所属领域： A 电子信息技术

技术成果简介

本团队基于深度学习和 RGB-D 信息融合算法，在复杂背景下实现了番茄串采摘点的识别定位，并考虑了番茄串采摘和果实提取的采收全过程，提出最优空间运动规划算法，通过 RGB-D 相机获取的彩色图像与深度信息构建采摘机器人的非结构化工作环境，作为采摘运动规划的障碍物地图，基于空间分割，引导机械臂以渐进最优的采收动作完成任务。本团队设计的剪切夹持一体采摘手爪，外形纤细，具有剪切的快速性和夹持的稳定性。通过提出模糊采摘方法，无需获取番茄串剪切点的姿态信息，即可完成采摘，减轻图像处理的负担。番茄串采收机器人的移动平台可通过自主运动、上轨运行、上下升降等方式适应不同高度的果实采收需求，实现采摘机器人对全范围成熟番茄串的自动识别定位与采摘。从番茄串识别、收纳到存 储 篮 内 的 平 均 采 收 时 间 为 12.51s ， 与 目 前 主 流 的 采 样 算 法RRT*-connect 算法相比降低了31.23%，与 Lazy-PRM*算法相比降低了 53.23%，与人工采摘相比降低了 19.29%，大幅提高采摘效率。

技术成果前景

该技术能有效推进农业智能采摘工作，市场规模在 2000 台/年左右，具有广阔的市场前景和显著的经济效益。