基于YOLOv3的甘蔗莖節(jié)實(shí)時(shí)動(dòng)態(tài)識(shí)別與機(jī)械臂軌跡仿真

上傳人:眾眾****奪寶 文檔編號(hào):27316126 上傳時(shí)間:2021-08-17 格式:DOCX 頁(yè)數(shù):4 大?。?5.21KB
收藏 版權(quán)申訴 舉報(bào) 下載
基于YOLOv3的甘蔗莖節(jié)實(shí)時(shí)動(dòng)態(tài)識(shí)別與機(jī)械臂軌跡仿真_第1頁(yè)
第1頁(yè) / 共4頁(yè)
基于YOLOv3的甘蔗莖節(jié)實(shí)時(shí)動(dòng)態(tài)識(shí)別與機(jī)械臂軌跡仿真_第2頁(yè)
第2頁(yè) / 共4頁(yè)
基于YOLOv3的甘蔗莖節(jié)實(shí)時(shí)動(dòng)態(tài)識(shí)別與機(jī)械臂軌跡仿真_第3頁(yè)
第3頁(yè) / 共4頁(yè)

下載文檔到電腦,查找使用更方便

22 積分

下載資源

還剩頁(yè)未讀,繼續(xù)閱讀

資源描述:

《基于YOLOv3的甘蔗莖節(jié)實(shí)時(shí)動(dòng)態(tài)識(shí)別與機(jī)械臂軌跡仿真》由會(huì)員分享,可在線閱讀,更多相關(guān)《基于YOLOv3的甘蔗莖節(jié)實(shí)時(shí)動(dòng)態(tài)識(shí)別與機(jī)械臂軌跡仿真(4頁(yè)珍藏版)》請(qǐng)?jiān)谘b配圖網(wǎng)上搜索。

1、基于YOLOv3的甘蔗莖節(jié)實(shí)時(shí)動(dòng)態(tài)識(shí)別與機(jī)械臂軌跡仿真 摘要:目前,甘蔗種植耗時(shí)長(zhǎng)、勞動(dòng)強(qiáng)度大,人們需要提高種植過(guò)程的機(jī)械化和智能化水平,而YOLOv3算法可以為機(jī)械數(shù)據(jù)采集和實(shí)時(shí)處理提供有力支持,因此有必要基于YOLOv3對(duì)甘蔗莖節(jié)實(shí)時(shí)動(dòng)態(tài)識(shí)別與機(jī)械臂軌跡仿真進(jìn)行研究。本文通過(guò)提取甘蔗莖節(jié)信息和構(gòu)建YOLOv3網(wǎng)絡(luò)結(jié)構(gòu)對(duì)甘蔗莖節(jié)進(jìn)行實(shí)時(shí)動(dòng)態(tài)識(shí)別,提高識(shí)別效率和精確度;通過(guò)建立機(jī)械臂虛擬樣機(jī),對(duì)機(jī)械臂運(yùn)動(dòng)學(xué)進(jìn)行仿真,提高軌跡仿真正確性。經(jīng)過(guò)試驗(yàn)驗(yàn)證和比照分析,設(shè)計(jì)的實(shí)時(shí)動(dòng)態(tài)識(shí)別和軌跡仿真方法具有較好的準(zhǔn)確性,能夠應(yīng)用于甘蔗實(shí)際種植中。 關(guān)鍵詞:YOLOv3算法;甘蔗莖節(jié);動(dòng)態(tài)識(shí)別;軌跡仿

2、真 中圖分類號(hào):S566.1文獻(xiàn)標(biāo)識(shí)碼:A文章編號(hào):1003-5168〔2021〕02-0012-03 Real-timeDynamicRecognitionofSugarcaneStemNodesandSimulationofRoboticArmTrajectoryBasedonYOLOv3 GUOJinjian 〔ZhanJiangPreschoolEducationCollege〔BasicEducationCollegeofLingnanNormalUniversity〕,ZhanjiangGuangdong524000〕 Abstract:Atpresent,sugarca

3、neplantingistime-consumingandlabor-intensive,peopleneedtoimprovethemechanizationandintelligenceleveloftheplantingprocess,andtheYOLOv3algorithmcanprovidestrongsupportformechanicaldatacollectionandreal-timeprocessing,therefore,itisnecessarytostudythereal-timedynamicrecognitionofsugarcanestemnodesandth

