CN114391360B - 一种基于深度学习的大蒜智能切根试验装置 - Google Patents
一种基于深度学习的大蒜智能切根试验装置 Download PDFInfo
- Publication number
- CN114391360B CN114391360B CN202111245227.9A CN202111245227A CN114391360B CN 114391360 B CN114391360 B CN 114391360B CN 202111245227 A CN202111245227 A CN 202111245227A CN 114391360 B CN114391360 B CN 114391360B
- Authority
- CN
- China
- Prior art keywords
- axis
- garlic
- module
- sliding table
- table module
- 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
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01D—HARVESTING; MOWING
- A01D23/00—Topping machines
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01D—HARVESTING; MOWING
- A01D33/00—Accessories for digging harvesters
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P60/00—Technologies relating to agriculture, livestock or agroalimentary industries
- Y02P60/14—Measures for saving energy, e.g. in green houses
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Environmental Sciences (AREA)
- Apparatuses For Bulk Treatment Of Fruits And Vegetables And Apparatuses For Preparing Feeds (AREA)
Abstract
本发明公开了一种基于深度学习的大蒜智能切根试验装置,其包括:X轴滑台模组、Z轴滑台模组以及Y轴手动滑台模组;蒜秧夹持固定装置安装在X轴滑台模组的滑动块Ⅰ上;切根刀模块安装在Y轴手动滑台模组上,随Z轴滑台模组的滑块同步升降;控制系统被配置为根据拍摄的蒜秧图片识别蒜头与蒜根的结合处;并控制Z轴滑台模组调节切根刀模块使得圆盘刀盘与结合处平齐;控制X轴滑台模组通过蒜秧夹持固定装置将蒜秧推向切根刀模块以切除蒜秧的根须。本方法利用深度学习具备的强大学习能力和解决复杂问题的能力,搭建深层卷积神经网络,训练出针对特定农作物对像的检测器,进行目标检测,识别准确率高。通过本方法可获得高性能的识别模型。
Description
技术领域
本发明属于根茎类蔬菜作物切根方法和设备技术领域,特别涉及一种基于深度学习的大蒜智能切根试验装置。
背景技术
随着科技技术的不断发展,智能化在我们生活中应用越来越广泛。深度学习作为人工智能的一个重要方向,近年来得到了突飞猛进的发展。
在大多数根茎类蔬菜作物田间收获或者产后初/精加工过程中需要切除根部并去除根部夹带泥土,以满足后续贮藏、售卖需求。目前,大蒜、洋葱、大葱、菠菜等根茎类蔬菜作物的切根一般由手工完成,操作者需要手持蔬菜,并采用特制的刀具,逐个完成蔬菜根部的去除,劳动强度大、效率低、作业成本高,并存在较大安全隐患。蔬菜切根目的主要有两个:1)切去根须,获得更好的卖相,带来更高的出售价格;2)切除根须可以去除根须间夹带的泥土,避免因泥土所含有的水分导致的运输或贮藏过程霉变,降低出售价格。绝大部分在市场上出售的大蒜、洋葱、大葱、菠菜等根茎类蔬菜作物都会切去根须,面向出口的蔬菜会经过精细的去根处理。目前,市场上根茎类蔬菜作物切根机械主要分为可浮动式和非浮动式。可浮动式一般采用弹簧进行浮动,但是弹簧浮动装置在浮动过程中并不稳定,切割受力作用后会产生不可控制的跳动,也会随着田间收获机械的振动而上下抖动,影响浮动切根的精确度和稳定性。如[中国发明]CN201810728051.4一种大蒜联合收获机,中所述的弹性浮动定位切根装置是用在大蒜联合收获机上的。若弹簧弹力过小必然导致切根刀随着机器的振动而上下跳动,无法准确定位,若弹簧弹力过大又很容易碰伤大蒜。并且切根刀的初始位置不可调,不能够按照不同品种大蒜不同的大小去调节,缺乏适应性。现有的非浮动式大蒜切根机械,也不能保证准确的、可靠的切除蒜根。大蒜的个头大小不同,外形千差万别,采用固定安装的切根刀,可能会切伤蒜体,降低销售价格,也可能会切不到蒜根,不起作用。从技术方面讲,如果仅通过纯机械装置进行大蒜识别,机构必然过于复杂,而且也不能保证识别的精确度。如申请号CN201810493860.1大蒜联合收获机自动识别与切根系统,整体结构过于复杂,无法确保工作的可靠性,而且只采用其中所述的感应片进行识别,易受刚出土大蒜表面状况的影响,蒜头表面粘的泥土和蒜根之间夹带的泥土必然会影响感应片的识别效果,识别方法不可靠。另外,如果农作物自动化切根生产线不能采取有效的大蒜位置识别方法,将会导致切根合格率低,造成大量浪费。
