CN114271103A - 一种基于人工智能识别的蔬果采摘机器人系统及结构 - Google Patents
一种基于人工智能识别的蔬果采摘机器人系统及结构 Download PDFInfo
- Publication number
- CN114271103A CN114271103A CN202210089605.7A CN202210089605A CN114271103A CN 114271103 A CN114271103 A CN 114271103A CN 202210089605 A CN202210089605 A CN 202210089605A CN 114271103 A CN114271103 A CN 114271103A
- Authority
- CN
- China
- Prior art keywords
- fruit
- module
- manipulator
- image
- target
- 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.)
- Pending
Links
Images
Landscapes
- Manipulator (AREA)
Abstract
本发明涉及农业采摘技术领域,公开了一种基于人工智能识别的蔬果采摘机器人系统及结构,其技术方案要点是包括机器人,所述机器人包括第一机械手、第二机械手和移动机构,本发明设置了第一机械手和第二机械手,分别可以对目标果实进行摘取工作和对一些遮挡住目标果实的障碍物移动工作,有效地克服了因为障碍物的遮挡导致的果实无法顺利采摘的问题,并且本发明建立了果蔬图像数据库和障碍物图像数据库,这样在自动采摘的过程中,可以利用强大的数据对目标果实和障碍物快速识别,提高了后续采摘的效率,并且每次采摘均可以获得新的目标果实特征模型和障碍物特征模型存入对应的数据库中,从而使得机器人在每次采摘中均完成自我学习。
Description
技术领域
本发明涉及农业采摘技术领域,更具体的说是涉及一种基于人工智能识别的蔬果采摘机器人系统及结构。
背景技术
在工业生产进入机器人时代后,林业和农业必将进入机器人时代,果实的采摘是生产链中最耗时、费力的一个环节。采摘作业季节性强、劳动强度大、费用高,因此保证农产品适时采收、降低收获作业费用是农业增收的重要途径。目前,国内多数果蔬采用人工采摘,采摘费用约占成本的50%~70%,采摘机器人的作用在于降低工人劳动强度和生产费用、提高劳动生产率和产品质量、保证农产品的适时采收,因而具有很大发展潜力,是未来智能农业机械的发展方向;
现有的果蔬自动采摘机器人的采摘方法,通常是采用双目立体视觉定位系统、利用在相机前增加滤光片获得果蔬光谱反射特性等方式进行果蔬识别和采摘,但是这种采摘方式采摘成功率通常在60%~75%,导致采摘成本过高和无效采摘时间过长等问题,并且这种采摘方式在实际使用的过程中,图像中一旦出现了遮挡果蔬的障碍物,对后续的摘采工作容易造成干扰。
发明内容
针对现有技术存在的不足,本发明的目的在于提供一种基于人工智能识别的蔬果采摘机器人系统及结构,用于克服现有技术中的上述缺陷。
为实现上述目的,本发明提供了如下技术方案:一种基于人工智能识别的蔬果采摘机器人系统及结构,包括机器人,所述机器人包括第一机械手、第二机械手和移动机构,所述第一机械手用于采摘目标果实,所述第二机械手用于拨开遮挡目标果实的障碍物,所述移动机构用于驱动所述机器人移动,所述机器人配置有果蔬图像数据库、障碍物图像数据库,所述果蔬图像数据库存储有目标果实特征模型,所述障碍物图像数据库存储有遮挡目标果实的障碍物特征模型;
所述机器人还包括图像匹配模块、图像采集模块、图像分割模块、路径规划模块和控制模块;
所述图像采集模块,获取机器人周围图像,在图像中建立坐标轴,并将图像转换呈第一图像信号;
所述图像匹配模块,获取所述第一图像信号,并将所述第一图像信号均与目标果实特征模型和障碍物特征模型匹配,若匹配成功则发出第一匹配信号,若匹配失败,则发出第二匹配信号;
所述图像分割模块,若获取第一匹配信号,提取图像中的目标区域,排出无效区域,对目标区域中的目标果实特征和障碍物特征进行分割,并通过坐标轴获得各个特征的空间位置,生成对应的坐标信息,同时将分割后的目标果实特征和障碍物特征建立新的目标果实特征模型和新的障碍物特征模型,并将新的目标果实特征模型和新的障碍物特征模型分别存入所述果蔬图像数据库和所述障碍物图像数据库中;
所述路径规划模块,获取所述坐标信息,读取所述坐标信息中对的目标果实特征和障碍物特征的空间位置,规划出所述的第一机械手的运动路径或所述第一机械手和所述第二机械手的运动路径,并生成对应的运动信息;
