CN114062505B - 果实成熟度检测方法、装置、电子设备及存储介质 - Google Patents
果实成熟度检测方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN114062505B CN114062505B CN202210047358.4A CN202210047358A CN114062505B CN 114062505 B CN114062505 B CN 114062505B CN 202210047358 A CN202210047358 A CN 202210047358A CN 114062505 B CN114062505 B CN 114062505B
- Authority
- CN
- China
- Prior art keywords
- fruit
- fruits
- maturity
- sample
- distribution area
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
- G01N29/04—Analysing solids
- G01N29/041—Analysing solids on the surface of the material, e.g. using Lamb, Rayleigh or shear waves
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
- G01N29/22—Details, e.g. general constructional or apparatus details
- G01N29/225—Supports, positioning or alignment in moving situation
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2291/00—Indexing codes associated with group G01N29/00
- G01N2291/02—Indexing codes associated with the analysed material
- G01N2291/023—Solids
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2291/00—Indexing codes associated with group G01N29/00
- G01N2291/04—Wave modes and trajectories
- G01N2291/051—Perpendicular incidence, perpendicular propagation
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2291/00—Indexing codes associated with group G01N29/00
- G01N2291/26—Scanned objects
- G01N2291/269—Various geometry objects
- G01N2291/2698—Other discrete objects, e.g. bricks
Landscapes
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Acoustics & Sound (AREA)
- Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)
Abstract
本申请属于机器人控制技术领域,公开了一种果实成熟度检测方法、装置、电子设备及存储介质,通过获取果树上的果实的套袋时长信息;在套袋时长达到预设时长阈值时,获取所述果树上各所述果实的数量信息和第一位置信息;根据所述数量信息和所述第一位置信息对所述果树上的所述果实进行抽样;根据抽样结果,控制所述巡检机器人通过所述超声波检测仪检测各样本果实的成熟度;根据各所述样本果实的成熟度判断所述果树上的果实是否可以采摘;从而可高效地对套袋果实进行成熟度检测以确定套袋果实是否可以采摘。
Description
技术领域
本申请涉及机器人控制技术领域,具体而言,涉及一种果实成熟度检测方法、装置、电子设备及存储介质。
背景技术
水果的成熟度不仅影响水果的口感、品质,还会影响果农及经销商的包装、存储、运输及后加工过程中的成本。因此,在采摘前准确的分辨各种水果的果实成熟度尤为重要。
一般对水果的果实成熟度的检测方法是通过外观直接识别的,但为了提高果实外观质量,有些果实会在树上时进行套袋处理,在后期需要人工拆袋才能进行成熟度检测,耗费大量人力。尽管一些大型果园已经使用巡逻机器人,通过视觉检测各果树的果实的成熟度,但由于需要根据果实的生理颜色特征进行分析,不适用于果实有套袋的情况。
现有超声波检测果实成熟度方法可满足此情形的需要,但果园果树多、果实产量大,依靠人工携带超声检测仪定期对全部果实进行扫描,分析扫描结果,工作量同样很大,而且果园工作环境较艰苦、工作效率不高。
发明内容
本申请的目的在于提供一种果实成熟度检测方法、装置、电子设备及存储介质,可高效地对套袋果实进行成熟度检测以确定套袋果实是否可以采摘。
第一方面,本申请提供了一种果实成熟度检测方法,应用于巡检机器人对果树上的套袋果实进行成熟度检测,所述巡检机器人包括视觉系统、机械臂和设置在机械臂末端的超声波检测仪;包括步骤:
A1.获取果树上的果实的套袋时长信息;
A2.在套袋时长达到预设时长阈值时,获取所述果树上各所述果实的数量信息和第一位置信息;
A3.根据所述数量信息和所述第一位置信息对所述果树上的所述果实进行抽样;
A4.根据抽样结果,控制所述巡检机器人通过所述超声波检测仪检测各样本果实的成熟度;
A5.根据各所述样本果实的成熟度判断所述果树上的果实是否可以采摘。
