甘蔗种植机械采取盲种的方式种植甘蔗,在排种时无法保证蔗种落地时蔗芽朝向种沟沟壁,种植农艺水平低下且种植质量不高,导致机械种植甘蔗亩产量并没有人工种植亩产量高,甘蔗种植机械发展遇到瓶颈。本课题从甘蔗种植的农艺要求出发,提出运用计算机视觉与机械结构相结合的方法来实现甘蔗定向种植,设计了基于机器视觉的蔗种定向调整系统,对系统中的关键环节即蔗芽视觉识别定位方法和蔗种定向调整装置进行研究。在蔗芽视觉识别方面,采用传统图像识别方法和卷积神经网络图像识别方法进行研究,实现对蔗芽识别定位的两种方案,进一步通过蔗芽识别方案确定机械手的工作要求,设计出机械手三维模型,并对其进行运动学分析及仿真,为满足蔗种种植农艺要求的智能种植机械的研发提供理论基础。主要研究内容和结论如下:(1)设计蔗种定向调整系统并采集蔗种图像。从机器视觉与机械结构相结合的蔗种定向识别系统入手,分析蔗芽视觉检测的本质是蔗芽形心的定位;蔗种进入视觉识别区时有不同的初始姿态,根据蔗种不同的初始姿态制定不同的蔗种姿态调整方式;基于此,制定蔗种识别成功的评价指标以及蔗种的图像获取方式;测量了甘蔗实物的特征参数。(2)蔗种蔗芽识别定位。针对蔗种定向调整时对蔗芽位置的要求,提出了两种不同的蔗芽识别定位方法:传统图像识别方法和卷积神经网络图像识别方法,分析蔗种图片在不同颜色空间模型里的特征,确定蔗种在HSV中S分量的典型特征对蔗芽进行识别定位;改进了一个经典卷积神经网络结构,基于卷积神经网络对蔗芽进行了识别定位,并调整了较优的参数。(3)蔗种定向调整机械手的设计及运动仿真。结合蔗芽视觉识别方案确定蔗种定向调整机械手的工作要求,设计机械手三维模型,对机械手结构进行正运动学分析计算并仿真,验证了该蔗种定向调整机械手的可行性。对研究提出的两种蔗芽识别定位方法进行蔗芽识别定位实验,基于HSV模型中S分量的蔗芽识别定位方法的识别定位成功率为90%,每幅图像识别定位平均用时为5.58s;卷积神经网络方法的蔗芽识别定位成功率为92%,每幅图像识别定位平均用时为1.2s,相比之下卷积神经网络的方法较优。对设计的蔗种定向调整机械手进行了正运动学分析及仿真,验证了该机械手的可行性。