摘要：蝴蝶兰种苗自动化切割可降低组培苗染病几率,提高种苗品质。为实现蝴蝶兰种苗自动化切割,该研究针对种苗结构特性提出基于拟合直线的切点定位方法,并配合切割方法设计了弹性切割末端,搭建了基于视觉伺服的蝴蝶兰种苗切割系统。首先,采用深度学习模型对采集到的图像进行目标检测;然后,根据检测结果使用基于几何规则的切割点定位算法计算切点;最后,将切割坐标传输给切割执行机构完成切割作业。目标检测试验中,ShuffleNet v2-YOLOv5模型检测精度达96.7%,权重文件大小1.3 MB,平均检测时间0.026 s。种苗切割试验中,切割合格率高于86%,单株平均切割时间小于18 s。该系统能有效完成蝴蝶兰种苗切割任务,为蝴蝶兰组培苗自动化生产提供新思路。

摘要：现代植物组织培养是一项耗时费力的工作,工作强度大,工作内容单调,为了减少劳动力成本并提高产量,设计了一种基于语义分割视觉伺服的种苗自动夹取系统并进行了测试。首先,提出了一种基于DP-BiSeNetV2语义分割算法的视觉定位方法,确定了根上合适的夹取点;之后,设计开发并测试了一种适合于实际工作环境的夹取装置;最后,将视觉定位算法与机器人夹取装置集成,构建了一个种苗自动夹取系统。在实验环节,使用蝴蝶兰种苗数据集进行了测试,在语义分割实验中,DP-BiSeNetV2模型的平均交并比为63.51%,像素准确度为98.25%;在夹取实验中,夹取成功率为81.7%。实验结果表明,该自动夹取系统具有很高的潜力,可以满足植物组织培养生产线的移植需求。