因此,现有技术无法对目标位置进行有效识别,严重影响切根效果。必须先对目标识别定位,识别需要充分考虑对象的状态,如蒜头表面会粘有泥土、蒜根之间会夹带泥土。然后,再进行切根,才能彻底解决切根不干净的问题。本方案在充分考虑各种影响因素的基础上,提供一种能够准确的、可靠的切根的方法和系统,且具有智能调整能力是本领域亟待解决的技术问题之一。
发明内容
本发明的目的是提供一种基于深度学习的大蒜智能切根试验装置,提供一种全新的识别定位切根方法。先结合深度学习,使用预先拍摄的照片训练目标检测器,再利用目标检测器找到农作物根部位置,将切根刀调整到相应位置,从而准确的切去根须。因为目标检测器是通过海量照片训练的,涵盖了各种影响因素,所以该切根方法及试验系统能够实现智能识别。
本发明的技术方案是,一种基于深度学习的大蒜智能切根试验装置,其特征在于包括:
X轴滑台模组,沿水平方向安装在机架上,其包括由X轴步进电机经齿形带驱动沿X轴方向滑动的滑动块Ⅰ;
Z轴滑台模组,沿竖向设置在所述机架上,其包括由Z轴步进电机经过丝杆驱动沿Z轴方向滑动的连接座Ⅱ;
Y轴手动滑台模组,沿水平方向安装在连接座Ⅱ上,其包括由手摇模块经由丝杆驱动沿Y轴方向滑动的滑动块Ⅱ;Y轴方向分别与X轴方向以及Z轴方向垂直;
蒜秧夹持固定装置,安装在所述滑动块Ⅰ上,用于夹持大蒜,其包括上部一对水平方向预紧夹持蒜秧竖杆的夹持钳,和下部一对抵压蒜秧头上表面的柔性拨指,上部和下部相互间有预推弹力;
切根刀模块包括沿Y轴方向分布的两个圆盘刀盘,各圆盘刀盘呈水平设置,并分别与对应的直流无刷电机传动连接;所述直流无刷电机通过固定结构与所述Y轴手动滑台模组的滑动块Ⅱ连接;两个圆盘刀盘的边缘部分交叠,形成切根区域;
工业相机,设置在X轴滑台模组的下方,用于拍摄蒜秧的侧面图像;
控制系统,分别与所述X轴滑台模组、Z轴滑台模组以及工业相机电性连接,被配置为根据所述工业相机获取的蒜秧图片识别蒜头与蒜根的结合处;并控制所述Z轴滑台模组调节所述切根刀模块,使得圆盘刀盘与所述结合处平齐;控制所述X轴滑台模组通过蒜秧夹持固定装置将所述蒜秧推向切根刀模块以切除蒜秧的根须,并在切根完成后将蒜秧推动至工业相机前拍摄切根后图片。
本发明的进一步改进在于:所述X轴滑台模组包括X轴模组主体,X轴步进电机固定安装在X轴模组主体的第一端,X轴模组主体的第二端临近Z轴滑台模组;自X轴模组主体的第一端至第二端依次安装有与所述滑动块Ⅰ相适配的接近开关Ⅰ、接近开关Ⅱ、接近开关Ⅲ;滑动块Ⅰ滑动设置在X轴模组主体上,并通过齿形带与所述X轴步进电机传动连接;所述X轴模组主体的第二端安装有限位块,用以限制所述滑动块Ⅰ的滑动范围;所述X轴模组主体通过连接座Ⅰ和螺栓固定在机架上。
本发明的进一步改进在于:所述Z轴滑台模组包括Z轴模组主体、滑动块Ⅲ;
Z轴模组主体的顶端和低端分别设置有与连接座Ⅱ相适配的上限位接触开关以及下限位接触开关,并通过连接座Ⅲ、连接座Ⅳ、连接座Ⅴ以及螺栓固定在机架上;
滑动块Ⅲ滑动安装在所述Z轴模组主体的轨道上,并与连接座Ⅱ固定连接,滑动块Ⅲ通过丝杆与Z轴步进电机传动连接。
本发明的进一步改进在于:所述Z轴滑台模组的侧面设置有与其并行的Z轴辅助滑动模组,Z轴辅助滑动模组具有沿Z轴自由滑动的滑块Ⅴ,滑块Ⅴ通过安装转接座与所述Y轴手动滑台模组连接。
本发明的进一步改进在于:所述蒜秧夹持装置包括固定安装在滑动块Ⅰ上的蒜秧固定装置主体;所述蒜秧固定装置主体上设置有至少两个竖向并行的钢质滑杆,所述夹持钳滑动设置在所述钢质滑杆上;两个所述柔性拨指固定安装在拨指固定座上,所述拨指固定座通过拉力传感器与拉力传感器固定板连接;所述拉力传感器固定板安装在所述蒜秧固定装置主体的底部;所述蒜秧固定装置主体上还设置有与所述钢质滑杆并行的长螺栓Ⅰ,所述长螺栓Ⅰ穿过所述夹持钳上的通孔;所述长螺栓Ⅰ上套设有一个压缩弹簧,该压缩弹簧的一端抵靠在蒜秧固定装置主体上,另一端抵靠在所述夹持钳的底部,用以向上推动夹持钳,以形成预推弹力。
本发明的进一步改进在于:所述夹持钳包括滑动块Ⅳ以及两个夹持钳单体;两个所述夹持钳单体转动设置在所述滑动块Ⅳ上,两个所述夹持钳单体的第一端设置有凸台特征,一压缩弹簧的两端分别连接在两个夹持钳单体的凸台特征上,使得两个所述夹持钳单体的第二端形成水平方向预紧夹持结构。
本发明的进一步改进在于:两个所述圆盘刀盘的转动方向相反;所述圆盘刀盘的边缘设置有锯齿,在所述切根区域两个所述圆盘刀盘的锯齿均向X轴正方向运动。
本发明的进一步改进在于:所述控制系统包括通过串口通信的上位机和下位机;所述下位机分别通过X轴步进电机驱动器以及Z轴步进电机驱动器与所述X轴步进电机以及Z轴步进电机控制连接;所述上位机与所述工业相机通信连接。
本发明的进一步改进在于:所述上位机中配置有卷积神经网络深度学习模型,所述卷积神经网络深度学习模型用于根据工业相机获取的蒜秧图片识别蒜头与蒜根的结合处。
本发明的有益效果为:
1.利用深度学习具备的强大学习能力和解决复杂问题的能力,搭建深层卷积神经网络,训练出针对特定农作物对像的检测器,进行目标检测,同时完成目标分类和目标定位,识别准确率高。