所述控制模块,获取所述运动信息和第二匹配信号,当获取所述第二匹配信号时,控制所述移动机构驱动所述机器人移动,重新获取机器人周围图像,当获取所述运动信息时,控制所述第二机械手拨开障碍物,控制所述第一机械手采取目标果实。
本发明设置了第一机械手和所述第二机械手,分别可以对目标果实进行摘取工作和对一些遮挡住目标果实的障碍物移动工作,有效地克服了因为障碍物的遮挡导致的果实无法顺利采摘的问题,并且本发明建立了果蔬图像数据库和障碍物图像数据库,这样在自动采摘的过程中,可以利用强大的数据对目标果实和障碍物快速识别,提高了后续采摘的效率,并且每次采摘均可以获得新的目标果实特征模型和障碍物特征模型存入对应的数据库中,从而使得机器人在每次采摘中均完成自我学习,逐步地提高了目标果实采摘成功率。
作为本发明的进一步改进,所述路径规划模块包括测量单元和规划单元;
所述测量单元,读取所述坐标信息中对的目标果实特征和障碍物特征的空间位置,若障碍物特征的空间位置与目标果实特征的空间位置存在重合,则向所述规划单元发送第一规划指令,若障碍物特征的空间位置与目标果实特征的空间位置不存在重合,则向所述规划单元发送第二规划指令;
所述规划单元,若接收到所述第一规划指令,则规划所述第一机械手和所述第二机械手的运动路径,并生成对应的运动信息,若接收到所述第二规划指令,则规划所述第一机械手的运动路径,并生成对应的运动信息。
本发明中设计了测量单元和规划单元,区分了目标果实特征和障碍物特征存在遮挡和不遮挡地两种情况,并且做出了对应地两个规划指令,有效地减少了所述第二机械手地使用频率,从而提高了目标果实地采摘效率。
作为本发明的进一步改进,所述图像匹配模块中配置有双边滤波算法,所述双边滤波算法用于对图像去噪。
本发明中利用双边滤波算法对图像进行去噪,解决了图像噪点对目标果实特征的影响,提高了果实匹配识别的成功率。
作为本发明的进一步改进,机器人系统还包括遥控装置,所述遥控装置包括遥控主动臂和配置在所述遥控装置中的信号采集模块,所述信号采集模块用于采集所述遥控主动臂的运动轨迹,并实时生成对应的第一动作信息或第二动作信息;
所述第一机械手配置有第一信号模块,所述第一信号模块用于实时获取所述第一动作信息,并控制所述第一机械手模拟所述第一动作信息中的运动轨迹;
所述第二机械手配置有第二信号模块,所述第二信号模块用于实时获取所述第二动作信息,并控制所述第二机械手模拟所述第二动作信息中的运动轨迹。
本发明中在机器人系统还配备了用于远程操作机器人的遥控装置,特别在前期学习阶段段,利用这种遥控装置采摘目标果实,可以有效地丰富果蔬图像数据库和障碍物图像数据库中的内容,使得机器人能自我学习在实际使用场景中的目标果实特征,提高了目标果实采摘成功率。
作为本发明的进一步改进,所述遥控装置还包括若干第一电机,若干所述第一电机配置在所述遥控主动臂的各个关节处,所述遥控装置还配置有零力拖动模块;
所述零力拖动模块,配置有若干所述第一电机的转动惯量、各个所述遥控主动臂的关节的质量和质心位置,实时获取所述遥控主动臂的运动轨迹,根据运动轨迹进行逆动力学计算,补偿所述遥控主动臂的各个关节受到的力,以使所述遥控主动臂不受外力的情况下位置保持静止。
本发明设置了一套零力拖动模块,使得操作员在操作遥控主动臂时,不需要克服遥控主动臂中的重力等力,使得在操控时的稳定性更高,从而提高了机器人采摘时的准确性,同时为机器人提供了更加稳定的运动轨迹进行学习。
作为本发明的进一步改进,所述第一机械手和所述第二机械手均设置有反馈模块,所述反馈模块配置有第一阈值,所述反馈模块获取所述第一机械手和所述第二机械手收到的外力,若外力大于所述第一阈值,则控制所述第一机械手或所述第二机械手停止运动,并发出反馈信号;
所述遥控主动臂上设置有提醒件和第三信号模块,当所述第三信号模块接收到所述反馈信号时,所述提醒件提醒操作者所述第一机械手或所述第二机械手出现碰撞。
本发明通过上述装置和模块的设置,解决了单边操作(unilateral),无法获取第一机械手和第二机械手的状态问题,在遇到第一机械手和第二机械手被阻碍或限制的情况下,遥控主动臂能够有效地进行提醒工作,操作者也能够更加快速及时地做出应对措施。
作为本发明的进一步改进,所述机器人配置有运动轨迹数据库,所述第一信号模块和所述第二信号模块分别实时向所述运动轨迹数据库发送所述第一动作信息和所述第二动作信息;
当所述路径规划模块规划收到所述坐标信息时,所述路径规划模块读取所述运动轨迹数据库,生成对应的的运动信息。
本发明设置了运动轨迹数据库,并收集对应的第一运动信息和第二运动信息来扩充运动轨迹数据库中的数据,使得机器人在自我规划运动路径的时候,可以从不断加强的运动轨迹数据库中选取更合适的运动线路,提高目标果实的采摘效率和准确性,并利用运动轨迹的学习,实现第一机械手和第二机械手的逐步拟人化。
作为本发明的进一步改进,所述图像分割模块采用VGG模型提取目标区域。
作为本发明的进一步改进,所述图像分割模块采用yolo v3框架或VGG模型对图像图像分割和特征提取。
