機器人在今天的農(nóng)業(yè)任務(wù)中得到了廣泛的應(yīng)用。其中許多任務(wù)需要機器視覺算法技術(shù)。機器人及其機器視覺算法從田間犁地、種籽、雜草處理、生長監(jiān)測、果蔬采摘、分揀、分級甚至包裝等方面進(jìn)行改造，使其更好地適應(yīng)自身的功能。下面，通過本文了解機器視覺機器人在農(nóng)業(yè)中應(yīng)用的技術(shù)。

　　機器人田間犁耕

　　田間犁耕是由一個無人駕駛拖拉機形狀的機器人完成的。各種傳感器，如全球定位系統(tǒng)，激光雷達(dá)和攝像頭正在取代司機。基本上，它是GPS技術(shù)，以預(yù)定的路徑規(guī)劃為指導(dǎo)。機器視覺負(fù)責(zé)導(dǎo)航任務(wù)，尤其是在避障方面。利用Lidar建立了機器人拖拉機周圍環(huán)境的三維模型。攝像機提供與此環(huán)境相對應(yīng)的視頻流。機器視覺的首要任務(wù)是對傳感器的數(shù)據(jù)進(jìn)行融合。一旦同步，就會發(fā)現(xiàn)障礙，并采取行動(比如繞過障礙)。

　　這里可以使用經(jīng)典的識別算法，處理圖像(常規(guī)攝像機)及其尺寸(Lidar)。然而，他們的表現(xiàn)與他們的編程目標(biāo)密切相關(guān)。強度、顏色、形狀和尺寸的變化可能會嚴(yán)重干擾性能–這意味著無法識別障礙。今天我們用深度學(xué)習(xí)若要識別其位置位于碰撞路徑中的對象，請執(zhí)行以下操作。正確的訓(xùn)練和廣泛的標(biāo)記例子，深度學(xué)習(xí)分類器可以提供一個高精度的導(dǎo)航。

　　播種和犁地差不多，這里的另一個挑戰(zhàn)是緊緊跟隨行并將種子植入它們的中心。這里的導(dǎo)航是基于深度學(xué)習(xí)的，允許處理任何輕松的條件來識別行。

　　機器視覺在雜草處理中的應(yīng)用

　　雜草處理使用自驅(qū)動機器人平臺。面臨的挑戰(zhàn)是如何在作物之間機動、識別和分類雜草，以及通過噴灑或摘出它們來處理它們。這種機器人，通常比犁和播種機器人小，除了相機控制的多關(guān)節(jié)手臂外，還具有自主駕駛能力。這些機器人的自動導(dǎo)航使用深度學(xué)習(xí)訓(xùn)練。

　　卷積神經(jīng)網(wǎng)絡(luò)

　　這個分類器在計劃行之間的空隙中驅(qū)動機器人。另外，CNN分類器，使用相機飼料識別作物，并將它們歸類為雜草。安裝在機器人多關(guān)節(jié)手臂上的另一個攝像頭，可以幫助手臂工具的位置，以便更好地處理雜草。這里的機器視覺算法首先使用校準(zhǔn)和注冊程序確保所有的工作在同一個坐標(biāo)系統(tǒng)上，這樣數(shù)據(jù)切換就簡單了。

　　生產(chǎn)增長監(jiān)控

　　生產(chǎn)增長監(jiān)控可以由地面機器人或由機器人無人機。它是地面機器人，較適合水果和蔬菜。飛行無人機，使用自主導(dǎo)航，是比較好的棉花，大豆和類似的。地面機器人使用與前面解釋相同的自主駕駛和導(dǎo)航能力。它配備了提供農(nóng)作物視頻流的掃描攝像機。機器視覺算法則采用深度學(xué)習(xí)分類器來識別和測量水果和蔬菜。

　　這種CNN算法是當(dāng)今保持分類性能的技術(shù)，即使在亮度、顏色和幾何變化的情況下也是如此。自動導(dǎo)航無人機機器人通過對目標(biāo)進(jìn)行分類，可以避免障礙物，并有可能阻塞飛行路徑。他們的吊艙使用多光譜相機，協(xié)助產(chǎn)生植被指數(shù)-NDVI(歸一化差異植被指數(shù))。

　　機器視覺算法

　　果蔬采摘是一個復(fù)雜的過程，需要一組機器視覺算法來控制高自由度的機器人結(jié)構(gòu)。這個機器人可能像人類一樣，有移動能力，同時操縱它的手臂到水果的位置。正如所說，機器視覺算法應(yīng)該完全“同步”。例如，導(dǎo)航算法和定位算法需要更新機器視覺算法，根據(jù)機器人的運動來調(diào)整它們的參考系統(tǒng)。機器視覺基于深度學(xué)習(xí)的自主驅(qū)動功能負(fù)責(zé)行間移動。

　　機器人的手臂攝像頭實際上使用了兩個攝像頭：一個掃描樹來檢測和分類水果，另一個引導(dǎo)手臂的工具到采摘位置和方向。這兩項活動，導(dǎo)航和檢測水果，是完善的機器視覺的CNN能力。這個果實分類功能可以說是具有較高的分選精度，即使在部分遮擋和苛刻的光線條件下。

　　基于深度學(xué)習(xí)的機器人排序與分級

　　分揀和分級機器人就像手臂一樣工作，攝像機安裝在輸送機上，得到了一個快速和準(zhǔn)確的水果分類。深度學(xué)習(xí)算法可以從顏色和幾何變化較大的任何角度識別缺陷(前提是以前進(jìn)行了適當(dāng)?shù)挠?xùn)練)。這些算法被設(shè)置為執(zhí)行第一次目標(biāo)檢測來定位水果，然后再進(jìn)行分類。rvsto視覺有非常豐富的經(jīng)驗，在準(zhǔn)確農(nóng)業(yè)和世界比較好的深入學(xué)習(xí)算法和cnn的熟練程度。咨詢我們的技術(shù)專家，看看如何使用完善的機器人技術(shù)應(yīng)用到您的項目。