【技術實現步驟摘要】
本申請涉及采茶機器人控制，尤其涉及一種茶葉嫩芽采摘機器人智能控制系統及方法。
技術介紹
1、茶產業屬于勞動密集型產業，其中鮮葉采摘修剪季節性強、用工量最多、最集中、成本最高，人工采茶修剪占茶葉生產成本60%以上。隨著茶園面積不斷增大，茶葉生產所需勞動力的缺口將日漸擴大，若只單靠傳統的手工采茶已經不能滿足市場需求。茶葉采摘機械化是未來茶葉生產發展的趨勢，通過機械化和智能化采摘解決“采茶難”的問題，對于茶產業的發展具有舉足輕重的意義。
2、然而，不同于其他作物的采摘，茶葉嫩芽田間自動化采摘仍面臨著眾多挑戰：田間茶園環境光照變化劇烈、難以分割含與嫩芽顏色相近背景的圖像、葉子間的遮擋和重疊造成識別效果不理想。此外，茶葉嫩梢高度不一、生長密度大等特點對機械臂的采收運動效率提出了需求，目前采摘機器人尤其是中等高度作物的采摘機器人的末端采摘執行器大多采用單個機械臂，采摘速度慢，且嫩芽容易受到機械臂的損傷，影響茶葉的品質。
3、因此，亟需一種茶葉嫩芽采摘機器人智能控制系統及方法，能夠提高機器人對茶葉嫩芽的采摘效率和精度，降低茶葉采摘的成本。
技術實現思路
1、本申請提供一種茶葉嫩芽采摘機器人智能控制系統及方法，用以解決現有技術中采摘機器人通過云端系統進行控制，過度依賴網絡環境狀況，且機器人只采用單個機械臂，存在采摘速度慢、效率低的技術問題。
2、本申請提供了一種茶葉嫩芽采摘機器人智能控制系統，包括依次連接的視覺分析模塊、任務分解模塊和運動控制模塊；
4、任務分解模塊，用于利用預設劃分方法將茶葉嫩芽區域劃分為若干個采摘子區域，根據多個采摘子區域和采摘機器人的多個機械臂的空間位置，確定每個機械臂對應的多個目標采摘區域，基于各個機械臂與多個目標采摘區域的相對位置制定規劃路徑；
5、運動控制模塊，用于根據規劃路徑確定每個機械臂的關節活動數據，根據關節活動數據控制每個機械臂按照規劃路徑對目標采摘區域中的茶葉嫩芽進行采摘和吸取。
6、進一步的，視覺分析模塊包括圖像采集模塊、識別模塊和坐標建立模塊；
7、圖像采集模塊，用于通過視覺傳感器獲取采摘機器人當前位置的場景圖像信息；
8、識別模塊，用于基于yolo神經網絡模型對場景圖像信息中待采摘的茶葉嫩芽區域進行識別；
9、坐標建立模塊，用于建立空間坐標系，確定茶葉嫩芽區域的空間位置和采摘機器人多個機械臂的空間位置，建立茶葉嫩芽區域和采摘機器人機械臂與采摘機器人本體之間的位置關系。
10、進一步的，任務分解模塊包括分區模塊、分配模塊和路徑規劃模塊；
11、分區模塊，用于基于k-means算法將茶葉嫩芽區域劃分為若干個采摘子區域，確定每個采摘子區域的區域采摘任務參數；
12、分配模塊，用于基于拍賣算法根據區域采摘任務參數和每個機械臂的特征參數確定每個機械臂對應的目標采摘區間；
13、路徑規劃模塊，用于預設融合算法根據每個機械臂的空間位置與目標采摘區間對每個機械臂的活動路徑信息進行規劃，得到采摘規劃路徑。
14、進一步的，所述預設融合算法基于q-learning與優化遺傳算法構建，利用q-learning得到初步采摘路徑，利用遺傳算法對初步采摘路徑進行優化，得到采摘規劃路徑。
15、進一步的，運動控制模塊包括模型建立模塊、運動分析模塊和指令輸出模塊；
16、模型建立模塊，用于建立采摘機器人的機器人運動學模型；
17、運動分析模塊，用于根據規劃路徑和機器人運動學模型對采摘機器人進行位置正反解，得到采摘機器人每個機械臂的關節活動數據；
18、指令輸出模塊，用于根據機械臂的關節活動數據生成控制指令，控制機器人按照規劃路徑對目標采摘區域中的茶葉嫩芽進行采摘和吸取。
19、進一步的，所述運動模型為delta并聯機器人運動學模型。
