外文翻譯--果樹采摘機器人及控制系統(tǒng)研制【中英文文獻譯文】

外文翻譯--果樹采摘機器人及控制系統(tǒng)研制【中英文文獻譯文】,中英文文獻譯文,外文,翻譯,果樹,采摘,機器人,控制系統(tǒng),研制,中英文,文獻,譯文 果樹采摘機器人及控制系統(tǒng)研制 摘要 機器設備組成的操縱者,效應器和基于圖像的視覺伺服控制系統(tǒng)是為了采摘蘋果而開發(fā)的。5自由度的機械手PRRRP結構幾何優(yōu)化提供準線性行為和簡化控制策略。匙形效應器與氣動驅動爪為了滿足采摘蘋果的要求。蘋果采摘機器人自主完成收集任務使用一個應用模塊。通過使用支持向量機與徑向基函數(shù),果實識別算法開發(fā)了檢測并自動查找蘋果在樹上?？刂葡到y(tǒng),包括工業(yè)電腦和交流伺服驅動程序,進行了機械手和效應器融合、將蘋果摘下來的。原型機器人裝置的有效性經(jīng)實驗室測試和現(xiàn)場實驗的領域。機器人采摘蘋果的成功率是77%,平均采摘時間大約是15秒/蘋果。 1 序言 在中國,農村經(jīng)濟的快速發(fā)展和水果種植領域結構的不斷調整,如蘋果、柑橘和梨自1993年以來達到8 - 9百萬公頃,占四分之一世界上的水果種植總面積。然而,水果收集任務,以50%-70%/小時,仍然依靠體力勞動。所以收獲將自動化,因為農業(yè)人口在中國逐漸減少。此外,由于果樹高,采摘工作已經(jīng)將使用梯子,這使得手工收割十分危險和低效。因此,未來需要對蘋果采摘進入機械化和自動化。機械采摘實驗在一些地區(qū)已經(jīng)進行了假設模擬收獲,但開發(fā)這一戰(zhàn)略還沒有廣泛。有選擇性的采摘,這是必要的,需要復雜的機器人技術?？傊?有必要設計一個與人類感知能力相似的智能機器人。以下這個為實例,這臺機器需要檢測水果、計算水果的位置,然后選擇不破壞果皮或果樹，從而進行采摘。 研究水果收獲機器人發(fā)生在1980年代。河村建夫、Namikawa Fujiura,Ura所言(1984)首次開發(fā)了一個果園機器人。后來, Rabatel,Pellenc、Journeau Aldon(1987)開發(fā)了一個機器人。從那時起,他們關于這方面的知識進行了開創(chuàng)性的研究。此外,一些相關的研究農業(yè)機器人在溫室進行了。例如,番茄收獲,黃瓜收獲,櫻桃收獲,草莓收獲。然而,大多數(shù)水果收獲機器人的文獻目前沒有進入生產(chǎn)或銷售。相反,他們仍然處于研究發(fā)展階段。為此,支持進一步的研究和開發(fā)是很重要的,以提高性能和減少這些機器人的初始安裝費用。 基于上述概念,本研究打算開發(fā)和評估競爭低價設備自動收獲,即,一個蘋果采摘機器人。首先,一個完整的機器人包括組件描述的操縱者,效應器和基于圖像的視覺伺服控制的系統(tǒng)描述。其次,機械手的幾何優(yōu)化以獲得準線性行為并簡化描述的控制策略。第三,氣動驅動的結構爪設計來滿足采摘蘋果的要求。基于這個設計,采摘機器人的自動執(zhí)行部分使用一個應用模塊來檢測和采集任務找到蘋果在樹上,控制系統(tǒng)進行機械手和效應器方法來摘蘋果。研究采摘機器人,來有效的驗證實驗室測試和現(xiàn)場實驗測試的領域執(zhí)行。實驗結果是本文的重要貢獻。 本文組織如下:例如在第二節(jié)中,機械手,效應器和基于圖像的視覺伺服控制系統(tǒng)。在第三節(jié)中討論實驗結果顯示的可行性機器人系統(tǒng)的提出。最后,在第四節(jié)中總結對機器人未來研究的建議。 2 材料和方法 2．1 蘋果采摘機器人的機械結構 蘋果采摘機器人的原型主要考慮的是模型設計效率和成本效益。