4、esimulationofmanipulatortrajectorybasedonYOLOv3.Inthispaper,thereal-timedynamicrecognitionofsugarcanestemnodeswascarriedoutbyextractingtheinformationofsugarcanestemnodesandconstructingtheYOLOv3networkstructuretoimprovetheefficiencyandaccuracyofrecognition;byestablishingavirtualprototypeoftherobotica

5、rm,thekinematicsoftheroboticarmwassimulatedtoimprovetheaccuracyofthetrajectorysimulation.Afterexperimentalverificationandcomparativeanalysis,thedesignedreal-timedynamicidentificationandtrajectorysimulationmethodshavegoodaccuracyandcanbeappliedtoactualsugarcaneplanting. Keywords:YOLOv3algorithm;suga

6、rcanestemsection;dynamicrecognition;trajectorysimulation 甘蔗是我國(guó)重要的經(jīng)濟(jì)農(nóng)作物,不僅是制作蔗糖的主要原料,還是化工產(chǎn)業(yè)的重要原料。機(jī)械臂裝置是甘蔗種植過(guò)程的關(guān)鍵部件,是提高作業(yè)效率的關(guān)鍵,對(duì)于提高甘蔗質(zhì)量和生產(chǎn)收益、降低本錢具有重要作用【1】。YOLOv3算法能夠?qū)Ω收崽卣鬟M(jìn)行識(shí)別定位,為種植機(jī)械數(shù)據(jù)采集和實(shí)時(shí)處理提供有力支持,進(jìn)一步提高檢測(cè)速度和識(shí)別效率【2】。因此,本文基于YOLOv3對(duì)甘蔗莖節(jié)實(shí)時(shí)動(dòng)態(tài)識(shí)別與機(jī)械臂軌跡仿真進(jìn)行研究。 1基于YOLOv3的甘蔗莖節(jié)實(shí)時(shí)動(dòng)態(tài)識(shí)別 在采集的甘蔗圖像中,甘蔗目標(biāo)只占少局部區(qū)域,

7、剩余大局部區(qū)域?yàn)楸尘埃瑥?fù)雜的背景對(duì)甘蔗莖節(jié)的識(shí)別產(chǎn)生一定影響,因此在進(jìn)行動(dòng)態(tài)識(shí)別前首先需要從圖像中分割甘蔗目標(biāo),提取其信息特征。一方面,可以縮小圖像識(shí)別范圍,降低背景對(duì)莖節(jié)識(shí)別的干擾,減小后續(xù)算法輸入規(guī)模,提高運(yùn)行效率;另一方面,甘蔗目標(biāo)的直徑和橫軸交角是算法的關(guān)鍵參數(shù),為分析莖節(jié)粗度和定位提供重要參考依據(jù)【3】。迭代線性擬合算法可用于估計(jì)甘蔗目標(biāo)的近似線性趨勢(shì),根據(jù)圖像白點(diǎn)像素聚集程度趨近于實(shí)際目標(biāo)的標(biāo)準(zhǔn),分割甘蔗目標(biāo)。下面以圖像的某像素位置為中心,將周圍區(qū)域的白點(diǎn)像素?cái)?shù)與面積的比值定義為圖像局部密度,其計(jì)算公式可以表示為: [ρx=1Jxi∈JxIi]〔1〕 式中,[ρx]為圖像局部密

8、度;[x]為某一像素位置;[Jx]為該像素的局部鄰域像素集合;[Ii]為圖像的像素值。 假設(shè)將圖像的所有像素位置替換成局部密度值,那么甘蔗圖像轉(zhuǎn)化為局部密度圖像,再通過(guò)閾值抑制過(guò)濾干擾像素,具體公式可以表示為: [ρx=0,ρx式中,[l]為過(guò)濾閾值;[m]為低抑制比例;[n]為高抑制比例;[am,n]為去除低值和高值后的密度平均值。 下面通過(guò)調(diào)整雙抑制閾值,對(duì)圖像執(zhí)行邊緣算子操作,得到甘蔗目標(biāo)線性趨勢(shì)信息,進(jìn)而確定目標(biāo)基線位置[4-5]。迭代后,穩(wěn)定的擬合線與橫軸的相交角度可作為甘蔗目標(biāo)與橫軸交角的特征信息估計(jì)。本研究通過(guò)白點(diǎn)像素距離計(jì)算甘蔗目標(biāo)直徑,沿橫軸方向?qū)D像劃分為列塊集合,列

