一种茶叶嫩芽识别及其位姿确定方法及设备

    公开(公告)号:CN117876649A

    公开(公告)日:2024-04-12

    申请号:CN202410023015.3

    申请日:2024-01-08

    摘要: 本发明公开了一种茶叶嫩芽识别及其位姿确定方法及设备,包括:采集茶叶图像,对茶叶图像进行预处理;基于预处理后的茶叶图像构建数据集,并采用实例分割网络进行训练,获取深度学习网络模型;对于待识别的茶叶采集RGB图像,并利用深度相机采集深度图像,基于深度学习网络模型对RGB图像进行识别,获取识别结果;基于识别结果,采用实例分割网络获取茶叶采摘点,并基于识别结果获取茶芽边界框中心点,对茶叶采摘点与茶芽边界框中心点进行匹配;将RGB图像与深度图像进行匹配,获取茶叶采摘点基于相机光心的三维坐标并基于三维坐标获取茶叶采摘方向。本发明方法的应用可以提高茶叶的机采效率和准确度,降低采茶作业中的劳动力成本。

    一种茶叶采摘机械臂仿真方法和平台

    公开(公告)号:CN118238150B

    公开(公告)日:2024-07-23

    申请号:CN202410660726.1

    申请日:2024-05-27

    摘要: 本发明提供了一种茶叶采摘机械臂仿真方法和平台,包括构建图像数据集,从图像数据集中筛选出训练集。在YOLO_V8网络的主干网络中添加CBAM‑ECA注意力机制,得到改进后YOLO_V8网络。使用训练集训练改进后YOLO_V8网络,得到茶芽叶识别模型,使用茶芽叶识别模型识别目标茶芽叶的三维中心点坐标。根据需要替换图像数据集,基于图像数据集训练得到的茶芽叶识别模型可以识别不同类型的目标茶芽叶,具有较强的通用性。将上述茶叶采摘机械臂仿真方法存储在茶叶采摘机械臂仿真平台上,将茶叶采摘机械臂仿真平台搭载在采摘机器人上,基于上述茶叶采摘机械臂仿真方法控制采摘机器人采摘茶叶,可以提高采摘机器人采摘茶叶的效率和精准度,还可以降低采摘机器人的开发成本。

    一种基于三闭环和负载观测器的EMB系统控制方法

    公开(公告)号:CN117341644A

    公开(公告)日:2024-01-05

    申请号:CN202311182906.5

    申请日:2023-09-14

    IPC分类号: B60T8/172 B60T8/171 B60T13/74

    摘要: 本发明涉及一种基于三闭环和负载观测器的EMB系统控制方法,包括以下步骤:首先构建永磁同步电机的电机数学模型,并构建电流环、转速环和制动力环的数学模型;接着通过EMB执行机构中的压力传感器检测制动器中的实际制动力;通过制动力判断模块判断实际制动力与设定阀值之间的关系,以此来判断EMB系统所属的制动阶段,当处于间隙消除阶段和制动间隙恢复阶段时,采用转速环‑电流环双闭环控制策略;当处于制动力跟随控制阶段时,则采用制动力环‑电流环双闭环控制策略。通过上述改进,使得本发明的EMB系统控制方法可以快速观测制动力变化并给出补偿,使转矩抖动小、转速调节速度快且平稳性更高,系统抗干扰能力强。

    一种光谱数据特征筛选方法、计算机设备和存储介质

    公开(公告)号:CN118656619A

    公开(公告)日:2024-09-17

    申请号:CN202411141620.7

    申请日:2024-08-20

    摘要: 本发明提供了一种光谱数据特征筛选方法、计算机设备和存储介质,属于光谱数据处理技术领域,其中方法包括获取目标检测物的原始光谱数据,对原始光谱数据进行预处理,得到预处理后光谱曲线。将预处理后光谱曲线变换到勒贝格空间,得到单位圆。基于单位圆计算目标矩阵,根据目标矩阵将预处理后光谱曲线分解为m层,得到k个重构后光谱函数。构建第i组样本对应的第i个偏最小二乘回归模型,从所有偏最小二乘回归模型中筛选出决定系数的最大值,将决定系数的最大值对应的目标矩阵作为最终光谱特征。上述方法改变了目标矩阵的选择方式,在单位圆的正交有理系统内计算目标矩阵,可以自适应选择目标检测物的光谱数据的特征,适用于小样本的应用场景。

