CN114766207A - 一种基于机器视觉的车厘子采摘分拣方法 - Google Patents
一种基于机器视觉的车厘子采摘分拣方法 Download PDFInfo
- Publication number
- CN114766207A CN114766207A CN202210398607.4A CN202210398607A CN114766207A CN 114766207 A CN114766207 A CN 114766207A CN 202210398607 A CN202210398607 A CN 202210398607A CN 114766207 A CN114766207 A CN 114766207A
- Authority
- CN
- China
- Prior art keywords
- cherries
- picking
- robot
- cherry
- sorting
- 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
- 235000019693 cherries Nutrition 0.000 title claims abstract description 161
- 238000000034 method Methods 0.000 title claims abstract description 28
- 241000167854 Bourreria succulenta Species 0.000 title claims abstract 37
- 235000013399 edible fruits Nutrition 0.000 claims abstract description 58
- 238000005520 cutting process Methods 0.000 claims abstract description 18
- 238000012216 screening Methods 0.000 claims description 12
- 238000001514 detection method Methods 0.000 claims description 5
- 239000003086 colorant Substances 0.000 claims description 4
- 238000007781 pre-processing Methods 0.000 claims description 4
- 238000009826 distribution Methods 0.000 abstract description 7
- 238000004801 process automation Methods 0.000 abstract description 3
- 241001290151 Prunus avium subsp. avium Species 0.000 description 124
- 238000004140 cleaning Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 3
- 238000003384 imaging method Methods 0.000 description 3
- 238000005201 scrubbing Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000013178 mathematical model Methods 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 241000220299 Prunus Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01D—HARVESTING; MOWING
- A01D91/00—Methods for harvesting agricultural products
- A01D91/04—Products growing above the soil
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
- B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
- B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
- B07C5/04—Sorting according to size
- B07C5/10—Sorting according to size measured by light-responsive means
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
- B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
