基于觸覺信息的果蔬表面特性識別研究.pdf

1、農(nóng)業(yè)機器人已經(jīng)被越來越廣泛的運用到果蔬采摘、加工等作業(yè)環(huán)境中，經(jīng)常需要末端執(zhí)行器進行抓取作業(yè)，但在非結構化環(huán)境中，作業(yè)對象的剛度、形狀、紋理、溫度等信息往往不被所知，因而無法采用合適的抓取策略來實行抓取，會造成抓取對象的滑落或者果蔬的損傷。因此在未知的環(huán)境中進行抓取操作時，需要農(nóng)業(yè)機器人能夠獲取果蔬表面的特性從而判斷物體的性質采取合適的抓取策略，來使機器人能夠穩(wěn)定抓持果蔬。為此，本文以采摘機器人抓取系統(tǒng)為研究平臺，從觸覺傳感器研制、觸覺

2、信息特征提取、特征選擇、樣本訓練與分類等方面進行了深入研究，主要工作如下:
　　1)首先選擇適于進行觸覺信息檢測的傳感器元件PVDF壓電薄膜和電阻應變片用于觸覺傳感器的制作，分別采用四個PVDF壓電薄膜傳感器元件和四個電阻應變片通過隨機分布的布置方式制作一款模仿人皮膚特點的仿人型觸覺傳感器用于果蔬表面特性的研究。為確保輸出信號的有效性，將所要制作的傳感器模型導入ANSYS有限元分析軟件進行力學分析，通過軟件分析確定傳感器元件布置位

3、置，應盡可能將微小輸出的傳感器元件布置在傳感器的中間區(qū)域。
　　2)搭建了觸覺信息檢測平臺，在硬件上，選擇DH5853電荷放大器和DH3841應變放大器用于壓電薄膜和電阻應變片信號的放大;利用力敏電阻作為敏感材料制作了一種指力傳感器，以指力傳感器的信號作為反饋，用于控制被測樣品與手指之間的夾持力;在軟件上，采用LABVEIEW編寫多通道數(shù)據(jù)采集程序，用于多通道數(shù)據(jù)的同時采集和存儲。實際實驗表明，所選用的放大器能夠很好的實現(xiàn)信號的放

4、大，所制作的指力傳感器能夠穩(wěn)定用于控制手爪與樣品之間的夾持力，所編寫的數(shù)據(jù)采集程序能夠實現(xiàn)多通道數(shù)據(jù)的同步采集與存儲。
　　3)選用三種研究對象:蘋果、哈密瓜、黃瓜，以觸覺信息檢測平臺采集了三種樣品各200組樣品數(shù)據(jù)，總共為420組數(shù)據(jù)。對于采集到的每個樣本數(shù)據(jù)包含四個壓電薄膜信號和四個電阻應變片信號，提取出16個特征來表示每個樣本，分別是四個壓電薄膜信號的信號最大值Max，信號最小值Min，信號最大值與最小值之間的差值dk，dk

5、=|Max-Min|，四個電阻應變片信號的信號最大值與最小值之間的差值dk, dk=|Max-Min|，選用三種分類器進行分類，分別是:支持向量機，BP神經(jīng)網(wǎng)絡，決策樹，分類結果分別為:89.99％，93.49％和92.29％，分類結果表明三種分類方法的準確率都可達90％左右，證明所設計的觸覺傳感器能夠用于區(qū)分具有不同表面特性的物體。
　　4)對于提取出的16個特征進行了特征評價與選擇，首先采用一種改進的特征評價方法NG-scor

6、e值來對特征進行評價，計算得到各個特征的NG-score值大小，計算結果表明特征1、2、3、4、5、6的NG-score值較大，即這些特征對于分類的貢獻率較大。提出了結合Filter模型和wrapper模型的特征選擇策略，將NG-score值由大到小依次加入構成特征子集，若對分類性能有提高則入選最優(yōu)子集，若降低則不入選。經(jīng)過特征選擇算法，選擇出(3，6，2，5)為支持向量機最優(yōu)特征子集，準確率89.394％，(3，6，5，4，12)為B