该果实成熟度检测方法,基于超声波检测仪可以对套袋果实直接进行成熟度检测的特点,无需拆袋即可对果实进行成熟度检测,大大降低人力消耗;只有在套袋时长达到预设时长阈值时才进行成熟度检测,巡检机器人无需在每次巡检时都对该果树的果实进行成熟度检测,从而大大降低检测频次;通过抽样检测,无需用超声波检测仪对每个果实进行检测,大大降低了工作量;从而,该果实成熟度检测方法可高效地对套袋果实进行成熟度检测以确定套袋果实是否可以采摘。
优选地,步骤A1包括:
获取设置在所述果树的树干上的二维码图像;
识别所述二维码图像得到所述果树的果实的套袋起始时间;
根据所述套袋起始时间计算套袋时长。
优选地,步骤A2包括:
获取所述果树的第一图像;
根据所述第一图像识别得到所述果树上的所述果实的数量信息和第一位置信息。
优选地,步骤A3包括:
根据所述数量信息确定样本数量;
对所述果树进行区域划分,得到多个果实分布区域;
根据所述样本数量和所述第一位置信息,在各所述果实分布区域中选取样本果实。
通过对所述果树进行区域划分,在各果实分布区域中选取样本果实,有利于使各样本果实的分布位置均匀,从而有利于提高最终的是否可以采摘的判断结果的准确性。
优选地,步骤A4包括:
获取所述样本果实所处位置的局部图像;
根据所述局部图像识别得到所述样本果实的第二位置信息;
根据所述第二位置信息规划机械臂移动路径;
控制所述机械臂沿所述移动路径把所述超声波检测仪移动至所述样本果实处进行成熟度检测。
优选地,步骤A4包括:
每完成一个所述样本果实的成熟度检测,则计算已完成检测的所述样本果实的成熟度合格率,并根据所述成熟度合格率判断是否需要继续检测;
根据判断结果继续下一个所述样本果实的成熟度检测或停止继续检测。
当已完成检测的样本果实的成熟度合格率过低,最终该果树的果实不符合采摘条件的几率较大,因而停止继续检测,可避免过多的无效工作,进一步提高工作效率。
优选地,步骤A5包括:
根据各所述样本果实的成熟度计算平均成熟度;
根据所述平均成熟度判断所述果树上的果实是否可以采摘。
第二方面,本申请提供了一种果实成熟度检测装置,应用于巡检机器人对果树上的套袋果实进行成熟度检测,所述巡检机器人包括视觉系统、机械臂和设置在机械臂末端的超声波检测仪;包括:
第一获取模块,用于获取果树上的果实的套袋时长信息;
第二获取模块,用于在套袋时长达到预设时长阈值时,获取所述果树上各所述果实的数量信息和第一位置信息;
抽样模块,用于根据所述数量信息和所述第一位置信息对所述果树上的所述果实进行抽样;
检测模块,用于根据抽样结果,控制所述巡检机器人通过所述超声波检测仪检测各样本果实的成熟度;
第一判断模块,用于根据各所述样本果实的成熟度判断所述果树上的果实是否可以采摘。
该果实成熟度检测装置,基于超声波检测仪可以对套袋果实直接进行成熟度检测的特点,无需拆袋即可对果实进行成熟度检测,大大降低人力消耗;只有在套袋时长达到预设时长阈值时才进行成熟度检测,巡检机器人无需在每次巡检时都对该果树的果实进行成熟度检测,从而大大降低检测频次;通过抽样检测,无需用超声波检测仪对每个果实进行检测,大大降低了工作量;从而,该果实成熟度检测装置可高效地对套袋果实进行成熟度检测以确定套袋果实是否可以采摘。
第三方面,本申请提供了一种电子设备,包括处理器和存储器,所述存储器存储有所述处理器可执行的计算机程序,所述处理器执行所述计算机程序时,运行如前文所述果实成熟度检测方法中的步骤。
第四方面,本申请提供了一种存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时运行如前文所述果实成熟度检测方法中的步骤。
有益效果:
本申请提供的果实成熟度检测方法、装置、电子设备及存储介质,通过获取果树上的果实的套袋时长信息;在套袋时长达到预设时长阈值时,获取所述果树上各所述果实的数量信息和第一位置信息;根据所述数量信息和所述第一位置信息对所述果树上的所述果实进行抽样;根据抽样结果,控制所述巡检机器人通过所述超声波检测仪检测各样本果实的成熟度;根据各所述样本果实的成熟度判断所述果树上的果实是否可以采摘;从而可高效地对套袋果实进行成熟度检测以确定套袋果实是否可以采摘。
本申请的其他特征和优点将在随后的说明书阐述,并且,部分地从说明书中变得显而易见,或者通过实施本申请了解。
附图说明
图1为本申请实施例提供的果实成熟度检测方法的流程图。
图2为本申请实施例提供的果实成熟度检测装置的结构示意图。
图3为本申请实施例提供的电子设备的结构示意图。
具体实施方式
下面将结合本申请实施例中附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。同时,在本申请的描述中,术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
请参照图1,图1是本申请一些实施例中的一种果实成熟度检测方法,应用于巡检机器人对果树上的套袋果实进行成熟度检测,巡检机器人包括视觉系统、机械臂和设置在机械臂末端的超声波检测仪;包括步骤:
A1.获取果树上的果实的套袋时长信息;
A2.在套袋时长达到预设时长阈值时,获取果树上各果实的数量信息和第一位置信息;
A3.根据数量信息和第一位置信息对果树上的果实进行抽样;
A4.根据抽样结果,控制巡检机器人通过超声波检测仪检测各样本果实的成熟度;
A5.根据各样本果实的成熟度判断果树上的果实是否可以采摘。
在一些实施方式中,该巡检机器人包括移动底座(如AGV)、机械臂(如六轴机械臂)、视觉系统(如双目相机)和控制系统,机械臂的末端设置有超声波检测仪,该控制系统可集成在巡检机器人上,也可设置在远端并与巡检机器人本体无线通信连接。该果实成熟度检测方法具体应用于该控制系统中。
该果实成熟度检测方法,基于超声波检测仪可以对套袋果实直接进行成熟度检测的特点,无需拆袋即可对果实进行成熟度检测,大大降低人力消耗;只有在套袋时长达到预设时长阈值时才进行成熟度检测,巡检机器人无需在每次巡检时都对该果树的果实进行成熟度检测,从而大大降低检测频次;通过抽样检测,无需用超声波检测仪对每个果实进行检测,大大降低了工作量(实际应用中,超声波检测仪的检测范围较小,需要贴近被检测的果实才能进行有效检测,因此只能逐个果实地进行检测,若对每个果实均进行检测,工作量非常大,工作效率非常低);从而,该果实成熟度检测方法可高效地对套袋果实进行成熟度检测以确定套袋果实是否可以采摘。