它主要由自主車,5自由度機械手,效應器,傳感器、視覺系統(tǒng)和控制系統(tǒng)組成。自主研發(fā)水果采摘的機械結構如圖1所示。 1.移動車輛 2.水果籃子 3.活動帶 4.末端效應器 5.采集單元 6. 電動絞盤棒 7.運動小手臂 8.大臂 9.運動大手臂 10.活動的腰部 11.腰部 12. 升降平臺 13.中心控制系統(tǒng) 圖1 蘋果采摘機器人的原理圖 2.1.1 自主移動車輛 車輛的移動方式為履帶式移動。氣動泵供應電力，電子硬件數(shù)據(jù)采集和控制,機械手的效應器切水果。全球定位系統(tǒng)(GPS)技術用于自治導航的移動車輛,其典型的速度1.5m/s。 2.1.2 機械手 與其他結構相比 ,聯(lián)合結構是有效的三維位置和方向空間。采摘機器人是一個隨機的操作空間分布,可能存在很多障礙機器人。聯(lián)合操縱與自由的多具有任意曲線擬合功能。因此很容易躲開障礙,操作時相應的關節(jié)效應器到達指定的位置。因此,采摘機器人與五自由度機械手 (PRRRP)結構安裝在自主移動車輛設計。第一個自由度是用于提出整個機械手。Xo、Xc、Yc為攝像機坐標系的軸。L1,L2,L3為機器人的腰,大臂和手臂。q1、q2為第三關節(jié)的腰和手臂。水平垂直。U0為平面坐標軸,中心坐標xg,yg，投影中心用來協(xié)調目標,按照目標蘋果的圖像特性的差異來進行辨別，要采摘的目標就會出現(xiàn)在顯示器上。主要的直臂k1,k2武器的控制參數(shù)Dd，根據(jù)運動度的像素單元就會調整一個合適的角度。交流模擬信號A / D、數(shù)字CCD電荷裝置，D /數(shù)字模擬直流電流。要求自由度GPS全球定位系統(tǒng)目標的的顏色,強度、飽和IBVS基于圖像的視覺伺服，PBVS定位視覺伺服PRRRP棱鏡的轉動 ，從而進行判斷。中間三個自由度的旋轉,其中,第二個驅動臂設計旋轉腰部,第三和第四的轉動軸移動終端上下操作符。這個自由度允許效應器朝任意方向移動。最后,手臂的靈活用于伸長, 機器人控制命令會根據(jù)實測值的誤差達到目標位置,從而實現(xiàn)蘋果的采摘。上面的討論表明,五自由度機械手的設計應足以執(zhí)行蘋果采摘的操作。機械手的機械結構如圖2所示。機械手的升降是通過升降平臺來進行的,能夠應付特殊情況下蘋果的采摘。旋轉接頭和靈活的關節(jié)是由伺服電機驅動的。機器人機械手的運動參數(shù)和機械結構如表一所示。 圖2 機械手的照片 2.1.3 實測值的誤差 效應器機制是由生物學特性來操作目標對象的。蘋果采摘機器人的操作對象主要是像蘋果一樣的球形。匙形效應器(圖3所示)根據(jù)球面生物學特性而設計的水果,通過切斷莖來實現(xiàn)的。 圖3 末端效應器的圖片 效應器包含以下部分:鉗子用于掌握水果，電動切割裝置將蘋果從枝椏上切斷。效應器的打開和關閉是由一些適合快速行動的氣動設備,快速響應特征效應器的開關控制。轉移模式實現(xiàn)能量傳遞的動力是使用壓縮氣體壓力傳輸。蘋果根莖是安裝在夾具機制的電動刀切斷的。蘋果被抓住時,電源通過直流電使得爪刀旋轉,切斷效應器感應到的目標。 2.2 傳感器 非結構性和不確定的操作特性，個體差異和隨機的操作對象的不同,使得蘋果采摘機器人應該足夠應對復雜的環(huán)境。在水果夾緊過程中,水果的生物學特性,包括果皮的薄和脆弱需要效應器的高度掌控。它要求傳感器來控制高精度的把握力。此外,手臂的旋轉,目標的位置和準確捕獲還需要經(jīng)過傳感器來檢測和定位。此外,為了避免損壞設備,導致受傷,未能確定水果、避免手臂的碰撞也需要傳感器有效的感知操作環(huán)境。 