基于深度学习采摘机械臂视觉抓取与轨迹仿真

发布时间：2020-10-10 00:28

　　在农业机械采摘范畴,机械臂采摘识别与最短路径规划决定采摘精度。单纯人眼识别存在着重复机械劳动的因素,长时间容易造成效率降低。但是单纯利用软件或者传统图像处理技术又无法精确识别定位采摘目标,或者识别定位时间过长,无法提升单位时间内识别采摘效率。在农业果林复杂环境下需要同时具备采摘精度高、资源能耗低的自动化识别采摘作业的方案。因此,开展采摘机械臂的轻量级高精度目标识别研究是具有极大的市场应用前景。本文主要是从三个方面开展研究:第—,基于深度卷积神经网络目标物体检测。根据硬件环境下功耗低、速度快、质量轻、识别精度高和可拓展定制性强的需求,选取轻量级深度卷积神经网络为内核,选取多平台可搭建的keras深度学习框架,配合windows平台或者树莓派linux平台,利用YOLO算法标准权重在复杂果林环境下针对目标进行理论上快速目标分类识别,识别精度提高到90%,用时仅需4.94秒。第二,机械臂建模与轨迹仿真。本文以爱普生C4-A601机械臂作为建模研究对象,使用D-H参数法建立机械臂的连杆坐标模型。通过求解机械臂运动学方程,表述机械臂在坐标系中的姿态映射。利用齐次坐标变换公式和连杆坐标系建立,展现机械臂多连杆运动轨迹方程结构。通过使用MATLAB工具箱中Robotics Toolbox对运动学模型进行仿真,规划出采摘轨迹路径。通过求解运动学正逆问题,经过四次多项式的三次样条插值,可以保证仿真过程中的轨迹残差值在(9.39×10-15,1.82×10-14)的区间范围之内,验证机械臂运动学正确性和建模可行性。第三,视觉图像处理。将工业相机采集抓拍图像进行形态学处理,进行分水岭算法语义分割,Canny算子边缘检测与霍夫边缘检测再处理,得到目标坐标参数进行反馈,帮助机械臂更精准定位抓取。最后利用已有实验条件环境,进行算法调试,启动工业相机进行识别定位,运行机械臂抓取实验。结果显示,机械臂识别过程仅使用1.5秒,整个抓取过程仅使用13秒。说明本文提出的方法能够有效、精准识别并且抓取目标物体,大大节约经济成本,提高了生产效率。
【学位单位】：中南林业科技大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：TP241;TP18
【部分图文】：

机械臂,葡萄,末端执行器

图１．２葡萄采摘机械臂逡逑Ｆｉｇ邋１．２邋Ｇｒａｐｅ邋ｈａｒｖｅｓｔｉｎｇ邋ｒｏｂｏｔ逡逑如图１．２所示。该收获机械臂设计有基于极坐标的５自由度采摘机械臂，它逡逑由四个旋转接头和一个直线接头组成。此种结构可以有效保证末端执行器水平或逡逑者垂直地靠近葡萄架。末端执行器由仿真手指和切断茎脉的剪刀姐成，而且在不逡逑同的阶段设计有多套末端执行器，用于葡萄的套袋、喷雾和剪枝作业，有效提高逡逑了设备综合利用率。主要存在缺点：有作业对象的限制，多自由度的机械臂导致逡逑控制的繁琐。逡逑１９９６年，荷兰研究所研制了一款草莓识别采摘机械臂。如图１．３所示。该机逡逑械臂具有７个自由度，包括三菱ＲＶ邋Ｅ２机械手的六自由度和安装在底座上的线逡逑３逡逑

院所,农业机械,蘑菇,摘机

图１．３草莓米摘机械ｆｆ逡逑Ｆｉｇｌ邋．３邋Ｃｕｃｕｍｂｅｒ邋ｈａｒｖｅｓｔｉｎｇ邋ｒｏｂｏｔ逡逑英国ｓｉｌｓｏｅ研宄院所成功研制出了用于蘑菇采摘的农业机械臂［２４］，如图１．４逡逑所示。采摘机械手采用三自由度机构，由两个气动运动关节和一个由电机驱动的逡逑旋转关节组成。为防止果实损伤，其末端执行器上设置有软衬垫和吸引设备。用逡逑于水果识别和定位的视频传感器是电视摄像机。收获机械手的收获成功率约为逡逑７５％，平均收获时间为６到７秒，机械结构简单，成本低，但也存在一些问题。逡逑对于生长倾斜的蘑菇的采摘存在很大的困难。如何改进图像处理算法更好地调整逡逑末端执行器位姿动作来提高采摘成功率以及采用多个末端执行器提高生产率是逡逑亟待解决的问题。逡逑４逡逑

机械臂,苹果,比利时,和法

Ｆｉｇ邋１．４邋Ｍｕｓｈｒｏｏｍ邋ｈａｒｖｅｓｔｉｎｇ邋ｒｏｂｏｔ逡逑比利时、日本和法国等国家对苹果采摘机械臂都进行过研宄。比利时的Ｊｏｈａｎ逡逑Ｂｅａｔｅｎ和Ｋｅｖｉｎ邋Ｂｅｄｒａｉｌ等人研制的苹果采摘机械臂ｐ：］如图１．５所示，采摘机械手逡逑是安装在垂直和水平移动机架上的６自由度工业机械手。以此来增大采摘范围。逡逑整个采摘机械部件的运动由一台拖拉机牵引，因而整体占地面积显得很大，也反逡逑映出机械本体较差的灵活度和昂贵的成本。逡逑图〗．５苹果采摘机械臂逡逑Ｆｉｇ邋１．５邋Ａｐｐｌｅ邋ｈａｒｖｅｓｔｉｎｇ邋ｒｏｂｏｔ逡逑

【参考文献】