除草除虫机器人技术介绍（）助农超人

本博客是除草除虫机器人相关技术介绍

本机器人的未来会进一步迭代

关于yolo和mfc详细介绍看本人后面一篇博客

没有广告啊！！！

技术分析

产品外形及描述：中间一个主体，旁边是轮子。身体上有一个向下的摄像头。

技术介绍：

1：yolo的目标检测

Yolo1的大致运行流程

预处理阶段

当输入一张图片进入网络时，首先会将图片进行卷积池化等一系列的操作。最终处理为一个7*7*30的张量。（因为此处是训练好的模型，所有结果都是较为真实的）

就像这样，每一个小网格称为一个grid cell。一共7*7=49个

每一个grid cell又会生成两个bounding box（也就是预测框）

后续就写为 bbox

接下来就是后处理操作了

实质：将7*7*30的张量变成最终的目标检测结果。

因为每一个bbox都会对框内的图像进行预测所以会生成

7*7*2*20个数字

              一共有98个竖条，每个竖条含义二十个数。

这个时候会对这些数进行非极大值抑制NMS。

非极大值抑制：

非极大值抑制，首先将这98个竖条的第一行拿出来，将概率低于某一个值的数全部设为0。然后将按照概率大小从大到小排序。

然后选出概率最大的框框，和所有比较，如果IOU值大于某一个阈值时，概率小的框就会谁为0。然后选出第二高概率，操作和第一步一样。最后选出几个最好的框框。

（对非极大值抑制的理解：选出对某一物体识别效率最高的框，和一些对识别有用的框。）

最后将最有效的框框在图中标出。那么预测阶段就完成了

所以：yolo1可以帮助我们不依靠人来辨别杂草，而是通过机器来识别杂草。从而达到节省人力的目的。

2：建立三维模型（ORK算法）来识别物体

如果后续要加上采摘的功能，就需要次技术来建立三维模型，这样就可以使用机械臂更好的采摘。

大致使用的流程为：

1创建需要识别的物体模型，建立模型数据库

2针对模型进行训练，生成识别模型模板

3使用训练后的识别模型实现物体识

3：mfc或java搭建软件控制平台

为了更好的操作和使用机器人，可以使用mfc写一个界面，来实现远程控制机器人的目的。

4：搭载北斗导航系统

在机器人上装一个定位，保证机器人的安全。

5：利用红宝石和二氧化碳激光器输出的激光除虫

一些农业害虫进行照射时，害虫纷纷死亡。 科学家们发现，不同种类的昆虫，对不同波长的激光有着不同的敏感性。 摸清了昆虫中各类害虫对激光的敏感波长，在用激光杀虫时便可以选择那些使害虫致死的激光波长，有目标地杀死真正的害虫，而不用担心在激光杀虫时杀死有益的昆虫。

机器人功能：

1：能够识别杂草，害虫，农作物，植物的是否可食用

2：通过机械臂精确抓取农作物果实，和草药

3：安装定位系统更方便得了解到机器人的具体位置。自动巡航功能

4：激光除虫

5：精确对杂草喷洒农药

6：拆卸摄像头，以备不时之需。