【技术实现步骤摘要】
本专利技术涉及机器人采摘规划，具体涉及基于深度学习的智能采摘机器人路径优化方法。
技术介绍
1、随着人工智能和机器人技术的迅速发展，智能采摘机器人正逐渐应用于农业生产中，以提高农业生产效率和质量。智能采摘机器人在执行果实采摘作业时，通常随机采摘或采用自左向右自上而下的固定顺序进行采摘，并未对其采摘顺序路径进行优化，从而导致机械臂各轴可能频繁大幅度扭转，影响采摘效率。而现有技术中将果实的采摘顺序规划问题转化为旅行商问题，进而求解得到最优采摘顺序路径。
2、蚁群算法是一种用来寻找优化路径的概率型算法，因其具有并行计算、鲁棒性强等优点，被广泛应用于该类问题中。传统的蚁群算法在求解最优路径时，通常将果实之间的最短路径作为路径规划的启发函数从而寻找最优解。但是在实际采摘过程中，枝干等障碍物遮挡可能导致通过传统的蚁群算法无法获取最优采摘顺序路径。
技术实现思路
1、为了解决障碍物遮挡导致传统的蚁群算法无法获取最优采摘顺序路径的技术问题，本专利技术的目的在于提供一种基于深度学习的智能采摘机器...
【技术保护点】
1.一种基于深度学习的智能采摘机器人路径优化方法，其特征在于，所述方法包括：
2.根据权利要求1所述的一种基于深度学习的智能采摘机器人路径优化方法，其特征在于，所述获取待采摘集合体上的所有目标采摘物及障碍物后还包括：
3.根据权利要求2所述的一种基于深度学习的智能采摘机器人路径优化方法，其特征在于，所述采摘障碍复杂度的获取方法包括：
4.根据权利要求3所述的一种基于深度学习的智能采摘机器人路径优化方法，其特征在于，所述障碍混杂程度的获取方法包括：
5.根据权利要求2所述的一种基于深度学习的智能采摘机器人路径优化方法，其特...
【技术特征摘要】
1.一种基于深度学习的智能采摘机器人路径优化方法，其特征在于，所述方法包括：
2.根据权利要求1所述的一种基于深度学习的智能采摘机器人路径优化方法，其特征在于，所述获取待采摘集合体上的所有目标采摘物及障碍物后还包括：
3.根据权利要求2所述的一种基于深度学习的智能采摘机器人路径优化方法，其特征在于，所述采摘障碍复杂度的获取方法包括：
4.根据权利要求3所述的一种基于深度学习的智能采摘机器人路径优化方法，其特征在于，所述障碍混杂程度的获取方法包括：
5.根据权利要求2所述的一种基于深度学习的智能采摘机器人路径优化方法，其特征在于，所述连续采摘障碍复杂度的获取方法包括：
6.根...
【专利技术属性】
技术研发人员：刘艳飞，朱梓轩，谢欣桐，詹镇涛，孙岩涛，
申请(专利权)人：中山职业技术学院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。