2.创新的采用深度学习与电控技术相结合的方法,能够很好的解决农作物切根过程自动化难以实现的问题。目标检测输出的目标位置像素信息较好的与实际尺寸相对应,易于实现自动控制。
3.步进电机为试验台系统提供较高的运动精度,使得每一次切根刀的高度调节都具有极高的到位准确度。每一次试验台开始运行都要做的切根刀复位,降低了外界因素对试验准确性的影响,使切根刀高度调节不会产生累积误差,保证了能够准确的切去根须。
附图说明
图1是基于深度学习的大蒜智能切根试验装置的立体视图;
图2是机架的立体视图;
图3是基于深度学习的大蒜智能切根试验装置的侧视图;
图4是基于深度学习的大蒜智能切根试验装置的另一立体视图;
图5是蒜秧夹持固定装置的立体视图;
图6是切根刀模块的立体视图;
图7是控制系统的硬件架构图;
图8是控制系统的控制程序逻辑图;
图9是基于深度学习的大蒜智能切根试验装置的使用方法流程图;
图10是YOLOv2模型的结构示意图;
图11是识别蒜头的检测器detector_1的识别效果图;
图12是识别蒜根的检测器detector_2的识别效果图。
具体实施方式
实施例:如图1、2、3所示,本实施例提供一种基于深度学习的大蒜智能切根试验装置,其包括机架1,在机架1的X轴方向(水平方向)上设置有X轴滑台模组3。沿机架1的Z轴方向(竖向)设置有Z轴滑台模组5,Z轴滑台模组5位于X轴滑台模组3的末端,在X轴滑台模组3的起始端附近安装有工业相机9。
如图2所示,在本实施例中,机架1由多跟预定长度的铝合金型材杆件1.1以及角接件1.2连接固定;铝合金型材杆件1.1上沿轴向方向设置有多个连接槽,角接件1.2通过螺栓与连接槽固定。
如图3、7所示,在机架1的一侧设置有试验台电控箱2。箱内器件包括220V转24V开关电源,2个步进电机控制器,急停开关,保险模块,作为下位机的STM32F103控制板,5个24V转3.3V电压转换模块,电路按照电路图连接。
如图1、3所示,X轴滑台模组3包括由X轴步进电机3.2经齿形带驱动沿X轴方向滑动的滑动块Ⅰ3.8。具体的,X轴滑台模组3包括X轴模组主体3.1,X轴步进电机3.2通过螺栓固定安装在X轴模组主体3.1的第一端,X轴模组主体3.1的第二端临近Z轴滑台模组5。
自X轴模组主体3.1的第一端至第二端依次安装有与相适配的接近开关Ⅰ3.3、接近开关Ⅱ3.4、接近开关Ⅲ3.5,当滑动块Ⅰ3.8移滑动块Ⅰ3.8动至相应的接近开关时,可触发相应的接近开关,使得相应的接近开关产生24V的信号。其中,接近开关Ⅰ3.3设置在X轴模组主体3.1的第一端,接近开关Ⅲ3.5设置在在X轴模组主体3.1的第二端,与下位机配合对滑动块Ⅰ3.8的移动范围进行限定。接近开关Ⅱ3.4设置在X轴模组主体3.1的中部,当下位机检测到滑动块Ⅰ3.8子第一端向第二端的方向经过时,开启切根刀模块8的直流无刷电机,以便切根刀模块8做好切割准备。
如图1、4所示,滑动块Ⅰ3.8滑动设置在X轴模组主体3.1上,并通过齿形带与X轴步进电机3.2传动连接,齿形带具有较快的运行速度,同时具备适宜的精度。X轴模组主体3.1的第二端安装有限位块3.6,用以限制滑动块Ⅰ3.8的滑动范围,并防止滑动块Ⅰ3.8及其附件发生撞击。X轴模组主体3.1通过连接座Ⅰ3.7和螺栓固定在机架1上。
如图3、4所示,Z轴滑台模组5包括由Z轴步进电机5.2经过丝杆驱动沿Z轴方向滑动的连接座Ⅱ5.6。具体的,Z轴滑台模组5包括Z轴模组主体5.1、滑动块Ⅲ5.5。滑动块Ⅲ5.5滑动安装在Z轴模组主体5.1的轨道上,并与连接座Ⅱ5.6固定连接,滑动块Ⅲ5.5通过丝杆与Z轴步进电机5.2传动连接。本实施例中,Z轴模组主体5.1通过连接座Ⅲ5.7、连接座Ⅳ5.8、连接座Ⅴ5.9以及螺栓固定在机架1上。
Z轴模组主体5.1的顶端和低端分别设置有与连接座Ⅱ5.6相适配的上限位接触开关5.3以及下限位接触开关5.4。当连接座Ⅱ5.6移动到顶部极限或者底部极限时,可触发相应的接触开关,接触开关被触发后发出高电平信号。触控开关与控制系统相配合,可实现对连接座Ⅱ5.6进行限位或者对连接座Ⅱ5.6的位置进行限位。
如图1、3所示,Z轴滑台模组5的侧面设置有与其并行的Z轴辅助滑动模组11,Z轴辅助滑动模组11具有沿Z轴方向自由滑动的滑块Ⅴ11.1,滑块Ⅴ11.1通过安装转接座11.2与Y轴手动滑台模组4连接。
如图1、3所示,连接座Ⅱ5.6以及安装转接座11.2上连接有Y轴手动滑台模组4。Y轴手动滑台模组4包括由手摇模块4.3经由丝杆驱动沿Y轴方向滑动的滑动块Ⅱ4.1;Y轴方向分别与X轴方向以及Z轴方向垂直。
具体的,Y轴手动滑台模组4还包括Y轴模组主体4.2,Y轴模组主体4.2通过螺栓连接在连接座Ⅱ5.6以及安装转接座11.2之间。Y轴模组主体4.2的正面设置有沿Z轴方向延伸的轨道,滑动块Ⅱ4.1滑动设置在轨道上,并与丝杆上的螺母固定连接。丝杆沿轨道方向设置,其一端与手摇模块4.3连接。通过转动手摇模块4.3手轮可使得丝杆转动,进而使得螺母带动滑动块Ⅱ4.1沿着Y轴滑动。
Y轴手动滑台模组4的滑动块Ⅱ4.1上安装有切根刀模块8。Z轴滑台模组5用于调节Y轴手动滑台模组4以及切根刀模块8的沿Z轴方向的高度,Y轴手动滑台模组4用于调节切根刀模块8在Y轴方向的位置。
