-
公开(公告)号：CN116138036A
公开(公告)日：2023-05-23
申请号：CN202310295643.2
申请日：2023-03-24
Applicant: 仲恺农业工程学院 , 岭南现代农业科学与技术广东省实验室
IPC: A01D46/04
Abstract: 本发明提供一种用于名优茶嫩芽采摘的二次定位方法，包括：嫩芽初定位方法、嫩芽采摘点和采摘角度获取方法、以及嫩芽二次定位方法；采摘机器人包括固定安装在支架上的第一相机与固定安装在末端执行器上的第二相机。该方法能够极大提高对于名优茶嫩芽采摘点的定位精度、以实现对于名优茶嫩芽的采摘，避免现有采摘机器人由于环境因素的干扰而出现错采、漏采以及对茶叶、茶树造成损伤的问题。
-
公开(公告)号：CN117565065B
公开(公告)日：2024-04-19
申请号：CN202310310681.0
申请日：2023-03-28
Applicant: 仲恺农业工程学院 , 岭南现代农业科学与技术广东省实验室
Abstract: 本发明提供一种名优茶采摘机器人，包括移动车架、第一相机、机械臂、末端执行器、第二相机与中控设备；第一相机固定设置在移动车架上，机械臂固定设置在移动车架上；末端执行器固定设置在机械臂远离移动车架的一端，第二相机设置在末端执行器上，中控设备设置在移动车架上，并分别与第一相机、第二相机、机械臂控制器、末端执行器控制器连接。该采摘机器人能够对名优茶嫩芽进行识别、采摘，且采摘过程中通过二次定位、有效解决茶树或茶叶由于环境因素的影响而出现的移动、重叠、遮挡等问题，进而确保采摘嫩芽的品质、以及单株茶树可采摘嫩芽的产量。
-
公开(公告)号：CN116138036B
公开(公告)日：2024-04-02
申请号：CN202310295643.2
申请日：2023-03-24
Applicant: 仲恺农业工程学院 , 岭南现代农业科学与技术广东省实验室
IPC: A01D46/04
Abstract: 本发明提供一种用于名优茶嫩芽采摘的二次定位方法，包括：嫩芽初定位方法、嫩芽采摘点和采摘角度获取方法、以及嫩芽二次定位方法；采摘机器人包括固定安装在支架上的第一相机与固定安装在末端执行器上的第二相机。该方法能够极大提高对于名优茶嫩芽采摘点的定位精度、以实现对于名优茶嫩芽的采摘，避免现有采摘机器人由于环境因素的干扰而出现错采、漏采以及对茶叶、茶树造成损伤的问题。
-
公开(公告)号：CN117565065A
公开(公告)日：2024-02-20
申请号：CN202310310681.0
申请日：2023-03-28
Applicant: 仲恺农业工程学院 , 岭南现代农业科学与技术广东省实验室
Abstract: 本发明提供一种名优茶采摘机器人，包括移动车架、第一相机、机械臂、末端执行器、第二相机与中控设备；第一相机固定设置在移动车架上，机械臂固定设置在移动车架上；末端执行器固定设置在机械臂远离移动车架的一端，第二相机设置在末端执行器上，中控设备设置在移动车架上，并分别与第一相机、第二相机、机械臂控制器、末端执行器控制器连接。该采摘机器人能够对名优茶嫩芽进行识别、采摘，且采摘过程中通过二次定位、有效解决茶树或茶叶由于环境因素的影响而出现的移动、重叠、遮挡等问题，进而确保采摘嫩芽的品质、以及单株茶树可采摘嫩芽的产量。
-
公开(公告)号：CN117011843B
公开(公告)日：2024-05-14
申请号：CN202310997127.4
申请日：2023-08-09
Applicant: 仲恺农业工程学院
IPC: G06V20/68 , G06V20/64 , G06N3/0464 , G06V10/82 , G06V10/26 , G06V10/28 , G06V10/22 , G06V10/774 , G06V10/44
Abstract: 本发明提供一种用于火龙果自动化采摘的图像识别与姿态评估方法，涉及水果采摘领域，包括：步骤一、图像数据集的形成；步骤二、火龙果图像分割图的获取；步骤三、图像分割图转换为灰度图、再转换为二值化图像；步骤四、通过二值化图像分别获得生态姿态向量与果实姿态向量、最后拟合获得果实最终姿态。该方法能够对大面积的火龙果进行位姿检测、实现精确化采摘；其检测精度高、采摘效率高、误差小，能够有效避免采摘过程中对火龙果果实、枝条等造成损伤。
-
Patent Agency Ranking
公开(公告)号：CN117337691A
公开(公告)日：2024-01-05
申请号：CN202311223484.1
申请日：2023-09-21
Applicant: 仲恺农业工程学院
IPC: A01D46/30 , G06V10/774 , G06V10/82 , A01D91/04
