基于信息感知的猕猴桃喷雾授粉方法研究

发布时间：2020-08-21 23:36

【摘要】：猕猴桃果实品质依赖于授粉作业质量,自然状态下风媒授粉坐果率低,因此必须进行人工授粉。猕猴桃花期短,授粉工作量大,由于农村人口老龄化等问题导致授粉时劳动力短缺,亟需实现机械化作业。同时,猕猴桃花粉收集成本较高,传统粗放式机械化作业方法不适用于猕猴桃授粉。为减少机械化作业过程中的花粉消耗,需要实现对靶授粉。其中,信息感知是对靶授粉关键技术,使机械化授粉过程中能自动识别猕猴桃花朵,并准确获取授粉作业对象空间坐标,提升作业精准程度。此外,还需研制相应末端执行器,使其能根据信息感知结果进行对靶授粉。因此,本文针对猕猴桃果园中花朵分布特点,研究基于信息感知的猕猴桃喷雾授粉方法。主要研究内容及结论如下:(1)猕猴桃花朵识别基础研究。实地调研了棚架式猕猴桃果园,测量果园空间结构,统计猕猴桃花朵分布特点。测得棚架铁丝与地面竖直距离极差为4.8cm,平均距离为177.6cm;花朵间竖直距离极差为36.7cm,平均与地面距离为168.1cm。大部分花朵位于棚架铁丝下方,沿藤蔓簇状分布,并竖直朝下开放。提出了授粉作业目标图像采集方法,为信息感知系统研究提供数据。对比了不同方法识别猕猴桃花朵效果,其中阈值分割法正确分割像素比为42.4%,K-means聚类法正确分割像素为37.8%,基于卷积神经网络方法识别框中花朵像素占91.9%。研究表明卷积神经网络的花朵识别效果最佳。(2)猕猴桃授粉目标信息感知方法研究。通过采集花朵图像数据,训练了卷积神经网络并调整参数,使之能有效检测图像上花朵目标。试验得出Dropout率为0.4时模型过拟合程度最小,测试集上识别正确率为85.5%。根据图像中花簇特点,提出了基于花朵坐标集聚类的花簇识别方法,最后试验得出花簇识别正确率为81.0%。提出了基于Kinect的目标空间位置获取方法,利用Kinect传感器,将RGB图像上目标点坐标映射至点云集,获得授粉目标三维坐标。进行了信息感知系统精度试验,试验表明其最大定位误差不超过9mm,满足对靶喷雾授粉要求。(3)猕猴桃喷雾授粉末端执行器方案与设计。基于猕猴桃授粉机器人对靶作业方法,提出了不同末端执行器方案进行对比,最终选择作业效率较高的喷头阵列分布方案,并对喷雾授粉末端执行器结构进行了设计。其中喷头喷雾锥角90°,阵列分布喷头相互间隔25cm。针对该末端执行器作业方式提出了控制方案,计算各喷头的喷雾覆盖范围,单独控制各喷头喷雾授粉。(4)猕猴桃喷雾授粉末端执行器试制与试验。试制喷雾授粉末端执行器及试验装置,进行了授粉距离参数优化试验。通过图像处理方法统计不同距离下水敏试纸上雾滴覆盖率,结果表明试纸与末端执行器距离20cm、25cm、30cm、35cm、40cm、45cm时雾滴覆盖率分别为71.5%、30.9%、13.6%、9.8%、6.7%、1.9%。拟合试验结果后推算出末端执行器与授粉目标间距应小于28.6cm,此时雾滴覆盖率大于18%,满足授粉要求。另外,对末端执行器进行喷雾均匀性试验,当水敏试纸与末端执行器相距28.6cm时,结果表明其上雾滴覆盖率在16.7%至19.8%之间,平均值为18.2%,方差1.6。喷雾均匀性较好,说明该末端执行器能保证正常授粉效果。
【学位授予单位】：西北农林科技大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：S663.4

【相似文献】