- B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
- B07C5/34—Sorting according to other particular properties
- B07C5/342—Sorting according to other particular properties according to optical properties, e.g. colour
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
- B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
- B07C2501/00—Sorting according to a characteristic or feature of the articles or material to be sorted
- B07C2501/009—Sorting of fruit
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Environmental Sciences (AREA)
- Manipulator (AREA)
Abstract
本发明公开了一种基于机器视觉的车厘子采摘分拣方法，包括以下步骤：机器人远距离对树上的车厘子进行预定位，规划行进路线；机器人根据规划路线行进，近距离对车厘子进行筛选和精准定位；确定要进行采摘的车厘子果梗的裁剪点；机器人根据裁剪点对车厘子进行采摘和放置；对采摘好的车厘子进行分拣。本发明的在机器人到达作业范围之前，先对树上的车厘子分布进行预定位，可以指导机器人运动到采摘位置，提高机器人的采摘效率；本发明对车厘子的果实和果梗进行精准定位，确定剪裁点后机器人对车厘子进行采摘并完成分拣，基于机器视觉和机器人完成采摘和分拣，无需人工参与，实现了采摘分拣的全程自动化，提高采摘效率。
Description
技术领域
本发明涉及车厘子采摘技术领域，尤其是指一种基于机器视觉的车厘子采摘分拣方法。
背景技术
车厘子，也称大樱桃，是一种蔷薇科、李属植物，我国北方落叶果树中继中国樱桃之后果实成熟最早的果树树种。中医药学认为，大樱桃具有调中补气，祛风湿的功能。农业专家称，积极发展大樱桃生产，有着广阔的前景。我国车厘子产量为3500万kg，人均只有29g，相当于每人有大车厘子3个或中车厘子15-17个。可见车厘子具有广阔的市场前景。
目前，车厘子大都依靠人工进行采摘，自动化程度低，很少有针对车厘子的采摘方法，究其原因是机器识别能力有限，无法做到精准的定位和采摘，但近年来随着以机器视觉为主的定位技术的发展，使得以机器人采摘车厘子成为可能。现有技术一般都是针对车厘子分类和保存所进行的发明创造，例如，一种在中国专利文献上公开的“一种车厘子采摘车”，其公告号CN208338317U，该装置包括进料斗、筛分道、筛分滑板、清洗弯道、洒水机构、刷洗道、冷藏储柜、行车，进料斗与筛分道连接，筛分道一侧通过两个带有筛分条孔的筛分滑板与清洗弯道连通，清洗弯道分为三段，筛分道下端与第三段清洗弯道，每段清洗弯道上均设置有洒水机构，三段清洗弯道底部分别与三个刷洗道连通，刷洗道下端与冷藏储柜连接；该车厘子采摘车集筛分、清洗、冷藏保鲜功能于一体，虽然具有可以保证车厘子在采摘的过程中不会发生萎蔫、腐烂等情况，而且在采摘过程中就同时完成了筛分、清洗工作，大大提高了工作效率等优点，但并没有解决采摘过程需要人工进行采摘，自动化程度低的问题。
发明内容
本发明是为了克服现有技术的车厘子需要人工进行采摘，自动化程度低的问题，提供一种基于机器视觉的车厘子采摘分拣方法。
为了实现上述目的，本发明采用以下技术方案：
一种基于机器视觉的车厘子采摘分拣方法，包括以下步骤：S1：机器人远距离对树上的车厘子进行预定位，规划行进路线；S2：机器人根据规划路线行进，近距离对车厘子进行筛选和精准定位；S3：确定要进行采摘的车厘子果梗的裁剪点；S4：机器人根据裁剪点对车厘子进行采摘和放置；S5：对采摘好的车厘子进行分拣。本发明的一种基于机器视觉的车厘子采摘分拣方法，在机器人到达作业范围之前，先对树上的车厘子分布进行预定位，可以指导机器人运动到采摘位置，然后再进行精准定位，提高机器人的采摘效率；本发明对车厘子的果实和果梗进行精准定位，确定剪裁点后机器人对车厘子进行采摘并完成分拣，基于机器视觉和机器人完成采摘和分拣，无需人工参与，实现了采摘分拣的全程自动化，提高采摘效率。
作为本发明的优选方案，所述S1中预定位具体包括以下步骤：A1：使用圆点标定板对机器人双目视觉系统进行标定，进行图像采集；A2：对双目图像进行目标检测，对车厘子进行标定；A3：根据三角测量原理计算各个标定的车厘子的三维空间坐标。本发明先对树上的车厘子分布进行预定位，在机器人进行采摘作业之前得到树上的车厘子分布，得到车厘子分布的模糊坐标，机器人根据车厘子分布的模糊坐标设计采摘顺序，指导机器人运动到采摘位置，可以有效提高机器人的采摘效率。
作为本发明的优选方案，所述S2中对车厘子进行筛选具体为：根据颜色对车厘子的成熟程度进行等级划分，分成若干个成熟度等级，对标定的不成熟的车厘子进行剔除，保留已成熟的车厘子。本发明根据车厘子的颜色判断车厘子是否成熟，只针对已经成熟的车厘子进行采摘，将不成熟的车厘子提出，留待以后进行采摘。
