申请/专利权人：昆明理工大学

申请日：2023-06-25

公开（公告）日：2024-04-23

公开（公告）号：CN116663761B

主分类号：G06Q10/047

分类号：G06Q10/047;A01D13/00;A01D33/00;G06Q50/02;G06T7/00;G06T3/4038;G06T5/70;G06T5/90;G06T5/50;G06T7/13;G06T7/30;G06F18/2131;G06F18/2135;G06F18/24;G06F17/18

优先权：

专利状态码：有效-授权

法律状态：2024.04.23#授权;2023.09.15#实质审查的生效;2023.08.29#公开

摘要：本发明提供一种三七中药材低损挖掘系统，包括收获机、工程机、双目相机、电阻抗传感器、集成传感器的挖掘铲及深度检测系统。通过双目相机与多个电阻抗传感器的配合，获取三七地上茎叶图像与地下根茎图像，融合形成完整的三七图像，便于构建最优入挖点与防碰撞边界；通过集成应变式传感器的挖掘铲，构建防碰撞边界，实现挖掘铲作业位姿的调整；通过应变式传感器与深度检测系统配合，构建三七地下主根部分的最小包围体，进而通过最小包围体、最优入挖点，完成挖掘路径的规划。该系统在挖掘三七过程中，确保低损伤、高效率、高精度的挖掘，从而提高三七的合格率与产量、避免挖掘造成的不合格品增多。

