本站小編為你精心準(zhǔn)備了談數(shù)據(jù)挖掘在采摘機(jī)器人圖像采集過程參考范文，愿這些范文能點(diǎn)燃您思維的火花，激發(fā)您的寫作靈感。歡迎深入閱讀并收藏。

摘要:針對采摘機(jī)器人果實(shí)識別速率較低導(dǎo)致采摘效率較低的問題，對數(shù)據(jù)挖掘技術(shù)在采摘機(jī)器人中圖像采集過程的應(yīng)用進(jìn)行了分析。采摘機(jī)器人主要組成包括圖像采集模塊、運(yùn)動(dòng)控制模塊、氣壓驅(qū)動(dòng)模塊、電源模塊、微處理器模塊和無線網(wǎng)傳輸模塊。為了提升圖像數(shù)據(jù)的處理速度，采用MR模型和決策樹中的ID3算法對圖像數(shù)據(jù)進(jìn)行處理，并構(gòu)建決策樹模型，對圖像數(shù)據(jù)進(jìn)行數(shù)據(jù)挖掘處理。為了驗(yàn)證該采摘機(jī)器人的性能，對其進(jìn)行數(shù)據(jù)挖掘算法調(diào)試試驗(yàn)和采摘機(jī)器人性能試驗(yàn)，結(jié)果表明:該圖像處理算法速度顯著提升，采摘機(jī)器人性能穩(wěn)定，采摘效果好。

關(guān)鍵詞:采摘機(jī)器人;數(shù)據(jù)挖掘技術(shù);圖像采集過程;MR模型;決策樹

0引言

隨著農(nóng)村經(jīng)濟(jì)的發(fā)展和農(nóng)業(yè)生產(chǎn)的進(jìn)步，農(nóng)業(yè)產(chǎn)品的生產(chǎn)模式逐漸向現(xiàn)代化發(fā)展。為了提高生產(chǎn)效率，農(nóng)業(yè)機(jī)器人的應(yīng)用范圍越來越廣。農(nóng)業(yè)機(jī)器人的科技含量較高，是綜合了自動(dòng)控制、信息處理、計(jì)算機(jī)和精密機(jī)械等技術(shù)于一體的綜合技術(shù)［1］。其中，采摘機(jī)器人是農(nóng)業(yè)機(jī)器人的一種，其作業(yè)和控制過程最為復(fù)雜，主要是通過攝像機(jī)等設(shè)備利用機(jī)器視覺技術(shù)獲取果實(shí)和環(huán)境的圖像采集信息，利用軟件對圖像信息進(jìn)行處理加工，并通過機(jī)械臂等裝置完成果實(shí)的采摘［2］。但是，在實(shí)際的采摘過程中，獲取的圖像信息過多，且后續(xù)的圖像分割和果實(shí)識別信息量過大，嚴(yán)重降低了果實(shí)識別速度及機(jī)器人的采摘效率。數(shù)據(jù)挖掘技術(shù)是在數(shù)據(jù)庫中，利用適當(dāng)?shù)臄?shù)據(jù)分析工具如模糊集、遺傳算法和神經(jīng)網(wǎng)絡(luò)等，根據(jù)需要獲得有用信息的過程。若在大量的圖片數(shù)據(jù)中利用數(shù)據(jù)挖掘技術(shù)分析和提取有用的信息，可以有效減少后續(xù)的數(shù)據(jù)處理量，提高數(shù)據(jù)處理速度及處理效率［3］。目前，國內(nèi)外學(xué)者研究較多的是決策樹算法，該種算法是基于一定的規(guī)則方式在簡單的數(shù)據(jù)集中進(jìn)行學(xué)習(xí)和訓(xùn)練，進(jìn)而實(shí)現(xiàn)在龐大的復(fù)雜數(shù)據(jù)集中獲得有效信息。目前，數(shù)據(jù)挖掘技術(shù)還未在采摘機(jī)器人的圖像處理中獲得廣泛應(yīng)用，可以考慮將其應(yīng)用于果實(shí)的識別過程。為此，筆者對數(shù)據(jù)挖掘技術(shù)在采摘機(jī)器人中圖像采集的應(yīng)用進(jìn)行了分析和研究。

