-
-
公开(公告)号：CN108450132B
公开(公告)日：2023-05-12
申请号：CN201810486319.8
申请日：2018-05-21
申请人： 广州大学
IPC分类号： A01D45/00
摘要： 本发明涉及一种菠萝采摘装置，包括第一级支撑板、旋转电机、同步带轮机构、第二级支撑板、第一丝杆和第二丝杆、套装在第一丝杆上的第一螺母、套装在第二丝杆上的第二螺母、第三级支撑板、框架、步进电机、安装在步进电机输出端上的圆盘、安装在框架下部的快门机构、连杆机构；主动轮安装在旋转电机的输出端上，第一从动轮套装在第一丝杆上，第二从动轮套装在第二丝杆上，第一丝杆和第二丝杆均贯穿第二级支撑板和第三级支撑板，第一螺母和第二螺母均固定在第三级支撑板上，连杆机构的上端连接在圆盘上，连杆机构的下端连接在快门机构上。本装置可以罩住和切断菠萝的茎秆，属于菠萝采摘装置的技术领域。
-
公开(公告)号：CN109389161B
公开(公告)日：2021-08-31
申请号：CN201811137406.9
申请日：2018-09-28
申请人： 广州大学
摘要： 本发明公开了一种基于深度学习的垃圾识别进化学习方法、装置、系统及介质，所述方法包括：获取垃圾样本图像数据；对垃圾样本图像数据进行预处理；将预处理后的垃圾样本图像数据作为神经网络的输入参数，与已训练垃圾识别模型进行比对，根据比对结果，判断是否识别成功；将识别成功的垃圾相应信息反馈给垃圾分类投放机构；通过ResNet算法对识别失败的垃圾样本图像数据再次进行识别，将ResNet算法识别成功的垃圾样本图像数据进行标记，并将垃圾相应信息反馈给垃圾分类投放机构，更新垃圾识别模型；将ResNet算法识别成功的垃圾样本图像数据传输给用户或维护人员以进行标记，更新垃圾识别模型。本发明大大减少维护人员的工作量，实现对大量垃圾的准确分类。
-
公开(公告)号：CN108575322B
公开(公告)日：2024-05-14
申请号：CN201810738018.X
申请日：2018-07-06
申请人： 广州大学
摘要： 本发明公开了一种水果采摘机器人，包括车身、升降机构、伸缩机构、采摘机构以及控制装置，所述采摘机构包括第一驱动件以及固定座，旋转刀片、以及定位板，所述第一驱动件与所述定位板设于所述固定座上，所述旋转刀片设于所述定位板上，所述定位板设有用于导向水果梗部的导向槽；所述车身、所述升降机构和所述伸缩机构分别控制所述采摘机构的水平旋转、竖直升降和水平伸缩，所述定位板可用于安装所述旋转刀片以及确定果实剪切的位置，所述导向槽可用于引导果实梗部移动至所述旋转刀片的切断区域，便于对实现对水果的梗部切断，自动化程度高，可行性高，通用性强，能广泛应用多种不同水果中的自动化摘取。
-
公开(公告)号：CN108416814B
公开(公告)日：2020-07-31
申请号：CN201810139803.3
申请日：2018-02-08
申请人： 广州大学
摘要： 本发明公开了一种菠萝头部的快速定位与识别方法及系统，所述方法步骤具体包括：采集可能包含菠萝信息的RGB图像；将RGB图像转换为HSV图像，对其进行阈值分割、轮廓处理，定位面积最大的疑似目标物区域所在位置，提取RGB图像中上述位置的图像区域，作为感兴趣区域；生成感兴趣区域的颜色直方图，将其与预先设定的不同环境下的菠萝头部颜色直方图进行匹配，判断相似度是否达到设定阈值；同时提取感兴趣区域菠萝头部果眼特征，将上述特征输入到分类器，判定菠萝头部果眼是否存在，以及计算果眼的中心坐标；通过上述步骤得到相似度以及果眼的特征。本发明能够实现对菠萝头部的快速定位与识别，有利于减少菠萝采摘过程中受伤的风险，提高劳动效率。
-
公开(公告)号：CN109622385A
公开(公告)日：2019-04-16
申请号：CN201910003340.2
申请日：2019-01-03
申请人： 广州大学
摘要： 本发明公开了一种垃圾分类分散装置，包括框架、第一振动机构以及第二振动机构，所述第一振动机构与所述第二振动机构相向设置形成输送方向倾斜于水平方向的输送通道，所述第一振动机构包括第一振动板以及第一振动组件，所述第二振动机构包括第二振动板以及第一振动组件，所述第一振动板和所述第二振动板相向设置，所述第一振动板与所述第二振动板的自由端形成有落料口，成堆垃圾在所述第一振动组件和所述第二振动组件的振动下，将成堆垃圾震分离，沿着所述输送通道进行输送前进，小件垃圾可以从所述落料口掉落，而大件垃圾到所述输送通道的结束端掉落，实现将成堆垃圾进行分类分离成大小单件垃圾的目的。
-
公开(公告)号：CN109344894A
公开(公告)日：2019-02-15
申请号：CN201811137854.9
申请日：2018-09-28
申请人： 广州大学
摘要： 本发明公开了一种基于多传感器融合和深度学习的垃圾分类识别方法，包括步骤：S1：获取学习样本数据，样本数据包括已知分类垃圾的图像和物理参量，所述物理参量包括介电常数、磁导率、光电参数和重量；S2：采用深度学习神经网络方法训练分类模型，分类模型的输入为上述样本数据，输出为预测的垃圾种类；S3：拍摄待分类垃圾的图像，采集待分类发垃圾的物理参量，然后将信息输入到步骤S2中的分类模型，得到预测的垃圾种类。本发明还提供一种用于实现上述方法的装置。本发明能够高速且准确地将用户投放的生活垃圾分类，做到尽可能成功分类常见的生活垃圾，并同时将垃圾种类等信息反馈回来，进而提高垃圾的回收率。
-
-
-
公开(公告)号：CN108093843A
公开(公告)日：2018-06-01
申请号：CN201810112122.8
申请日：2018-02-05
申请人： 广州大学
IPC分类号： A01D45/00
摘要： 本发明提供一种推杆式菠萝采摘装置，其包括：固定框架以及设置在固定框架下方的移动框架，固定框架上固定安装有升降电机，升降电机的输出轴与丝杆的上端固定连接以带动丝杆旋转；移动框架的上框上固定安装有丝杆滑台，丝杆的下端通过丝杆滑台与移动框架可活动的连接，移动框架的左侧设有第一推杆电机，移动框架的右侧设有第二推杆电机，第一推杆电机与第二推杆电机处于不同高度。根据本发明提供的推杆式菠萝采摘装置，其能有效地定位并且采摘菠萝。
-
-
-
-
-
-
-
-
-
搜索结果
50 条记录 (耗时 0.071 秒)