作为本发明的进一步改进,所述第一机械手和所述第二机械手均设置于所述移动机构上;所述第一机械手包括远离所述移动机构的一端设置有安装柱,所述安装柱上包括固定板、移动板、驱动件和若干抓取件,所述固定板设置于所述安装柱远离所述机械手的一端,所述移动板与所述固定板位置相对设置,所述驱动件设置于所述安装柱上,若干所述抓取件安装于所述移动板和所述固定板上,当所述驱动件驱动所述移动板靠近所述固定板移动时,所述抓取件用于抓取目标果实的一端相互靠近,以使将目标果实抓取;当所述驱动件驱动所述移动板远离所述固定板移动时,所述抓取件用于抓取目标果实的一端相互远离,以使将目标果实放下;所述第二机械手远离所述移动机构的一端设置有电机,所述电机的输出端设置有拨片,所述拨片用于将遮挡果实的障碍物拨开。
本发明的有益效果:本发明设置了第一机械手和第二机械手,分别可以对目标果实进行摘取工作和对一些遮挡住目标果实的障碍物移动工作,有效地克服了因为障碍物的遮挡导致的果实无法顺利采摘的问题,并且本发明建立了果蔬图像数据库和障碍物图像数据库,这样在自动采摘的过程中,可以利用强大的数据对目标果实和障碍物快速识别,提高了后续采摘的效率,并且每次采摘均可以获得新的目标果实特征模型和障碍物特征模型存入对应的数据库中,从而使得机器人在每次采摘中均完成自我学习,逐步地提高了目标果实采摘成功率。
附图说明
图1是本发明的机器人端的配置示意图;
图2是本发明的遥控装置端的配置示意图;
图3是本发明的立体结构示意图;
图4是本发明的第一机械手的局部立体图;
图5是本发明的第一机械手的局部立体图。
附图标记:1、机器人、101、第一机械手;102、第一信号模块;103、反馈模块;104、第二机械手;105、第二信号模块;107、移动机构;108、图像匹配模块;109、图像采集模块;110、图像分割模块;111、果蔬图像数据库;112、障碍物图像数据库;113、运动轨迹数据库;114、路径规划模块;115、测量单元;116、规划单元;118、控制模块;2、遥控装置;201、遥控主动臂;202、零力拖动模块;203、提醒件;204、信号采集模块;205、第三信号模块;301、拨片;302、安装柱;303、第二软管;304、驱动件;305、固定板;306、铰接杆;307、固定端;308、抓取件;309、勾爪;310、抓取端;311、入料口;312、移动板;313、第一软管;314、触点。
具体实施方式
下面结合附图和实施例,对本发明进一步详细说明。其中相同的零部件用相同的附图标记表示。需要说明的是,下面描述中使用的词语“前”、“后”、“左”、“右”、“上”和“下”指的是附图中的方向,词语“底面”和“顶面”、“内”和“外”分别指的是朝向或远离特定部件几何中心的方向。
本实施例的一种基于人工智能识别的蔬果采摘机器人系统及结构,包括机器人1,机器人1包括第一机械手101、第二机械手104和移动机构107,第一机械手101用于采摘目标果实,第二机械手104用于拨开遮挡目标果实的障碍物,移动机构107用于驱动机器人1移动,机器人1配置有果蔬图像数据库111、障碍物图像数据库112,果蔬图像数据库111存储有目标果实特征模型,障碍物图像数据库112存储有遮挡目标果实的障碍物特征模型;
机器人1还包括图像匹配模块108、图像采集模块109、图像分割模块110、路径规划模块114和控制模块118;
图像采集模块109,获取机器人1周围图像,在图像中建立坐标轴,并将图像转换呈第一图像信号;
图像匹配模块108,获取第一图像信号,并将第一图像信号均与目标果实特征模型和障碍物特征模型匹配,若匹配成功则发出第一匹配信号,若匹配失败,则发出第二匹配信号;
图像分割模块110,若获取第一匹配信号,提取图像中的目标区域,排出无效区域,对目标区域中的目标果实特征和障碍物特征(这里指的特征通常是形状特征、局部特征、颜色特征等)进行分割,分割后可以将这些目标特征提取出来,并通过坐标轴获得各个特征的空间位置,生成对应的坐标信息,通过坐标信息可以更好地确定目标果实特征和障碍物特征的实际位置,更加方便后续地摘取工作和拨开障碍物地工作,同时将分割后的目标果实特征和障碍物特征建立新的目标果实特征模型和新的障碍物特征模型,并将新的目标果实特征模型和新的障碍物特征模型分别存入果蔬图像数据库111和障碍物图像数据库112中;
路径规划模块114,获取坐标信息,读取坐标信息中对的目标果实特征和障碍物特征的空间位置,规划出的第一机械手101的运动路径或第一机械手101和第二机械手104的运动路径,并生成对应的运动信息;
控制模块118,获取运动信息和第二匹配信号,当获取第二匹配信号时,控制移动机构107驱动机器人1移动,重新获取机器人1周围图像,当获取运动信息时,控制第二机械手104拨开障碍物,控制第一机械手101采取目标果实。