9、塊高度可以表示為: [Hb=Ve-Vs]〔3〕 式中,[Hb]為每個(gè)列塊高度;[Ve]為經(jīng)縱向投影后的最前面非零值位置;[Vs]為最后面非零值位置。 下面計(jì)算所有列塊的高度,在高度集合中刪除極大和極小值,剩余列塊的平均高度值即甘蔗的直徑,甘蔗直徑的估算公式可以表示為: [GH=1BSl∈BSHBSl]〔4〕 式中,[GH]為甘蔗直徑;[BS]為列塊集合。 通過(guò)對(duì)甘蔗目標(biāo)進(jìn)行分割,人們可以得到橫軸交角和甘蔗直徑的特征信息估計(jì)。 YOLOv3網(wǎng)絡(luò)是一種物體定位識(shí)別算法,具有定位速度快、識(shí)別效率高的特點(diǎn),主要通過(guò)計(jì)算損失函數(shù),檢測(cè)不同尺度大小的目標(biāo)【5】。本文采用的損失函數(shù)可以表示

10、為: [LP,W=p=1Palog1-gxp,Wyp=0blog1-gxp,Wyp>λoothers]〔5〕 式中,[P]為甘蔗圖像;[W]為網(wǎng)絡(luò)學(xué)習(xí)參數(shù);[g]為激活函數(shù);[λ]為正負(fù)樣本判定參數(shù);[a]為負(fù)樣本系數(shù);[b]為正樣本系數(shù);[xp]和[yp]為圖像像素點(diǎn)坐標(biāo)。 檢測(cè)圖像像素邊緣性時(shí),本研究采用多分辨率模式,以1、2和5為倍數(shù)變換圖像分辨率,將其輸入卷積神經(jīng)網(wǎng)絡(luò),根據(jù)網(wǎng)絡(luò)輸出的平均結(jié)果得到邊緣檢測(cè)指標(biāo)。 識(shí)別 在卷積神經(jīng)網(wǎng)絡(luò)中輸入甘蔗圖像,可以得到邊緣概率圖像,其像素值表示該位置為邊緣點(diǎn)確實(shí)信程度。首先從邊緣概率圖像中提取甘蔗目標(biāo)莖節(jié)信息,對(duì)圖像執(zhí)行啟發(fā)式莖節(jié)定位算法。

11、根據(jù)給定閾值范圍和閾值變化步長(zhǎng),可以得到二值化圖像系列,具體表示為: [Per=BerP,tt∈T]〔6〕 式中,[Per]為二值化圖像系列;[Ber]為圖像二值化操作;[P]為邊緣概率圖像;[T]為步長(zhǎng)變化。 變量[T]用公式可以表示為: [T=ts-n0.02>e,n=0,1,2...]〔7〕 式中,[s]為起始閾值;[e]為終止閾值。 生產(chǎn)驗(yàn)證模板驗(yàn)證二值圖像,提取莖節(jié)邊緣線。接著,對(duì)候選位置進(jìn)行驗(yàn)證,以每個(gè)候選位置對(duì)應(yīng)橫軸為參考,縱向上移動(dòng)驗(yàn)證模板,驗(yàn)證完所有二值化圖像系列,對(duì)保存區(qū)域進(jìn)行邏輯操作,得到莖節(jié)識(shí)別結(jié)果。 2甘蔗種植機(jī)的機(jī)械臂軌跡仿真 首先使用Solid