在本实施例中,该果实成熟度检测方法应用于巡检机器人对果园的果树上的套袋果实进行成熟度检测,但该果实成熟度检测方法不仅限于用于对果园的果树进行检测。
在实际应用中,可在果园的各果树的树干上设置二维码,并把该果树上的果实的套袋起始时间记录在该二维码中;从而,在一些实施方式中,步骤A1包括:
获取设置在果树的树干上的二维码图像;
识别二维码图像得到果树的果实的套袋起始时间;
根据套袋起始时间计算套袋时长(用当前时刻的时间减去套袋起始时间)。
通过这种方式,可以快捷方便地获取果实的套袋时长。
实际上,也可在果袋上设置二维码,并把果实的套袋起始时间记录在该二维码中,且同一棵果树的果袋上的二维码相同;从而,在另一些实施方式中,步骤A1包括:
获取果树上的果袋的二维码图像(可获取任意一个果袋的二维码图像);
识别二维码图像得到果树的果实的套袋起始时间;
根据套袋起始时间计算套袋时长。
需要说明的是,获取果树上的果实的套袋时长信息的具体方法不限于此。
实际上,对果实进行成熟度检测是为了避免错过最佳采摘时机,而在果实的生长周期内,通常在前期成熟度增加速度较慢,在后期熟度增加速度较快,因此在果实的生长周期前期没有必要进行成熟度检测;通常地,巡检机器人是周期性地对果园进行巡检的,若在果实生长周期前期,巡检机器人每次巡检都对该果树的果实进行成熟度检测,并没有太大意义,因此,本申请中,只有在套袋时长达到预设时长阈值时,才会对果实进行成熟度检测,既可避免错过最佳采摘时机,也可降低工作量。
其中,预设时长阈值可根据果实的种类预先设置,不同种类的果实的生长周期不同,对于生长周期较长的果实,其预设时长阈值可设置得较长,对于生长周期较短的果实,其预设时长阈值可设置得较短。从而,在一些实施方式中,步骤A1之后和步骤A2之前,还包括步骤:获取果实的预设时长阈值;判断套袋时长是否达到该预设时长阈值。
例如,可把果实的预设时长阈值记录在树干上的二维码上;从而通过识别果树的树干上的二维码得到对应的预设时长阈值。也可把果实的预设时长阈值记录在果袋上;从而通过识别果袋上的二维码得到对应的预设时长阈值。
或例如,可预先根据各类果实的预设时长阈值生成一个预设时长阈值查询表,从而获取果树的预设时长阈值的步骤包括:获取果实的种类信息(通过识别二维码得到或通过图像匹配方法得到);根据果实的种类信息在预设时长阈值查询表中查询得到对应的预设时长阈值。
在本实施例中,步骤A2包括:
A201.获取果树的第一图像;
A202.根据第一图像识别得到果树上的果实的数量信息和第一位置信息。
其中,第一图像需包含果树的整个树冠的图像,以便得到准确的数量信息。
其中,步骤A202中,可通过边缘检测方法获取各果实(套袋果实)的轮廓线(此为现有技术,此处不对其过程进行详述),并根据各果实的轮廓线获取各果实的第一位置信息(可以把轮廓线包围区域的中心点的位置信息作为第一位置信息),计算该轮廓线的数量即可得到果实的数量信息。但通过第一图像识别得到数量信息和第一位置信息的方法不限于此。
在一些优选实施方式中,步骤A3包括:
A301.根据数量信息(果实的数量信息)确定样本数量;
A302.对果树进行区域划分,得到多个果实分布区域;
A303.根据样本数量和第一位置信息,在各果实分布区域中选取样本果实。
通过对果树进行区域划分,在各果实分布区域中选取样本果实,有利于使各样本果实的分布位置均匀,从而有利于提高最终的是否可以采摘的判断结果的准确性。
其中,步骤A301中,用果实的数量信息乘以预设的抽样比例,即可得到样本数量。该抽样比例可根据实际需要设置,一般可设置为40%-60%,但不限于此。
其中,在一些具体实施例中,步骤A302包括:把第一图像进行网格划分,把每个包含果实的网格区域作为一个果实分布区域。
在一些具体实施例中,步骤A303包括:
根据各果实分布区域内的果实的数量在果树上的果实总数量中的占比,为各果实分布区域分配抽样数量;
根据各果实分布区域的抽样数量,在各果实分布区域中随机选取对应数量的果实作为样本果实。
例如,根据各果实分布区域内的果实的数量在果树上的果实总数量中的占比,为各果实分布区域分配抽样数量的步骤包括:
根据以下公式计算各果实分布区域内的果实的数量在果树上的果实总数量中的占比:
根据以下公式计算各果实分布区域的抽样数量:
根据以下公式计算样本抽样不足量:
根据以下公式计算各果实分布区域的剩余果实量:
从而,可保证最后抽样的总数量等于要求的样本数量,且每个果实分布区域均有样本果实。
在实际应用中,根据数量信息和第一位置信息对果树上的果实进行抽样的具体方法不限于此,例如,还可先根据数量信息确定样本数量,然后根据该样本数量直接随机选取样本果实(对每个果实进行编号,然后随机选取对应数量的编号)。
进一步地,步骤A303之后,还包括:
A304.根据各样本果实的第一位置信息判断机械臂末端是否可到达对应的位置(判断机械臂末端是否可到达某一位置点的具体方法为现有技术,此处不对其进行限定);
A305.选取未被选为样本果实的其它果实替代机械臂末端不可达到其位置的样本果实,使所有样本果实的位置均为机械臂末端可到达的。
从而避免出现由于机械臂末端无法到达样本果实处而无法顺利完成成熟度检测的现象。
优选地,步骤A4包括:
A401.获取样本果实所处位置的局部图像;
A402.根据该局部图像识别得到该样本果实的第二位置信息;
A403.根据第二位置信息规划机械臂移动路径;
A404.控制机械臂沿移动路径把超声波检测仪移动至样本果实处进行成熟度检测。
实际应用中,由于第一图像包含较大区域的图像,根据第一图像识别得到的第一位置信息的定位准确性较低,此处,可根据样本果实的第一位置信息的初步定位作用,控制视觉系统对该样本果实所处位置的局部图像进行拍摄,从而根据局部图像识别得到的第二位置信息的准确性较高。
其中,根据局部图像识别得到对应样本果实的第二位置信息的具体方法可采用现有的图像识别方法,此处不对其进行详述。
其中,可以用样本果实的中心点的位置信息作为第二位置信息,从而,步骤A402包括:识别局部图像中的样本果实的中心点的位置信息作为第二位置信息。在实际应用中,可在果袋上预先设置最佳检测位置标记,从而也可用样本果实的果袋上的最佳检测位置标记的位置信息作为第二位置信息,从而,步骤A402包括:识别局部图像中的最佳检测位置标记的位置信息作为第二位置信息。