    一种基于多重几何约束的动态掩膜剔除方法

    公开(公告)号:CN118247591B

    公开(公告)日:2024-08-16

    申请号:CN202410619949.3

    申请日:2024-05-20

    摘要: 本发明提供了一种基于多重几何约束的动态掩膜剔除方法,包括对环境特征点集合进行第一次动态异常点检测,得到第一组动态异常点。对环境特征点集合进行第二次动态异常点检测,得到第二组动态异常点。从环境特征点集合中去除第一组动态异常点和第二组动态异常点,得到优化后特征点集合。基于优化后特征点集合,使用伪特征点增加策略以及静动态比对系数,计算标签的动态概率。引入不确定系数,结合动态概率计算最终动态置信度。结合动态概率和最终动态置信度,剔除动态掩膜。使用伪特征点增加策略,可以增加掩膜上的特征点数量,提升VSLAM的建图效果。结合动态概率和最终动态置信度,从而更准确地剔除动态掩膜,提高VSLAM的三维建图精度。

    一种基于多重几何约束的动态掩膜剔除方法

    公开(公告)号:CN118247591A

    公开(公告)日:2024-06-25

    申请号:CN202410619949.3

    申请日:2024-05-20

    摘要: 本发明提供了一种基于多重几何约束的动态掩膜剔除方法,包括对环境特征点集合进行第一次动态异常点检测,得到第一组动态异常点。对环境特征点集合进行第二次动态异常点检测,得到第二组动态异常点。从环境特征点集合中去除第一组动态异常点和第二组动态异常点,得到优化后特征点集合。基于优化后特征点集合,使用伪特征点增加策略以及静动态比对系数,计算标签的动态概率。引入不确定系数,结合动态概率计算最终动态置信度。结合动态概率和最终动态置信度,剔除动态掩膜。使用伪特征点增加策略,可以增加掩膜上的特征点数量,提升VSLAM的建图效果。结合动态概率和最终动态置信度,从而更准确地剔除动态掩膜,提高VSLAM的三维建图精度。

    一种茶芽叶采摘远近交替定位方法

    公开(公告)号:CN117765085B

    公开(公告)日:2024-06-07

    申请号:CN202410195060.7

    申请日:2024-02-22

    摘要: 本发明提供了一种茶芽叶采摘远近交替定位方法,包括采用静态相机远距离拍摄茶芽叶,得到第一图像,其中,静态相机由三点静态标定法标定。将第一图像输入目标检测模型进行目标检测,得到茶芽叶的当前全局位置。基于茶芽叶的当前全局位置控制采摘机构靠近茶芽叶,直到目标距离小于或等于目标距离阈值。采用动态相机近距离拍摄茶芽叶,得到第二图像,其中,动态相机由动态标定法标定。将第二图像输入语义分割模型进行语义分割,得到茶芽叶的当前局部位置。语义分割可以分割出不同形态的茶芽叶,对茶芽叶进行精细化定位,得到茶芽叶的当前局部位置的准确度较高,根据当前局部位置可以控制采摘机构精准地采摘茶芽叶。

    一种茶芽叶采摘远近交替定位方法

    公开(公告)号:CN117765085A

    公开(公告)日:2024-03-26

    申请号:CN202410195060.7

    申请日:2024-02-22

    摘要: 本发明提供了一种茶芽叶采摘远近交替定位方法,包括采用静态相机远距离拍摄茶芽叶,得到第一图像,其中,静态相机由三点静态标定法标定。将第一图像输入目标检测模型进行目标检测,得到茶芽叶的当前全局位置。基于茶芽叶的当前全局位置控制采摘机构靠近茶芽叶,直到目标距离小于或等于目标距离阈值。采用动态相机近距离拍摄茶芽叶,得到第二图像,其中,动态相机由动态标定法标定。将第二图像输入语义分割模型进行语义分割,得到茶芽叶的当前局部位置。语义分割可以分割出不同形态的茶芽叶,对茶芽叶进行精细化定位,得到茶芽叶的当前局部位置的准确度较高,根据当前局部位置可以控制采摘机构精准地采摘茶芽叶。

    一种基于自适应特征提取的茶芽叶检测方法

    公开(公告)号:CN117253050B

    公开(公告)日:2024-03-22

    申请号:CN202311541054.4

    申请日:2023-11-20

    摘要: 本发明提供了一种基于自适应特征提取的茶芽叶检测方法,包括:基于茶芽叶图像搜索最大深度值,根据最大深度值修复茶芽叶图像的空洞。对茶芽叶图像进行自适应尺度特征提取,得到第一图像张量。对第一图像张量进行特征拼接,得到拼接张量;提取拼接张量的特征,得到多个预测特征层。对多个预测特征层进行茶芽叶检测,得到茶芽叶检测结果。自适应尺度特征提取可以根据茶芽叶图像中的茶芽叶的具体形态调整特征提取的尺度,增强了对形态特征的提取能力。提取拼接张量的特征,得到多个可以全面表示各种差异化的茶芽叶的预测特征层。对多个预测特征层进行茶芽叶检测,可以自适应检测不同视域下茶芽叶的数量和位置,具有较高的检测准确度。