如图1、6所示,切根刀模块8包括沿Y轴方向分布的两个圆盘刀盘8.12,各圆盘刀盘8.12呈水平设置,并分别与对应的直流无刷电机8.2传动连接;直流无刷电机8.2通过固定结构与Y轴手动滑台模组4的滑动块Ⅱ4.1连接;两个圆盘刀盘8.12的边缘部分交叠,形成切根区域。两个圆盘刀盘8.12的转动方向相反;圆盘刀盘8.12的边缘设置有锯齿,在切根区域两个圆盘刀盘8.12的锯齿均向X轴正方向运动。
具体的,切根刀模块8还包括两个外壳8.1、下固定板8.3以及上固定板8.6、后安装固定座8.4。两个直流无刷电机8.2以及两个深沟球轴承8.14安装固定在外壳8.1中,与直流无刷电机8.2的转轴连接的传动轴8.5穿过深沟球轴承8.14与圆盘刀盘8.12的中心连接。圆盘刀盘8.12通过固定螺栓8.10以及垫片8.11与传动轴8.5的顶部端面连接。下固定板8.3以及上固定板8.6分别压在外壳8.1和后安装固定座8.4的上面和下面,通过数根长螺栓Ⅱ8.13固定在一起。后安装固定座8.4通过螺栓安装在滑动块Ⅱ4.1上。滑动块Ⅱ4.1带动后安装固定座8.4运动,即带动切根刀模块8沿Y轴方向运动。
如图6、7所示,在上固定板8.6的上表面安装有U形固定座8.7,有U形固定座8.7具有两个向上延伸的立柱,立柱安装有L形支撑固定杆8.8。两个L形支撑固定杆8.8的竖向杆底部分别与U形固定座8.7两个的立柱连接,两个L形支撑固定杆8.8的横向杆分别延伸至两个圆盘刀盘8.12的上方。L形支撑固定杆8.8横向杆用于供转动频率探测器8.9固定,转动频率探测器8.9用于检测其下方的圆盘刀盘8.12的转速。转动频率探测器8.9与转速显示器连接。
本实施例中,转动频率探测器8.9为光电传感器,其向下发射激光,在圆盘刀盘8.12上贴有一片与之配合的反光片,当反光片随着圆盘刀盘8.12转动至转动频率探测器8.9下方时会发生反光,统计预定时间内的反光次数即可得知圆盘刀盘8.12的转动频率以及转速。
如图1、3、5所示,蒜秧夹持固定装置6安装在滑动块Ⅰ3.8上,用于夹持大蒜7。蒜秧夹持固定装置6包括上部一对水平方向预紧夹持蒜秧竖杆的夹持钳,和下部一对抵压蒜秧头上表面的柔性拨指6.8,上部的夹持钳和和下部的柔性拨指6.8相互间有预推弹力。
蒜秧夹持装置6包括固定安装在滑动块Ⅰ3.8上的蒜秧固定装置主体6.1;蒜秧固定装置主体6.1上设置有至少两个竖向并行的钢质滑杆6.2。钢质滑杆6.2的底端插设在蒜秧固定装置主体6.1的顶部,其顶端通过上固定块6.5固定,上固定块6.5与蒜秧固定装置主体6.1固定连接。
夹持钳滑动设置在钢质滑杆6.2上;两个柔性拨指6.8固定安装在拨指固定座6.7上,拨指固定座6.7通过拉力传感器6.9与拉力传感器固定板6.10连接。拉力传感器固定板6.10安装在蒜秧固定装置主体6.1的底部。蒜秧固定装置主体6.1上还设置有与钢质滑杆6.2并行的长螺栓Ⅰ6.3,长螺栓Ⅰ6.3穿过夹持钳上的通孔,长螺栓Ⅰ6.3上套设有一个压缩弹簧,该压缩弹簧的一端抵靠在蒜秧固定装置主体6.1上,另一端抵靠在夹持钳的底部,用以向上推动夹持钳,以形成预推弹力。
在一个具体实施例中,夹持钳包括滑动块Ⅳ6.4以及两个夹持钳单体6.6,滑动块Ⅳ6.4上开设有三个通孔,分别供长螺栓Ⅰ6.3以及两个钢质滑杆6.2穿过。两个夹持钳单体6.6转动设置在滑动块Ⅳ6.4上,两个夹持钳单体6.6的第一端设置有凸台特征6.6.1,一压缩弹簧的两端分别连接在两个夹持钳单体6.6的凸台特征6.6.1上,使得两个夹持钳单体6.6的第二端形成水平方向预紧夹持结构。该预紧夹持结构用于夹持蒜秧竖杆。
为了确保夹持效果,在两个夹持钳单体6.6的第二端相对的一侧设置有沿水平方向设置的防脱落槽,以增加夹持钳单体6.6与竖杆之间的摩擦力。为了防止柔性拨指6.8碰伤蒜头,在柔性拨指6.8上套设有柔性硅胶套。
在使用过程中,首先将夹持钳下压,使得滑动块Ⅳ6.4沿着钢质滑杆6.2向下滑动一定距离,随后按压两个夹持钳单体6.6,使得两个夹持钳单体6.6的第二端张开。将蒜秧夹在两个柔性拨指6.8之间,并使得蒜头的顶面抵靠在柔性拨指6.8的下表面,随后将蒜秧中部置于两个夹持钳单体6.6的第二端之间,并释放夹持钳单体6.6,使得两个夹持钳单体6.6的第二端对蒜秧竖杆的中部进行夹持。夹持钳单体6.6释放后,夹持钳会在长螺栓Ⅰ6.3上的压缩弹簧的推动下向上运动,使得蒜秧竖杆张紧,并使得蒜头的顶面紧贴柔性拨指6.8的下表面。
如图1所示,工业相机9设置在X轴滑台模组3的下方,用于拍摄蒜秧的侧面图像。在一个具体实施例中,工业相机9通过螺栓与相机固定座10连接,相机固定座10通过螺栓与机架1固定连接。下位机可根据上位机的指令控制各电机的转速以及旋转方向,进而控制蒜秧夹持装置6沿轴的运动以及切根刀模块8的沿Z轴方向的竖向位置。
控制系统分别与X轴滑台模组3、Z轴滑台模组5以及工业相机9电性连接,被配置为根据工业相机9获取的蒜秧图片识别蒜头与蒜根的结合处;并控制Z轴滑台模组5调节切根刀模块8,使得圆盘刀盘8.12与结合处平齐;控制X轴滑台模组3通过蒜秧夹持固定装置6将蒜秧推向切根刀模块8以切除蒜秧的根须,并在切根完成后将蒜秧推动至工业相机9前拍摄切根后图片。
具体的,如图7、8所示,控制系统包括上位机和下位机。上位机与下位机(STM32F103)之间采用RS232串口通信,上位机可单向下位机发送0~255的数值,该数值称为数字命令代码。较发送二进制数值,发送的数字命令代码下位机接收后,无需复杂的解码,执行速度较快。
