華中農(nóng)業(yè)大學在水果成熟度檢測方面取得進展

2023-11-08 09:07:47 來源：華中農(nóng)業(yè)大學閱讀量：10254

　　近日，華中農(nóng)業(yè)大學柑橘全程機械化平臺研究團隊以“Non-destructive fruit firmness evaluation using a soft gripper and vision-based tactile sensing”為題在農(nóng)業(yè)計算機與電子信息領域期刊Computers and Electronics in Agriculture發(fā)表研究論文。該研究通過視觸覺傳感柔性末端機械爪與深度學習方法，實現(xiàn)了對球形水果的穩(wěn)定抓取和成熟度準確分類。

　　果實硬度是判斷其成熟程度的重要指標之一，反映了內(nèi)部淀粉物質(zhì)的形態(tài)變化，可以更準確地指示內(nèi)部組織的成熟度，對其準確評估對采后管理決策具有重要參考意義。團隊受到鰭條效應啟發(fā)設計了一種軟材料制作的柔性機械爪，其具有穩(wěn)定無損抓取水果的功能的同時，可聯(lián)合深度學習網(wǎng)絡評估抓取過程中的作用力大小，進而實現(xiàn)判斷水果硬度和成熟程度的功能。

　　研究首先使用有限元建模和相關實驗證明了柔性材料制作的機械爪具備實現(xiàn)穩(wěn)定抓取同時、兼具非破壞性的優(yōu)勢；隨后結(jié)合視覺技術記錄機械爪與水果接觸時的變形特性，提出的深度學習網(wǎng)絡的序列式圖像信息處理模型——包括卷積神經(jīng)網(wǎng)絡、長短時記憶單元，使得該網(wǎng)絡模型能夠?qū)④洐C械爪在時序下的變形特征，進行作用力分析進而推斷水果硬度與成熟度。研究以西紅柿和油桃為試驗樣本，驗證了柔性機械爪的抓取穩(wěn)定性，并采集了相關序列圖像數(shù)據(jù)集與水果硬度預測的深度學習網(wǎng)絡。

　　同時為了方便現(xiàn)實場景中的應用，研究團隊將控制算法和深度學習模型移植到了邊緣計算設備上，并將該套系統(tǒng)搭載在機械臂上，提高了運動自由度，預期可實現(xiàn)生產(chǎn)線上的基于硬度的水果成熟度分級。同時制作成本低廉，準確度較高，與其他水果硬度與成熟度檢測手段相比應用潛力巨大。

　　我校工學院博士研究生林家豪和本科生胡晴為本論文共同第一作者，工學院副研究員陳耀暉和澳洲聯(lián)邦科學與工業(yè)研究組織博士后研究員王興為共同通訊作者。工學院李善軍教授參與了論文的指導工作，碩士杜璇和理學院碩士趙亮共同參與了論文研究。

　　【英文摘要】

　　As fruit firmness is a crucial characteristic associated with the maturity level, its accurate estimation is of great importance to post-harvest processing and wholesale in the industry. Benefiting from the advances of soft robotics, a soft gripper with simultaneous compliant deformation and tactile sensing is proposed in this study for the fruit firmness classification. The gripper design inspired by the fin ray effect can achieve active deformation, which helps simplify the actuation system and improve the delicate manipulation capability. Finite element modelling, along with experimental tests, is first utilized to validate the gripper's feasibility in compliant and safe fruit grasping, and respiratory tests are then conducted to further demonstrate the non-destructive nature. Moreover, fruit–gripper interaction is captured by visual sensors and then processed using an attention-based CNN–LSTM algorithm to predict firmness information. Tomatoes and nectarines are chosen as the sample fruit for experimental validation. R? values of their firmness prediction are 0.795 and 0.753, and the accuracy of maturity grading is 84.6% and 81.5%, respectively. In general, the soft gripper provides a promising solution for both safe grasping and non-destructive firmness evaluation, and it is expected to be integrated into automated production lines to pack fruit based on different firmness levels.【閱讀原文】

上一篇：中國熱科院在黃皮果實不同部位酚類物質(zhì)分布規(guī)律及其抗炎活性研究方面取得新進展

下一篇：食品接觸用再生塑料研究取得階段性進展

我要評論

昵稱

匿名

文明上網(wǎng)，理性發(fā)言。（您還可以輸入200個字符)

表情

所有評論僅代表網(wǎng)友意見，與本站立場無關。

版權與免責聲明：凡本網(wǎng)注明“來源：食品機械設備網(wǎng)”的所有作品，均為浙江興旺寶明通網(wǎng)絡有限公司-食品機械設備網(wǎng)合法擁有版權或有權使用的作品，未經(jīng)本網(wǎng)授權不得轉(zhuǎn)載、摘編或利用其它方式使用上述作品。已經(jīng)本網(wǎng)授權使用作品的，應在授權范圍內(nèi)使用，并注明“來源：食品機械設備網(wǎng)”。違反上述聲明者，本網(wǎng)將追究其相關法律責任。

本網(wǎng)轉(zhuǎn)載并注明自其它來源（非食品機械設備網(wǎng)）的作品，目的在于傳遞更多信息，并不意味著贊同其觀點或認可其內(nèi)容的真實性，不承擔此類作品侵權行為的直接責任及連帶責任，如其他媒體、網(wǎng)站或個人從本網(wǎng)轉(zhuǎn)載時，必須保留本網(wǎng)注明的“稿件來源”，并自負版權等法律責任。如擅自篡改為“稿件來源：食品機械設備網(wǎng)”，本網(wǎng)將依法追究責任。

鑒于本網(wǎng)發(fā)布稿件來源廣泛、數(shù)量較多，如因作者聯(lián)系方式不詳或其它原因未能與著作權擁有者取得聯(lián)系，著作權人發(fā)現(xiàn)本網(wǎng)轉(zhuǎn)載了其擁有著作權的作品時，請主動與本網(wǎng)聯(lián)系，提供相關證明材料，我網(wǎng)將及時處理。聯(lián)系電話：0571-87759655；郵箱：804074602@qq.com

99精品视频在线在线视频观看,精品免费国产一区二区,女狠狠噜天天噜日日噜,99久久国产精品久

今日熱點

推薦專題

推薦展會

企業(yè)直播

華中農(nóng)業(yè)大學在水果成熟度檢測方面取得進展

我要評論

熱門評論

全部評論

產(chǎn)品推薦更多+

99精品视频在线在线视频观看,精品免费国产一区二区,女狠狠噜天天噜日日噜,99久久国产精品久

今日熱點

推薦專題

推薦展會

企業(yè)直播

華中農(nóng)業(yè)大學在水果成熟度檢測方面取得進展

我要評論

熱門評論

全部評論

產(chǎn)品推薦 更多+

產(chǎn)品推薦更多+