Abstract: 本发明提供一种基于深度神经网络的火龙果采摘方法，涉及水果采摘领域，包括导航线规划与生长位姿确定；导航线规划具体为：利用道路分割图进行导航线拟合，生长位姿确定具体为：利用果实及其附生枝条分割图获得二值化图像、通过二值化图像的果实质心与果实生长点获得生长向量，并利用相机成像原理拟合姿态向量，通过生长向量与姿态向量拟合生长位姿。该方法能够实现火龙果的全自主采摘，提高火龙果种植的采收效率，大大降低劳动力需求和人工成本，从而实现火龙果的科学种植。
-
公开(公告)号：CN118333825B
公开(公告)日：2024-11-15
申请号：CN202410482192.8
申请日：2024-04-22
Applicant: 仲恺农业工程学院
IPC: G06T1/00 , G06V20/00 , G06V10/26 , G06V10/44 , G06V10/774 , G06T7/68 , G06N3/045 , G06N3/0464 , B25J9/16
Abstract: 本发明提供一种基于机器视觉的火龙果果园道路导航识别方法，涉及道路规划领域，包括以下步骤：步骤A、数据采集；步骤B、图像分割；步骤C、导航线拟合；步骤D、导航线精准性判断；步骤E、导航识别算法输出。该方法基于改进的DeepLabv3+网络，有效解决视觉导航应用于火龙果果园道路环境中所面临的干扰因素多、图像背景复杂、模型部署庞大、规划算法具有一定滞后性等问题。
-
公开(公告)号：CN117611966A
公开(公告)日：2024-02-27
申请号：CN202311433481.0
申请日：2023-10-31
Applicant: 仲恺农业工程学院
IPC: G06V10/82 , G06V10/80 , G06V10/766 , G06N3/0464 , G06V20/68 , G06V10/22
Abstract: 本发明公开了一种基于YOLOv7旋转框的香蕉识别与位姿估计方法，包括步骤：(1)、对拍摄的香蕉树图像，在YOLOv7模型的基础上增加设置旋转角度参数和GSConv模块，进行图像特征提取，特征增强，利用所述GSConv模块对特征进行融合分析；(2)、使用旋转边界框定位香蕉的果柄，包围香蕉的形状，并通过果柄的方向判断香蕉的朝向，设定旋转角度参数；(3)、进行所述旋转边界框回归损失计算，将角度参数视为一个概率分布，表示目标可能的旋转角度；面对周期性角度参数的不连续性，使用KLD方法来度量两个相邻周期之间的概率分布差异，并将其作为损失函数的一部分，对图像进行修复。本发明方法采提高目标定位和识别的准确性。
-
公开(公告)号：CN117611966B
公开(公告)日：2024-10-11
申请号：CN202311433481.0
申请日：2023-10-31
Applicant: 仲恺农业工程学院
IPC: G06V10/82 , G06V10/80 , G06V10/766 , G06N3/0464 , G06V20/68 , G06V10/22
Abstract: 本发明公开了一种基于YOLOv7旋转框的香蕉识别与位姿估计方法，包括步骤：(1)、对拍摄的香蕉树图像，在YOLOv7模型的基础上增加设置旋转角度参数和GSConv模块，进行图像特征提取，特征增强，利用所述GSConv模块对特征进行融合分析；(2)、使用旋转边界框定位香蕉的果柄，包围香蕉的形状，并通过果柄的方向判断香蕉的朝向，设定旋转角度参数；(3)、进行所述旋转边界框回归损失计算，将角度参数视为一个概率分布，表示目标可能的旋转角度；面对周期性角度参数的不连续性，使用KLD方法来度量两个相邻周期之间的概率分布差异，并将其作为损失函数的一部分，对图像进行修复。本发明方法采提高目标定位和识别的准确性。
-
公开(公告)号：CN117011843A
公开(公告)日：2023-11-07
申请号：CN202310997127.4
申请日：2023-08-09
Applicant: 仲恺农业工程学院
IPC: G06V20/68 , G06V20/64 , G06N3/0464 , G06V10/82 , G06V10/26 , G06V10/28 , G06V10/22 , G06V10/774 , G06V10/44
Abstract: 本发明提供一种用于火龙果自动化采摘的图像识别与姿态评估方法，涉及水果采摘领域，包括：步骤一、图像数据集的形成；步骤二、火龙果图像分割图的获取；步骤三、图像分割图转换为灰度图、再转换为二值化图像；步骤四、通过二值化图像分别获得生态姿态向量与果实姿态向量、最后拟合获得果实最终姿态。该方法能够对大面积的火龙果进行位姿检测、实现精确化采摘；其检测精度高、采摘效率高、误差小，能够有效避免采摘过程中对火龙果果实、枝条等造成损伤。
-
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.036 seconds)