1硬件設(shè)計(jì)

1．1總體設(shè)計(jì)

采摘機(jī)器人采用微處理器作為核心控制單元，主要包括圖像采集模塊、運(yùn)動(dòng)控制模塊、氣壓驅(qū)動(dòng)模塊、電源模塊、微處理器模塊和無線網(wǎng)傳輸模塊，結(jié)構(gòu)如圖1所示。

1．2圖像采集模塊

圖像采集模塊主要用于對采摘機(jī)器人周圍的環(huán)境及果實(shí)情況進(jìn)行圖像的采集和處理，包括對圖片的采集、接收、處理、數(shù)據(jù)挖掘和存儲(chǔ)等，并將結(jié)論通過無線網(wǎng)傳輸至微處理器。該模塊主要由工業(yè)相機(jī)、攝像頭、存儲(chǔ)器和圖像采集平臺組成，如圖2所示。攝像頭采用OV9650型號攝像頭，并配置CMOS傳感器，以提高其集成度;CCD工業(yè)相機(jī)用于采集果實(shí)圖片;存儲(chǔ)器用于實(shí)時(shí)地將攝像頭和相機(jī)拍攝到的信息及時(shí)存儲(chǔ)。同時(shí)，在模塊內(nèi)部配置時(shí)序電路、模擬信號和數(shù)字信號處理電路及SCCB接口等，保證各類格式的兼容以及數(shù)據(jù)的傳輸。圖像采集平臺用于固定圖像采集模塊的信息，保證硬件設(shè)備的穩(wěn)定性。

1．3運(yùn)動(dòng)控制模塊

運(yùn)動(dòng)控制模塊主要用于對采摘機(jī)器人的運(yùn)動(dòng)進(jìn)行控制［4］，根據(jù)獲得的目標(biāo)果實(shí)位置信息到達(dá)采摘位置，并完成最終的采摘?jiǎng)幼鳌ＤK主要由定位裝置、機(jī)械臂、末端執(zhí)行器和行走裝置組成。其中，定位裝置用于確定采摘機(jī)器人的位置，將位置信息傳遞給微處理器，計(jì)算機(jī)器人的采摘路徑;行走裝置用于使機(jī)器人按照采摘路徑行駛至指定位置，由機(jī)械臂執(zhí)行大動(dòng)作，使末端執(zhí)行器到達(dá)待采摘果實(shí)附近，執(zhí)行最終的采摘?jiǎng)幼鳎瓿刹烧?/p>

1．4氣壓驅(qū)動(dòng)模塊

氣壓驅(qū)動(dòng)模塊主要為運(yùn)動(dòng)控制模塊的各運(yùn)動(dòng)裝置提供驅(qū)動(dòng)力，通過控制氣缸的運(yùn)動(dòng)速度，進(jìn)而控制運(yùn)動(dòng)裝置的作業(yè)速度。一般驅(qū)動(dòng)裝置主要包括液壓、氣動(dòng)和電機(jī)驅(qū)動(dòng)3種方式:液壓驅(qū)動(dòng)方式用于大負(fù)載作業(yè)，但在作業(yè)過程中容易出現(xiàn)漏油;電機(jī)驅(qū)動(dòng)方式效率和精度均較高，但成本也高;氣動(dòng)驅(qū)動(dòng)方式成本較低，精度可滿足采摘要求，且使用壽命較長［5］。對比以上3種驅(qū)動(dòng)方式，最終選擇氣動(dòng)驅(qū)動(dòng)方式。氣動(dòng)驅(qū)動(dòng)模塊主要包括氣源、氣源處理單元、比例方向閥、擺動(dòng)氣缸和直線氣缸。其中，氣源用于提供恒壓氣體;氣源處理單元用于對恒壓氣體進(jìn)行處理;比例方向閥用于調(diào)整氣缸中的氣體流量，以控制氣體流速;擺動(dòng)氣缸和直線氣缸起到驅(qū)動(dòng)作用。氣壓驅(qū)動(dòng)模塊的原理圖如圖3所示。

