机器视觉驱动的穴盘苗盘上嫁接作业定位方法研究和终端设计

发布时间：2020-10-13 20:04

　　 本文针对半自动蔬菜嫁接机嫁接过程仍采用人工操作及无法动态调节的问题,设计了一种机器视觉驱动的适合盘上作业的茄科作物嫁接装置,为提升嫁接机的自动化水平提供基础。本研究的创新点是:(1)根据农艺要求分析提出了嫁接作物的几个关键参数,并提出了嫁接苗图像中关键参数的自动识别定位方法。(2)为实现茄科作业嫁接设计了三个动态调整的嫁接执行终端,该装置设计了砧木苗和接穗苗切削执行终端,以及接穗苗取苗执行终端。本研究的工作主要如下:(1)嫁接苗图像处理方法研究。本研究针对茄科嫁接苗图像,通过研究嫁接苗子叶、真叶、茎杆、根部像素在RGB和HSV空间的表述特征,开展嫁接苗目标像素提取方法研究,实现嫁接苗连通域及连通关系的提取。通过对连通域尺寸的控制实现嫁接苗图像的快速降噪。研究基于多线程的嫁接苗图像处理方法,通过嵌入式平台采集图像及提取幼苗轮廓链的平均用时分别为6.5ms和11.5ms。(2)嫁接苗关键嫁接参数提取方法研究。根据茄科作物嫁接的农艺要求确定了根部、子叶、真叶位置和切削角四个关键嫁接参数。通过对嫁接苗茎杆、子叶、真叶及根部位置的轮廓链、水平截距和苗径等基础数据的分析,研究了关键嫁接参数的提取方法,实现了切削点位置和角度的自动定位。通过实验分析了引起定位误差的几种影响因素。(3)动态调整的嫁接执行终端设计。根据茄科作物特性和嫁接流程,设计了砧木苗切削终端、接穗苗取苗终端和接穗苗切削终端三种执行终端机构。切削终端机构中设计了侧视和俯视摄像头对嫁接苗的真叶和茎杆进行图像采集,驱动切削刀片作响应的转动,实现对不同生长形态的嫁接苗作自适应的嫁接切削。(4)嫁接装置的控制与实验。以树莓派为平台实现基于机器视觉的嫁接苗图像分析与关键参数检测,并以Arduino DUE为平台实现嫁接执行终端的控制系统,该系统包括对机械臂三轴驱动和嫁接终端水平方向姿态、切削角和切削刀的驱动控制。通过接穗苗切削机构侧视摄像头从远到近检测嫁接苗的轮廓链,观察在移动过程中嫁接苗轮廓链的变化情况,以实现嫁接苗的切削点及切削角的自动定位。
【学位单位】：浙江理工大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：S223.94;TP391.41
【部分图文】：

机器视觉对嫁接苗的切削位置和切削角进行动态态调整切削，以提高嫁接机对不同生长状态嫁接程和研究现状的研究现状器人的研制较晚于韩国、日本和朝鲜，我国在全阶段。中国农业大学于 1998 年研发的蔬菜半自动生长不一致、柔嫩性和易损性的问题得以解决，工作得以实现。该嫁接机在嫁接过程中经由计算度，只需将砧木苗和接穗苗放到指定的供苗台上，适用于嫁接黄瓜、西瓜和甜瓜等瓜科植株[5]。采化嫁接，此嫁接机第小时可以嫁接 550 棵幼苗，到世界先进水平。

对于嫁接苗视觉识别方法的研究流程如图 2.1 所示。图 2.1 图像采集及图像识别流程图2.1 嫁接苗图像采集图 2.2 嫁接苗俯视和侧视如图 2.2 所示，由于蕃茄嫁接苗在穴盘中生长的随机性，顶部的叶子与茎杆相互随机交叉，从侧视与俯视的角度识别单个蕃茄幼苗轮廓链实验开展试验[10]。鉴于嫁接期蕃茄幼苗茎杆坚韧、根系发达和根系基本能包起根部土壤块，通过搭建嫁接平台并将幼苗拎到嫁接平台对幼苗进行图像采集，然后对采集的幼苗图像进行轮廓链提取，在