20、進一步的，所述運動分析模塊還用于對并聯機器人進行奇異性分析和工作空間分析，對關節活動數據進行優化，使機械臂的活動范圍覆蓋目標采摘區域。
21、進一步的，所述系統基于ros平臺構建。
22、另一方面，本申請還提供一種茶葉嫩芽采摘機器人智能控制方法，采用上述技術方案所述的任一種茶葉嫩芽采摘機器人智能控制系統實現，包括：
23、通過視覺分析模塊獲取場景圖像信息，基于預設神經網絡模型識別場景圖像信息中待采摘的茶葉嫩芽區域，并建立空間坐標系，確定采摘機器人與茶葉嫩芽區域的相對位置；
24、通過任務分解模塊利用預設劃分方法將茶葉嫩芽區域劃分為若干個采摘子區域，根據多個采摘子區域和采摘機器人的多個機械臂的空間位置，確定每個機械臂對應的多個目標采摘區域，基于各個機械臂與多個目標采摘區域的相對位置制定規劃路徑；
25、通過運動控制模塊根據規劃路徑確定每個機械臂的關節活動數據，根據關節活動數據控制每個機械臂按照規劃路徑對目標采摘區域中的茶葉嫩芽進行采摘和吸取。
26、本申請的有益效果是：
27、本申請提供一種茶葉嫩芽采摘機器人智能控制系統，通過視覺分析模塊利用常見的視覺傳感器進行場景圖像信息獲取，并基于預設神經網絡模型準確識別出待采摘的茶葉嫩芽區域，以及采摘機器人與茶葉嫩芽區域的相對位置；通過任務分解模塊對茶葉嫩芽區域進行劃分，將大量采摘任務中的每一個任務實際分配到對應的機械臂，并制定機械臂最短的安全工作路線；通過運動控制模塊保證機器人每個機械臂的采摘范圍能夠完全覆蓋宜采茶葉嫩芽所在的區域，有效地降低了茶葉嫩芽的漏采率，提高了采摘效率。本申請協調了多種獨立性較強并且復雜的技術做到共同服務同一機器人機體，并操作多條機械臂進行采摘工作，使得茶葉采摘機器人具有了成本可控、采集精準、效率優秀的特點。整套系統的數據計算和操控完全在本地進行，能夠保證系統流暢性高效性，更加有利于采茶機器人的商業化推廣。
本文檔來自技高網...【技術保護點】
1.一種茶葉嫩芽采摘機器人智能控制系統，其特征在于，包括依次連接的視覺分析模塊、任務分解模塊和運動控制模塊；
2.根據權利要求1所述的茶葉嫩芽采摘機器人智能控制系統，其特征在于，視覺分析模塊包括圖像采集模塊、識別模塊和坐標建立模塊；
3.根據權利要求1所述的茶葉嫩芽采摘機器人智能控制系統，其特征在于，運動控制模塊包括模型建立模塊、運動分析模塊和指令輸出模塊；
4.根據權利要求3所述的茶葉嫩芽采摘機器人智能控制系統，其特征在于，所述機器人運動學模型為Delta并聯機器人運動學模型。
5.根據權利要求4所述的茶葉嫩芽采摘機器人智能控制系統，其特征在于，所述運動分析模塊還用于對并聯機器人進行奇異性分析和工作空間分析，對關節活動數據進行優化，使機械臂的活動范圍覆蓋目標采摘區域。
6.根據權利要求1所述的茶葉嫩芽采摘機器人智能控制系統，其特征在于，所述系統基于ROS平臺構建。
7.一種茶葉嫩芽采摘機器人智能控制方法，其特征在于，采用如權利要求1-6所述的任一種茶葉嫩芽采摘機器人智能控制系統實現，包括：
【技術特征摘要】
1.一種茶葉嫩芽采摘機器人智能控制系統，其特征在于，包括依次連接的視覺分析模塊、任務分解模塊和運動控制模塊；
2.根據權利要求1所述的茶葉嫩芽采摘機器人智能控制系統，其特征在于，視覺分析模塊包括圖像采集模塊、識別模塊和坐標建立模塊；
3.根據權利要求1所述的茶葉嫩芽采摘機器人智能控制系統，其特征在于，運動控制模塊包括模型建立模塊、運動分析模塊和指令輸出模塊；
4.根據權利要求3所述的茶葉嫩芽采摘機器人智能控制系統，其特征在于，所述機器人運動學模型為...
【專利技術屬性】
技術研發人員：譚立新，肖瑞宏，宋敏，楊舒晴，曹宏徙，
申請(專利權)人：湖南信息職業技術學院，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。