具体的,第一机械手101和第二机械手104均配置有若干关节,各个关节处通过动力源来驱动连接(通常动力源采用精准度较高的伺服电机控制),第一机械手101的前端可拆卸连接有用于采集不同种类果蔬的抓手,这里可以根据不同目标果蔬进行更换,对于第二机械手104的前端能够拨开类似于树枝等障碍物的结构即可,例如板状、块状等。
具体的,移动机构107可采用轮子、履带等方式进行驱动。
具体的,机器人1内置有用于存储器和处理器,用于执行和存储本发明中的各个模块中的信息处理。
具体的,机器人1上配置有影像装置,影像装置包括但不限于摄像机、红外距离传感器等,图像采集模块109配置在影像装置中。
在一个实施例中,果蔬图像数据库111和障碍物图像数据库112中的目标果实特征模型和障碍物特征模型数量较少,手动获取网络或本地的照片共机器人1训练,收集的图片数据利用双边滤波进行去噪,然后利用数据标签工具labelme工具对图像进行标注,最后对图像进行空间变换,从而将不同格式下的图像数据(如JPG格式等)转换为适合模型输入的数据集格式,并划分为训练集、验证集和测试集三部分。以建立果蔬图像数据库111和障碍物图像数据库112。
具体的,双边滤波是一种非线性滤波器,它可以达到保持边缘、降噪平滑的效果。双边滤波采用加权平均的方法,用周边像素亮度值的加权平均代表某个像素的强度,所用的加权平均基于高斯分布。它的权重不仅考虑了像素的欧氏距离,还考虑了像素范围域中的辐射差异(例如卷积核中像素与中心像素之间相似程度、颜色强度,深度距离等),在计算中心像素的时候同时考虑这两个权重。双边滤波器中,输出像素的值依赖于邻域像素的值的加权组合,权重系数取决于空域核和值域核的乘积。其中空域滤波器对空间上邻近的点进行加权平均,加权系数随着距离的增加而减少。值域滤波器则是对像素值相近的点进行加权平均,加权系数随着值差的增大而减少。
具体的,本发明利用图像打标签的工具—labelme对图片样本的目标区域进行标记。标记方法:在图像数字化数据,在图片上建立横纵坐标轴,在坐标轴上标记出目标区域。标记完成后保存为单张图片的json格式(这种数据格式比较简单,易于读写,格式都是压缩的,占用带宽小;),然后利用图像分割模块110将json文件批量转换为符合模型输入要求的COCO数据集的格式。经过该过程的图片将凸显目标区域,排除无效区域,排除方法为通过形态学滤波灰度投影,再通过局部位置的旋转,进行目标果实特征和障碍物特征的分离。进一步利用区域分析的方法,通过高速滤波平滑轮廓。
具体的,对特征提取和图像分割后,会对图片进行空间变换,本发明的空间变换包括并仅止于变换(缩放,平移、旋转)、增强、复原、编码,自动调整位置角度。该步骤目的是尽可能在图片数字化基础上,到达一致的标准,这样可建立完成果蔬图像数据库111和障碍物图像数据库112。
在一个实施例中,路径规划模块114包括测量单元115和规划单元116;
测量单元115,读取坐标信息中对的目标果实特征和障碍物特征的空间位置,若障碍物特征的空间位置与目标果实特征的空间位置存在重合,则向规划单元116发送第一规划指令,若障碍物特征的空间位置与目标果实特征的空间位置不存在重合,则向规划单元116发送第二规划指令;
规划单元116,若接收到第一规划指令,则规划第一机械手101和第二机械手104的运动路径,并生成对应的运动信息,若接收到第二规划指令,则规划第一机械手101的运动路径,并生成对应的运动信息。
在一个实施例中,图像匹配模块108中配置有双边滤波算法,双边滤波算法用于对图像去噪。
在一个实施例中,机器人系统还包括遥控装置2,遥控装置2包括遥控主动臂201和配置在遥控装置2中的信号采集模块204,信号采集模块204用于采集遥控主动臂201的运动轨迹,并实时生成对应的第一动作信息或第二动作信息;
第一机械手101配置有第一信号模块102,第一信号模块102用于实时获取第一动作信息,并控制第一机械手101模拟第一动作信息中的运动轨迹;
第二机械手104配置有第二信号模块105,第二信号模块105用于实时获取第二动作信息,并控制第二机械手104模拟第二动作信息中的运动轨迹。
在一个实施例中,遥控主动臂201上设置有同步按钮和切换按钮;按下同步按钮可以让第一机械手101或第二机械手104与遥控主动臂201保持一致,按下切换按钮可以切换对第一机械手101或第二机械手104的控制。
在一个实施例中,遥控主动臂201设置有两个并且于第一机械手101和第二机械手104一一对应,两个遥控主动臂201上均设置有同步按钮,按下同步按钮可以让的第一机械手101或第二机械手104与对应的遥控主动臂201保持一致。
具体的,保持的数据包括但不限于位置、速度、角度等。
在一个实施例中,遥控装置2还包括若干第一电机,若干第一电机配置在遥控主动臂201的各个关节处,遥控装置2还配置有零力拖动模块202;