主权项：1.一种三七中药材低损挖掘系统，其特征在于：包括收获机、工程机、双目立体视觉相机、多个电阻抗传感器、集成应变式传感器的挖掘铲、深度检测系统；工程机固定设置在收获机上；收获机上对称设置两组双目立体视觉相机，用于获取地上茎叶图像；通过双目立体视觉相机获取地上茎叶图像具体为：采用两组双目立体视觉相机，分别从对侧进行三七地上茎叶部分的图像拍摄，获取两组深度图像；再采用改进的迭代最近点算法，对两组深度图像中的点云进行拼接，从而获得地上茎叶图像；改进的迭代最近点算法包括：步骤a1：对于两组深度图像中待配准的点云，首先从点云中提取出一些特征点，作为匹配依据，特征点提取具体为： ；式中：P表示点云中所有点的集合；或表示某个点pi或pj的特征向量；或表示pi或pj点的特征分数；表示被选中的具有显著特征的特征点集合；步骤a2：在进行点云配准时，从特征点集合中选取稠密的点对进行匹配；使用基于距离的邻域搜索方法来获取稠密的点对，即假定两组深度图像中点云的对应点对之间距离的均值方差相等，通过以下方法获取每个点的邻域范围： ；式中：表示点pi与qj之间的欧式距离；r表示邻域搜索范围；Ni表示与点pi相邻的点的集合；步骤a3：在将特征点集合中选取的稠密的点对进行配准后、最小化这些点对之间的距离误差，使用加权平均误差衡量配准效果： ；式中：n表示点对的数量；分别表示待配准的两组深度图像点云中的对应点对；表示之间的欧式距离；wi表示权重系数；步骤a4：通过最小化加权平均误差，获得两组点云之间的刚性变换；通过采用一个4x4的矩阵表示两组点云的刚性变换： ；式中：R表示旋转矩阵，t表示平移向量，它们通过以下逐步迭代公式获得： ，；式中：表示欧式范数，求解过程中进行多次迭代，直至误差趋近于0；收获机上设置机械臂，机械臂端部呈环形分布多根插杆、每个插杆远离机械臂的一端端部分别设置电阻抗传感器，用于获取地下根茎图像；通过电阻抗传感器获取地下根茎图像具体为：首先，通过控制机械臂使得电阻抗传感器环插在三七地下根茎部的周围；然后，依据电阻抗检测方法，采用改进的修正牛顿拉普森算法，将电阻抗传感器获取的电信号重建为图像信号，获得地下根茎图像，具体步骤为：步骤b1：采用电阻抗成像技术将待测物体表面分为多个分离的区域，待测物体表面为三七地下根茎部表面，多个分离的区域表示电极对，从每对电极接口处采集电阻抗测量值；步骤b2：对步骤b1中获取的数据进行滤波、去噪预处理；步骤b3：利用薄膜法对步骤b2中预处理后的电阻抗数据进行重构，从而获得电势分布图像；再使用非线性优化算法迭代求解分布阻抗；步骤b4：采用改进的修正牛顿拉普森算法进行图像重建；步骤b5：对步骤b4中的图像进行去除伪影、增强对比度的后处理操作，得到地下根茎图像；双目立体视觉相机、电阻抗传感器分别与工程机电连接，获取“根-土-茎”复合图像，实现最优入挖点的建立；工程机获取“根-土-茎”复合图像具体为：以根茎部的底部最小坐标所在的平面为土面，对地上茎叶图像与地下根茎图像进行融合，获得“根-土-茎”复合图像；地上茎叶图像与地下根茎图像融合包括：步骤c1：分别将地上茎叶图像与地下根茎图像视为随机变量，通过将地上茎叶图像与地下根茎图像进行联合条件概率分布实现融合： ；式中：X表示地上茎叶图像，Y表示地下根茎图像；表示在给定Y的情况下X的概率分布；表示在给定X的情况下Y的概率分布；PX、PY分别表示X、Y的先验概率分布；步骤c2：利用贝叶斯滤波算法来估计地上茎叶图像的后验概率分布： ；其中，PX通过提取地上茎叶图像的特征向量、利用该特征向量获得，PY通过提取地下根茎图像的特征向量、利用该特征向量获得；通过比较地上茎叶图像与地下根茎图像的特征向量实现，即定义一个相似度函数来度量地上茎叶图像与地下根茎图像的特征向量之间的相似度获得；通过将和PX进行卷积获得的后概率分布，获得“根-土-茎”复合图像；工程机建立最优入挖点包括：步骤d1：首先，设定挖掘铲的入土角为u、边缘点坐标为（v、w），挖掘铲消耗能量为F，则挖掘函数模型为： 式中：分别表示多元回归系数；其中： ；式中：表示拟合平面系数；表示平面上一个点的坐标；步骤d2：进行u、v、w值的随机初始化；步骤d3：分别计算挖掘函数模型的梯度： 式中：xi、yi、zi分别表示对应的输入变量u、v、w的值，U表示对应的输出变量；步骤d4：进行参数更新，具体为： 式中：表示学习率，根据实验数据获得；步骤d5：重复进行步骤d3～步骤d4，直至达到收敛条件，输出收敛时u、v、w的作为最优解，获得挖掘铲的最优入挖点；收获机上安装集成应变式传感器的挖掘铲，应变式传感器与工程机电连接，用于实现防碰撞边界的构建；工程机通过应变式传感器构建防碰撞边界包括：对“根-土-茎”复合图像拆解、应变式传感信号获取、应变式传感信号与图像信号之间的转换、生成智能分类表以及构建防碰撞边界；对“根-土-茎”复合图像拆解包括：获得的“根-土-茎”复合图像分别拆解成“茎-土”组合体、“主根-土”组合体、“支根-土”组合体、“茎-主根”组合体、“茎-支根”组合体；应变式传感信号获取包括：通过集成应变式传感器的挖掘铲与“茎-土”组合体、“主根-土”组合体、“支根-土”组合体、“茎-主根”组合体、“茎-支根”组合体进行力学特性实验，获取各个组合体的应变式传感信号；应变式传感信号与图像信号之间的转换为：首先，将一维的组合体的应变式传感信号进行连续小波变换算法变换，得到小波系数矩阵： ；式中：a、b分别表示尺度参数与平移参数；ft表示原始信号；表示小波基函数；之后，对小波系数矩阵中的每个元素进行转换，得到其对应的灰度值： 式中：Gi,j表示灰度图像中的像素值；Wi,j表示小波系数矩阵中的元素；maxW表示小波系数矩阵中的最大值；最后，通过连续小波变换算法将一维的组合体的应变式传感信号中的每个元素映射为一个灰度值，形成灰度图像，完成组合体的应变式传感信号与组合体图像信号之间的转换；所述构建防碰撞边界包括：首先，通过对“根-土-茎”复合图像进行边缘检测，依据智能分类表保留主根边缘；然后，通过八连通领域像素检测方法合并主根边缘之间的像素，生成防碰撞边界；其中，通过八连通领域像素检测方法合并主根边缘之间的像素包括：步骤e1：根据边缘检测获得的主根边缘，利用手动标定或自动标定的方法，划定边界范围；步骤e2：对于边界范围内的每个像素，以像素为中心取一个3x3的矩阵，并把矩阵中心的像素设为待检测像素；步骤e3：对矩阵中的八个相邻像素进行颜色值比对，若存在相邻像素颜色值与待检测像素颜色值不同，则待检测像素为边界像素，进行合并操作；步骤e4：对于边界像素，将它的像素值改成与其相邻像素值相同的值，从而达到合并的目的；即把上述边界像素设置为与其最近的相邻像素的像素值，这个相邻像素是八个相邻像素中的任意一个；步骤e5：经合并后，获得一个主根防碰的边界；收获机上设置深度检测系统，用于检测挖掘铲的入土深度；深度检测系统与工程机电连接，用于完成挖掘路径的规划；工程机进行挖掘路径规划包括：步骤f1：通过防碰撞边界的构建方法，获得三七地下主根部分的多个面的防碰撞边界；步骤f2：采用改进的迭代最近点算法，生成主根最小包围体；步骤f3：通过最小包围体获取包围体的最低点与重心，利用最低点、重心以及最优入挖点，获得挖掘辅助平面δ，并通过挖掘辅助平面δ获得其垂直平面β，将垂直平面β作为出土平面；步骤f4：结合最优入挖点、防碰撞边界、出土平面，规划挖掘路径；收获机上设置伺服电机与液压传动系统，伺服电机与液压传动系统分别与工程机电连接，完成三七挖掘。

全文数据：

权利要求：

百度查询： 昆明理工大学 一种三七中药材低损挖掘系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD