基于RT-DETR视觉定位和机械臂路径规划的马铃薯分拣系统

摘要

为了解决马铃薯收获环节仍依赖大量人工，且现有的分段收获机无法有效完成分选和清理工作等问题，设计了基于深度学习的目标检测与机械臂路径规划的马铃薯分拣系统。该系统由视觉定位和机械臂路径规划两部分组成。视觉定位由RT-DETR算法识别马铃薯、土块和石块，完成对应目标的定位。通过相机标定与手眼标定实现世界坐标系、相机坐标系、图像坐标系及像素坐标系之间的转换，并基于传送带高度获取目标空间位置坐标。运动学分析基于Denavit-Hartenberg参数建立机械臂连杆坐标系，通过齐次变换矩阵实现正运动学建模，并采用几何法简化逆运动学求解，推导出关节角解析表达式。路径规划选用三次多项式插值法，通过设定起始终止角度、速度边界条件，生成平滑轨迹，确保各关节加速度变化平缓。最终，马铃薯分拣系统基于PyTorch框架部署RT-DETR轻量化检测模型，模型数据集上准确率达到93.3%，召回率达到93.0%，在堆叠、覆土、强光条件下分别实现97.5%、90.3%、95%的识别准确率。集成OpenCV与Socket通信协议，系统定位误差≤1.342 mm。结合渐进式分拣策略与三次多项式轨迹规划，取得92.9%分拣成功率与1.3%误检率。马铃薯分拣系统能够在不同条件下对马铃薯与杂物精准识别，并协同机械臂实现马铃薯实验台分拣。

关键词

马铃薯除杂 / 深度学习 / 目标检测 / 路径规划 / 机械臂分拣