零力拖动模块202,配置有若干第一电机的转动惯量、各个遥控主动臂201的关节的质量和质心位置,实时获取遥控主动臂201的运动轨迹,根据运动轨迹进行逆动力学计算,补偿遥控主动臂201的各个关节受到的力,以使遥控主动臂201不受外力的情况下位置保持静止。
具体的,遥控主动臂201必然存在一定的重量,通常主动臂存在自重2.5kg左右,当不受控制时,遥控主动臂201会自然下垂,不方便操作。通过对主动臂各关节电机惯量、各连杆质量质心进行参数辨识,得到比较精确的机械手动力学参数集(包括重力、向心力、科氏力、电机惯量),再实时进行逆动力学计算,补偿实时收到的重力等(采用各个关节处的第一电机补偿),使得机械手自身处于一种“零力”状态。当机械手收到额外的外力时(如来自操作者操作杆的拖拽力),机械手随外力运动,外力消失则随着摩擦阻尼而静止,保持原位置。
在一个实施例中,第一机械手101和第二机械手104均设置有反馈模块103,反馈模块103配置有第一阈值,反馈模块103获取第一机械手101和第二机械手104收到的外力,若外力大于第一阈值,则控制第一机械手101或第二机械手104停止运动,并发出反馈信号;
遥控主动臂201上设置有提醒件203和第三信号模块205,当第三信号模块205接收到反馈信号时,提醒件203提醒操作者第一机械手101或第二机械手104出现碰撞。
具体的,提醒件203包括但不限于振动器、信号灯、与各个关节处对的第一电机相结合,也可以采取其中的几种模式相组合,同步过程中,第一机械手101和\或第二机械手104受到额外的外力时(如碰撞),第一机械手101和\或第二机械手104快速停止运动并回弹一定历史路径,并且将“反馈信号”反馈给遥控主动臂201,遥控主动臂201中的提醒件203产生一定的震动、加大拖拽阻力、信号灯、蜂鸣声等,以一维或多维的方式反馈给操作者,提醒操作者做出避险操作。
在一个实施例中,机器人1配置有运动轨迹数据库113,第一信号模块102和第二信号模块105分别实时向运动轨迹数据库113发送第一动作信息和第二动作信息;
当路径规划模块114规划收到坐标信息时,路径规划模块114读取运动轨迹数据库113,生成对应的的运动信息。
在一个实施例中,图像分割模块110采用VGG模型提取目标区域。
在一个实施例中,图像分割模块110采用yolo v3框架或VGG模型对图像图像分割和特征提取。
在一个实施例中,第一机械手101和第二机械手104均设置在移动机构107上,移动机构107用于驱动第一机械手101和第二机械手104移动;第二机械手104远离移动机构107的一端设置有电机,电机的输出端设置有拨片301,拨片301用于将遮挡果实的障碍物拨开。
在一个实施例中,第一机械手101包括远离移动机构107的一端设置有安装柱302,安装柱302上包括固定板305、移动板312、驱动件304和若干抓取件308,固定板305设置于安装柱302远离机械手的一端,移动板312与固定板305位置相对设置,驱动件304设置于安装柱302上,若干抓取件308安装于移动板312和固定板305上,当驱动件304驱动移动板312靠近固定板305移动时,抓取件308用于抓取目标果实的一端相互靠近,以使将目标果实抓取;当驱动件304驱动移动板312远离固定板305移动时,抓取件308用于抓取目标果实的一端相互远离,以使将目标果实放下,相较于现有技术中的自动摘取机器人1,本发明设计了两个机械手,可以在摘取的过程中将障碍物拨开,从而获得可以顺利摘取目标果实的行进路径,同时也能够更加方便的辨别果实,并且本发明在摘取目标果实后,可以在不将机械手收回的情况下,利用若干软管、安装柱302等部件,将目标果实自动收集,很好的提高了工作效率。
在一个实施例中,抓取件308包括勾爪309和铰接杆306,勾爪309铰接于移动板312上,勾爪309的一端为用于抓取目标果实的抓取端310,勾爪309的另一端为铰接端,铰接杆306一端铰接于固定板305上,铰接杆306的另一端与铰接端铰接。
在一个实施例中,移动板312上设置有贯穿移动板312的入料口311,安装柱302中空设置,入料口311与安装柱302中空处之间连接有第一软管313,安装柱302一侧设置有与安装柱302中空处相通的开口,安装柱302开口处设置有第二软管303,当抓取端310放下目标果实时,果实可掉落至入料口311且依次通过入料口311、第一软管313、安装柱302和第二软管303。
具体的,第一软管313为伸缩软管,在长度方向有较大的可变性。
具体的,在使用的过程中,先通过第二机械手104中的拨片301将障碍物拨开,第一机械手101控制抓取件308对准目标果实,然后通过驱动件304电动移动板312靠近固定板305,此时若干勾爪309的抓取端310相互靠近,将目标果实抓取,然后通过第一机械手101移动,将目标果实摘下来,接着控制安装柱302处于垂直状态,然后控制移动板312远离固定板305,使得目标果实脱离勾爪309,掉入入料口311,然后从第二软管303排出至收集框。
