相关实验视频
Updated: Jul 4, 2025
08:02
Robotic Sensing and Stimuli Provision for Guided Plant Growth
Published on: July 1, 2019
8.0K
智能机器人收获系统过程的果实抓住预测预测
K M Alaaudeen1, Shitharth Selvarajan2,3, Hariprasath Manoharan4
1Department of Computer Science and Engineering, Grace College of Engineering, Mullakkadu, Thoothukoodi, India.
Scientific reports
|February 2, 2024
概括
这项研究介绍了一种人工智能驱动的视觉系统,用于机器人果收获. 该系统实现了超过95%的水果识别准确度,使得精确的机器人手臂控制能够实现高效的自动收获.
科学领域:
- 计算机视觉 计算机视觉
- 机器人技术 机器人技术 机器人技术
- 人工智能的人工智能
- 农业技术 农业技术
背景情况:
- 手工收获是劳动密集型和昂贵的.
- 自动收获系统需要复杂的水果识别和精确的操作.
- 现有的视觉系统在复杂的环境中可能缺乏效率和准确性.
研究的目的:
- 开发和评估基于深度学习的图像处理系统,用于自主采摘果.
- 整合水果识别,实例细分和机器人手臂的抓取点预测.
- 在不同的实验室和现场条件下评估系统的性能.
主要方法:
- 一个轻量级的一步检测网络被用于水果识别.
- 计算机视觉技术分析了水果类别,并从RGB图像中确定了最佳抓取位置.
- 视觉系统与机器人臂集成,用于自主收获实验.
主要成果:
- 该系统在水果识别方面实现了超过95%的准确性.
- 预测后的过程需要不到12%的重试.
- 机器人收获系统在室内和室外实验中展示了有效和精确的控制.
结论:
- 拟议的基于深度学习的视觉系统有效地控制机器人收获操作.
- 高识别精度和高效的抓取点预测对于成功的自动收获至关重要.
- 该系统显示了提高水果收获效率和降低成本的巨大潜力.