在一些优选实施例中,步骤A404包括:
控制机械臂沿移动路径把超声波检测仪移动至检测位置点(即移动路径的终点);
多次调整所述超声波检测仪的朝向以多次检测该样本果实的成熟度,得到多个成熟度数据;
以超声波回波强度最大的朝向对应的成熟度数据作为有效的成熟度数据。
实际上超声波检测仪从不同角度照射果实的同一个点时,检测结果会有所区别,当超声波检测仪的发射波束沿果实的径向射向果实时(即波束垂直地照射果实表面时),回波强度最大,此时检测到的成熟度的准确性也最准确,因此通过多角度进行检测并选取超声波回波强度最大的朝向对应的成熟度数据作为有效的成熟度数据,可提高检测精度。
在进一步的优选实施方案中,步骤A4还包括:
A405.每完成一个样本果实的成熟度检测,则计算已完成检测的样本果实的成熟度合格率,并根据成熟度合格率判断是否需要继续检测;
A406.根据判断结果继续下一个样本果实的成熟度检测或停止继续检测。
当已完成检测的样本果实的成熟度合格率过低,最终该果树的果实不符合采摘条件的几率较大,因而停止继续检测,可避免过多的无效工作,进一步提高工作效率。
在一些具体实施例中,步骤A405包括:判断已完成检测的样本果实在样本果实总数中的占比是否达到预设的占比阈值(可根据实际需要设置,例如50%);若未达到,则判定需要继续检测;若达到,则计算已完成检测的样本果实的成熟度合格率(用成熟度达到第一预设成熟度阈值的样本果实的数量除以已完成检测的样本果实的数量),如果成熟度合格率达到预设的合格率阈值(可根据实际需要设置),则判定需要继续检测,否则判定不需要继续检测。
其中,步骤A406包括:若判断需要继续检测,则继续下一个样本果实的成熟度检测,若判断不需要继续检测,则停止继续检测。
优选地,步骤A5包括:
A501.根据各样本果实的成熟度计算平均成熟度;
A502.根据平均成熟度判断果树上的果实是否可以采摘。
其中,用各样本果实的成熟度的总和除以样本数量,即得到平均成熟度。
其中,若平均成熟度达到第二预设成熟度阈值,则判定该果树上的果实可采摘,否则判定该果树上的果实不可采摘。
由上可知,该果实成熟度检测方法,通过获取果树上的果实的套袋时长信息;在套袋时长达到预设时长阈值时,获取果树上各果实的数量信息和第一位置信息;根据数量信息和第一位置信息对果树上的果实进行抽样;根据抽样结果,控制巡检机器人通过超声波检测仪检测各样本果实的成熟度;根据各样本果实的成熟度判断果树上的果实是否可以采摘;从而可高效地对套袋果实进行成熟度检测以确定套袋果实是否可以采摘。
请参考图2,本申请提供了一种果实成熟度检测装置,应用于巡检机器人对果树上的套袋果实进行成熟度检测,巡检机器人包括视觉系统、机械臂和设置在机械臂末端的超声波检测仪;包括:
第一获取模块1,用于获取果树上的果实的套袋时长信息;
第二获取模块2,用于在套袋时长达到预设时长阈值时,获取果树上各果实的数量信息和第一位置信息;
抽样模块3,用于根据数量信息和第一位置信息对果树上的果实进行抽样;
检测模块4,用于根据抽样结果,控制巡检机器人通过超声波检测仪检测各样本果实的成熟度;
第一判断模块5,用于根据各样本果实的成熟度判断果树上的果实是否可以采摘。
在一些实施方式中,该巡检机器人包括移动底座(如AGV)、机械臂(如六轴机械臂)、视觉系统(如双目相机)和控制系统,机械臂的末端设置有超声波检测仪,该控制系统可集成在巡检机器人上,也可设置在远端并与巡检机器人本体无线通信连接。该果实成熟度检测装置具体应用于该控制系统中。
该果实成熟度检测装置,基于超声波检测仪可以对套袋果实直接进行成熟度检测的特点,无需拆袋即可对果实进行成熟度检测,大大降低人力消耗;只有在套袋时长达到预设时长阈值时才进行成熟度检测,巡检机器人无需在每次巡检时都对该果树的果实进行成熟度检测,从而大大降低检测频次;通过抽样检测,无需用超声波检测仪对每个果实进行检测,大大降低了工作量(实际应用中,超声波检测仪的检测范围较小,需要贴近被检测的果实才能进行有效检测,因此只能逐个果实地进行检测,若对每个果实均进行检测,工作量非常大,工作效率非常低);从而,该果实成熟度检测装置可高效地对套袋果实进行成熟度检测以确定套袋果实是否可以采摘。
在本实施例中,该果实成熟度检测装置应用于巡检机器人对果园的果树上的套袋果实进行成熟度检测,但该果实成熟度检测装置不仅限于用于对果园的果树进行检测。
在实际应用中,可在果园的各果树的树干上设置二维码,并把该果树上的果实的套袋起始时间记录在该二维码中;从而,在一些实施方式中,第一获取模块1用于在获取果树上的果实的套袋时长信息的时候,执行:
获取设置在果树的树干上的二维码图像;
识别二维码图像得到果树的果实的套袋起始时间;
根据套袋起始时间计算套袋时长(用当前时刻的时间减去套袋起始时间)。
通过这种方式,可以快捷方便地获取果实的套袋时长。
实际上,也可在果袋上设置二维码,并把果实的套袋起始时间记录在该二维码中,且同一棵果树的果袋上的二维码相同;从而,在另一些实施方式中,第一获取模块1用于在获取果树上的果实的套袋时长信息的时候,执行:
获取果树上的果袋的二维码图像(可获取任意一个果袋的二维码图像);
识别二维码图像得到果树的果实的套袋起始时间;
根据套袋起始时间计算套袋时长。
需要说明的是,获取果树上的果实的套袋时长信息的具体方法不限于此。
实际上,对果实进行成熟度检测是为了避免错过最佳采摘时机,而在果实的生长周期内,通常在前期成熟度增加速度较慢,在后期熟度增加速度较快,因此在果实的生长周期前期没有必要进行成熟度检测;通常地,巡检机器人是周期性地对果园进行巡检的,若在果实生长周期前期,巡检机器人每次巡检都对该果树的果实进行成熟度检测,并没有太大意义,因此,本申请中,只有在套袋时长达到预设时长阈值时,才会对果实进行成熟度检测,既可避免错过最佳采摘时机,也可降低工作量。
其中,预设时长阈值可根据果实的种类预先设置,不同种类的果实的生长周期不同,对于生长周期较长的果实,其预设时长阈值可设置得较长,对于生长周期较短的果实,其预设时长阈值可设置得较短。从而,在一些实施方式中,该果实成熟度检测装置还包括:
第三获取模块,用于获取果实的预设时长阈值;
第二判断模块,用于判断套袋时长是否达到该预设时长阈值。