在一个实施例中,移动机构107可设置有收集框,第二软管303远离第一机械手101的一端对准收集框。
在一个实施例中,入料口311的孔径由上到下依次减小。
在一个实施例中,驱动件304为液压缸,液压缸的固定端307设置于安装柱302上,液压缸的输出端贯穿固定板305与移动板312相连接。
具体的,液压缸的数量可以为多个。
在一个实施例中,移动机构107包括但不限于履带载体和轮结构载体等。
在一个实施例中,安装柱302和第一机械手101之间可拆卸连接设置,可拆卸连接的方式包括但不限于螺纹连接、插接等方式。
具体的,第一机械手101中的安装柱302和第一机械手101连接处均设置有触点314,触点314用于电信号和电力传输。
以上仅是本发明的优选实施方式,本发明的保护范围并不仅局限于上述实施例,凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理前提下的若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (10)
1.一种基于人工智能识别的蔬果采摘机器人系统,包括机器人(1),所述机器人(1)包括第一机械手(101)、第二机械手(104)和移动机构(107),所述第一机械手(101)用于采摘目标果实,所述第二机械手(104)用于拨开遮挡目标果实的障碍物,所述移动机构(107)用于驱动所述机器人(1)移动,其特征在于:所述机器人(1)配置有果蔬图像数据库(111)、障碍物图像数据库(112),所述果蔬图像数据库(111)存储有目标果实特征模型,所述障碍物图像数据库(112)存储有遮挡目标果实的障碍物特征模型;
所述机器人(1)还包括图像匹配模块(108)、图像采集模块(109)、图像分割模块(110)、路径规划模块(114)和控制模块(118);
所述图像采集模块(109),获取机器人(1)周围图像,在图像中建立坐标轴,并将图像转换呈第一图像信号;
所述图像匹配模块(108),获取所述第一图像信号,并将所述第一图像信号均与目标果实特征模型和障碍物特征模型匹配,若匹配成功则发出第一匹配信号,若匹配失败,则发出第二匹配信号;
所述图像分割模块(110),若获取第一匹配信号,提取图像中的目标区域,排出无效区域,对目标区域中的目标果实特征和障碍物特征进行分割,并通过坐标轴获得各个特征的空间位置,生成对应的坐标信息,同时将分割后的目标果实特征和障碍物特征建立新的目标果实特征模型和新的障碍物特征模型,并将新的目标果实特征模型和新的障碍物特征模型分别存入所述果蔬图像数据库(111)和所述障碍物图像数据库(112)中;
所述路径规划模块(114),获取所述坐标信息,读取所述坐标信息中对的目标果实特征和障碍物特征的空间位置,规划出所述的第一机械手(101)的运动路径或所述第一机械手(101)和所述第二机械手(104)的运动路径,并生成对应的运动信息;
所述控制模块(118),获取所述运动信息和所述第二匹配信号,当获取所述第二匹配信号时,控制所述移动机构(107)驱动所述机器人(1)移动,重新获取机器人(1)周围图像,当获取所述运动信息时,控制所述第二机械手(104)拨开障碍物,控制所述第一机械手(101)采取目标果实。
2.根据权利要求1所述的一种基于人工智能识别的蔬果采摘机器人系统,其特征在于:所述路径规划模块(114)包括测量单元(115)和规划单元(116);
所述测量单元(115),读取所述坐标信息中对的目标果实特征和障碍物特征的空间位置,若障碍物特征的空间位置与目标果实特征的空间位置存在重合,则向所述规划单元(116)发送第一规划指令,若障碍物特征的空间位置与目标果实特征的空间位置不存在重合,则向所述规划单元(116)发送第二规划指令;
所述规划单元(116),若接收到所述第一规划指令,则规划所述第一机械手(101)和所述第二机械手(104)的运动路径,并生成对应的运动信息,若接收到所述第二规划指令,则规划所述第一机械手(101)的运动路径,并生成对应的运动信息。
3.根据权利要求1所述的一种基于人工智能识别的蔬果采摘机器人系统,其特征在于:所述图像匹配模块(108)中配置有双边滤波算法,所述双边滤波算法用于对图像去噪。
4.根据权利要求1所述的一种基于人工智能识别的蔬果采摘机器人系统,其特征在于:机器人系统还包括遥控装置(2),所述遥控装置(2)包括遥控主动臂(201)和配置在所述遥控装置(2)中的信号采集模块(204),所述信号采集模块(204)用于采集所述遥控主动臂(201)的运动轨迹,并实时生成对应的第一动作信息或第二动作信息;