7图 2.2 嫁接苗俯视和侧视2.2 所示，由于蕃茄嫁接苗在穴盘中生长的随机性，顶部的叶子与侧视与俯视的角度识别单个蕃茄幼苗轮廓链实验开展试验[10]。杆坚韧、根系发达和根系基本能包起根部土壤块，通过搭建嫁接平台对幼苗进行图像采集，然后对采集的幼苗图像进行轮廓
【相似文献】

相关期刊论文 前10条

1 宋慧欣;;3D视觉，机器视觉未来蓝海[J];自动化博览;2019年12期

2 文晓;;台达：机器视觉“智造”未来[J];自动化博览;2019年12期

3 ;机器视觉对线缆市场的影响及趋势[J];功能材料信息;2018年04期

4 郑植;席先鹏;王楠;蒋欣燎;夏山淋;;机器视觉在网球捡球机器人中的应用研究[J];科技创新与应用;2019年16期

5 宋春华;彭泫知;;机器视觉研究与发展综述[J];装备制造技术;2019年06期

6 田壮;刘富成;;基于机器视觉的果园喷药机器人设计[J];湖北农机化;2019年16期

7 迎九;;国内机器视觉产业的技术市场[J];电子产品世界;2019年09期

8 朱阳芬;银冬平;邹舜章;王海文;周为;;机器视觉在汽车行业中的发展与应用[J];汽车实用技术;2017年22期

9 吴东明;王丽娟;;基于GPS和机器视觉的自主导航定位农机设备研究[J];农机化研究;2018年02期

10 ;机器视觉时代,最好的时代![J];智能机器人;2018年02期

相关博士学位论文 前10条

1 侯杰;飞行器机器视觉框架设计及算法研究[D];西安电子科技大学;2017年

2 郭依正;基于机器视觉的俯视群养猪个体识别与饮水行为分析研究[D];江苏大学;2018年

3 李晨;基于机器视觉的不同属性表面中微弱缺陷的检测技术研究[D];浙江大学;2018年

4 陶丹;基于机器视觉的家蚕蛹雌雄识别研究[D];西南大学;2019年

5 胡志新;基于机器视觉的钢轨踏面磨耗剥落检测技术研究[D];南昌大学;2018年

6 吴衡;机器视觉鬼成像理论与实验研究[D];华南理工大学;2017年

7 项森伟;高温单晶硅液位和直径视觉检测关键技术及应用研究[D];浙江大学;2018年

8 胡越黎;目的机器视觉研究及其在皮肤症状识别中的应用[D];上海大学;2005年

9 韩彦芳;机器视觉中的聚类检测新方法[D];上海交通大学;2006年

10 饶洪辉;基于机器视觉的作物对行喷药控制系统研究[D];南京农业大学;2006年

相关硕士学位论文 前10条

1 杨晗;融合机器视觉和CAN总线的生物质形态检测系统研发[D];扬州大学;2019年

2 杨永强;基于机器视觉的蘑菇自动采摘系统关键技术研究[D];南京航空航天大学;2019年

3 李红伟;基于机器视觉的智能输煤检测系统[D];哈尔滨工业大学;2019年

4 罗启峰;基于机器视觉的零件三维尺寸全方位测量技术研究[D];哈尔滨工业大学;2019年

5 王磊;基于机器视觉的路面裂缝分类与检测方法研究[D];哈尔滨工业大学;2019年

6 杨晶;基于机器视觉平板多孔定位系统研究[D];安徽工业大学;2019年

7 邬甜甜;基于机器视觉的海上可疑船舶识别研究[D];浙江海洋大学;2019年

8 唐凡;基于机器视觉的绒毛织物表面质量检测系统研究[D];西安工程大学;2019年

9 李理;基于机器视觉的双黄鸭蛋无损识别技术研究[D];华中农业大学;2019年

10 冀永乐;基于机器视觉的纺织布品色差检测研究[D];西安工程大学;2019年

本文编号：2839644