例如,可把果实的预设时长阈值记录在树干上的二维码上;从而通过识别果树的树干上的二维码得到对应的预设时长阈值。也可把果实的预设时长阈值记录在果袋上;从而通过识别果袋上的二维码得到对应的预设时长阈值。
或例如,可预先根据各类果实的预设时长阈值生成一个预设时长阈值查询表,从而第三获取模块在获取果树的预设时长阈值的时候执行:获取果实的种类信息(通过识别二维码得到或通过图像匹配方法得到);根据果实的种类信息在预设时长阈值查询表中查询得到对应的预设时长阈值。
在本实施例中,第二获取模块2用于在获取果树上各果实的数量信息和第一位置信息的时候,执行:
获取果树的第一图像;
根据第一图像识别得到果树上的果实的数量信息和第一位置信息。
其中,第一图像需包含果树的整个树冠的图像,以便得到准确的数量信息。
其中,第二获取模块2可通过边缘检测方法获取各果实(套袋果实)的轮廓线(此为现有技术,此处不对其过程进行详述),并根据各果实的轮廓线获取各果实的第一位置信息(可以把轮廓线包围区域的中心点的位置信息作为第一位置信息),计算该轮廓线的数量即可得到果实的数量信息。但通过第一图像识别得到数量信息和第一位置信息的方法不限于此。
在一些优选实施方式中,抽样模块3用于在根据数量信息和第一位置信息对果树上的果实进行抽样的时候,执行:
根据数量信息(果实的数量信息)确定样本数量;
对果树进行区域划分,得到多个果实分布区域;
根据样本数量和第一位置信息,在各果实分布区域中选取样本果实。
通过对果树进行区域划分,在各果实分布区域中选取样本果实,有利于使各样本果实的分布位置均匀,从而有利于提高最终的是否可以采摘的判断结果的准确性。
其中,抽样模块3在根据数量信息确定样本数量的时候,用果实的数量信息乘以预设的抽样比例,从而得到样本数量。该抽样比例可根据实际需要设置,一般可设置为40%-60%,但不限于此。
其中,在一些具体实施例中,抽样模块3在对果树进行区域划分,得到多个果实分布区域的时候,执行:把第一图像进行网格划分,把每个包含果实的网格区域作为一个果实分布区域。
在一些具体实施例中,抽样模块3在根据样本数量和第一位置信息,在各果实分布区域中选取样本果实的时候,执行:
根据各果实分布区域内的果实的数量在果树上的果实总数量中的占比,为各果实分布区域分配抽样数量;
根据各果实分布区域的抽样数量,在各果实分布区域中随机选取对应数量的果实作为样本果实。
例如,抽样模块3在根据各果实分布区域内的果实的数量在果树上的果实总数量中的占比,为各果实分布区域分配抽样数量的时候,执行:
根据以下公式计算各果实分布区域内的果实的数量在果树上的果实总数量中的占比:
根据以下公式计算各果实分布区域的抽样数量:
根据以下公式计算样本抽样不足量:
根据以下公式计算各果实分布区域的剩余果实量:
从而,可保证最后抽样的总数量等于要求的样本数量,且每个果实分布区域均有样本果实。
在实际应用中,根据数量信息和第一位置信息对果树上的果实进行抽样的具体方法不限于此,例如,还可先根据数量信息确定样本数量,然后根据该样本数量直接随机选取样本果实(对每个果实进行编号,然后随机选取对应数量的编号)。
进一步地,抽样模块3在根据样本数量和第一位置信息,在各果实分布区域中选取样本果实之后,还执行:
根据各样本果实的第一位置信息判断机械臂末端是否可到达对应的位置(判断机械臂末端是否可到达某一位置点的具体方法为现有技术,此处不对其进行限定);
选取未被选为样本果实的其它果实替代机械臂末端不可达到其位置的样本果实,使所有样本果实的位置均为机械臂末端可到达的。
从而避免出现由于机械臂末端无法到达样本果实处而无法顺利完成成熟度检测的现象。
优选地,检测模块4用于在根据抽样结果,控制巡检机器人通过超声波检测仪检测各样本果实的成熟度的时候,执行:
获取样本果实所处位置的局部图像;
根据该局部图像识别得到该样本果实的第二位置信息;
根据第二位置信息规划机械臂移动路径;
控制机械臂沿移动路径把超声波检测仪移动至样本果实处进行成熟度检测。
实际应用中,由于第一图像包含较大区域的图像,根据第一图像识别得到的第一位置信息的定位准确性较低,此处,可根据样本果实的第一位置信息的初步定位作用,控制视觉系统对该样本果实所处位置的局部图像进行拍摄,从而根据局部图像识别得到的第二位置信息的准确性较高。
其中,根据局部图像识别得到对应样本果实的第二位置信息的具体方法可采用现有的图像识别方法,此处不对其进行详述。
其中,可以用样本果实的中心点的位置信息作为第二位置信息,从而,检测模块4在根据该局部图像识别得到该样本果实的第二位置信息的时候,执行:识别局部图像中的样本果实的中心点的位置信息作为第二位置信息。在实际应用中,可在果袋上预先设置最佳检测位置标记,从而也可用样本果实的果袋上的最佳检测位置标记的位置信息作为第二位置信息,从而,检测模块4在根据该局部图像识别得到该样本果实的第二位置信息的时候,执行:识别局部图像中的最佳检测位置标记的位置信息作为第二位置信息。
在一些优选实施例中,检测模块4在控制机械臂沿移动路径把超声波检测仪移动至样本果实处进行成熟度检测的时候,执行:
控制机械臂沿移动路径把超声波检测仪移动至检测位置点(即移动路径的终点);
多次调整超声波检测仪的朝向以多次检测该样本果实的成熟度,得到多个成熟度数据;
以超声波回波强度最大的朝向对应的成熟度数据作为有效的成熟度数据。
实际上超声波检测仪从不同角度照射果实的同一个点时,检测结果会有所区别,当超声波检测仪的发射波束沿果实的径向射向果实时(即波束垂直地照射果实表面时),回波强度最大,此时检测到的成熟度的准确性也最准确,因此通过多角度进行检测并选取超声波回波强度最大的朝向对应的成熟度数据作为有效的成熟度数据,可提高检测精度。
在进一步的优选实施方案中,检测模块4在控制机械臂沿移动路径把超声波检测仪移动至样本果实处进行成熟度检测的时候,还执行:
每完成一个样本果实的成熟度检测,则计算已完成检测的样本果实的成熟度合格率,并根据成熟度合格率判断是否需要继续检测;
根据判断结果继续下一个样本果实的成熟度检测或停止继续检测。
当已完成检测的样本果实的成熟度合格率过低,最终该果树的果实不符合采摘条件的几率较大,因而停止继续检测,可避免过多的无效工作,进一步提高工作效率。
