论文部分内容阅读
本文首先从食用玫瑰花的图像识别着手,结合玫瑰花自身的生长特点,研究适合玫瑰图像识别的方法。在RGB色彩空间下,对图像进行线剖图分析,建立基于G与R比值的分割模型；利用LRCD差异变换法,实现玫瑰花与背景的分割；在HSI色彩空间下H分量的最优阈值和S分量的最优阈值。鉴于光线对图像分割的影响,对比分割效果受光线的影响,发现基于HSI色彩空间下S分量的分割效果最优。研究基于图像内容的特征提取,研究后发现玫瑰花的纹理特征区分度较大,且具有旋转不变性,结合BP神经网络建立识别模型,用于识别花蕾期和采摘期玫瑰花。试验结果表明：(1)基于S分量的阈值分割能够较好地避免光照影响,在302朵玫瑰花中,301朵玫瑰花成功分割,正确率超过99.6%；(2)基于纹理特征和BP神经网络的采摘期玫瑰花识别模型,综合识别率大于85%,且对光线不敏感,但受训练样本的影响较大。仿照人采玫瑰花的方式,确定采摘机械手臂共有4个自由度,分为腰部旋转关节、大臂旋转关节、小臂旋转关节和手腕旋转关节；根据栽培方式,确定各关节的结构参数；根据D-H齐次变化法,建立运动学方程并给出运动方程逆解析和雅克比矩阵；利用ADAMS实现采摘手臂的仿真,仿真结果与运动方程一致,各关节运动较平稳；根据玫瑰花生物学特性确定末端执行器结构,其结构包括：抓取手指、套筒和汽缸,通过汽缸内的气动刀片实现对花茎的切割,结合实验数据,汽缸内的净压强至少达到7.4kPa。在小孔成像原理的基础上,建立单目视觉采摘模型。其基本思路是：二维平面图像的像素点对应的是三维空间的直线,若机械手臂能够沿这条直线运动定能接近目标点；二维图像只能给出空间目标的方向,要想定位空间目标还必须知道采摘深度,因此结合接近度传感器探测目标。利用MATLAB实现单目视觉模型的轨迹仿真,考虑到单目视觉模型和机械手臂旋转关节存在误差,因此在仿真中引入误差。在轨迹仿真图中,由于误差的存在,机械手臂会在绕空间直线波动中运动,最终接近目标点。