本例中,数字命令代码用a表示,a=a1×100+a2×10+a3
驱动X轴的数字命令代码:
a1=2,表示X轴驱动电机使能;a1=3,表示X轴驱动电机失能(大于有效范围,不会触发动作)。
a2=0,输送速度为0;a2=1,输送速度为0.3m/s;a2=3,输送速度为0.5m/s;a2=4,输送速度为0.6m/s;a2=5,输送速度为0.7m/s;a2=6,输送速度为0.8m/s。
a3=1,X轴滑块到“挂蒜位”,a3=2,X轴滑块到“校验位”,a3=3,X轴滑块到“终止位位”,
驱动Z轴的数字命令代码:
a1=1,表示Z轴滑台向上运动;a1=0,表示Z轴滑台向下运动;
a2,a3代表运动的距离,向上运动的数字范围为0~99,即与数字命令代码100~199对应;向下运动的数字范围为0~99,即与数字命令代码000~099对应,每一个单位的数字对应实际运动0.5mm,则每次运动的距离范围是[-49.5,49.5],Z轴滑台最小移动距离为0.5mm。
如图9所示,在一个具体实施例中,上位机为PC机。上位机的使用过程包括:
打开PC机上的上位机软件,启动“试验台控制app”
使能驱动X轴的步进电机,使能开关拨至“On”,则a1=2。
点击“切根刀复位按钮”,Z轴滑台开始向下运动,直至下限位接触开关5.4触发,依次复位Z轴滑台的位置,Z轴滑台开始向上运动,运动至切根刀刀盘与相机中心平面对齐。
取未切根的蒜秧,夹持到蒜秧固定装置主体6.1上,调整工业相机对焦点,使得工业相机拍到的大蒜特征清晰,调整蒜秧夹持位置,使蒜头上部贴在柔性拨指6.8底部,以满足图像采集要求。
点击“采集图像按钮”,系统自动采集图像,采集的照片文件会保持至指定文件夹中。
在一些实施例中,上位机中配置有卷积神经网络深度学习模型,卷积神经网络深度学习模型用于根据工业相机9获取的蒜秧图片识别蒜头与蒜根的结合处。
训练前期试验中采集刚从土中拔出的蒜秧照片,数量为600张,照片的拍摄内容包括完整的蒜头和完整的蒜根,并且具备较高清晰度。600张照片中有200张是上午拍摄的,200张是中午拍摄的,200是下午拍摄的,照片亮度不同,用于满足不同时间段识别需要。
软件Image Labeler模块在600张照片中分别加上大蒜蒜头和大蒜蒜根的标签框,将生产的标签文件保存下来。采用YOLOv2卷积神经网络深度学习模型训练检测器。YOLOv2卷积神经网络深度学习模型的结构如下表所示(表中CB指Conv Block,IB指IdentityBlock):共有149层,包含3个Conv Block模块和10个Identity Block模块,Conv Block和Identity Block的具体结构如图10和表-1所示。训练完成后会生成识别蒜头的检测器detector_1和识别蒜根的检测器detector_2。
如图11和图12所示,在一个具体实施例中,上位机采用识别蒜头的检测器detector_1识别蒜头和蒜根的结合处。检测器detector_1读入到控制app中,再读入采集的照片文件,控制app会自动找到识别对象,并加上识别框,同时识别框的左上角坐标(x,y)和识别框的长度w及高度h会自动显示出来,此处显示的是像素值。所采集照片的像素为800×600,即长度为800个像素,宽度为600个像素,像素坐标的原点(0,0)是照片的左上角。
本实施例中,将识别框的底边作为蒜头和蒜根的结合处。上位机需要根据结合处的竖向高度控制Z轴滑台模组5将切根刀模块8移动至相应位置。为此,需要计算Z轴滑台模组5的位移量。
表-1 YOLOv2卷积神经网络深度学习模型的网络配置表
该位移量与像素的数量相对应,其对应关系为:
实际尺寸=像素数×像素当量
其中,像素当量为常量,由工业相机以及系统的结构决定。
在计算过程中,N=300表示初始像素值(图片高度为600像素,切根刀刀盘与相机中心平面已对齐,则切根刀刀盘起始位置对应300像素处),n表示第n次调整Z轴(n∈N*),n'表示偏移像素量,n”表示修正偏移像素量,p表示修正量,h'表示中间量1,H表示中间量2,H'表示中间量3,H”表示Z轴滑台移动当量,Zh表示Z轴滑台移动距离(mm)。
(xn,yn)-第n次Z轴调整时的识别框的左上角坐标,wn、hn-第n次Z轴调整时的识别框的长度和高度,yn+hn为识别框底边的像素高度;k-像素当量(mm/piexl)。
对于识别蒜头:
n”=n'+p1
h′=n″×k
h'保留一位小数得到H
H'=H×10/5
H'取整得到H”
Zh=H”×0.5
Zh为正数时,Z轴滑台向下移动;Zh为负数时,Z轴滑台向上移动。
p1为经验值,需要通过大量试验得到。
计算完成后,可点击“Z轴调整使能按钮”,app将Zh值转换为数字命令代码,通过串口发送给下位机。下位机接收到数字命令代码,经过解码后执行相应的程序,Z轴步进电机动作,使切根刀移动至指定高度。
启动切根刀,使两刀盘按照指定的转向和转速旋转。
在app“X轴输送速度”栏中选择所需输送速度,数字命令代码的变量值会发生相应变化。
点击“终止位”按钮,上位机将相应的数字命令代码发送给下位机,下位机将执行相应程序,X轴滑台由挂蒜位(初始位置)向终止位移动。在移动的过程中,X轴滑台速度由0加速至选定的速度值,系统可以保证X轴滑台的移动速度在切根时达到选定速度。