在一些具体实施例中,检测模块4在执行每完成一个样本果实的成熟度检测,则计算已完成检测的样本果实的成熟度合格率,并根据成熟度合格率判断是否需要继续检测的操作时:判断已完成检测的样本果实在样本果实总数中的占比是否达到预设的占比阈值(可根据实际需要设置,例如50%);若未达到,则判定需要继续检测;若达到,则计算已完成检测的样本果实的成熟度合格率(用成熟度达到第一预设成熟度阈值的样本果实的数量除以已完成检测的样本果实的数量),如果成熟度合格率达到预设的合格率阈值(可根据实际需要设置),则判定需要继续检测,否则判定不需要继续检测。
其中,检测模块4在根据判断结果继续下一个样本果实的成熟度检测或停止继续检测的时候,执行:若判断需要继续检测,则继续下一个样本果实的成熟度检测,若判断不需要继续检测,则停止继续检测。
优选地,第一判断模块5用于在根据各样本果实的成熟度判断果树上的果实是否可以采摘的时候,执行:
根据各样本果实的成熟度计算平均成熟度;
根据平均成熟度判断果树上的果实是否可以采摘。
其中,用各样本果实的成熟度的总和除以样本数量,即得到平均成熟度。
其中,若平均成熟度达到第二预设成熟度阈值,则判定该果树上的果实可采摘,否则判定该果树上的果实不可采摘。
由上可知,该果实成熟度检测装置,通过获取果树上的果实的套袋时长信息;在套袋时长达到预设时长阈值时,获取果树上各果实的数量信息和第一位置信息;根据数量信息和第一位置信息对果树上的果实进行抽样;根据抽样结果,控制巡检机器人通过超声波检测仪检测各样本果实的成熟度;根据各样本果实的成熟度判断果树上的果实是否可以采摘;从而可高效地对套袋果实进行成熟度检测以确定套袋果实是否可以采摘。
请参照图3,图3为本申请实施例提供的一种电子设备的结构示意图,本申请提供一种电子设备,包括:处理器301和存储器302,处理器301和存储器302通过通信总线303和/或其他形式的连接机构(未标出)互连并相互通讯,存储器302存储有处理器301可执行的计算机程序,当电子设备运行时,处理器301执行该计算机程序,以执行上述实施例的任一可选的实现方式中的果实成熟度检测方法,以实现以下功能:获取果树上的果实的套袋时长信息;在套袋时长达到预设时长阈值时,获取果树上各果实的数量信息和第一位置信息;根据数量信息和第一位置信息对果树上的果实进行抽样;根据抽样结果,控制巡检机器人通过超声波检测仪检测各样本果实的成熟度;根据各样本果实的成熟度判断果树上的果实是否可以采摘。
本申请实施例提供一种存储介质,其上存储有计算机程序,计算机程序被处理器执行时,执行上述实施例的任一可选的实现方式中的果实成熟度检测方法,以实现以下功能:获取果树上的果实的套袋时长信息;在套袋时长达到预设时长阈值时,获取果树上各果实的数量信息和第一位置信息;根据数量信息和第一位置信息对果树上的果实进行抽样;根据抽样结果,控制巡检机器人通过超声波检测仪检测各样本果实的成熟度;根据各样本果实的成熟度判断果树上的果实是否可以采摘。其中,存储介质可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(Static RandomAccess Memory, 简称SRAM),电可擦除可编程只读存储器(Electrically ErasableProgrammable Read-Only Memory, 简称EEPROM),可擦除可编程只读存储器(ErasableProgrammable Read Only Memory, 简称EPROM),可编程只读存储器(Programmable Red-Only Memory, 简称PROM),只读存储器(Read-Only Memory, 简称ROM),磁存储器,快闪存储器,磁盘或光盘。
在本申请所提供的实施例中,应该理解到,所揭露装置和方法,可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,又例如,多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
另外,作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
再者,在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。
以上所述仅为本申请的实施例而已,并不用于限制本申请的保护范围,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (8)
1.一种果实成熟度检测方法,应用于巡检机器人对果树上的套袋果实进行成熟度检测,所述巡检机器人包括视觉系统、机械臂和设置在所述机械臂末端的超声波检测仪;其特征在于,包括步骤:
A1.获取果树上的果实的套袋时长信息;
A2.在套袋时长达到预设时长阈值时,获取所述果树上各所述果实的数量信息和第一位置信息;
A3.根据所述数量信息和所述第一位置信息对所述果树上的所述果实进行抽样;
A4.根据抽样结果,控制所述巡检机器人通过所述超声波检测仪检测各样本果实的成熟度;
A5.根据各所述样本果实的成熟度判断所述果树上的果实是否可以采摘;
步骤A2包括:
获取所述果树的第一图像;
根据所述第一图像识别得到所述果树上的所述果实的数量信息和第一位置信息;
步骤A3包括:
A301.根据所述数量信息确定样本数量;
A302.对所述果树进行区域划分,得到多个果实分布区域;
A303.根据所述样本数量和所述第一位置信息,在各所述果实分布区域中选取样本果实;
步骤A302包括:把第一图像进行网格划分,把每个包含果实的网格区域作为一个果实分布区域;
步骤A303包括:
根据各果实分布区域内的果实的数量在果树上的果实总数量中的占比,为各果实分布区域分配抽样数量;
根据各果实分布区域的抽样数量,在各果实分布区域中随机选取对应数量的果实作为样本果实;
根据各果实分布区域内的果实的数量在果树上的果实总数量中的占比,为各果实分布区域分配抽样数量的步骤包括:
根据以下公式计算各果实分布区域内的果实的数量在果树上的果实总数量中的占比:
根据以下公式计算各果实分布区域的抽样数量:
根据以下公式计算样本抽样不足量:
根据以下公式计算各果实分布区域的剩余果实量:
