摘要：目前,香梨主要依靠人力采摘,多果聚集情况明显,采摘作业强度大、采收期短,又因常见果蔬采摘机械装置自适应能力弱、抓果不稳定,会造成较多损伤,不适合用于多果聚集的香梨采摘。为此,仿照人工采摘动作,基于欠驱动原理设计了一种“丫”形香梨采摘的机械手,由传动部件、抓取装置和指间差动系统3部分组成,单个电机驱动机械手对果实进行抓取,在辅助装置作用下完成采摘分离动作。同时,对抓取装置模型进行运动学分析,得到单指的运动空间,计算出了远指节抓取平均范围大于55mm,能满足范围内不同形状、尺寸香梨的包络抓取。通过Adams软件对抓取装置进行运动学仿真,结果显示机构运动平稳,结构设计合理。实验室台架试验结果表明:在机械臂辅助操作采摘时,机械手可实现抓取动作,抓取成功率为96%,平均采摘时间约为2.6s,验证了采摘方案可行性和机械结构设计的可靠性。研究结果可为香梨采摘装置关键结构设计提供参考依据。

摘要：为确定库尔勒香梨智能化采收参数,减小香梨在采摘过程中的机械损伤以及为香梨采摘机器人末端执行器的设计提供理论依据,试验测定获取香梨果实的物理参数,通过对香梨进行静态压缩试验、抗压特性试验、单因素试验及正交试验测得香梨的压缩特性参数。研究结果表明:香梨果实一般纵径大于横径,果型指数为1.12,质量约为119.42 g,香梨果实与硅胶材料之间摩擦系数为1.1,香梨果实无损夹持力范围约为0.95~30 N;采用SPSS软件分析正交试验结果得知,对香梨压缩特性的影响的因素显著性水平依次为压缩量、加载位置、压头材料、压头类型、加载速率,其中加载速率对香梨的压缩特性的影响较其他因素显著性较低。

摘要：针对红富士与红元帅价格口感不同而外形相似的现象,提出一种基于LeNet-5改进的神经网络模型对其进行机器自动分类识别。以64×64像素的彩色图像作为模型输入,在全连接层之前加入Flatten层压缩三维彩色图像维度;改变全连接层激活函数为LeakyReLU,加入Dropout策略减少过拟合;通过对比实验找出该模型中最佳的训练优化器、卷积核大小、滤波器数量、学习步长、全连接层神经元个数等影响卷积神经网络性能的重要参数。与其它两种SVM方法进行对比,实验结果表明,在经过多次参数寻优后,该模型在对红富士和红元帅两种苹果的分类识别中的测试时间与测试精度优于SVM方法。