调节切根刀转速开关,将切根刀转速归零,关闭切根刀电源。
点击“挂蒜位”按钮,上位机将相应的数字命令代码发送给下位机,下位机将执行相应程序,X轴滑台由终止位向挂蒜位移动。在移动的过程中,X轴滑台速度由0加速至固定的速度值,最后减速停在挂蒜位。
点击“采集图像按钮”,将切根后的照片保存在指定文件夹中,供试验分析所用。
拿掉切除蒜根的蒜秧。
继续用未切根的蒜秧做试验,或者关闭系统,停止试验。试验停止后,可根据切割后的图片判断模型以及系统的工作状况,以便对硬件或者识别模型进行调节。
在另一个具体实施例中,为了解决蒜头底部以及侧面附着有泥土,导致蒜头识别框的底部位于实际的蒜头蒜根结合处的上方,本实施例中综合采用识别蒜头的检测器detector_1和识别蒜根的检测器detector_2确定蒜头蒜根的结合处。检测器detector_1可以从图像中得到蒜头的识别框,检测器detector_2可以得到蒜根的识别框。
具体的,当蒜头的识别框的底边yh高于蒜根识别框的顶边yr,且二者的高度差yr-yh小于阈值T时,将二者的平均值(yr+yh)/2作为蒜头蒜根的结合处的竖向位置;
当蒜头的识别框的底边yh高于蒜根识别框的顶边yr,且二者的高度差yr-yh大于或等于阈值T时,将yh+T/2作为蒜头蒜根的结合处的竖向位置;
当蒜头的识别框的底边yh低于蒜根识别框的顶边yr时,将蒜头的识别框的底边yh作为蒜头蒜根的结合处的竖向位置。
每个识别框包括四个参数:(x,y)左上角顶点的像素坐标,(w,h)识别框的宽度和高度。本实施例中,蒜头识别框的底边yh为蒜头识别框的左上角高度y加上蒜头识别框的高度h。阈值T为蒜头识别框的宽度w除以预设比例,预设比例为4~7。该预设比例可根据土壤粘性调整,对于土壤粘性较高的地区,该预设比例可采用较小的值;对于土壤粘性较低的地区,土壤难以大量附着,可采用较大的预设比例。
上位机采用该步骤确定蒜头和蒜根的结合位置之后,可采用与上一实施例类似的步骤根据像素位置折算确定Z轴滑台模组的实际位移量,进而使得圆盘刀盘与识别出的结合处平齐。
本实施例中,结合两个识别模型可以避免单一识别模型擅长识别实体但是识别边缘的准确性较差的问题,使得切根结果更加准确,解决了蒜头底面附着有泥土时蒜头蒜根识别结果偏差过大的问题。
以上详细描述了本发明的较佳具体实施例。应当理解,本领域的普通技术人员无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此,凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案,皆应在由权利要求书所确定的保护范围内。
Claims (4)
1.一种基于深度学习的大蒜智能切根试验装置,其特征在于包括:
X轴滑台模组(3),沿水平方向安装在机架(1)上,其包括由X轴步进电机(3.2)经齿形带驱动沿X轴方向滑动的滑动块Ⅰ(3.8);
Z轴滑台模组(5),沿竖向设置在所述机架(1)上,其包括由Z轴步进电机(5.2)经过丝杆驱动沿Z轴方向滑动的连接座Ⅱ(5.6);
Y轴手动滑台模组(4),沿水平方向安装在连接座Ⅱ(5.6)上,其包括由手摇模块(4.3)经由丝杆驱动沿Y轴方向滑动的滑动块Ⅱ(4.1);Y轴方向分别与X轴方向以及Z轴方向垂直;
蒜秧夹持固定装置(6),安装在所述滑动块Ⅰ(3.8)上,用于夹持大蒜,其包括上部一对水平方向预紧夹持蒜秧竖杆的夹持钳,和下部一对抵压蒜秧头上表面的柔性拨指(6.8),上部和下部相互间有预推弹力;
切根刀模块(8)包括沿Y轴方向分布的两个圆盘刀盘(8.12),各圆盘刀盘(8.12)呈水平设置,并分别与对应的直流无刷电机(8.2)传动连接;所述直流无刷电机(8.2)通过固定结构与所述Y轴手动滑台模组(4)的滑动块Ⅱ(4.1)连接;两个圆盘刀盘(8.12)的边缘部分交叠,形成切根区域;
工业相机(9),设置在X轴滑台模组(3)的下方,用于拍摄蒜秧的侧面图像;
控制系统,分别与所述X轴滑台模组(3)、Z轴滑台模组(5)以及工业相机(9)电性连接,被配置为根据所述工业相机(9)获取的蒜秧图片识别蒜头与蒜根的结合处;并控制所述Z轴滑台模组(5)调节所述切根刀模块(8),使得圆盘刀盘(8.12)与所述结合处平齐;控制所述X轴滑台模组(3)通过蒜秧夹持固定装置(6)将所述蒜秧推向切根刀模块(8)以切除蒜秧的根须,并在切根完成后将蒜秧推动至工业相机(9)前拍摄切根后图片;
所述X轴滑台模组(3)包括X轴模组主体(3.1),X轴步进电机(3.2)固定安装在X轴模组主体(3.1)的第一端,X轴模组主体(3.1)的第二端临近Z轴滑台模组(5);自X轴模组主体(3.1)的第一端至第二端依次安装有与所述滑动块Ⅰ(3.8)相适配的接近开关Ⅰ(3.3)、接近开关Ⅱ(3.4)、接近开关Ⅲ(3.5);滑动块Ⅰ(3.8)滑动设置在X轴模组主体(3.1)上,并通过齿形带与所述X轴步进电机(3.2)传动连接;所述 X轴模组主体(3.1)的第二端安装有限位块(3.6),用以限制所述滑动块Ⅰ(3.8)的滑动范围;所述X轴模组主体(3.1)通过连接座Ⅰ(3.7)和螺栓固定在机架(1)上;
两个所述圆盘刀盘(8.12)的转动方向相反;所述圆盘刀盘(8.12)的边缘设置有锯齿,在所述切根区域两个所述圆盘刀盘(8.12)的锯齿均向X轴正方向运动;
