | 一种基于光谱校正的车载植物养分光谱检测仪 | |
CN201229205Y (zh) | 便携式植物花色分类与生长状态检测装置 | |
CN108519337A (zh) | 一种基于单积分球的农产品组织光学特性参数检测装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |