SCI论文（www.lunwensci.com）:
摘要：文中针对果农摘果费事费力的问题,结合机器视觉、电机控制等技术的应用,设计了一种摘果机器人。该设计可以通过摄像头自动定位已经成熟的水果,并通过PID算法逐步靠近成熟的水果,再控制机械臂通过PID算法进行摘取,并将采摘的水果放到机器人的箱子中。以苹果为例,经过100次水果成熟度测试,识别成功率为100%；经过100次整机调试,成功摘取率达到了94%。调试结果表明,该设计具有很高的可靠性和实用性,可以代替人工采摘,实现了自动摘果功能。
关键词：机器视觉；PID算法；自动摘果；STM32F103
The Design of Fruit Picking Robot Based on Machine Vision
LIN Hongbing1,SU Hui2,CHEN Tan1
(1.Faculty of Mechanical Engineering&Automation,Zhejiang Sci-Tech University,Hangzhou Zhejiang 310018;2.Zhengjiang Zhongzhida Technology Co.,Ltd.,Hangzhou Zhejiang 311121)
【Abstract】：This paper designs a fruit picking robot based on the application of machine vision and motor control technology.The design can automatically locate the mature fruit through the camera,and gradually approach the mature fruit through the PID algorithm,and then control the mechanical arm to pick through the PID algorithm,and put the picked fruit into the robot's box.Take apple as an example,after 100 fruit maturity tests,the identification success rate is 100%;after 100 complete machine debugging,the successful harvest rate reached 94%.The debugging results show that the design has high reliability and practicability,which can replace manual picking and realize the automatic fruit picking function.
【Key words】：machine vision;PID algorithm;automatic fruit picking;STM32F103
0引言
摘果机器人研究开始于20世纪70年代,随着图像处理技术和电子技术的发展,1983年第一台真正意义上的摘果机器人—西红柿摘果机器人在美国诞生。之后荷兰的黄瓜摘果机器人、日本的柑橘摘果机器人相继诞生。我国摘果机器人起步晚,主要集中在高等院校中研究。
国内外的摘果机器人基本全是针对单一水果进行采摘,且采摘效率较低。为了实现提高摘果机器人的“包容性”,该设计在进行水果识别时采用颜色阈值的方法,这样即使需要采摘的水果发生改变,用户也只需修改一行参数就可完成采摘任务；因为采用颜色阈值的方法进行水果识别,这极大的减小了运算强度,提高了机器人的采摘效率。
1硬件系统设计
设计的摘果机器人由3大部分组成：第一部分为摘果机器人硬件主体,由电源模块、STM32F103主控板及机械系统模块构成；第二部分是电机驱动部分；第三部分是各类外设,包括摄像头、电机和显示屏。硬件系统结构图如图1所示[1]。
1.1摘果机器人硬件主体
为了同时实现对4个370直流减速电机的控制和与摄像头之间的串口通信,该设计采用32位单片机STM32 F103C8T6作为控制芯片。16V电源经过稳压模块稳压至12V为电机驱动模块供电,16V电源稳压至7V为舵机驱动模块供电,16V电源稳压至5V为STM32核心板和摄像头供电[2]。机器人的机械结构如图2所示,车模使用四驱亚克力车模；车轮使用麦克纳姆轮可以更加精确的靠近果实；车模顶部装有一台3自由度机械臂,机械爪顶部安装一个单目摄像头,机械爪后方安装一块OLED显示屏；机械臂后方安装有一个水果篮；车模夹层间安装有电池、核心板和驱动模块[3]。
1.2各类外设
该设计外设主要有3个MG996R舵机,4个370直流减速电机,1个单目摄像头和1块0.96寸OLED显示屏。
MG996R舵机是一种模拟舵机,工作扭矩可达14kg/cm,转动角度为0°—180°,控制原理如图3所示。
370直流减速电机额定电压12V,空载转速170r/min。单目摄像头选用OpenMV4,该摄像头集成了控制模组,主控芯片选用STM32H743芯片,工作主频高达480MHz,可以高效的完成对果实成熟度的辨别和坐标数据的传输[4]。显示屏选用4引脚IIC通信方式的0.96寸OLED显示屏,OLED相比于LCD屏显示效果更佳,可以显示汉字、ASCLL、图案等,可以通过单片机实现OLED亮度、对比度等的调节。
1.3电机驱动模块
单片机无法直接控制370电机,需要通过电机驱动模块控制370电机,电机驱动模块选择L298N电机驱动模块,驱动原理图如图4所示,IN1、IN2和IN3、IN4分别控制左右电机的正反转,以IN1、IN2为例,假设两者电平分别为高电平和低电平此时电机正转,则当两者分别为低电平和高电平时电机反转,当两者都为高电平或都为低电平时电机停转；INEN A和INEN B分别通过脉冲宽度调制实现对左右电机速度的控制,该设计共用4个370电机,因此需要2个L298N驱动模块[5]。
