-
公开(公告)号:CN118068829A
公开(公告)日:2024-05-24
申请号:CN202311628987.7
申请日:2023-12-01
Applicant: 云南农业大学
Abstract: 本申请公开了基于改进的RRT‑APF混合算法的履带式农业机器人路径规划方法,属于机器人路径决策技术领域,初始化履带式农业机器人起始点和目标点位置,使用改进RRT快速搜索随机树算法进行全局路径规划,生成初始全局路径;使机器人沿初始全局路径向终点运动,在运行过程中进行碰撞检测,判断是否遇到动态障碍物;遇到动态障碍物时基于APF人工势场法进行局部路径规划,躲避障碍物,判断机器人是否到达终点。本申请将融合两种算法,使用改进RRT算法进行全局路径规划,在遇到未知障碍物时采用改进人工势场法进行局部路径规划,帮助履带式机器人快速进行避障路径规划,满足室外农业作业路径规划、躲避障碍物的需求,提高机器人的机动性。
-
公开(公告)号:CN116129295A
公开(公告)日:2023-05-16
申请号:CN202211599465.4
申请日:2022-12-12
Applicant: 云南农业大学
IPC: G06V20/20 , G06V20/10 , G06V10/774 , G06V10/82 , G05D1/02
Abstract: 一种基于图像识别的玉米生长状况监测机器人研究方法。本发明提供一种基于图像识别的玉米生长状况监测机器人研究方法,通过设计了一种玉米生长状况监测机器人,机器人能够在工作时自由行走和机器人能够自动识别玉米后实现静态拍照继续前行识别拍照,在玉米生长周期定期采集玉米生长不同时期的根茎图片,建立玉米根茎数据库,然后对标注好的数据进行训练,利用Yolo V4算法对玉米茎叶在线识别并拟合行走路径,最后设计不同环境状況下的试验来测试机器人行走的精确性,从而验证了机器人在玉米行走的可行性,实现了机器人自动识别玉米后实现静态拍照继续前行识别拍照,以提高视觉系统的可见能力,能够准确了解玉米作物生长状况,降低监测误差。
-
公开(公告)号:CN116844045A
公开(公告)日:2023-10-03
申请号:CN202310797822.6
申请日:2023-06-30
Applicant: 云南农业大学
Abstract: 本发明提出了一种基于深度学习的大田玉米水分检测方法及系统,涉及目标检测和深度学习领域。一种基于深度学习的大田玉米水分检测方法包括以下步骤:S1、进行无人机遥感数据采集和地面大田数据采集;其中,无人机遥感数据包括可见光影像和多光谱影像;S2、对无人机遥感数据进行预处理,得到预处理后的数据;S3、构建BP神经网络模型,使用预处理后的数据和地面大田数据训练BP神经网络模型;得到训练好的BP神经网络模型;S4、使用训练好的BP神经网络模型进行大田玉米水分检测分析。本发明可以高效、快速的获取大田玉米水分含量的相关信息;减小了人工成本;能够准确的判断玉米生长状态,提高检测效。
-
-