本发明涉及农业机械领域，尤其涉及一种单目式柔性智能苹果采摘机及其控制方法。
背景技术：
随着高新技术工业的高速发展，自动化设备机械手作为前沿呃产品高速更新自己的产品，顺应时代的需要。机器人具有使用性能强的优势，可以大大减少人力并高精度的满足工作的要求，目前已经被广泛的应用在工业自动化生产中，使传统的机械工业被大大地丰富，传统的人工劳动生产方法逐渐被新技术所代替。在自动化生产线总机械手不仅可以搬运货物以及分拣物品人手进行操作，因此机器人被广泛的应用在机械加工、金属冶炼、电子产品生产、轻工业产品以及农业领域。
苹果采摘过程费时费力，特别是中国空采摘需要借助梯子或者爬树进行采摘需要借助梯子或者爬树进行采摘，效率低且危险系数高。在苹果采摘中我们就可以借助苹果采摘机。目前市面上采摘工具以手抓型和剪刀型为主，普遍存在采摘效率低，损伤率高的问题。
技术实现要素：
本发明为解决目前的技术不足之处，提供了一种单目式柔性智能苹果采摘机，其能实现准确定位采摘，降低损伤率。
本发明还提供了一种单目式柔性智能苹果采摘机的控制方法，其能实现智能准确采摘，降低损伤率；
本发明通过bp神经网络控制采摘机的工作，实现实时监测准确定位待采摘的苹果，高效采摘；
本发明还通过实际情况来计算驱动电机的转动速率，使其达到最佳工作状态。
本发明提供的技术方案为：一种单目式柔性智能苹果采摘机，包括：
车架，以及
减速电机，其设在所述车架上，并且具有旋转轴；
第一机械臂，其一端与所述旋转轴固连，并且在所述第一机械臂上方设置有第一电机；
第二机械臂，其一端与所述第一机械臂另一端铰接，另一端固连有第一半圆采摘器；并且，所述第二机械臂上设置有通孔，所述第二机械臂上设置有第二电机；
第一丝杠，其与所述第一电机输出轴固连，所述第一丝杠上匹配设置有第一螺母，并且所述第一螺母与所述第二机械臂铰接；
第二丝杠，其与所述第二电机输出轴固连，所述第二丝杠上匹配设置有第二螺母；
连接杆，其穿过所述通孔后一端与所述第二螺母铰接，另一端固连有第二半圆采摘器；
其中，当所述连接杆绕其铰接点旋转时，能够使所述第二半圆采摘器与所述第一半圆采摘器扣合。
优选的是，还包括：
旋转平台，其为具有中心通孔的盘状结构，且设置在所述减速电机上，所述旋转轴穿过所述中心通孔后与所述第一机械臂的一端固定连接。
优选的是，还包括：
旋转盘，其可旋转地设置在所述车架上；
摄像头，其固定在所述旋转盘上。
优选的是，
所述车架下方设置有四个车轮；
所述车架前端的车轮之间设置有驱动电机；
所述车架后端上方设置有车厢；
其中，所述驱动电机与所述车架前端的车轮传动连接。
优选的是，还包括：
红外传感器，其设置在所述旋转盘上；
重力传感器，其设置在所述车厢底部；
控制板，其设置在所述车架下方，连接控制所述第一电机、所述第二电机、所述驱动电机、所述红外传感器、所述重力传感器。
一种单目式柔性智能苹果采摘机的控制方法，包括以下步骤：
步骤一、摄像头识别成熟苹果；
步骤二、按照采样周期，采集待摘苹果与第二机械臂的距离sa，待摘苹果与第二半圆采摘器的距离sb，摄像头与待摘苹果水平距离sx，待摘苹果距离地面高度h；
步骤三、依次将采集的待摘苹果与第二机械臂的距离sa，待摘苹果与第二半圆采摘器的距离sb，摄像头与待摘苹果水平距离sx，待摘苹果距离地面高度h进行规格化，确定三层bp神经网络的输入层向量x＝{x1,x2,x3,x4}；其中，x1为待摘苹果与第二机械臂的距离系数，x2为待摘苹果与第二半圆采摘器的距离系数，x3为摄像头与待摘苹果水平距离系数，x4为待摘苹果距离地面高度系数；