所述蒜秧夹持固定装置(6)包括固定安装在滑动块Ⅰ(3.8)上的蒜秧固定装置主体(6.1);所述蒜秧固定装置主体(6.1)上设置有至少两个竖向并行的钢质滑杆(6.2),所述夹持钳滑动设置在所述钢质滑杆(6.2)上;两个所述柔性拨指(6.8)固定安装在拨指固定座(6.7)上,所述拨指固定座通过拉力传感器(6.9)与拉力传感器固定板(6.10)连接;所述拉力传感器固定板(6.10)安装在所述蒜秧固定装置主体(6.1)的底部;所述蒜秧固定装置主体(6.1)上还设置有与所述钢质滑杆(6.2)并行的长螺栓Ⅰ(6.3),所述长螺栓Ⅰ(6.3)穿过所述夹持钳上的通孔;所述长螺栓Ⅰ(6.3)上套设有一个压缩弹簧,该压缩弹簧的一端抵靠在蒜秧固定装置主体(6.1)上,另一端抵靠在所述夹持钳的底部,用以向上推动夹持钳,以形成预推弹力;
所述控制系统包括通过串口通信的上位机和下位机;所述下位机分别通过X轴步进电机驱动器以及Z轴步进电机驱动器与所述X轴步进电机(3.2)以及Z轴步进电机(5.2)控制连接;所述上位机与所述工业相机(9)通信连接;
所述上位机中配置有卷积神经网络深度学习模型,所述卷积神经网络深度学习模型用于根据工业相机(9)获取的蒜秧图片识别蒜头与蒜根的结合处。
2.根据权利要求1所述的一种基于深度学习的大蒜智能切根试验装置,其特征在于:所述Z轴滑台模组(5)包括Z轴模组主体(5.1)、滑动块Ⅲ(5.5);
Z轴模组主体(5.1)的顶端和低端分别设置有与连接座Ⅱ(5.6)相适配的上限位接触开关(5.3)以及下限位接触开关(5.4),并通过连接座Ⅲ(5.7)、连接座Ⅳ(5.8)、连接座Ⅴ(5.9)以及螺栓固定在机架(1)上;
滑动块Ⅲ(5.5)滑动安装在所述Z轴模组主体(5.1)的轨道上,并与连接座Ⅱ(5.6)固定连接,滑动块Ⅲ(5.5)通过丝杆与Z轴步进电机(5.2)传动连接。
3.根据权利要求2所述的一种基于深度学习的大蒜智能切根试验装置,其特征在于:所述Z轴滑台模组(5)的侧面设置有与其并行的Z轴辅助滑动模组(11),Z轴辅助滑动模组(11)具有沿Z轴自由滑动的滑块Ⅴ(11.1),滑块Ⅴ(11.1)通过安装转接座(11.2)与所述Y轴手动滑台模组(4)连接。
4.根据权利要求1所述的一种基于深度学习的大蒜智能切根试验装置,其特征在于:所述夹持钳包括滑动块Ⅳ(6.4)以及两个夹持钳单体(6.6);两个所述夹持钳单体(6.6)转动设置在所述滑动块Ⅳ(6.4)上,两个所述夹持钳单体(6.6)的第一端设置有凸台特征(6.6.1),一压缩弹簧的两端分别连接在两个夹持钳单体(6.6)的凸台特征(6.6.1)上,使得两个所述夹持钳单体(6.6)的第二端形成水平方向预紧夹持结构。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111245227.9A CN114391360B (zh) | 2021-10-26 | 2021-10-26 | 一种基于深度学习的大蒜智能切根试验装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111245227.9A CN114391360B (zh) | 2021-10-26 | 2021-10-26 | 一种基于深度学习的大蒜智能切根试验装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114391360A CN114391360A (zh) | 2022-04-26 |
CN114391360B true CN114391360B (zh) | 2023-05-26 |
Family
ID=81225753
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111245227.9A Active CN114391360B (zh) | 2021-10-26 | 2021-10-26 | 一种基于深度学习的大蒜智能切根试验装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114391360B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH08275643A (ja) * | 1995-04-03 | 1996-10-22 | Mitsubishi Agricult Mach Co Ltd | 玉ねぎの収穫装置 |
CN107548661A (zh) * | 2017-10-17 | 2018-01-09 | 山东农业大学 | 一种自走式多行大蒜联合收获机 |
CN209546316U (zh) * | 2018-11-23 | 2019-10-29 | 农业部南京农业机械化研究所 | 一种洋葱、大蒜类作物切根须清土装置 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FR2647628A1 (fr) * | 1989-06-01 | 1990-12-07 | Ermes Sarl | Machine pour deterrer, couper les fanes et les racines et conditionner l'ail |
