JP2023088826A - 画像および点群データ処理に基づく茶摘み方法 - Google Patents

画像および点群データ処理に基づく茶摘み方法 Download PDF

Info

Publication number
JP2023088826A
JP2023088826A JP2022095024A JP2022095024A JP2023088826A JP 2023088826 A JP2023088826 A JP 2023088826A JP 2022095024 A JP2022095024 A JP 2022095024A JP 2022095024 A JP2022095024 A JP 2022095024A JP 2023088826 A JP2023088826 A JP 2023088826A
Authority
JP
Japan
Prior art keywords
cutter
shoots
tea
region
tea tree
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
Application number
JP2022095024A
Other languages
English (en)
Other versions
JP7309160B2 (ja
Inventor
楊 李
Yang Li
春旺 董
Chunwang Dong
建能 陳
Jianneng Chen
江鳴 賈
Jiangming Jia
長波 袁
Changbo Yuan
人天 張
Rentian Zhang
慕哲 王
Muzhe Wang
中原 劉
Zhongyuan Liu
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tea Research Institute Chinese Academy of Agricultural Sciences
Original Assignee
Tea Research Institute Chinese Academy of Agricultural Sciences
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Tea Research Institute Chinese Academy of Agricultural Sciences filed Critical Tea Research Institute Chinese Academy of Agricultural Sciences
Publication of JP2023088826A publication Critical patent/JP2023088826A/ja
Application granted granted Critical
Publication of JP7309160B2 publication Critical patent/JP7309160B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • AHUMAN NECESSITIES
    • A01AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
    • A01DHARVESTING; MOWING
    • A01D91/00Methods for harvesting agricultural products
    • A01D91/04Products growing above the soil
    • AHUMAN NECESSITIES
    • A01AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
    • A01DHARVESTING; MOWING
    • A01D46/00Picking of fruits, vegetables, hops, or the like; Devices for shaking trees or shrubs
    • A01D46/04Picking of fruits, vegetables, hops, or the like; Devices for shaking trees or shrubs of tea
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/0002Inspection of images, e.g. flaw detection
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10032Satellite or aerial image; Remote sensing
    • G06T2207/10044Radar image
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/20Special algorithmic details
    • G06T2207/20092Interactive image processing based on input by user
    • G06T2207/20104Interactive definition of region of interest [ROI]
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/30Subject of image; Context of image processing
    • G06T2207/30181Earth observation
    • G06T2207/30188Vegetation; Agriculture

Abstract

【課題】画像および点群データ処理に基づく茶摘み方法を提供する。【解決手段】サーモグラフィによる撮影でカッターと茶樹樹冠の熱画像を得るとともに、レーザーレーダー走査によりカッターと茶樹樹冠の点群情報を得るステップと、熱画像から関心領域Sを選択し、関心領域S内の若芽数nを算出するステップと、茶樹樹冠の近似曲線を得て、カッターと茶樹樹冠との間における距離d2を算出するステップと、nおよびd2に基づいて判断し、さらにカッター位置を調整し、最後に切断するステップとを含む。【効果】サーモグラフィとレーザーレーダーによる茶樹の樹冠情報の処理とともに、カッターと茶樹樹冠との間における相対位置の調整により、茶葉摘み取り精度を効果的に向上できる。【選択図】図1

