利用模式识别中的图像处理技术,采用
TI
公司
Sitara
系列的
AM5728
处理器,通过视觉系统和舵机驱动 方法,实现了一套采摘机械手控制系统。
试验结果表明: 该采摘机械手控制系统,能够实现对目标果实的准确采 摘,正确采摘率为 89%
,采摘一个苹果耗时
9 s
,系统具 有 速 度 快
、
准确性高和可行性强等特点,能够满足一般的 果实采摘,具有很好的实用性。
机器人是人类
20
世纪伟大的发明之一,随着人 口、
食物供应压力的增加及农业劳动力的不断减少, “无人农场
”
将是一种主流趋势
。
而采摘机器人在减 轻劳动强度、
提高工作效率等方面具有较强的优势, 在“
智慧农业
”
中将是当之无愧的主角
。
基于上述现 状,本文结合模式识别技术与机械手的运作控制技术,建立了一套具有速度快、
准确性高及可行性强等 优点的采摘机械手控制系统。
模式识别以计算机平台为主,借助概率和统计分析方法,深入研究模式的智能处理,一般将环境和对 象统称为“
模式
”。
随着计算机
、
人工智能及机器学习等技术的发展,人类研究的信息处理技术更加复杂, 而信息处理的整个过程就是对模式的识别。 模式识别在智能控制领域,是指在环境的感知过程中,如利用摄像机获取周边环境的图像信息,然后 通过图像处理技术进行分析。
智能控制的模式识别 理论研究内容涵盖较多,如获取图像、
预处理
、
提取特征信息,以及将特征信息分类训练和决策。
模式识别
的方法如图
1
所示
。 图像采集是指在 LED
光源的辅助下,
CCD 摄像机 在触发信号的控制下,获取目标的信息; 图像预处理
是指对采集到的图像进行增强
、
消除噪音及平滑等处 理; 预处理结束后,便是提取图像特征信息,并进行分 类选择、
训练学习和决策
。
特征信息主要有颜色
、
纹 理和形状等,一般对颜色和形状的识别居多。
在模式 识别中,颜色及形状识别流程如图 2
所示
。
本板基于信迈AM5728开发板XM5728-IDK-V3进行二次开发。
技术交流加wx:13670212541