2.根据权利要求1所述的果实成熟度检测方法,其特征在于,步骤A1包括:
获取设置在所述果树的树干上的二维码图像;
识别所述二维码图像得到所述果树的果实的套袋起始时间;
根据所述套袋起始时间计算套袋时长。
3.根据权利要求1所述的果实成熟度检测方法,其特征在于,步骤A4包括:
获取所述样本果实所处位置的局部图像;
根据所述局部图像识别得到所述样本果实的第二位置信息;
根据所述第二位置信息规划机械臂移动路径;
控制所述机械臂沿所述移动路径把所述超声波检测仪移动至所述样本果实处进行成熟度检测。
4.根据权利要求1所述的果实成熟度检测方法,其特征在于,步骤A4包括:
每完成一个所述样本果实的成熟度检测,则计算已完成检测的所述样本果实的成熟度合格率,并根据所述成熟度合格率判断是否需要继续检测;
根据判断结果继续下一个所述样本果实的成熟度检测或停止继续检测。
5.根据权利要求1所述的果实成熟度检测方法,其特征在于,步骤A5包括:
根据各所述样本果实的成熟度计算平均成熟度;
根据所述平均成熟度判断所述果树上的果实是否可以采摘。
6.一种果实成熟度检测装置,应用于巡检机器人对果树上的套袋果实进行成熟度检测,所述巡检机器人包括视觉系统、机械臂和设置在所述机械臂末端的超声波检测仪;其特征在于,包括:
第一获取模块,用于获取果树上的果实的套袋时长信息;
第二获取模块,用于在套袋时长达到预设时长阈值时,获取所述果树上各所述果实的数量信息和第一位置信息;
抽样模块,用于根据所述数量信息和所述第一位置信息对所述果树上的所述果实进行抽样;
检测模块,用于根据抽样结果,控制所述巡检机器人通过所述超声波检测仪检测各样本果实的成熟度;
第一判断模块,用于根据各所述样本果实的成熟度判断所述果树上的果实是否可以采摘;
第二获取模块用于在获取果树上各果实的数量信息和第一位置信息的时候,执行:
获取果树的第一图像;
根据第一图像识别得到果树上的果实的数量信息和第一位置信息;
抽样模块用于在根据数量信息和第一位置信息对果树上的果实进行抽样的时候,执行:
根据数量信息确定样本数量;
对果树进行区域划分,得到多个果实分布区域;
根据样本数量和第一位置信息,在各果实分布区域中选取样本果实;
抽样模块在对果树进行区域划分,得到多个果实分布区域的时候,执行:把第一图像进行网格划分,把每个包含果实的网格区域作为一个果实分布区域;
抽样模块在根据样本数量和第一位置信息,在各果实分布区域中选取样本果实的时候,执行:
根据各果实分布区域内的果实的数量在果树上的果实总数量中的占比,为各果实分布区域分配抽样数量;
根据各果实分布区域的抽样数量,在各果实分布区域中随机选取对应数量的果实作为样本果实;
抽样模块在根据各果实分布区域内的果实的数量在果树上的果实总数量中的占比,为各果实分布区域分配抽样数量的时候,执行:
根据以下公式计算各果实分布区域内的果实的数量在果树上的果实总数量中的占比:
根据以下公式计算各果实分布区域的抽样数量:
根据以下公式计算样本抽样不足量:
根据以下公式计算各果实分布区域的剩余果实量:
7.一种电子设备,其特征在于,包括处理器和存储器,所述存储器存储有所述处理器可执行的计算机程序,所述处理器执行所述计算机程序时,运行如权利要求1-5任一项所述果实成熟度检测方法中的步骤。
8.一种存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时运行如权利要求1-5任一项所述果实成熟度检测方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210047358.4A CN114062505B (zh) | 2022-01-17 | 2022-01-17 | 果实成熟度检测方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210047358.4A CN114062505B (zh) | 2022-01-17 | 2022-01-17 | 果实成熟度检测方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114062505A CN114062505A (zh) | 2022-02-18 |
CN114062505B true CN114062505B (zh) | 2022-04-22 |
Family
ID=80231143
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210047358.4A Active CN114062505B (zh) | 2022-01-17 | 2022-01-17 | 果实成熟度检测方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114062505B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114399231B (zh) * | 2022-03-24 | 2022-07-15 | 季华实验室 | 果园巡检频率调节方法、装置、电子设备及存储介质 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102124866B (zh) * | 2011-01-19 | 2013-05-29 | 南京农业大学 | 一种轮式移动水果采摘机器人及水果采摘方法 |
CN202837246U (zh) * | 2012-10-31 | 2013-03-27 | 吴新开 | 西瓜成熟度超声无损检测装置 |
JP2017134585A (ja) * | 2016-01-27 | 2017-08-03 | 秋田県 | 収穫適期判定支援装置及び収穫適期判定支援プログラム |
CN206161593U (zh) * | 2016-08-31 | 2017-05-10 | 云南能投生态环境科技有限公司 | 一种水果成熟度检测装置 |
CN109315144B (zh) * | 2018-07-27 | 2021-10-08 | 湖南人文科技学院 | 水果智能采摘装置及其采摘方法 |
