文献类型：期刊文章

作　　者：杨环宇[1,3] 黄文静[1] 李义华[2] 段小刚[4] 康思宇[1] 王子怡[1] 罗肖媛[1] 蒋勉[5]

YANG Huanyu;HUANG Wenjing;LI Yihua;DUAN Xiaogang;KANG Siyu;WANG Ziyi;LUO Xiaoyuan;JIANG Mian(School of Materials Science and Engineering,Central South University of Forestry&Technology,Changsha 410004,Hunan,China;School of Logistics&Traffic,Central South University of Forestry&Technology,Changsha 410004,Hunan,China;School of Data Science,University of Science and Technology of China,Hefei 230026,Anhui,China;Central South Intelligence Collaborative Research Center,Changsha 410017,Hunan,China;School of Mechatronic Engineering and Automation,Foshan University,Foshan 528000,Guangdong,China)

机构地区：[1]中南林业科技大学材料科学与工程学院,湖南长沙410004 [2]中南林业科技大学物流与交通学院,湖南长沙410004 [3]中国科学技术大学大数据学院,安徽合肥230026 [4]中南智能湖南工业4.0创新中心,湖南长沙410017 [5]佛山科学技术学院机电工程与自动化学院,广东佛山528000

出　　处：《中南林业科技大学学报》

基　　金：湖南省自然科学基金面上项目(2022JJ31015);国家级大学生创新创业项目(202110538011);国家社科基金一般项目(22BGL173);湖南省社会科学评审委员会重大项目(XSP22ZDA006)。

年　　份：2023

卷　　号：43

期　　号：8

起止页码：192-201

语　　种：中文

收录情况：BDHX、BDHX2020、CAS、CSCD、CSCD2023_2024、JST、RCCSE、ZGKJHX、核心刊

摘　　要：【目的】基于树莓派平台,设计轻便式的柑橘智能识别与机器人采摘,为柑橘采摘减轻劳动力与机械智能化提供理论与实验依据。【方法】制作柑橘数据集,使用深度卷积神经网络(YOLOv4-tiny)验证柑橘数据集的有效性,同时在电脑上离线训练好YOLOv4-tiny柑橘识别模型;基于树莓派平台,嵌入YOLOv4-tiny模型,设计柑橘智能识别系统;建立五自由度机械臂运动学模型与轨迹规划函数,嵌入树莓派平台。使用树莓派开发板、一个摄像头以及小型五自由度机器人,手动启动树莓派中的YOLOv4-tiny模型,系统自动完成柑橘识别与采摘,具体步骤为:调用OpenCV开启摄像头,将摄像头采集到的视频转换为Im格式,并输入YOLOv4-tiny模型中,模型识别出待采摘柑橘的位置,机械臂再进行实际采摘。【结果】深度卷积神经网络(YOLOv4-tiny)模型对橘子二维坐标识别率为98%,嵌入树莓派后,结合目标到相机距离相似三角形计算法,能准确识别柑橘位置三维坐标(-3.2,19.7,16);驱动机械臂到达位置坐标后,再令夹持器夹紧并摘取柑橘,先后共调试80次,得到机械臂运动最佳时间为1000ms、夹持器末端采摘动作的最佳运动时间为500ms,末端夹持器摘取的平均角度为-60度,这样采摘时速度合适也不会发生抖动;进行了20次采摘测试,平均成功摘取率达到了90%以上。【结论】基于树莓派平台设计的柑橘深度识别与采摘系统,能实现柑橘三维位置坐标的识别并准确采摘,为机器人柑橘采摘的智能化提供了一定的理论基础与实验借鉴。

关 键 词：深度卷积神经网络(YOLOv4-tiny)  树莓派  机械臂运动学  轨迹规划  

分 类 号：S776.222[林业工程类] TP242[林学类]