|
|
文章简介
在农业生产中，采摘是最重要的联系之一，它与产品的收获质量直接相关。传统的手动采摘方法存在高成本和低效率等问题，这严重限制了农业生产的发展。因此，研究水果和蔬菜采摘机器人技术已成为解决此问题的重要方法。
有关选择机器人技术的研究的关键内容主要包括视觉感知系统，控制决策系统和终端执行系统。这三个主要系统构成了采摘机器人的“眼睛脑”。许多过去的文献仅审查了机器人的视觉感知或最终执行系统，以及对三种智能拾取机器人的三个主要系统的全面审查，“眼睛脑”可以帮助研究人员对智能收获无人处理的系统有更深入的了解和理解。
基于此，中国农业大学的一个研究团队以审查论文的形式发表了一篇文章。本文将智能采摘系统的“感知，决策和控制”作为主线，并全面地总结了采摘机器人的“眼神手”系统的当前发展状态，从而为相关研究人员提供了全面和尖端的信息。
研究过程和结果
In this study, based on 121 in 2023 and , the of , -, , and end of , the used the to the three main of "eye-brain-hand" of , and the key of in the of .
在智能选择“眼”系统部分中，本文不仅详细介绍了感知硬件系统，而且系统地描述了各种目标感知方法，并比较目标感知中的深度学习和传统的机器学习（图1）。
图1。图像处理中传统机器学习和深度学习的过程和性能比较。
在智能采摘的“大脑”系统中，文章深入研究了关键问题，例如区域部门，任务分配，避免障碍策略和路径计划。在本节中，本文强调了路径规划和避免障碍策略在选择机器人操作方面的重要性，从而为确保机器人的高效和安全操作提供了关键的支持。图2显示了三种不同的主动避免策略。
图2。三种不同的主动障碍策略：（a）简单的线性障碍避免策略； （b）“全”曲折障碍策略； （c）持续的“观察和运动”避免策略。
在智能挑选的“手”系统中，本文系统地回顾了四个最终标准的性能指标，包括负压吸附类型，剪切类型，腔体逃脱类型和灵活的抓握类型（图3）。通过分析采摘效果的评估指数，为不同水果的最终反射器的类型选择和设计提供了全面而详细的参考。
图3。不同类型的柔性最终效应子。
研究摘要
智能采摘机器人在提高营业效率，提高农作物质量，降低人工成本以及解决农业生产中的劳动力短缺问题方面发挥着重要作用。这篇综述总结了过去六年来农业采摘机器人领域的重要研究进展，重点关注机器人的“眼睛大脑”，并深入探讨了各个方面的技术突破，包括高级视觉感知技术，智能路径计划和决策方法，以及为未来的研究和应用提供重要的参考。我们认为，这篇评论的内容将对农业现代化和可持续发展的目标做出有益的贡献，并促进智能无人系统在智能农业中的广泛应用。
日记的原始文字
Ji，W。;黄，X。 Wang，s。;他，X。 2023，13，2237。doi：10.3390/
该文章类型包括基于研究的文章和农学和农业生态学领域的评论，并已包含在多个数据库中，例如索引（SCIE）和其他数据库。
2022：3.7
2023：6.2
第一时间：17.7天
时间：37天 |
|
发表于 