步骤四、所述输入层向量映射到中间层，所述中间层向量y＝{y1,y2,…,ym}；m为中间层节点个数；
步骤五、得到输出层向量z＝{z1,z2,z3,z4}；其中，z1为第一电机输出轴转动角度调节系数，z2为第二电机输出轴转动角度调节系数，z3为驱动电机的转速调节系数，z4为紧急停车信号，使
αi+1＝z1iαmax
βi+1＝z2iβmax
ni+1＝z3inmax
其中，z1i、z2i、z3i分别为第i个采样周期输出层向量参数，αmax、βmax、nmax分别为第一电机输出轴最大转动角度、第二电机输出轴最大转动角度、驱动电机的最大转速，αi+1、βi+1、ni+1分别为第i+1个采样周期的第一电机输出轴转动角度、第二电机输出轴转动角度、驱动电机的转速。
优选的是，
其中，xj为输入层向量中的参数，xj分别代表测量参数sa、sb、sx、h，j＝1,2,3,4；xjmax和xjmin分别为相应测量参数中的最大值和最小值。
优选的是，
所述步骤四中，所述中间层节点个数m满足：
优选的是，
驱动电机的初始转速n1满足：
其中，m为车厢的重量，m为车厢内苹果重量。
优选的是，
根据第i次周期中的待摘苹果与第二机械臂的距离sa，待摘苹果与第二半圆采摘器的距离sb，摄像头与待摘苹果水平距离sx，待摘苹果距离地面高度h的采样信号，判定采摘机的运行状态，当
本发明所述的有益效果：本发明提供了单目式柔性智能苹果采摘机，其能根据苹果的位置准确调整其采摘机的机械臂的位置，实现准确采摘，降低苹果损伤率。本发明还提供了一种基于bp神经网络的智能采摘机控制方法，使得采摘果实更加智能，提高工作效率。
附图说明
图1为本发明的所述单目式柔性智能苹果采摘机的整体结构图。
图2为本发明的所述单目式柔性智能苹果采摘机的侧视图。
图3为本发明的机械臂的结构图。
具体实施方式
下面结合附图对本发明做进一步的详细说明，以令本领域技术人员参照说明书文字能够据以实施。
如图1-3所示，本发明的单目式柔性智能苹果采摘机，其包括车架100，其车架100上设置有多个连接件，在车架100后端上方设置有车厢120，车厢120的上端具有开口，用来接收采摘的苹果。在车架100的下端四周设置有四个车轮110，并且在前端两车轮之间设置有驱动电机111，驱动电机111通过蜗杆机构112与前端两车轮驱动连接。同时，在车架下方设置有控制板300，其连接驱动电机111，控制驱动电机的运行。
在车架100的上端设置有旋转平台140，平台上设置有旋转轴142，其可以进行360度旋转。在旋转平台140底部设置有减速电机141，旋转平台140为中心带孔的盘状结构。减速电机141的输出端与旋转轴131固连，控制旋转轴142的旋转。
第一机械臂210，其一端与旋转轴142固连，另一端与第二机械臂220铰接。在第一机械臂210和第二机械臂220的上方分别设置有第一电机211和第二电机221，且第一电机211和第二电机221的输出端上分别设置有减速机构214和227，在减速机构214和227上分别设置有联轴器215和228，在联轴器215和228的另一端分别匹配连接第一丝杠212和第二丝杠222。在第一丝杠212上匹配设置有第一螺母213，第一螺母213与第二机械臂220铰接。第二丝杠222上匹配设置有第二螺母223。在第二机械臂210的另一末端固连有第一半圆采摘器224，并且第二机械臂210上设置有通孔。连接杆223穿过通孔，一端与第二螺母223铰接，另一端固连有第二半圆采摘器225。连接杆223绕铰接点旋转能使第二半圆采摘器225与第一半圆采摘器224扣合。因此，第一电机211使第一丝杠212转动，带动第一螺母213的运动，从而实现第一机械臂210的抬起或下降。第二电机221的转动带到第二丝杠222的转动，从而使得第二半圆采摘器225与第一半圆采摘器224的开合，实现采摘。
第二半圆采摘器225与第一半圆采摘器224内壁设置有橡胶垫，保护果实的完整性。
车架100上还设置有旋转盘130，其上端设置有旋转电机131，旋转电机131的输出轴上固设有摄像头150，用来观测待采摘果实的位置和具体情况。红外传感器，其设置在所述旋转盘上；重力传感器，其设置在车厢底部，用来检测车厢及采摘苹果的重力；控制板300连接摄像头150、旋转电机131、第一电机211、第二电机221、驱动电机、重力传感器、红外传感器，并控制其工作状态。
采摘实现是通过丝杠螺旋传动。采摘作业时，控制板发出指令，旋转平台旋转，同时第一丝杠在第一电机带动下旋转从而升高第一机械臂，使第一半圆采摘器到达指定位置，然后第二丝杠在第二电机带动下旋转带动第二半圆采摘器，包裹住苹果，然后控制第二丝杠旋转闭合采摘器，等采摘器完全闭合夹紧，使苹果掉落，然后第一电机控制第一丝杠旋转将苹果运送到车厢内，第二电机控制第二丝杠旋转使采第二半圆摘器打开，苹果落入车厢，完成一次采摘过程。
本发明还提供了一种单目式柔性智能苹果采摘机的控制方法，包括以下步骤：
步骤一：建立bp神经网络模型。
本发明采用的bp网络体系结构由三层组成，第一层为输入层，共n个节点，对应了表示n个输入参数，这些信号参数由数据预处理模块给出。第二层为隐层，共m个节点，由网络的训练过程以自适应的方式确定。第三层为输出层，共q个节点，由系统实际需要输出的响应确定。
该网络的数学模型为：
输入向量：x＝(x1,x2,...,xn)t
中间层向量：y＝(y1,y2,...,ym)t
输出向量：z＝(z1,z2,...,zq)t
本发明中，输入层节点数为n＝4，输出层节点数为q＝4。隐藏层节点数m由下式估算得出：
输入信号4个参数分别表示为：x1为待摘苹果与第二机械臂的距离系数，x2为待摘苹果与第二半圆采摘器的距离系数，x3为摄像头与待摘苹果水平距离系数，x4为待摘苹果距离地面高度系数。
由于传感器获取的数据属于不同的物理量，其量纲各不相同。因此，在数据输入人工神经网络之前，需要将数据规格化为0-1之间的数。
具体而言，对于使用红外传感器测得的待摘苹果与第二机械臂的距离sa，进行规格化后，得到待摘苹果与第二机械臂的距离系数x1：
其中，sa-max和sa-min分别为待摘苹果与第二机械臂的最大距离和最小距离。
同样的，对于使用红外传感器测得的待摘苹果与第二半圆采摘器的距离sb，进行规格化后，得到待摘苹果与第二半圆采摘器的距离系数x2：
其中，sb-max和sb-min分别为待摘苹果与第二半圆采摘器的最大距离和最小距离。
同样的，对于使用红外传感器测得的摄像头与待摘苹果水平距离sx，进行规格化后，得到摄像头与待摘苹果水平距离系数x3：
其中，sx-max和sx-min分别为摄像头与待摘苹果最大水平距离和最小水平距离。
同样的，对于使用红外传感器测得的待摘苹果距离地面高度系数h，进行规格化后，得到待摘苹果距离地面高度系数x4：
其中，hmax和hmin分别为待摘苹果距离地面最大高度和最小高度。
输出的四个参数分别表示为：z1为第一电机输出轴转动角度调节系数，z2为第二电机输出轴转动角度调节系数，z3为驱动电机的转速调节系数，z4为紧急停车信号。