12、Works軟件建立機(jī)械臂模型及裝配體模型,為構(gòu)建虛擬樣機(jī)奠定根底。裝配的主要部件包括機(jī)械臂上臂、下臂、轉(zhuǎn)動(dòng)座和固定座等,按照實(shí)際配合關(guān)系生成裝配體。然后,選擇整個(gè)裝配體模型進(jìn)行靜態(tài)干預(yù)檢查,修正各部件的相對(duì)位置,直至整體不存在干預(yù)部位。接下來(lái),檢測(cè)動(dòng)態(tài)干預(yù)情況,根據(jù)實(shí)際情況對(duì)機(jī)械臂添加旋轉(zhuǎn)副和運(yùn)轉(zhuǎn)函數(shù),選取適當(dāng)?shù)尿?qū)動(dòng)馬達(dá)速度值,檢查全局干預(yù)情況,進(jìn)一步確保三維模型的正確性。將修正好的三維機(jī)械臂模型復(fù)制到ADAMS工作目錄中,構(gòu)建機(jī)械臂虛擬樣機(jī)。在ADAMS設(shè)置好工作環(huán)境,依次定義和添加機(jī)械臂各個(gè)零件的材料屬性,并根據(jù)部件間相對(duì)運(yùn)動(dòng)關(guān)系添加模型約束,到達(dá)整體約束效果。為確保各轉(zhuǎn)動(dòng)副能按預(yù)期運(yùn)動(dòng),

13、人們需要對(duì)模型添加驅(qū)動(dòng)設(shè)置,經(jīng)過(guò)以上步驟,完成機(jī)械臂虛擬樣機(jī)的構(gòu)建。 機(jī)械臂運(yùn)動(dòng)學(xué)仿真由正運(yùn)動(dòng)和逆運(yùn)動(dòng)兩局部組成,正運(yùn)動(dòng)仿真實(shí)質(zhì)是根據(jù)各關(guān)節(jié)旋轉(zhuǎn)角度,推導(dǎo)空間坐標(biāo)位置和形態(tài);逆運(yùn)動(dòng)仿真實(shí)質(zhì)是由空間坐標(biāo)位置和形態(tài),反向推導(dǎo)各關(guān)節(jié)旋轉(zhuǎn)角度。首先建立連桿坐標(biāo)系[D-H],得到齊次變換矩陣。 構(gòu)建虛擬樣機(jī),為機(jī)械臂軌跡仿真奠定了根底。在驗(yàn)證模型信息正確后,人們可以利用ADAMS的測(cè)量和輸出功能,對(duì)模型進(jìn)行參數(shù)提取和運(yùn)動(dòng)軌跡仿真。 3試驗(yàn)結(jié)果與分析 識(shí)別效果 為檢驗(yàn)本文提出的甘蔗莖節(jié)識(shí)別方法的效果,筆者設(shè)計(jì)10組試驗(yàn),原始圖像像素大小為1280[]1024,試驗(yàn)結(jié)果如表1所示。 由表1可

14、知,本文設(shè)計(jì)的甘蔗莖節(jié)實(shí)時(shí)動(dòng)態(tài)識(shí)別方法的識(shí)別率較高,識(shí)別速度也較快。為驗(yàn)證本文方法的莖節(jié)定位精度,筆者設(shè)計(jì)定位誤差試驗(yàn),其共分為5個(gè)誤差等級(jí),試驗(yàn)結(jié)果如表2所示。 由表2可知,93%的甘蔗莖節(jié)的定位誤差處于32像素以內(nèi),說(shuō)明甘蔗圖像經(jīng)過(guò)識(shí)別后,莖節(jié)附近的邊緣線與其他區(qū)域存在較大差異,具有一定的獨(dú)特性,邊緣線可作為莖節(jié)識(shí)別的重要依據(jù)[6-8]。 識(shí)別效果比照測(cè)試 為檢測(cè)本文甘蔗莖節(jié)識(shí)別方法的有效性,本研究將本文方法設(shè)置為試驗(yàn)組,將基于小波變換和結(jié)構(gòu)化機(jī)器學(xué)習(xí)的莖節(jié)識(shí)別方法設(shè)置為對(duì)照組,分別從莖節(jié)完整識(shí)別率、消耗時(shí)間和定位精確度三個(gè)指標(biāo)對(duì)識(shí)別方法進(jìn)行比照,其中定位精確度用誤差在32像素以內(nèi)的