Description

本発明は、茶葉摘み取りの技術分野に関し、特に画像および点群データ処理に基づく茶摘み方法に関する。
中国は、名実ともに茶葉の栽培・生産大国である。2020年、全国の荒茶の生産量と生産額は、それぞれ298.60万トンと2626.58億元に達した。しかし、伝統的な茶葉生産は、家庭単位で行われることが多く、茶葉の摘み取りから加工まですべて手作業が中心であり、労働集約型産業に属する。茶葉の摘み取りという観点からは、人力による摘み取りのコストが高いため、茶葉の生産コストが増加する一方、茶葉の摘み取り時間が短く、人力による摘み取りの効率が低いため、茶葉の生産量が大きく制限される。現在、中国の茶葉の摘み取りと労働者の矛盾は、すでに茶葉産業発展のボトルネックとなっている。そのため、多くの科学技術者は、自動茶摘み装置を研究して上述の問題を解決し始めている。
既存の茶摘み機は、摘み方によって選択的茶摘み機と非選択的茶摘み機の2種類に分けられる。このうち、選択的茶摘み機は、主に名優茶の摘み取りに用いられるが、非選択的茶摘み機は、主に大衆茶の摘み取りに用いられる。現在普及して使用されている茶摘み機の多くは、大衆茶の生葉摘み用に生産されており、機械動力を利用してブレードを動かし、茶葉を迅速に切り取り、収集している。この種の茶摘み機は、摘み取り効率が高く、労働力コストと労働強度を下げることができ、茶摘みの人手不足という矛盾をある程度緩和した。
茶摘み機は、摘み取り効率を高めることができるが、その選択性に乏しく、作業時に老葉と若葉を区別せずに切断することで、芽葉の大きさが異なり、バラツキが大きく、また茶樹に対する機械的損傷が大きく、同時に摘採葉の老葉と若葉が混在し、古茎や老葉と破損した葉の含有量が比較的高く、茶摘み機の普及および使用にある程度影響する。自動化やスマート化された茶摘み機械は、茶葉業界の切実な需要となっている。新梢の摘み取りの完全性と一致性を高め、茶葉全体の品質を高めるため、画像認識を用い、若芽を選択して摘み取るものが発展したが、茶樹の老葉と若葉が交互に重なるため、茶葉の色差が小さく、画像認識だけの方式では依然として摘み取り精度の問題を解決できない。
上記の問題に対して、本発明の目的は、画像および点群データ処理に基づく茶摘み方法を開示し、サーモグラフィとレーザーレーダーによって茶樹の樹冠情報を処理するとともに、カッターと茶樹樹冠との間における相対位置を調整することにより、茶葉の摘み取り精度を効果的に向上することができる。
具体的には、本発明の画像および点群データ処理に基づく茶摘み方法は、以下のステップを含む。
S1:サーモグラフィによる撮影でカッターと茶樹樹冠の熱画像を得るとともに、レーザーレーダー走査によりカッターと茶樹樹冠の点群情報を得る。
S2:撮影した茶樹樹冠の熱画像から関心領域Sを選択するとともに、関心領域S内の若芽数nを算出する。
S3:得られたカッターと茶樹樹冠の点群情報に基づいて、茶樹樹冠の近似曲線を得て、カッターと茶樹樹冠との間における距離d2を算出する。
S4:若芽数nおよびカッターと茶樹樹冠との間における距離d2に基づいて判断し、さらにカッター位置を調整し、最後に切断する。
さらに、前記関心領域Sは、カッターの長さと同じ幅の矩形領域であり、カッターの真前方に位置し、前記関心領域Sは、底部直線が茶樹上へのカッターの投影であり、前端直線と底部直線との間における距離がd1である。
さらに、前記ステップS2における若芽数は、深層学習における目標検出アルゴリズムYOLO-V5を用いて検出される。
さらに、前記ステップS4において、カッターが茶樹樹冠の上にある場合、d2は、正の値であり、かつ距離が遠いほど、値が大きくなり、カッターが茶樹樹冠の下にある場合、d2は、負の値であり、かつ距離が遠いほど、値が小さくなる。
さらに、前記S4ステップの具体的な判断基準は、以下である。