作为本发明的优选方案，所述S2中精准定位具体包括以下步骤：B1：对机器人双目视觉系统进行标定，进行图像采集；B2：对图像进行校正和预处理，根据识别模型识别车厘子的果实区和果梗区；B3：计算车厘子的果实质心点。本发明对车厘子的果实和果梗进行精准定位，计算果实和果梗的质心点，果实的质心点有助于对果实的接取，果梗的质心点用于确定剪裁点，机器人对剪裁点进行裁剪完成对车厘子果实的采摘。
作为本发明的优选方案，所述S3具体为：根据B2中识别的果梗区计算果梗的质心点，过果梗的质心点作与大地平行的直线，根据直线与果梗区的两个交点确定剪裁点。本发明通过果梗的质心点确定剪裁点，防止机器人在摘取车厘子时对果实造成破坏。
作为本发明的优选方案，所述S5具体包括以下步骤：C1：对机器人双目视觉系统进行标定，进行图像采集；C2：对车厘子进行定位，得到车厘子的位置坐标；C3：根据车厘子果实的大小对车厘子进行等级划分，分成若干大小等级；根据大小等级和成熟度等级生成若干组分类指标；C4：对图像进行分析，得到车厘子的大小和颜色数据，根据数据对车厘子进行分拣。本发明在完成车厘子的采摘后，基于机器视觉技术，根据车厘子的大小、成熟程度对车厘子进行分拣，省去了后续依靠人工分拣的原始方式，提高效率，节省大量的人力物力。
作为本发明的优选方案，所述A1中的双目视觉系统、B1中的双目视觉系统和C1中的双目视觉系统是分开且独立的。本发明的3套双目视觉系统是分开且独立的，可以同时运作，即车厘子的预定位、精准定位、车厘子采摘和分拣可以同时进行，提高工作效率。
因此，本发明具有以下有益效果：本发明的一种基于机器视觉的车厘子采摘分拣方法，在机器人到达作业范围之前，先对树上的车厘子分布进行预定位，可以指导机器人运动到采摘位置，然后再进行精准定位，提高机器人的采摘效率；本发明对车厘子的果实和果梗进行精准定位，确定剪裁点后机器人对车厘子进行采摘并完成分拣，基于机器视觉和机器人完成采摘和分拣，无需人工参与，实现了采摘分拣的全程自动化，提高采摘效率。
附图说明
图1是本发明的整体方法流程图；
图2是本发明的预定位的方法流程图；
图3是本发明的精准定位方法流程图；
图4是本发明的分拣方法流程图；
图5是本发明实施例中的视觉系统数学模型示意图；
图6是本发明实施例中的目标点P在XOY平面的投影示意图。
具体实施方式
下面结合附图与具体实施方式对本发明做进一步的描述。
如图1-4所示，一种基于机器视觉的车厘子采摘分拣方法，包括以下步骤：S1：机器人远距离对树上的车厘子进行预定位，规划行进路线；预定位具体包括以下步骤：A1：使用圆点标定板对机器人双目视觉系统进行标定，进行图像采集；A2：对双目图像进行目标检测，对车厘子进行标定；A3：根据三角测量原理计算各个标定的车厘子的三维空间坐标。S2：机器人根据规划路线行进，近距离对车厘子进行筛选和精准定位；对车厘子进行筛选具体为：根据颜色对车厘子的成熟程度进行等级划分，分成若干个成熟度等级，对标定的不成熟的车厘子进行剔除，保留已成熟的车厘子；精准定位具体包括以下步骤：B1：对机器人双目视觉系统进行标定，进行图像采集；B2：对图像进行校正和预处理，根据识别模型识别车厘子的果实区和果梗区；B3：计算车厘子的果实质心点。S3：确定要进行采摘的车厘子果梗的裁剪点；具体为：根据B2中识别的果梗区计算果梗的质心点，过果梗的质心点作与大地平行的直线，根据直线与果梗区的两个交点确定剪裁点。S4：机器人根据裁剪点对车厘子进行采摘和放置；S5：对采摘好的车厘子进行分拣；具体包括以下步骤：C1：对机器人双目视觉系统进行标定，进行图像采集；C2：对车厘子进行定位，得到车厘子的位置坐标；C3：根据车厘子果实的大小对车厘子进行等级划分，分成若干大小等级；根据大小等级和成熟度等级生成若干组分类指标；C4：对图像进行分析，得到车厘子的大小和颜色数据，根据数据对车厘子进行分拣。
在该实施例中，机器人远距离对树上的车厘子进行预定位，规划行进路线。在图像采集之前，对双目立体视觉系统进行标定，根据三角测量原理，基线距离越大，测量精度越高，但基线距离越大两个相机的公共视场越小，为保证在较高的精度下有较大的公共视场，需要根据实际场景多次调试，选择适当的基线距离和相机与果实的距离，使用圆点标定板完成相机双目立体视觉系统的标定，进行图像采集；然后对采集到的左、右目图像做目标检测，完成车厘子标定；检测到图像中的车厘子后，使用直接模板匹配方法，以左目图像的车厘子检测结果为模板，在右目图像上做模板匹配，将匹配得分最高的点作为匹配点，从而实现立体匹配；之后确定匹配点用于计算视差，配对框的大小相同时，左、右目图像的中心点视差与配对框左上角的视差一致，先计算配对框的相似度和视差，然后计算相像素级精度下邻视差的匹配相似度，此时包含原匹配点和相似度，可以确定视差，相似度平面内的3个点唯一确定一条二次曲线，求解该二次曲线的顶点即为亚像素精度下的视差，得到视差后计算匹配点即标定的车厘子的三维空间坐标；将标定的车厘子标号1、2、3、…，机器人根据标号依次进行行进。
