面向柑橘采摘,构建以上位机、RealSense Camera R200深度相机、VS-6556垂直多关节工业用机械臂、三指柔性手爪等组成的采摘机器人硬件平台。以Windows10为开发环境,采用librealsense相机软件开发工具包、OpenCV计算机视觉库、TensorFlow...面向柑橘采摘,构建以上位机、RealSense Camera R200深度相机、VS-6556垂直多关节工业用机械臂、三指柔性手爪等组成的采摘机器人硬件平台。以Windows10为开发环境,采用librealsense相机软件开发工具包、OpenCV计算机视觉库、TensorFlow-GPU和Keras深度学习框架、ORIN2机械臂控制软件开发工具包、Arduino IDE函数库以及SerialPort串口通信软件开发工具包等,研究基于深度相机、机械臂二次开发的采摘控制系统设计,包括视觉识别定位、手爪动作控制、机械臂运动控制以及采摘控制等模块的程序设计。采摘控制系统柑橘定位试验和柑橘采摘试验的测试结果显示,在实验室环境下面对随机布置的柑橘,视觉识别定位模块的平均定位精度误差为1.22 cm,采摘过程中柑橘识别成功率达到100%,平均识别时间约为47 ms,机器人柑橘采摘成功率达到80%,平均采摘时间约为15.2 s,验证了采摘机器人平台控制系统程序的可行性,表明所开发的采摘控制系统能够正确、高效地完成整个柑橘采摘作业流程。展开更多
为保证客舱安全,及时识别出旅客的异常行为,基于眼动仪,模拟客舱旅客异常行为,构建试验系统。选取参加过工作实习的空中保卫专业的学生作为被试,获取被试的视觉特征数据。基于多重分形消除趋势波动分析法(Multifractal Detrended Fluctu...为保证客舱安全,及时识别出旅客的异常行为,基于眼动仪,模拟客舱旅客异常行为,构建试验系统。选取参加过工作实习的空中保卫专业的学生作为被试,获取被试的视觉特征数据。基于多重分形消除趋势波动分析法(Multifractal Detrended Fluctuation Analysis of nonstationary time series,MF-DFA),分析航空安全员的视觉搜索特征。结果表明:航空安全员的注视持续时间和扫视幅度与其识别异常行为的能力存在显著的正相关关系;具有高识别能力的航空安全员的注视持续时间和扫视幅度奇异谱宽度均大于低识别能力的航空安全员的奇异谱宽度,具有较强的抗外界干扰能力。将MF-DFA算法引入航空安全员的视觉搜索特征分析,为航空安全员的培训和选拔等提供参考。展开更多
文摘为保证客舱安全,及时识别出旅客的异常行为,基于眼动仪,模拟客舱旅客异常行为,构建试验系统。选取参加过工作实习的空中保卫专业的学生作为被试,获取被试的视觉特征数据。基于多重分形消除趋势波动分析法(Multifractal Detrended Fluctuation Analysis of nonstationary time series,MF-DFA),分析航空安全员的视觉搜索特征。结果表明:航空安全员的注视持续时间和扫视幅度与其识别异常行为的能力存在显著的正相关关系;具有高识别能力的航空安全员的注视持续时间和扫视幅度奇异谱宽度均大于低识别能力的航空安全员的奇异谱宽度,具有较强的抗外界干扰能力。将MF-DFA算法引入航空安全员的视觉搜索特征分析,为航空安全员的培训和选拔等提供参考。