CN109884088A (zh) * | 2019-03-21 | 2019-06-14 | 杭州立宸科技有限公司 | 水果成熟度隔袋智能检测系统和检测方法 |
-
2022
- 2022-01-17 CN CN202210047358.4A patent/CN114062505B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN114062505A (zh) | 2022-02-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Arad et al. | Development of a sweet pepper harvesting robot | |
US11707023B2 (en) | Method for automating transfer of plants within an agricultural facility | |
CN110139552B (zh) | 机器人水果采摘系统 | |
Sarig | Robotics of fruit harvesting: A state-of-the-art review | |
EP1563282B1 (en) | A method and a device for making images of the quantum efficiency of the photosynthetic system with the purpose of determining the quality of plant material and a method for classifying and sorting plant material | |
Jiang et al. | 3D point cloud data to quantitatively characterize size and shape of shrub crops | |
EP3555562B1 (en) | Crop scanner | |
Defterli | Review of robotic technology for strawberry production | |
CN114062505B (zh) | 果实成熟度检测方法、装置、电子设备及存储介质 | |
US10602665B2 (en) | Two armed robotic system for adjusting the height of an agricultural tool | |
WO2019113691A1 (en) | Methods and systems related to mushroom ripeness determination | |
Tarrío et al. | A harvesting robot for small fruit in bunches based on 3-D stereoscopic vision | |
Boatswain Jacques et al. | Towards a machine vision-based yield monitor for the counting and quality mapping of shallots | |
US7228815B2 (en) | Method of performing an animal related action on an animal and a device for performing said method | |
Rigney et al. | Machine vision for grading southern pine seedlings | |
CN114399231B (zh) | 果园巡检频率调节方法、装置、电子设备及存储介质 | |
Ramirez | Computer vision based analysis of broccoli for application in a selective autonomous harvester | |
Daud et al. | Detection of Oil Palm Tree and Loose Fruitlets for Fresh Fruit Bunch’s Ready-to-Harvest Prediction via Deep Learning Approach | |
Cubero et al. | Real-time inspection of fruit by computer vision on a mobile harvesting platform under field conditions | |
Chong et al. | Development of mobile eggplant grading robot for dynamic in-field variability sensing:—manufacture of robot and performance test— | |
Foglia et al. | Robotics for agricultural systems | |
Font Calafell et al. | Vineyard yield estimation based on the analysis of high resolution images obtained with artificial illumination at night | |
Bazame | Quantification and classification of coffee fruits with computer vision | |
Cerrud et al. | Development of an Automatic Cherry Sorting System Using HSL Color Model | |
CN116343127A (zh) | 一种基于果柄果脐识别的苹果抓取方法、系统及采摘设备 |
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 |