在该实施例中，机器人根据规划路线行进，近距离对车厘子进行筛选和精准定位。将标定的车厘子标号1、2、3、…，机器人根据标号行进到标号为1的车厘子位置，对机器人双目视觉系统进行标定，进行图像采集，根据采集的图像分析出标号为1的车厘子的RGB数值，对该数值与系统中预先设定的成熟度等级进行匹配，每一成熟度等级为一组RGB数值区间，若标号为1的车厘子的RGB数值落在车厘子未成熟的等级区间内，则自动将该车厘子进行剔除，留待以后进行采摘；若标号为1的车厘子的RGB数值落在车厘子以成熟的等级区间内，则继续执行之后的步骤；对采集的图像进行预处理，包括：将图像转化为颜色空间图像，提取颜色空间图像的分量，得到最能突显车厘子的分量图；如将图像A转化为YCbCr颜色空间图像B，提取YCbCr颜色空间图像B的Cr分量，对分量图像进行中值滤波，得到图像C；然后根据识别模型识别车厘子的果实区和果梗区，识别模型为用于车厘子识别的深度神经网络Mask-R-CNN，包括主干网络(backbone)、区域建议网络(RPN)以及三分支网络(threebranches)，主干网络和三分支网络使用1*1的卷积核，区域建议网络使用3*3的卷积核，Mask层设置5个卷积层和2个反卷积层，输出mask类别设置为3类，分别为车厘子果实、车厘子果梗和背景，识别模型会输出识别的车厘子果实轮廓、车厘子果梗轮廓及每个车厘子果实轮廓、果梗轮廓对应的区域。
在该实施例中，计算果梗和果实的质心点。车厘子果梗质心点计算公式如下：
xi＝∑xf(x，y)/∑f(x，y)
yi＝∑yf(x，y)/∑f(x，y)
其中xi、yi为果梗质心点坐标，x，y为像素坐标，f(x，y)为车厘子果梗图像在点(x，y)处的像素值。果实的质心点计算与果梗质心点计算方式相同。
在该实施例中，确定要进行采摘的车厘子果梗的裁剪点。根据果梗的质心点，过果梗的质心点作与大地平行的直线，根据直线与果梗区的两个交点确定剪裁点；过果梗的质心点作与大地平行的直线，直线与果梗轮廓产生两个交点，设进入果梗轮廓的交点为z1，穿出果梗轮廓点为z2，则根据线段z1-z2确立果梗的采摘区域(z1，z2)，计算(z1，z2)区域的中心坐标点，即为定位出的裁剪点。
确定好车厘子果梗的裁剪点后，机器人对该车厘子果梗的裁剪点进行裁剪，之后移动到标号为2的车厘子进行如上操作。
在该实施例中，对采摘好的车厘子进行分拣。对机器人双目视觉系统进行标定，进行图像采集，机器人双目视觉系统选用两个摄像机进行同步摄像，两个摄像机的焦距和内参数完全相同，两个摄像机的位置相互平行，同时与成像平面重合，设两摄像机的焦距为f，中心距为b，P1(x1，y1)、P2(x2，y2)分别是目标点P即车厘子在成像平面中对应的像素点坐标，建立计算机视觉系统数学模型，如图5所示；图6为目标点P在XOY平面的投影，两个摄像机的成像平面重合，由三角相似原理可得，P到O1O2连线的距离d为：
P到O1O2连线的距离d即为目标点P到Z轴的坐标，则
同理可得X、Y的坐标分别为：
由于摄像机的焦距f和中心距离b已知，同一坐标在两个摄像机的图像对中可获取，则目标点P的坐标为：
。根据车厘子果实的大小对车厘子进行等级划分，分成若干大小等级；系统中预先存储根据大小等级和成熟度等级生成若干组分类指标；如车厘子果实的大小等级分为r1、r2、r3，车厘子果实的成熟度等级分为s1、s2、s3，则共可生成3×3组分类指标，分别为r1-s1、r1-s2、r1-s3、r2-s1、r2-s2、r2-s3、r3-s1、r3-2、r3-s3分类指标，对图像进行分析，得到车厘子的大小和颜色数据，根据数据与分类指标进行匹配，对车厘子进行分拣。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何不经过创造性劳动想到的变化或替换，都应涵盖在本发明保护范围之内。
Claims (7)
1.一种基于机器视觉的车厘子采摘分拣方法，其特征是，包括以下步骤：
S1：机器人远距离对树上的车厘子进行预定位，规划行进路线；
S2：机器人根据规划路线行进，近距离对车厘子进行筛选和精准定位；
S3：确定要进行采摘的车厘子果梗的裁剪点；
S4：机器人根据裁剪点对车厘子进行采摘和放置；
S5：对采摘好的车厘子进行分拣。
2.根据权利要求1所述的一种基于机器视觉的车厘子采摘分拣方法，其特征是，所述S1中预定位具体包括以下步骤：
A1：使用圆点标定板对机器人双目视觉系统进行标定，进行图像采集；
A2：对双目图像进行目标检测，对车厘子进行标定；
A3：根据三角测量原理计算各个标定的车厘子的三维空间坐标。
3.根据权利要求1所述的一种基于机器视觉的车厘子采摘分拣方法，其特征是，所述S2中对车厘子进行筛选具体为：根据颜色对车厘子的成熟程度进行等级划分，分成若干个成熟度等级，对标定的不成熟的车厘子进行剔除，保留已成熟的车厘子。
4.根据权利要求2所述的一种基于机器视觉的车厘子采摘分拣方法，其特征是，所述S2中精准定位具体包括以下步骤：
B1：对机器人双目视觉系统进行标定，进行图像采集；
B2：对图像进行校正和预处理，根据识别模型识别车厘子的果实区和果梗区；
B3：计算车厘子的果实质心点。
5.根据权利要求4所述的一种基于机器视觉的车厘子采摘分拣方法，其特征是，所述S3具体为：根据B2中识别的果梗区计算果梗的质心点，过果梗的质心点作与大地平行的直线，根据直线与果梗区的两个交点确定剪裁点。