ES1044230Y (es) * | 1999-09-02 | 2000-09-01 | Sat N 9888 Imperio | Mecanismo de corte de una maquina herramienta para cortar las raices de los ajos. |
KR100967990B1 (ko) * | 2003-10-03 | 2010-07-08 | 세이레이 고교 가부시키가이샤 | 근채 작물 수확기 |
CN109168556A (zh) * | 2018-11-23 | 2019-01-11 | 农业部南京农业机械化研究所 | 一种洋葱、大蒜类作物切根须清土装置 |
KR102022832B1 (ko) * | 2019-05-21 | 2019-09-18 | 이시환 | 기능성 농작물 줄기 절단장치 |
CN110839392A (zh) * | 2019-12-20 | 2020-02-28 | 农业农村部南京农业机械化研究所 | 一种大蒜联合收获机夹持输送装置 |
CN111436273A (zh) * | 2020-04-27 | 2020-07-24 | 徐州腾尔盛机械设备科技有限公司 | 一种大蒜收获机的剪断装置 |
-
2021
- 2021-10-26 CN CN202111245227.9A patent/CN114391360B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH08275643A (ja) * | 1995-04-03 | 1996-10-22 | Mitsubishi Agricult Mach Co Ltd | 玉ねぎの収穫装置 |
CN107548661A (zh) * | 2017-10-17 | 2018-01-09 | 山东农业大学 | 一种自走式多行大蒜联合收获机 |
CN209546316U (zh) * | 2018-11-23 | 2019-10-29 | 农业部南京农业机械化研究所 | 一种洋葱、大蒜类作物切根须清土装置 |
Also Published As
Publication number | Publication date |
---|---|
CN114391360A (zh) | 2022-04-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106233925B (zh) | 一种基于机器视觉的白芦笋采收机器人及采收方法 | |
CN107926288B (zh) | 基于机器视觉的高架草莓无损采摘装置及其实现方法 | |
CN103950033B (zh) | 水果采摘机器人的机械臂和末端执行器及水果采摘方法 | |
CN106363653A (zh) | 一种黄瓜采摘机器人的末端执行器 | |
CN108406887A (zh) | 一种基于图像视觉技术的条状果蔬加工装置及加工方法 | |
CN114190166B (zh) | 一种基于图像和点云数据处理的采茶方法 | |
CN105710978A (zh) | 智能石材切割流水线及其切割方法 | |
CN114391360B (zh) | 一种基于深度学习的大蒜智能切根试验装置 | |
CN216931665U (zh) | 一种用于对猪胴体进行自动切割的装置 | |
CN115176596A (zh) | 一种名优茶嫩梢低损伤自走式采摘机器人 | |
CN109759755A (zh) | Ai智能过程异常识别处理系统及太阳能电池片焊接机 | |
CN111460997A (zh) | 一种基于全方位动态捕捉的人脸识别系统及识别方法 | |
CN108651003B (zh) | 一种便携式单人苹果采摘装置及方法 | |
CN1306110A (zh) | 缝制嵌条缝纫机 | |
KR20190064211A (ko) | 농업용 수확 로봇 | |
CN208789377U (zh) | 一种自动化打刻装置 | |
CN115136793B (zh) | 一种红花采收末端执行器、机器人及其采收方法 | |
US11423530B1 (en) | Intelligent replacement device and method for trap board in tea garden based on image channel computation | |
CN115839462A (zh) | 一种计算机视觉识别装置 | |
CN108944214A (zh) | 一种自动化打刻装置 | |
CN208729914U (zh) | 一种基于图像视觉技术的果蔬条加工装置 | |
CN208746467U (zh) | 一种铭牌精准定位机构 | |
CN2402457Y (zh) | 走刀式电路板割板机 | |
CN209111064U (zh) | 一种用于抓取薄壁壳体类工件的机器人工具系统 | |
CN214037549U (zh) | 一种生物质料场无人巡检机器人 |
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 |