2.2.1 效應器上的傳感器 傳感器的上的效應器,包括攝像頭傳感器、位置傳感器、碰撞傳感器和壓力傳感器。如圖4所示。視覺傳感器,它使用高分辨率的電荷耦合裝置(CCD)攝像機，采集系統(tǒng)通過串行總線(USB)接口的視頻窗口捕獲技術形成圖像, 在完成圖像采集、水果搜索和認可扮演一個重要角色。獲得廣泛應用。視覺傳感器的位置是在一個眼手并用的模式。在圖4中可以看出的兩對紅外雙光電位置傳感器光電電池。此外, 傳感器的開關位置通常是用來限制安裝在手臂上的電切刀。手臂開始減速時,效應器通過視覺傳感器上傳來的采摘對象的圖像。手臂停了下來,鉗子夾水果當蓄電池的兩雙都是模糊的。在這一點上,壓力和碰撞傳感器采用力敏感電阻。當壓力爪感到一定的壓力傳感器,電動切割器旋轉和切斷花梗。開關位置傳感器便會操作電切刀停止工作。碰撞傳感器用于采摘過程中躲避障礙物。模擬信號來自力敏感電阻和紅外線光電管，在工業(yè)計算機與數(shù)據(jù)采集模塊通常是不相容的。因此,他們之間需要調制傳輸之前數(shù)據(jù)采集模擬信號。圖5顯示了傳感器信號調制電路。 圖4 末端傳感器的布局 圖5 傳感器信號的調制電路 2.2.2 傳感器為避免操作的碰撞 控制旋轉關節(jié)的角度和位置用來控制關節(jié)的靈活度。霍爾傳感器安裝在腰的轉動關節(jié),主要負責小手臂關節(jié)的兩端。在工作環(huán)境中,小手臂的運動空間大。其中位置傳感器，壓力傳感器，圖像傳感器，碰撞傳感器圖，效應器的傳感器。圖5 為信號調制電路。 2.3 視覺系統(tǒng) 蘋果采摘機器人視覺系統(tǒng)的關鍵成分是公認的蘋果圖像處理方法。它影響機器人的可靠性和直接決定的能力,快速、準確進行水果識別。然而,在早期的研究中,存在一些尚未解決的問題，低準確率和時間消耗等在一定程度上限制了蘋果采摘機器人在自然環(huán)境中的實時和多任務處理能力。 為了克服這些缺點,運用識別視覺系統(tǒng)組成的彩色CCD相機自動獲取原始的蘋果圖像和一個工業(yè)計算機處理圖像識別定位水果。因為富士蘋果在中國是最受歡迎的,我們研究集中這種多樣性。識別和定位過程如下。 首先,由于自然環(huán)境的形象采集設備使用,原始的未經(jīng)加工的蘋果圖像不可避免的包含噪聲,影響其質量。一個向量中值濾波器應用于圖像增強預處理。它不僅可以有效地去除噪聲突顯出蘋果果實的前景,也能保持良好的圖像邊緣。 其次,大多數(shù)的蘋果采摘在自然圖像條件下通常包括樹枝和樹葉讓問題變得更加復雜。只通過傳統(tǒng)的形象分割算法,很難達到預期的效果。基于顏色直方圖色調的統(tǒng)計,強度飽和模型,圖像分割算法用來開發(fā)雙閾值和區(qū)域增長，從復雜的背景識別蘋果果實。色度組件是適用于提取輕色調的蘋果,這避免了不同的照明水平對圖像的影響。這種算法簡單,所需的處理時間簡短。 蘋果提取通過不同的特征來確定空間位置,并提供手臂相應的運動參數(shù)。對于顏色特征提取,色度組件色調和飽和度,通常與顏色特征提取識別不同。然而,在我們的研究中,蘋果果實、樹枝和葉有特定形狀,及其不同的形狀是巨大的。因此,蘋果的形狀特性對于對象識別是非常重要。形狀特征的選擇規(guī)則基于旋轉不變性和規(guī)模?？紤]到蘋果果實圖像的特點,圓形的方差,方差橢圓,圓周邊比率和正方形區(qū)域是用來描述蘋果的形狀特征輪廓。這四個特征向量與形狀特征提取。對應的特征值的計算后,他們作為每個樣本的特征向量,用于訓練和分類。 最后,基于支持向量的分類算法并建立了辨識蘋果方法。仿真和實驗表明, 基于蘋果的顏色特征和形狀特征，支持向量機方法和徑向基函數(shù)(RBF)的內核是對于蘋果被發(fā)現(xiàn)最好的認可。