6.根据权利要求4所述的一种基于机器视觉的车厘子采摘分拣方法，其特征是，所述S5具体包括以下步骤：
C1：对机器人双目视觉系统进行标定，进行图像采集；
C2：对车厘子进行定位，得到车厘子的位置坐标；
C3：根据车厘子果实的大小对车厘子进行等级划分，分成若干大小等级；根据大小等级和成熟度等级生成若干组分类指标；
C4：对图像进行分析，得到车厘子的大小和颜色数据，根据数据对车厘子进行分拣。
7.根据权利要求6所述的一种基于机器视觉的车厘子采摘分拣方法，其特征是，所述A1中的双目视觉系统、B1中的双目视觉系统和C1中的双目视觉系统是分开且独立的。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210398607.4A CN114766207A (zh) | 2022-04-15 | 2022-04-15 | 一种基于机器视觉的车厘子采摘分拣方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210398607.4A CN114766207A (zh) | 2022-04-15 | 2022-04-15 | 一种基于机器视觉的车厘子采摘分拣方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114766207A true CN114766207A (zh) | 2022-07-22 |
Family
ID=82428640
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210398607.4A Pending CN114766207A (zh) | 2022-04-15 | 2022-04-15 | 一种基于机器视觉的车厘子采摘分拣方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114766207A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116195431A (zh) * | 2023-04-13 | 2023-06-02 | 中国热带农业科学院农业机械研究所 | 一种火龙果自动采摘机器人及控制方法 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN208708184U (zh) * | 2018-07-23 | 2019-04-09 | 武汉科技大学 | 自动分拣苹果采摘机器人 |
| CN109905692A (zh) * | 2017-12-07 | 2019-06-18 | 广州映博智能科技有限公司 | 一种机器新视觉系统及方法 |
| CN111274877A (zh) * | 2020-01-09 | 2020-06-12 | 重庆邮电大学 | 一种基于cnn的智能草莓采摘机器人控制系统 |
| CN111383272A (zh) * | 2020-02-24 | 2020-07-07 | 江苏大学 | 一种双目视觉水果分拣并联机器人视觉盲区末端位姿检测方法 |
| CN111666883A (zh) * | 2020-06-08 | 2020-09-15 | 佛山科学技术学院 | 一种葡萄采摘机器人目标识别及果梗夹切点定位方法 |
| CN111673755A (zh) * | 2020-06-24 | 2020-09-18 | 西北农林科技大学 | 一种基于视觉伺服的采摘机器人控制系统及控制方法 |
| CN111758395A (zh) * | 2020-07-21 | 2020-10-13 | 四川省机械研究设计院 | 一种花椒采摘装置及其所构成的花椒视觉采摘机器人 |
| CN113228938A (zh) * | 2021-05-31 | 2021-08-10 | 广东若铂智能机器人有限公司 | 采摘机器人slam激光视觉导航方法 |
| CN214211388U (zh) * | 2020-11-20 | 2021-09-17 | 石家庄铁路职业技术学院 | 分拣机器人 |
| CN215991989U (zh) * | 2021-11-04 | 2022-03-11 | 新疆大学 | 一种带悬臂的葡萄采摘机器人 |
-
2022
- 2022-04-15 CN CN202210398607.4A patent/CN114766207A/zh active Pending
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109905692A (zh) * | 2017-12-07 | 2019-06-18 | 广州映博智能科技有限公司 | 一种机器新视觉系统及方法 |
| CN208708184U (zh) * | 2018-07-23 | 2019-04-09 | 武汉科技大学 | 自动分拣苹果采摘机器人 |
| CN111274877A (zh) * | 2020-01-09 | 2020-06-12 | 重庆邮电大学 | 一种基于cnn的智能草莓采摘机器人控制系统 |