1．5電源模塊

電源模塊主要為采摘機(jī)器人的作業(yè)提供必要的電能，外部原器件采用3．3V直流電源，內(nèi)部各模塊為采用9V電源供電，通過穩(wěn)壓片將電壓轉(zhuǎn)換為5V電壓為驅(qū)動(dòng)電路供電。為了提高機(jī)器人的安全性能，設(shè)計(jì)了過溫保護(hù)和欠壓鎖定單元。電源模塊的硬件設(shè)計(jì)如圖4所示。

1．6微處理器模塊和無線網(wǎng)傳輸模塊

微處理器模塊是采摘機(jī)器人的核心控制模塊，用于控制采摘機(jī)器人的整體采摘過程。無線網(wǎng)傳輸模塊用于數(shù)據(jù)的傳輸，實(shí)現(xiàn)對采摘機(jī)器人的遠(yuǎn)程控制。

2圖像數(shù)據(jù)挖掘算法設(shè)計(jì)

采摘機(jī)器人在圖像采集過程中，獲得并存儲(chǔ)的視頻和圖像數(shù)據(jù)過多，為了從這些圖像數(shù)據(jù)中快速地獲得有應(yīng)用價(jià)值的信息，需要對這些圖像信息進(jìn)行數(shù)據(jù)挖掘。目前，數(shù)據(jù)挖掘應(yīng)用較多的是決策樹方法［6］，其中的ID3算法是決策樹算法中較為常用且有效的數(shù)據(jù)挖掘算法，具有結(jié)構(gòu)簡單、清晰，學(xué)習(xí)能力較強(qiáng)等優(yōu)點(diǎn)［7］，但是數(shù)據(jù)冗余較多。MR模型是并行處理方式，可以對大量的數(shù)據(jù)進(jìn)行劃分處理，可起到數(shù)據(jù)化簡的效果。因此，采用基于MR的ID3算法對圖像信息進(jìn)行數(shù)據(jù)挖掘處理。

2．1MR模型和決策樹

MR模型是通過對大數(shù)據(jù)進(jìn)行劃分，并規(guī)整、化簡，最終得到結(jié)果的一種處理方式，其工作流程簡決策樹屬于監(jiān)管學(xué)習(xí)的分類方式，即每個(gè)給定的樣本均有確定的屬性和類別，通過學(xué)習(xí)可以獲得分類器，對新的樣本進(jìn)行屬性和類別的劃分，每個(gè)決策樹均代表類別與屬性的對應(yīng)關(guān)系。

2．2決策樹模型構(gòu)建

圖像數(shù)據(jù)的決策樹模型構(gòu)建方法按照以下步驟進(jìn)行:首先，假設(shè)決策樹模型的訓(xùn)練數(shù)據(jù)集為M，這些數(shù)據(jù)集的類別包括T1，T2，…，Tn，分別劃分至各類別的概率為P1，P2，…，Pn，則給定數(shù)據(jù)集M的分類期望值為H(M)=H(P1，P2，…，Pn)=－∑ni=1Piln(Pi)在這些數(shù)據(jù)集中，可以根據(jù)其所屬類別T，將這些數(shù)據(jù)集劃分為M1，M2，…，Mn，則這些數(shù)據(jù)集進(jìn)行分類所需要的信息量可以通過各個(gè)子集進(jìn)行加權(quán)得到。其平均值可通過下式計(jì)算，即H(T，M)=∑ni=1H(Mi)MiM信息增益可以根據(jù)數(shù)據(jù)集M的屬性T進(jìn)行劃分得出，即Gain(T，M)=H(M)－H(T，M)通過以上方法可以建立ID3算法的決策樹，但I(xiàn)D3方法生成的決策樹對噪聲比較敏感，且冗余數(shù)據(jù)較多。針對該缺點(diǎn)，在決策樹算法中增加屬性集依賴度的概念，去除決策樹的冗余數(shù)據(jù)，以簡化數(shù)據(jù)集。屬性集依賴度S按照下式計(jì)算，即S=γU(V)=card(UOSU(V))card(W)范圍為［0，1］。屬性依賴度是一個(gè)在近似區(qū)域S內(nèi)對個(gè)體元素U和V進(jìn)行依賴度定義，則近似區(qū)域S為S=(U，R)其中，U為包含所有元素的集合;R為包含元素U和V的集合。在進(jìn)行決策樹的計(jì)算時(shí)，將其在MR平臺運(yùn)行，即可快速地對數(shù)據(jù)集進(jìn)行挖掘處理，確定圖像最佳屬性。