所述第一机械手(101)配置有第一信号模块(102),所述第一信号模块(102)用于实时获取所述第一动作信息,并控制所述第一机械手(101)模拟所述第一动作信息中的运动轨迹;
所述第二机械手(104)配置有第二信号模块(105),所述第二信号模块(105)用于实时获取所述第二动作信息,并控制所述第二机械手(104)模拟所述第二动作信息中的运动轨迹。
5.根据权利要求4所述的一种基于人工智能识别的蔬果采摘机器人系统,其特征在于:所述遥控装置(2)还包括若干第一电机,若干所述第一电机配置在所述遥控主动臂(201)的各个关节处,所述遥控装置(2)还配置有零力拖动模块(202);
所述零力拖动模块(202),配置有若干所述第一电机的转动惯量、各个所述遥控主动臂(201)的关节的质量和质心位置,实时获取所述遥控主动臂(201)的运动轨迹,根据运动轨迹进行逆动力学计算,补偿所述遥控主动臂(201)的各个关节受到的力,以使所述遥控主动臂(201)不受外力的情况下位置保持静止。
6.根据权利要求4所述的一种基于人工智能识别的蔬果采摘机器人系统,其特征在于:所述第一机械手(101)和所述第二机械手(104)均设置有反馈模块(103),所述反馈模块(103)配置有第一阈值,所述反馈模块(103)获取所述第一机械手(101)和所述第二机械手(104)收到的外力,若外力大于所述第一阈值,则控制所述第一机械手(101)或所述第二机械手(104)停止运动,并发出反馈信号;
所述遥控主动臂(201)上设置有提醒件(203)和第三信号模块(205),当所述第三信号模块(205)接收到所述反馈信号时,所述提醒件(203)提醒操作者所述第一机械手(101)或所述第二机械手(104)出现碰撞。
7.根据权利要求4-7中任意一项的所述的一种基于人工智能识别的蔬果采摘机器人系统,其特征在于:所述机器人(1)配置有运动轨迹数据库(113),所述第一信号模块(102)和所述第二信号模块(105)分别实时向所述运动轨迹数据库(113)发送所述第一动作信息和所述第二动作信息;
当所述路径规划模块(114)规划收到所述坐标信息时,所述路径规划模块(114)读取所述运动轨迹数据库(113),生成对应的的运动信息。
8.根据权利要求1中的所述的一种基于人工智能识别的蔬果采摘机器人系统,其特征在于:所述图像分割模块(110)采用VGG模型提取目标区域。
9.根据权利要求1中的所述的一种基于人工智能识别的蔬果采摘机器人系统,其特征在于:所述图像分割模块(110)采用yolo v3框架或VGG模型对图像图像分割和特征提取。
10.一种基于人工智能识别的蔬果采摘机器人结构,其特征在于:所述第一机械手(101)和所述第二机械手(104)均设置于所述移动机构(107)上;
所述第一机械手(101)包括远离所述移动机构(107)的一端设置有安装柱(302),所述安装柱(302)上包括固定板(305)、移动板(312)、驱动件(304)和若干抓取件(308),所述固定板(305)设置于所述安装柱(302)远离所述机械手的一端,所述移动板(312)与所述固定板(305)位置相对设置,所述驱动件(304)设置于所述安装柱(302)上,若干所述抓取件(308)安装于所述移动板(312)和所述固定板(305)上,当所述驱动件(304)驱动所述移动板(312)靠近所述固定板(305)移动时,所述抓取件(308)用于抓取目标果实的一端相互靠近,以使将目标果实抓取;当所述驱动件(304)驱动所述移动板(312)远离所述固定板(305)移动时,所述抓取件(308)用于抓取目标果实的一端相互远离,以使将目标果实放下;
所述第二机械手(104)远离所述移动机构(107)的一端设置有电机,所述电机的输出端设置有拨片(301),所述拨片(301)用于将遮挡果实的障碍物拨开。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210089605.7A CN114271103A (zh) | 2022-01-25 | 2022-01-25 | 一种基于人工智能识别的蔬果采摘机器人系统及结构 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210089605.7A CN114271103A (zh) | 2022-01-25 | 2022-01-25 | 一种基于人工智能识别的蔬果采摘机器人系统及结构 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114271103A true CN114271103A (zh) | 2022-04-05 |
Family
ID=80881530
