基于深度学习的果实吸取研究及实现

发布时间：2024-03-17 16:34

　　在农业生产中果实采摘作业是比较关键的环节,由于果实采摘作业流程较为复杂,目前主要依靠人工完成,因此本研究以采摘领域的智能发展为导向,着力解决目前采摘领域面临的几个问题。本文针对苹果自动采摘进行研究,重点解决果实自动采摘中的三个主要问题:果实识别、果实定位、果实采摘。针对果实识别,采用深度学习方法,基于RGB-D图像训练卷积神经网络模型进行果实识别与定位。利用深度图像,通过坐标变换确定果实在照相机坐标系空间中的位置坐标。在果实采摘方面,通过手眼标定技术,将相机坐标系下的目标果实中心点坐标,转化为ABB机械臂坐标系下的基坐标,然后控制机械臂吸取目标果实。本研究解决了果实自动采摘的三个主要问题:果实识别、果实定位、果实吸取,网络识别进度高达81.4%,识别误差2mm,吸取误差20mm左右。本课题对苹果智能采摘的研究,为目前在采摘领域面临的问题提供了一定的思路和方法,符合了我国大力发展智能产业的方针政策。

【文章页数】：72 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
1 绪论
    1.1 课题研究背景及意义
    1.2 国内外研究现状
        1.2.1 果实识别研究现状
        1.2.2 果实定位研究现状
    1.3 研究内容及方法
    1.4 论文结构
    1.5 本章小结
2 实验平台与数据集
    2.1 引言
    2.2 实验硬件设备
        2.2.1 图像采集装置
        2.2.2 采摘设备
        2.2.3 GPU运算平台
    2.3 实验软件系统
        2.3.1 Ubuntu系统简介
        2.3.2 Tensorflow框架简介
    2.4 数据集的制作
        2.4.1 目标对象选取
        2.4.2 数据采集
        2.4.3 数据集的建立
    2.5 本章小结
3 基于区域卷积神经网络的果实识别与定位
    3.1 引言
    3.2 检测过程
    3.3 Faster-RCNN网络发展
    3.4 Faster-RCNN网络的结构与原理
        3.4.1 Faster-RCNN网络的结构
        3.4.2 特征提取网络的原理
        3.4.3 RPN网络的结构原理
    3.5 网络训练
    3.6 本章小结
4 苹果吸取点空间坐标的获取
    4.1 引言
    4.2 相机坐标的获取
    4.3 苹果中心在机械臂基坐标系中坐标的获取
        4.3.1 旋转矩阵和平移向量
        4.3.2 手眼标定形式
        4.3.3 手眼关系数学模型
        4.3.4 手眼标定方案
    4.4 本章小结
5 实验及误差分析
    5.1 引言
    5.2 实验
        5.2.1 实验环境搭建
        5.2.2 实验数据采集及测试
        5.2.3 苹果中心在相机坐标系下坐标获取
        5.2.4 苹果中心在机械臂基坐标系下坐标获取
        5.2.5 误差分析
    5.3 本章小结
6 结论与展望
    6.1 结论
    6.2 未来展望
参考文献
个人简介
导师简介
获得成果目录
致谢



本文编号：3931318