论文部分内容阅读
我国是世界上重要的柑橘种生产国,2018年柑橘总产量达4138.1万吨。采摘是柑橘生产过程中,劳动力需求最大的环节,目前柑橘仍以人工采收为主。随着我国城镇化的过程快速发展,农业用工成本将快速上升,农业劳动力供给将快速下降,因此使用自动化、智能化装备代替农业用工,将能解决劳动力不足问题。适用于自然环境的柑橘采摘机器人是典型的自动化和智能化装备,在水果适时采摘、提升采摘品质、提高水果市场竞争力方面具有重要意义。柑橘采收作业环境是非结构化的自然环境。自然环境中生长的柑橘果实之间,果实与果树的枝条、枝叶之间存在复杂的空间位置关系,使得果实、枝条和枝叶之间任意遮挡存在随机性,同时光照因时间、天气变化而产生的不确定性,也使柑橘果实的其特征随之变化。果实目标的识别和定位技术为采摘机器人提供了目标柑橘的准确位置,是采摘机器人采摘作业有效性的基础保障,因此在自然环境下,如何有效地识别柑橘果实和准确地位其空间位置是提高柑橘自动化采摘系统可用性的关键技术。本文针对自然环境中柑橘果实的识别与定位方法进行了如下研究:(1)针对自然环境下存在的光照变化、亮斑阴影和遮挡问题,本文采用柑橘识别和果实定位分离的设计思路,分别设计了基于深度学习和特征分析的柑橘采摘点识别系统和视觉伺服激光定向测距的果实定位系统的工作流程方案。(2)设计了基于YOLOv2卷积神经网络目标检测原理的柑橘果实识别模块,并构建了自然环境下柑橘果实训练数据集,通过实验设计出了柑橘果实识别模块的网络权重参数。由于YOLOv2柑橘识别方法在部分遮挡情况下识别到的果实区域并不完整,采摘点位置获取存在较大误差。因此设计了基于改进U型全卷积网络的柑橘果实分割模块,并构建了柑橘果实分割训练数据集,通过实验设计出了柑橘果实分割模块的网络权重参数,实现对识别到的果实区域进行像素级分割,获得柑橘果实有效像素,然后通过霍夫(Hough)变换圆拟合还原出真实柑橘果实轮廓,得到准确的采摘点信息。实验表明:柑橘果实识别分割准确率为86.5%,采摘点位置获取的平均距离误差率约为4.8%。(3)结合机器视觉原理、传感器感知技术,设计了视觉伺服激光测距的柑橘果实空间定位方法,完成了定位系统的硬件选型方案、机械结构方案、算法架构和各算法模块实现,并根据实验验证柑橘果实识别系统与定位系统整体的准确性和有效性。实验结果表明:定位系统能准确获取柑橘空间坐标,排除可行域外不可采摘柑橘,并计算出最优采摘顺序,引导采摘系统实现自动采摘功能。柑橘果实三维度坐标平均定位精度为(±0.8cm,±0.8cm,±1.1cm),采摘成功率为89.3%,采摘顺序优化算法提升了34%的采摘效率。本文通过分离柑橘识别和果实定位的设计方式,构建了针对自然环境下柑橘果实的识别定位方法,在存在光照变换、亮斑阴影和枝条枝叶果实遮挡干扰情况下具有一定的鲁棒性,对柑橘自动采摘技术实现具有重要的支撑作用。