15、莖節(jié)數(shù)量比例表示,比照結(jié)果如表3所示。 由表3的比照結(jié)果可知,與其他兩種方法相比,本文設(shè)計(jì)方法具有速度快、識(shí)別率高和精度高的特點(diǎn),具有較高的實(shí)用性。 為檢驗(yàn)本文機(jī)械軌跡仿真方法的有效性,本研究將其與其他兩種傳統(tǒng)方法進(jìn)行比照測(cè)試,從仿真準(zhǔn)確度、運(yùn)動(dòng)平均速度和時(shí)間三個(gè)指標(biāo)評(píng)價(jià)仿真方法的效果,比照測(cè)試結(jié)果如表4所示。 由表4比照結(jié)果可知,本文設(shè)計(jì)的軌跡仿真方法具有準(zhǔn)確率高和速度快的特點(diǎn),可應(yīng)用于實(shí)際的機(jī)械臂運(yùn)動(dòng)空間求解中。 4結(jié)語(yǔ) 本文基于YOLOv3對(duì)甘蔗莖節(jié)實(shí)時(shí)動(dòng)態(tài)識(shí)別與機(jī)械臂軌跡仿真進(jìn)行研究,提高了甘蔗莖節(jié)的識(shí)別精確度和機(jī)械臂軌跡仿真的準(zhǔn)確度,有助于進(jìn)一步促進(jìn)甘蔗種植的機(jī)械化開(kāi)展

16、。對(duì)于機(jī)械臂的軌跡仿真,本文沒(méi)有考慮運(yùn)輸面板對(duì)機(jī)械臂的影響,以后研究可以對(duì)機(jī)械臂最小軌跡路線和運(yùn)輸截面角度進(jìn)行探討。 參考文獻(xiàn): 【1】齊榕,賈瑞生,徐志峰,等.基于YOLOv3的輕量級(jí)目標(biāo)檢測(cè)網(wǎng)絡(luò)[J].計(jì)算機(jī)應(yīng)用與軟件,2021〔10〕:208-213. 改進(jìn)YOLOv3的同步目標(biāo)定位與多種屬性識(shí)別[J].計(jì)算機(jī)應(yīng)用,2021〔1〕:1-7. 改進(jìn)YOLOv3的目標(biāo)跟蹤算法研究[J].計(jì)算機(jī)仿真,2021〔5〕:213-217. 方法研究[J].農(nóng)機(jī)化研究,2021〔8〕:6-12. 【5】盛奮華,陳祖爵.基于虛擬仿真技術(shù)的甘蔗收割機(jī)喂入裝置研究[J].農(nóng)機(jī)化研究,2021〔9〕:59-63. 識(shí)別與蔗芽檢測(cè)[J].洛陽(yáng)理工學(xué)院學(xué)報(bào)〔自然科學(xué)版〕,2021〔2〕:67-72. 識(shí)別[J].計(jì)算機(jī)應(yīng)用,2021〔4〕:1208-1213. [8]溫翔,楊望,郭無(wú)極,等.切段式甘蔗收割機(jī)排雜離散元仿真參數(shù)標(biāo)定及驗(yàn)證[J].中國(guó)農(nóng)機(jī)化學(xué)報(bào),2021〔1〕:12-18.

展開(kāi)閱讀全文
溫馨提示:
1: 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
2: 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
3.本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
5. 裝配圖網(wǎng)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

相關(guān)資源

更多
正為您匹配相似的精品文檔
關(guān)于我們 - 網(wǎng)站聲明 - 網(wǎng)站地圖 - 資源地圖 - 友情鏈接 - 網(wǎng)站客服 - 聯(lián)系我們

copyright@ 2023-2025  zhuangpeitu.com 裝配圖網(wǎng)版權(quán)所有   聯(lián)系電話:18123376007

備案號(hào):ICP2024067431號(hào)-1 川公網(wǎng)安備51140202000466號(hào)


本站為文檔C2C交易模式,即用戶上傳的文檔直接被用戶下載,本站只是中間服務(wù)平臺(tái),本站所有文檔下載所得的收益歸上傳人(含作者)所有。裝配圖網(wǎng)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)上載內(nèi)容本身不做任何修改或編輯。若文檔所含內(nèi)容侵犯了您的版權(quán)或隱私,請(qǐng)立即通知裝配圖網(wǎng),我們立即給予刪除!

五月丁香婷婷狠狠色,亚洲日韩欧美精品久久久不卡,欧美日韩国产黄片三级,手机在线观看成人国产亚洲