n<n1かつd2>0であれば、関心領域S内の若芽数nが低すぎること、かつこの時点ではカッターが若芽の上にあることを示し、この時点では切断が不要であり、カッター位置の調整が不要である。
n<n1かつd2<0であれば、関心領域S内の若芽数nが低すぎること、かつこの時点ではカッターが若芽の下にあり、カッター位置が低めであることを示し、この時点では切断が不要であり、上に移動するように調整する必要がある。
n>n1かつd2<-rであれば、関心領域S内の若芽数nが十分であり、かつこの時点ではカッターが若芽の下にあり、ただしこの時点ではカッター位置が低すぎることを示し、この時点では切断が必要であり、カッター位置を上に移動させる必要がある。
n>n1かつ-r<d2<0であれば、関心領域S内の若芽数nが十分であり、かつこの時点ではカッターが若芽の下にあり、カッター位置が適切であることを示し、この時点では切断が必要であり、カッター位置の調整が不要である。
n>n1かつd2>0であれば、関心領域S内の若芽数nが十分であり、かつこの時点ではカッターが若芽の上にあり、カッター位置が高すぎることを示し、この時点では切断が必要であり、カッター位置を下へ調整する必要がある。
ここで、rは、カッターの切断時における茶樹の若芽に対する理論差であり、n1は、初期設定の若芽数である。
1)本発明は、画像および点群データ処理に基づく茶摘み方法を開示し、カッター位置と角度の自動制御問題を解決し、乗用式茶摘み機の茶園地形と茶冠の平坦度に対する要求を低減し、茶摘み機の応用範囲を広げた。
2)乗員の長時間の疲労作業によるカッター位置制御ミスの問題を減らし、摘み取りの効率と品質を保証する。
本発明の茶摘み機の概略構成図である。 茶摘み機の支持ステージの底面図である。 図2におけるA-A方向の断面図である。 切断時の状態を示す概略図である。
以下、本発明を具体的な実施例に基づいて詳細に説明する。
(実施例)
本発明の画像および点群データ処理に基づく茶摘み方法は、サーモグラフィとレーザーレーダーを利用して茶葉の摘み取りを補助し、茶葉の摘み取り精度を効果的に向上させることができ、図1に示すような、移動ベース1および移動ベース1に取り付けられたフレーム2を含む茶摘み機を用いて実現することができる。フレーム2に茶摘み機構が固定的に取り付けられている。茶摘み機構は、トラックユニットと、トラックユニットに摺動可能に取り付けられた支持ステージ3を含む。トラックユニットは、平行に設置されたボールねじ4とローラートラック5を含む。支持ステージ3は、固定連結されたベース31と支持板32を含む。ボールねじ4とローラートラック5は、ベース31内に穿設される。ボールねじ4の一端は、軸受座6を介してフレーム2に固定して取り付けられ、他端には、回転モータ7が固定的に接続されている。回転モータ7は、フレーム2に固定的に取り付けられている。ローラートラック5の両端は、いずれも軸受座6を介してフレーム2に固定的に取り付けられている。ローラートラック5には、開口が上向きの溝51が開設されている。支持板32における溝51に対応する位置には、対称に設けられた2つの支持耳33が固定的に取り付けられている。2つの支持耳33の間に、移動ローラ34が取り付けられている。移動ローラ34は、溝51内に位置し、かつ溝51の底部に接触している。ボールねじ4とローラートラック5の構造により、支持ステージ3をより円滑に動作させることができる。使用時には、回転モータ7によりボールねじ4が回転駆動され、ボールねじ4が支持ステージ3を水平移動駆動することにより、切断ユニットの位置が調整される。一方、溝51と移動ローラ34の配置により、ベース31とトラックユニットとの間の摩擦力が減少する。移動中、操作がよりスムーズになり、応答がより速くなり、消費電力の低減に有利になる。