| CN111383272A (zh) * | 2020-02-24 | 2020-07-07 | 江苏大学 | 一种双目视觉水果分拣并联机器人视觉盲区末端位姿检测方法 |
| CN111666883A (zh) * | 2020-06-08 | 2020-09-15 | 佛山科学技术学院 | 一种葡萄采摘机器人目标识别及果梗夹切点定位方法 |
| CN111673755A (zh) * | 2020-06-24 | 2020-09-18 | 西北农林科技大学 | 一种基于视觉伺服的采摘机器人控制系统及控制方法 |
| CN111758395A (zh) * | 2020-07-21 | 2020-10-13 | 四川省机械研究设计院 | 一种花椒采摘装置及其所构成的花椒视觉采摘机器人 |
| CN214211388U (zh) * | 2020-11-20 | 2021-09-17 | 石家庄铁路职业技术学院 | 分拣机器人 |
| CN113228938A (zh) * | 2021-05-31 | 2021-08-10 | 广东若铂智能机器人有限公司 | 采摘机器人slam激光视觉导航方法 |
| CN215991989U (zh) * | 2021-11-04 | 2022-03-11 | 新疆大学 | 一种带悬臂的葡萄采摘机器人 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116195431A (zh) * | 2023-04-13 | 2023-06-02 | 中国热带农业科学院农业机械研究所 | 一种火龙果自动采摘机器人及控制方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Wang et al. | Automated crop yield estimation for apple orchards | |
| US7248968B2 (en) | Obstacle detection using stereo vision | |
| CN103336946B (zh) | 一种基于双目立体视觉的成簇状番茄识别方法 | |
| CN112418188A (zh) | 基于无人机视觉的农作物生长全程数字化评估方法 | |
| CN107038446A (zh) | 一种主动照明下基于重叠边缘检测的夜间双果重叠番茄识别方法 | |
| CN111445482B (zh) | 重叠双孢蘑菇的分割识别方法 | |
| CN106951905A (zh) | 一种基于tof相机的树上苹果识别与定位方法 | |
| CN112395984B (zh) | 一种用于无人驾驶农业机械的苗列导航线检测方法 | |
| CN106372635A (zh) | 一种基于机器视觉的草莓外形品质判别方法 | |
| CN105335749B (zh) | 基于灰度共生矩阵的草地未割区域分界线提取方法 | |
| CN116612192B (zh) | 一种基于数字视频的病虫害区目标定位方法 | |
| CN109684941A (zh) | 一种基于matlab图像处理荔枝果实采摘区域划分方法 | |
| CN113470106B (zh) | 一种无接触式奶牛体尺信息采集方法 | |
| Changyi et al. | Apple detection from apple tree image based on BP neural network and Hough transform | |
| CN111460903A (zh) | 基于深度学习的田间西兰花长势监测系统及方法 | |
| CN112990103A (zh) | 一种基于机器视觉的串采二次定位方法 | |
| CN114766207A (zh) | 一种基于机器视觉的车厘子采摘分拣方法 | |
| CN111369497B (zh) | 一种行走式树上果实连续计数方法及装置 | |
| CN114258781A (zh) | 一种基于形态学与色彩空间的草莓果梗采摘点定位方法 | |
| CN118097465A (zh) | 一种基于无人机图像和深度学习的田间稻穗定位识别方法 | |
| Wang et al. | An improved contour symmetry axes extraction algorithm and its application in the location of picking points of apples | |
| CN113554691A (zh) | 一种植株高度测量方法 | |
| CN109886062A (zh) | 一种油茶果花识别定位系统 | |
| CN103778428A (zh) | 基于块标记的病害感兴趣区域提取方法及系统 | |
| Wang et al. | Design of crop yield estimation system for apple orchards using computer vision |
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 |