1. 研究目的与意义（文献综述包含参考文献）
在农业机械采摘范畴，机械臂采摘主要包括两个方面，即目标检测和机械臂的轨迹规划。
1.目标检测方面：由于传统视觉方法在复杂背景下的鲁棒性较差,难以满足采集机器人的工作要求.近年来,CNN(卷积神经网络)的技术不断得到改进,在目标检测领域显示出了巨大的优势.它主要分为两类.第一类CNN生成一系列目标候选框,然后通过卷积神经网络对样本进行分类.具有代表性的算法有R-CNN、FastR-CNN 和FasterR-CNN.另一种CNN直接将目标边界位置问题转换为回归问题,因此不需要生成候选框.典型的算法包括SSD和YOLO.水果的识别和定位为机器人控制系统提供了目标信息。
而轻量级高精度的目标识别有以下要求：能耗低、识别速度快、硬件需求低以及精度高。
剩余内容已隐藏，您需要先支付后才能查看该篇文章全部内容！
2. 研究的基本内容、问题解决措施及方案
本文以六自由度机械臂为研究对象，将其进行运动学建模与轨迹仿真，并通过 工业相机配合DLL动态库，与机械臂进行端口通讯，实现拍照抓图功能。
基于 CNN(卷积神经网络)的yolo算法进行目标检测实验，YOLO weight进行图像分类，Opencv图像库进行图像形态学分析处理。
最后使用机械臂进行实验，验证算法可行性。
剩余内容已隐藏，您需要先支付 10元 才能查看该篇文章全部内容！立即支付
以上是毕业论文开题报告，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