支持ステージ3には、2台の直流プッシャーモータ8が関節式に取り付けられている。2台の直流プッシャーモータ8は、支持ステージ3に対称に設置されている。支持ステージ3における2台の直流プッシャーモータ8の中間の位置には、さらにレーザーレーダーセンサ9とサーモグラフィ10が固定して取り付けられている。本発明の茶摘み機は、さらにPLCコントローラを含む。レーザーレーダーセンサ9、サーモグラフィ10は、PLCコントローラの信号入力端と信号接続され、PLCコントローラの信号出力端は、直流プッシャーモータと信号接続されることで、切断の効率的な進行がある程度保証される。直流プッシャーモータ8のプッシャの自由端には、カッター11が枢着されている。
前記茶摘み機による茶葉摘みは、具体的には、以下のステップで行われる。
S1:移動ベースを利用して茶摘み機を一畝の茶樹の端部に移動させ、カッターを茶樹の上方の樹冠位置に対応させ、支持ステージをカッターと一畝の茶樹の端部とが揃った状態に移動させる。カッターの上方に位置する直流プッシャーモータのプッシャーロッドは、いずれも伸長し、カッターの高さを、茶樹に接近しかつ接触しない状態まで下げる。サーモグラフィによる撮影でカッターと茶樹樹冠の熱画像を得るとともに、レーザーレーダー走査によりカッターと茶樹樹冠の点群情報を得る。
S2:撮影した茶樹樹冠の熱画像から関心領域Sを選択する。関心領域Sは、カッターの長さと同じ幅の矩形領域であり、カッターの真前方に位置する。関心領域Sは、底部直線が茶樹上へのカッターの投影であり、前端直線と底部直線との間における距離がd1である。若芽数nは、深層学習における目標検出アルゴリズムYOLO-V5を用いて検出されて算出される。
S3:得られたカッターと茶樹樹冠の点群情報に基づいて、茶樹樹冠の近似曲線を得て、カッターと茶樹樹冠との間における距離d2を算出する。カッターが茶樹樹冠の上にある場合、d2は、正の値であり、かつ距離が遠いほど、値が大きくなる。カッターが茶樹樹冠の下にある場合、d2は、負の値であり、かつ距離が遠いほど、値が小さくなる。
S4:若芽数nおよびカッターと茶樹樹冠との間における距離d2に基づいて判断する。
n<n1かつd2>0であれば、関心領域S内の若芽数nが低すぎること、かつこの時点ではカッターが若芽の上にあることを示し、この時点では切断が不要であり、カッター位置の調整が不要である。
n<n1かつd2<0であれば、関心領域S内の若芽数nが低すぎること、かつこの時点ではカッターが若芽の下にあり、カッター位置が低めであることを示し、この時点では切断が不要であり、上に移動するように調整する必要がある。
n>n1かつd2<-rであれば、関心領域S内の若芽数nが十分であり、かつこの時点ではカッターが若芽の下にあり、ただしこの時点ではカッター位置が低すぎることを示し、この時点では切断が必要であり、カッター位置を上へ移動させる必要がある。
n>n1かつ-r<d2<0であれば、関心領域S内の若芽数nが十分であり、かつこの時点ではカッターが若芽の下にあり、カッター位置が適切であることを示し、この時点では切断が必要であり、カッター位置の調整が不要である。
n>n1かつd2>0であれば、関心領域S内の若芽数nが十分であり、かつこの時点ではカッターが若芽の上にあり、カッター位置が高すぎることを示し、この時点では切断が必要であり、カッター位置を下へ調整する必要がある。
ここで、rは、カッターの切断時における茶樹の若芽に対する理論差であり、n1は、初期設定の若芽数である。
カッター位置を適正位置に調整した後、切断を行う。
S5:移動ベースを利用して茶摘み機を茶畝に沿って走行させ、カッターにより茶葉を切断し続け、切断中にサーモグラフィとレーザーレーダーは、茶樹樹冠の熱画像およびカッターと茶樹樹冠の点群データを継続的に検出し、算出したnとd2がそれぞれn<n1かつ|d2|<rに保持されるようにPLCコントローラで処理する。
