在農(nóng)業(yè)生產(chǎn)中果實采摘作業(yè)是比較關(guān)鍵的環(huán)節(jié),由于果實采摘作業(yè)流程較為復(fù)雜,目前主要依靠人工完成,因此本研究以采摘領(lǐng)域的智能發(fā)展為導(dǎo)向,著力解決目前采摘領(lǐng)域面臨的幾個問題。本文針對蘋果自動采摘進行研究,重點解決果實自動采摘中的三個主要問題:果實識別、果實定位、果實采摘。針對果實識別,采用深度學(xué)習(xí)方法,基于RGB-D圖像訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò)模型進行果實識別與定位。利用深度圖像,通過坐標(biāo)變換確定果實在照相機坐標(biāo)系空間中的位置坐標(biāo)。在果實采摘方面,通過手眼標(biāo)定技術(shù),將相機坐標(biāo)系下的目標(biāo)果實中心點坐標(biāo),轉(zhuǎn)化為ABB機械臂坐標(biāo)系下的基坐標(biāo),然后控制機械臂吸取目標(biāo)果實。本研究解決了果實自動采摘的三個主要問題:果實識別、果實定位、果實吸取,網(wǎng)絡(luò)識別進度高達81.4%,識別誤差2mm,吸取誤差20mm左右。本課題對蘋果智能采摘的研究,為目前在采摘領(lǐng)域面臨的問題提供了一定的思路和方法,符合了我國大力發(fā)展智能產(chǎn)業(yè)的方針政策。

【文章頁數(shù)】：72 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
abstract
1 緒論
    1.1 課題研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 果實識別研究現(xiàn)狀
        1.2.2 果實定位研究現(xiàn)狀
    1.3 研究內(nèi)容及方法
    1.4 論文結(jié)構(gòu)
    1.5 本章小結(jié)
2 實驗平臺與數(shù)據(jù)集
    2.1 引言
    2.2 實驗硬件設(shè)備
        2.2.1 圖像采集裝置
        2.2.2 采摘設(shè)備
        2.2.3 GPU運算平臺
    2.3 實驗軟件系統(tǒng)
        2.3.1 Ubuntu系統(tǒng)簡介
        2.3.2 Tensorflow框架簡介
    2.4 數(shù)據(jù)集的制作
        2.4.1 目標(biāo)對象選取
        2.4.2 數(shù)據(jù)采集
        2.4.3 數(shù)據(jù)集的建立
    2.5 本章小結(jié)
3 基于區(qū)域卷積神經(jīng)網(wǎng)絡(luò)的果實識別與定位
    3.1 引言
    3.2 檢測過程
    3.3 Faster-RCNN網(wǎng)絡(luò)發(fā)展
    3.4 Faster-RCNN網(wǎng)絡(luò)的結(jié)構(gòu)與原理
        3.4.1 Faster-RCNN網(wǎng)絡(luò)的結(jié)構(gòu)
        3.4.2 特征提取網(wǎng)絡(luò)的原理
        3.4.3 RPN網(wǎng)絡(luò)的結(jié)構(gòu)原理
    3.5 網(wǎng)絡(luò)訓(xùn)練
    3.6 本章小結(jié)
4 蘋果吸取點空間坐標(biāo)的獲取
    4.1 引言
    4.2 相機坐標(biāo)的獲取
    4.3 蘋果中心在機械臂基坐標(biāo)系中坐標(biāo)的獲取
        4.3.1 旋轉(zhuǎn)矩陣和平移向量
        4.3.2 手眼標(biāo)定形式
        4.3.3 手眼關(guān)系數(shù)學(xué)模型
        4.3.4 手眼標(biāo)定方案
    4.4 本章小結(jié)
5 實驗及誤差分析
    5.1 引言
    5.2 實驗
        5.2.1 實驗環(huán)境搭建
        5.2.2 實驗數(shù)據(jù)采集及測試
        5.2.3 蘋果中心在相機坐標(biāo)系下坐標(biāo)獲取
        5.2.4 蘋果中心在機械臂基坐標(biāo)系下坐標(biāo)獲取
        5.2.5 誤差分析
    5.3 本章小結(jié)
6 結(jié)論與展望
    6.1 結(jié)論
    6.2 未來展望
參考文獻
個人簡介
導(dǎo)師簡介
獲得成果目錄
致謝



本文編號：3931318