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210089605.7A Pending CN114271103A (zh) | 2022-01-25 | 2022-01-25 | 一种基于人工智能识别的蔬果采摘机器人系统及结构 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114271103A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116267236A (zh) * | 2023-05-23 | 2023-06-23 | 四川省机械研究设计院(集团)有限公司 | 簇状果实采摘机器人 |
-
2022
- 2022-01-25 CN CN202210089605.7A patent/CN114271103A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116267236A (zh) * | 2023-05-23 | 2023-06-23 | 四川省机械研究设计院(集团)有限公司 | 簇状果实采摘机器人 |
CN116267236B (zh) * | 2023-05-23 | 2023-08-25 | 四川省机械研究设计院(集团)有限公司 | 簇状果实采摘机器人 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111462154B (zh) | 基于深度视觉传感器的目标定位方法、装置及自动抓取机器人 | |
CN105930854A (zh) | 一种机械臂视觉系统 | |
CN108064560A (zh) | 基于Kinect景深相机的水果自动采摘系统及方法 | |
CN111460903B (zh) | 基于深度学习的田间西兰花长势监测系统及方法 | |
WO2023050783A1 (zh) | 除草机器人及其除草路径的规划方法、装置和介质 | |
Zhaoxin et al. | Design a robot system for tomato picking based on YOLO v5 | |
CN108491807B (zh) | 一种奶牛发情行为实时监测方法及系统 | |
CN115553132A (zh) | 一种基于视觉算法的荔枝识别方法和仿生荔枝采摘机器人 | |
Miao et al. | Efficient tomato harvesting robot based on image processing and deep learning | |
Yusuf et al. | Blob analysis for fruit recognition and detection | |
CN113643280A (zh) | 一种基于计算机视觉的板材分拣系统及方法 | |
CN110640741A (zh) | 一种规则形状工件匹配的抓取工业机器人 | |
CN111950391A (zh) | 果树芽体的识别方法及装置 | |
CN116686545B (zh) | 基于机器视觉控制的荔枝采摘机器人除遮方法 | |
CN114271103A (zh) | 一种基于人工智能识别的蔬果采摘机器人系统及结构 | |
CN115316129B (zh) | 基于双目视觉识别的自适应仿生采摘装置及串果采摘方法 | |
Jin et al. | Detection method for table grape ears and stems based on a far-close-range combined vision system and hand-eye-coordinated picking test | |
Almendral et al. | Autonomous fruit harvester with machine vision | |
CN117325170A (zh) | 基于深度视觉导引机械臂抓取硬盘架的方法 | |
EP4309122A2 (en) | Visual servoing of a robot | |
KR20230061612A (ko) | 머신 러닝을 이용한 물체의 피킹 자동화 시스템 및 그 제어 방법 | |
CN113319013A (zh) | 一种基于机器视觉的苹果智能分拣的方法 | |
CN115861780B (zh) | 一种基于yolo-ggcnn的机械臂检测抓取方法 | |
CN115937314B (zh) | 一种油茶果生长姿态检测方法 | |
CN217241505U (zh) | 一种基于人工智能识别的蔬果采摘机器人结构 |
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 |