以上の実施例は、本発明の技術的解決手段を説明するためのものに過ぎず、限定するものではない。本発明は、好ましい実施例を参照して詳細に説明したが、当業者には理解されるように、本発明の技術的解決手段の趣旨および範囲から逸脱することなく、本発明の技術的解決手段を変更または均等に変更することが可能であり、それらはすべて本発明の特許請求の範囲に含まれるものである。本発明において詳細に説明されない技術、形状、構造の部分は、すべて公知技術である。
(付記)
(付記1)
以下のステップを含むことを特徴とする、画像および点群データ処理に基づく茶摘み方法:
S1:サーモグラフィによる撮影でカッターと茶樹樹冠の熱画像を得るとともに、レーザーレーダー走査によりカッターと茶樹樹冠の点群情報を得る;
S2:撮影した茶樹樹冠の熱画像から関心領域Sを選択するとともに、関心領域S内の若芽数nを算出する;
S3:得られたカッターと茶樹樹冠の点群情報に基づいて、茶樹樹冠の近似曲線を得て、カッターと茶樹樹冠との間における距離d2を算出する;
S4:若芽数nおよびカッターと茶樹樹冠との間における距離d2に基づいて判断し、さらにカッター位置を調整し、最後に切断する。
(付記2)
前記関心領域Sは、カッターの長さと同じ幅の矩形領域であり、カッターの真前方に位置し、
前記関心領域Sは、底部直線が茶樹上へのカッターの投影であり、前端直線と底部直線との間における距離がd1であることを特徴とする付記1に記載の画像および点群データ処理に基づく茶摘み方法。
(付記3)
前記ステップS2における若芽数は、深層学習における目標検出アルゴリズムYOLO-V5を用いて検出されることを特徴とする付記2に記載の画像および点群データ処理に基づく茶摘み方法。
(付記4)
前記ステップS4において、カッターが茶樹樹冠の上にある場合、d2は、正の値であり、かつ距離が遠いほど、値が大きくなり、
カッターが茶樹樹冠の下にある場合、d2は、負の値であり、かつ距離が遠いほど、値が小さくなることを特徴とする付記3に記載の画像および点群データ処理に基づく茶摘み方法。
(付記5)
前記S4ステップの具体的な判断基準は、以下であることを特徴とする付記1~4のいずれか1つに記載の画像および点群データ処理に基づく茶摘み方法:
n<n1かつd2>0であれば、関心領域S内の若芽数nが低すぎること、かつこの時点ではカッターが若芽の上にあることを示し、この時点では切断が不要であり、カッター位置の調整が不要である;
n<n1かつd2<0であれば、関心領域S内の若芽数nが低すぎること、かつこの時点ではカッターが若芽の下にあり、カッター位置が低めであることを示し、この時点では切断が不要であり、上へ移動するように調整する必要がある;
n>n1かつd2<-rであれば、関心領域S内の若芽数nが十分であり、かつこの時点ではカッターが若芽の下にあり、ただしこの時点ではカッター位置が低すぎることを示し、この時点では切断が必要であり、カッター位置を上へ移動させる必要がある;
n>n1かつ-r<d2<0であれば、関心領域S内の若芽数nが充分であり、かつこの時点ではカッターが若芽の下にあり、カッター位置が適切であることを示し、この時点では切断が必要であり、カッター位置の調整が不要である;
n>n1かつd2>0であれば、関心領域S内の若芽数nが充分であり、かつこの時点ではカッターが若芽の上にあり、カッター位置が高すぎることを示し、この時点では切断が必要であり、カッター位置を下へ調整する必要がある;
ここで、rは、カッターの切断時における茶樹の若芽に対する理論差であり、n1は、初期設定の若芽数である。
1 移動ベース
2 フレーム
3 支持ステージ
4 ボールねじ
5 ローラートラック
6 軸受台
7 回転モータ
8 直流プッシャーモータ
9 レーザーレーダーセンサ
10 サーモグラフィ
11 カッター
31 ベース
32 支持板
33 支持耳
34 移動ローラ
51 溝