第一电机输出轴转动角度调节系数z1表示下一个采样周期时第一电机输出轴转动角度与第一电机输出轴最大转动角度之比，即在第i个采样周期获取输入参数，通过bp神经网络输出第i个采样周期的第一电机输出轴转动角度调节系数z1i后，控制第i+1个采样周期中的第一电机输出轴转动角度αi+1，使其满足：
αi+1＝z1iαmax
其中，αmax为第一电机输出轴最大转动角度。
第二电机输出轴转动角度调节系数z2表示下一个采样周期时第二电机输出轴转动角度与第二电机输出轴最大转动角度之比，即在第i个采样周期获取输入参数，通过bp神经网络输出第i个采样周期的第二电机输出轴转动角度调节系数z2i后，控制第i+1个采样周期中的第二电机输出轴转动角度βi+1，使其满足：
βi+1＝z2iβmax
其中，βmax为第二电机输出轴最大转动角度。
驱动电机转速调节系数z3表示下一个采样周期时驱动电机转转速与驱动电机最大转速之比，即在第i个采样周期获取输入参数，通过bp神经网络输出第i个采样周期的驱动电机转速调节系数z3i后，控制第i+1个采样周期中的驱动电机转速ni+1，使其满足：
ni+1＝z3inmax
其中，nmax为驱动电机最大转速。
步骤二、进行bp神经网络的训练。
建立好bp神经网络节点模型后，即可进行bp神经网络的训练。根据产品的历史经验数据获取训练的样本，并给定输入节点i和隐含层节点j之间的连接权值wij，隐层节点j和输出层节点k之间的连接权值wjk，隐层节点j的阈值θj，输出层节点k的阈值θk、wij、wjk、θj、θk均为-1到1之间的随机数。
在训练过程中，不断修正wij和wjk的值，直至系统误差小于等于期望误差时，完成神经网络的训练过程。
如表1所示，给定了一组训练样本以及训练过程中各节点的值。
表1训练过程各节点值
步骤三、采集输入参数，得到输出参数，并对单目式柔性智能苹果采摘机进行控制。具体包括如下分步骤：
将训练好的人工神经网络固化在芯片之中，使硬件电路具备预测和智能决策功能，从而形成智能硬件。
s310：摄像头识别成熟苹果；
通过dsp的高速算法计算芯片和threshold阈值算法，由coms摄像头采集苹果图片信息并储存，经过threshold算法对图片像素信息处理，从绿色苹果树叶中识别到成熟的红色苹果为待摘苹果。
s320：按照采样周期，获取待摘苹果与第二机械臂的距离sa，待摘苹果与第二半圆采摘器的距离sb，摄像头与待摘苹果水平距离sx，待摘苹果距离地面高度h；其中，i＝1,2,……。
s330：依次将上述4个参数进行规格化，得到第i个采样周期时三层bp神经网络的输入层向量x＝{x1,x2,x3,x4}。
s340：所述输入层向量映射到中间层，得到第i个采样周期时中间层向量y＝{y1,y2,y3,y4}。
s350：所述中间层向输出层映射，得到第i个采样周期时得到输出层向量z＝{z1,z2,z3,z4}。
s360：对第一电机输出轴转动角度、第二电机输出轴转动角度、驱动电机的转速、使下一个周期即第i+1个采样周期时满足：
αi+1＝z1iαmax
βi+1＝z2iβmax
ni+1＝z3inmax
其中，驱动电机的初始转速n1满足：
其中，m为车厢的重量，单位kg，m为车厢内苹果重量，单位kg。
根据
尽管本发明的实施方案已公开如上，但其并不仅仅限于说明书和实施方式中所列运用，它完全可以被适用于各种适合本发明的领域，对于熟悉本领域的人员而言，可容易地实现另外的修改，因此在不背离权利要求及等同范围所限定的一般概念下，本发明并不限于特定的细节和这里示出与描述的图例。