1.4舵机驱动模块
舵机驱动模块采用pyAl-MV4舵机控制器,如图5所示,该模块使用PCA9685控制方案,可以同时输出8路PWM从而控制8路舵机,控制方式是IIC通信[6]。
2系统功能方案设计
机器人启动后会进行果实的寻找,当果实进入机器人视野时,机器人会对果实的成熟度进行判断,当成熟度达到要求后,机器人会自动靠近待摘取的果实[7]；当和待摘取的果实距离只有15cm且果实位于机器人正前方时,机械臂就会在OpenMV的控制下进行位置校正并将果实摘下放入果篮中；每完成一次果实的摘取,机械臂自动复位,然后机器人原地旋转,直到有成熟水果进入视野为止,之后再次重复上述过程[8]。
2.1水果识别
考虑到苹果、梨等水果形状较为规则,且果实成熟和未成熟的颜色差距较大,所以该设计的水果识别方法采用颜色识别的方式实现,打开OpenMV IDE,在工具中打开阈值编辑器,点击帧缓冲区,将摄像头对准果树,如图6所示,通过改变6个参数,找出只针对红色有效的阈值并带入到程序当中[9]。
2.2果实距离检测
当机器人发现成熟果实时,机器人会测算该果实相对于摄像头的距离,并将它们通过串口发送至STM32F103单片机,关于距离的测算,因为距离和摄像头里的像素成反比,由此可得出如图7所示的算法,测出距离Length后,通过串口发至单片机[10]。
2.3果实抓取
果实抓取主要由三步组成：
第一步是机器人发现待摘取的果实后,通过串口将x、y坐标值和距离值传递给STM32F103单片机,单片机通过脉冲宽度调制逐步逼近待摘取的果实,直至果实位于机器人正前方且距机器人15cm处,逼近算法采用如图8所示的PD闭环算法[11]。
第二步是机械臂抓取果实并放入果篮,该过程主要通过机械臂实现,为了减小STM32F103的工作压力,机械臂由OpenMV控制,如图9所示是控制机械臂的部分主程序[12],当完成第一步后,STM32F103单片机会向OpenMV发送一个低电平,当OpenMV收到低电平后启动OpenMV对机械臂的控制程序,完成对果实的采集。
第三步是成熟果实的寻找,当机械臂完成当前果实的采集后,机械臂会自动复位,之后机器人会原地旋转直至发现成熟果实为止,之后再次进行步骤一、步骤二和步骤三。
2.4 OLED显示
以上均是针对苹果进行的采摘测试,若是对梨、橙子等其他水果进行摘取,需要重新通过阈值编辑器选出一组阈值,为了方便调试,该设计加入了OLED显示功能,OLED通过IIC通信实现与单片机之间的数据传输。OLED显示屏主要用来显示摄像头采集的x、y坐标和距离值[13]。
3调试分析
该设计原则上适用于成熟后相比于未成熟颜色差别较大的水果,这里以苹果、梨、橙子和油桃为例,分析机器人对它们的成功采摘率。苹果、梨、橙子和油桃在成熟后均发生较大的颜色变化,因此只需用图6中的阈值编辑器进行阈值调节,并将参数更改到图7的red_ threshold后的括号中,其他无需修改,机器人就可实现对其他种类水果的摘取。对苹果、梨、橙子和油桃分别进行100次水果识别调试和整机调试,结果如表1所示。
4结语
摘果机器人融入了机器视觉和多种PID闭环算法,具有STM32F103和OpenMV的STM32H743两个控制核心,可以准确识别成熟的果实,并实现精准定位和果实的摘取,OLED显示屏为机器人的调试提供了便利,该设计各部分分工明确,大大提高了设计的简洁性和可靠性,可以解放果农的双手,节省了大量劳动力,具有广阔的前景和发展空间。
参考文献
[1]吴群彪,许侃雯,张洪源,等.草莓采摘机器人控制系统的设计[J].包装与食品机械,2021,39(2):58-62
[2]骆绍烨,张长佳,周超,等.基于OpenMV的水果筛选系统设计[J].兰州文理学院学报:自然科学版,2022,36(1):54-58.
[3]周旭,周海波,陈睿,等.基于双目视觉的机械手捡球机器人设计[J].机床与液压,2020(3):34-40+79.
[4]陈卫,邓志良.捡球机器人路径规划算法研究及仿真[J].计算机仿真,2020(10):291-296.
[5]杨俞玲,张丙辰,杨杰.基于视觉认知的ASD儿童干预APP导航界面设计研究[J].设计,2022,35(3):56-59.
[6]朱明秀.采摘机器人水果检测及定位研究—基于图像处理和卷积神经网络[J].农机化研究,2022,44(4):49-53.
[7]王壮飞,卢海林,耿文涛,等.基于OpenCV的水果采摘机器人目标检测与定位系统研究[J].电子技术与软件工程,2022(2):137-140.
[8]饶剑,吕自玉.基于机器视觉的类球形水果外部品质分级方法研究[J].科技与创新,2022(5):63-65.
[9]杨丽.智能手势识别技术下的景区导览系统设计研究[J].设计,2021,34(19):90-93.
[10]段洁利,王昭锐,叶磊,等.水果采摘机械臂运动规划研究进展与发展趋势[J].智能化农业装备学报(中英文),2021,2(2):7-17.
[11]吴丽源,潘文杰,黄友霞,等.智能水果采摘机械手臂的研究[J].南方农机,2021,52(7):82-83.
[12]邹谜,伍世虔,王欣.一种用于机器人水果采摘的快速识别方法[J].农机化研究,2019,41(1):206-210+252.
[13]林云森,范文强,姜佳良.基于深度学习的水果识别技术研究[J].光电技术应用,2019,34(6):45-48+58.
关注SCI论文创作发表，寻求SCI论文修改润色、SCI论文代发表等服务支撑，请锁定SCI论文网！
文章出自SCI论文网转载请注明出处：https://www.lunwensci.com/jisuanjilunwen/46019.html