Claims (5)

  1. 以下のステップを含むことを特徴とする、画像および点群データ処理に基づく茶摘み方法:
    S1:サーモグラフィによる撮影でカッターと茶樹樹冠の熱画像を得るとともに、レーザーレーダー走査によりカッターと茶樹樹冠の点群情報を得る;
    S2:撮影した茶樹樹冠の熱画像から関心領域Sを選択するとともに、関心領域S内の若芽数nを算出する;
    S3:得られたカッターと茶樹樹冠の点群情報に基づいて、茶樹樹冠の近似曲線を得て、カッターと茶樹樹冠との間における距離d2を算出する;
    S4:若芽数nおよびカッターと茶樹樹冠との間における距離d2に基づいて判断し、さらにカッター位置を調整し、最後に切断する。
  2. 前記関心領域Sは、カッターの長さと同じ幅の矩形領域であり、カッターの真前方に位置し、
    前記関心領域Sは、底部直線が茶樹上へのカッターの投影であり、前端直線と底部直線との間における距離がd1であることを特徴とする請求項1に記載の画像および点群データ処理に基づく茶摘み方法。
  3. 前記ステップS2における若芽数は、深層学習における目標検出アルゴリズムYOLO-V5を用いて検出されることを特徴とする請求項2に記載の画像および点群データ処理に基づく茶摘み方法。
  4. 前記ステップS4において、カッターが茶樹樹冠の上にある場合、d2は、正の値であり、かつ距離が遠いほど、値が大きくなり、
    カッターが茶樹樹冠の下にある場合、d2は、負の値であり、かつ距離が遠いほど、値が小さくなることを特徴とする請求項3に記載の画像および点群データ処理に基づく茶摘み方法。
  5. 前記S4ステップの具体的な判断基準は、以下であることを特徴とする請求項1~4のいずれか1項に記載の画像および点群データ処理に基づく茶摘み方法:
    n<n1かつd2>0であれば、関心領域S内の若芽数nが低すぎること、かつこの時点ではカッターが若芽の上にあることを示し、この時点では切断が不要であり、カッター位置の調整が不要である;
    n<n1かつd2<0であれば、関心領域S内の若芽数nが低すぎること、かつこの時点ではカッターが若芽の下にあり、カッター位置が低めであることを示し、この時点では切断が不要であり、上へ移動するように調整する必要がある;
    n>n1かつd2<-rであれば、関心領域S内の若芽数nが十分であり、かつこの時点ではカッターが若芽の下にあり、ただしこの時点ではカッター位置が低すぎることを示し、この時点では切断が必要であり、カッター位置を上へ移動させる必要がある;
    n>n1かつ-r<d2<0であれば、関心領域S内の若芽数nが十分であり、かつこの時点ではカッターが若芽の下にあり、カッター位置が適切であることを示し、この時点では切断が必要であり、カッター位置の調整が不要である;
    n>n1かつd2>0であれば、関心領域S内の若芽数nが十分であり、かつこの時点ではカッターが若芽の上にあり、カッター位置が高すぎることを示し、この時点では切断が必要であり、カッター位置を下へ調整する必要がある;
    ここで、rは、カッターの切断時における茶樹の若芽に対する理論差であり、n1は、初期設定の若芽数である。
JP2022095024A 2021-12-15 2022-06-13 画像および点群データ処理に基づく茶摘み方法 Active JP7309160B2 (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN202111537896.3A CN114190166B (zh) 2021-12-15 2021-12-15 一种基于图像和点云数据处理的采茶方法
CN202111537896.3 2021-12-15