3試驗(yàn)結(jié)果

為了驗(yàn)證該采摘機(jī)器人的性能，需要對其進(jìn)行試驗(yàn)驗(yàn)證。考慮到本文主要對其圖像采集過程進(jìn)行數(shù)據(jù)挖掘技術(shù)優(yōu)化，因此對其算法進(jìn)行調(diào)試試驗(yàn)，并對采摘機(jī)器人的性能進(jìn)行試驗(yàn)驗(yàn)證。

3．1數(shù)據(jù)挖掘算法調(diào)試試驗(yàn)結(jié)果

分別采用常規(guī)算法和數(shù)據(jù)挖掘算法對圖片數(shù)據(jù)進(jìn)行發(fā)送和接收任務(wù)。試驗(yàn)環(huán)境選擇100Mbps的以太網(wǎng)連接的電腦集群，電腦工作頻率為2．2GHz，測試在有不同數(shù)量節(jié)點(diǎn)介入時(shí)，不同數(shù)量級的圖片數(shù)據(jù)匹配完成的時(shí)間。試驗(yàn)結(jié)果如圖6所示。由圖6可知:隨著節(jié)點(diǎn)數(shù)量的增加和數(shù)量級的增加，數(shù)據(jù)處理速度逐漸增加;對比兩種不同算法的數(shù)據(jù)處理速度，采用數(shù)據(jù)挖掘算法的圖片數(shù)據(jù)處理時(shí)間明顯短于常規(guī)算法，其處理速度優(yōu)于傳統(tǒng)算法。

3．2采摘機(jī)器人采摘性能測試

選擇40m×60m的大棚進(jìn)行蘋果采摘試驗(yàn)，共選取不同位置的蘋果20個(gè)進(jìn)行采摘，統(tǒng)計(jì)采摘成功率。為了保證采摘機(jī)器人的穩(wěn)定性，試驗(yàn)共進(jìn)行5次，試驗(yàn)結(jié)果如表1所示。由表1可知:采摘機(jī)器人的采摘成功率均大于90%，作業(yè)過程性能較為穩(wěn)定，符合客戶對采摘機(jī)器人的性能要求。

4結(jié)論

1)針對采摘機(jī)器人果實(shí)識別速率較低，導(dǎo)致采摘效率較低的問題，對數(shù)據(jù)挖掘技術(shù)在采摘機(jī)器人中圖像采集過程的應(yīng)用進(jìn)行了分析和研究。采摘機(jī)器人主要包括圖像采集模塊、運(yùn)動(dòng)控制模塊、氣壓驅(qū)動(dòng)模塊、電源模塊、微處理器模塊和無線網(wǎng)傳輸模塊。

2)為了提升圖像數(shù)據(jù)的處理速度，采用MR模型和決策樹中的ID3算法對圖像數(shù)據(jù)進(jìn)行處理，并構(gòu)建決策樹模型，對圖像數(shù)據(jù)進(jìn)行數(shù)據(jù)挖掘處理。

3)為了驗(yàn)證該采摘機(jī)器人的性能，對其進(jìn)行數(shù)據(jù)挖掘算法調(diào)試試驗(yàn)和采摘機(jī)器人性能試驗(yàn)，結(jié)果表明:該圖像處理算法速度顯著提升，采摘機(jī)器人性能穩(wěn)定，采摘效果良好。

作者：白俊 單位：北京京北職業(yè)技術(shù)學(xué)院