Publications (2)

Publication Number Publication Date
JP2023088826A true JP2023088826A (ja) 2023-06-27
JP7309160B2 JP7309160B2 (ja) 2023-07-18

Family

ID=80654158

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2022095024A Active JP7309160B2 (ja) 2021-12-15 2022-06-13 画像および点群データ処理に基づく茶摘み方法

Country Status (2)

Country Link
JP (1) JP7309160B2 (ja)
CN (1) CN114190166B (ja)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116058176A (zh) * 2022-11-29 2023-05-05 西北农林科技大学 一种基于双相机组合定位的果蔬采摘机械臂控制系统

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB253000A (en) * 1925-12-01 1926-06-10 Robert Vernon Yates Improvements in tea harvesting machines
JP2000139164A (ja) 1998-11-05 2000-05-23 Kawasaki Giken Kk 茶葉摘採方法
CN1620848A (zh) 2004-12-15 2005-06-01 西南交通大学 自动采茶机
CN202998870U (zh) 2013-01-18 2013-06-19 丽水学院 一种茶叶采摘系统
CN103999635B (zh) 2014-05-21 2016-01-06 浙江工业大学 基于机器视觉的智能化自动切割式采茶机及工作方法
CN104063862B (zh) * 2014-06-18 2017-01-18 浙江工业大学 一种基于视觉检测的采茶机割刀控制方法
CN110188680B (zh) 2019-05-29 2021-08-24 南京林业大学 基于因子迭代的茶树嫩芽智能识别方法
CN110178540B (zh) 2019-06-13 2021-08-17 西安邮电大学 一种基于图像处理的茶叶采摘机及工作方法
CN111428712B (zh) 2020-03-19 2021-11-30 青岛农业大学 基于人工智能识别的名优茶采摘机及采摘机用识别方法
CN112131982A (zh) * 2020-09-10 2020-12-25 安徽农业大学 一种基于卷积神经网络的茶树嫩芽识别方法
CN113674226A (zh) * 2021-07-31 2021-11-19 河海大学 一种基于深度学习的采茶机茶叶芽尖检测方法
CN113592882B (zh) * 2021-08-09 2022-06-03 中国林业科学研究院资源信息研究所 一种基于无人机多源遥感的树冠提取方法

Also Published As

Publication number Publication date
CN114190166B (zh) 2023-05-02
CN114190166A (zh) 2022-03-18
JP7309160B2 (ja) 2023-07-18

Similar Documents

Publication Publication Date Title
JP7309160B2 (ja) 画像および点群データ処理に基づく茶摘み方法
CN203191327U (zh) 一种基于机器视觉的pcb板缺陷自动检测装置
CN103444360A (zh) 一种茶叶智能采摘机
CN210604434U (zh) 一种手机曲面玻璃典型缺陷在线检测装置
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
CN114009214B (zh) 一种仿生采茶刀具、采茶装置及采茶方法
CN206122898U (zh) 自动摄像单头激光切割机
CN203492394U (zh) 一种茶叶智能采摘机
CN102809357B (zh) 农作物叶面积信息自动化测量分析仪
CN204450798U (zh) 一种用于定制家具的板材自动加工设备
CN104626324B (zh) 一种用于定制家具的板材自动加工方法
CN115456999B (zh) 一种基于机器视觉的锯链表面缺陷自动化检测系统及缺陷检测方法
CN109373977A (zh) 用于植物表型获取的主动视觉平台及植物表型获取方法
CN217193359U (zh) 一种支持图像识别的激光切割设备
CN110749555B (zh) 基于高光谱技术白酒曲块内部发酵状态检测装置及方法
CN104842074A (zh) 一种带有面阵相机的激光雕刻系统
CN207264448U (zh) 一种玻璃带漂移及板宽专用视觉检测系统
CN106027845A (zh) 石材大板扫描仪
CN115496804A (zh) 基于三维点云深度学习网络的机械化茶叶采摘方法
CN202057304U (zh) 一种叶丝宽度的快速测量装置
CN201735929U (zh) 一种用于钢板切割机上的钢板轮廓扫描机构
CN110378901B (zh) 一种基于深度相机的球形花木中心测量与修剪控制方法
CN209069273U (zh) 用于植物表型获取的主动视觉平台
CN114175887A (zh) 一种多信息融合处理的甘蔗芽段切分方法
CN106127284A (zh) 一种双界面卡的自动挑线辅助装置及生产方法

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20220620

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20230530

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20230627

R150 Certificate of patent or registration of utility model

Ref document number: 7309160

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150