Resumen

Como componente central de los robots agrcolas, las pinzas robticas se utilizan ampliamente para desplumar, recoger y cosechar frutas y verduras. El agarre seguro es un reto importante en las aplicaciones agrcolas debido a la variacin de la forma y la dureza de los productos agrcolas durante su maduracin, as como a su variedad y delicadeza. En este estudio se presenta un mtodo de identificacin de frutas que utiliza una pinza adaptativa con sensores tctiles y algoritmos de aprendizaje automtico. Se disea y fabrica una pinza robtica adaptativa para realizar un agarre adaptativo. Se construye un circuito de adquisicin de informacin de deteccin tctil y se integran sensores de fuerza y flexin en la pinza robtica para medir la distribucin de la fuerza de contacto en la superficie de contacto y la deformacin de los dedos blandos. Se desarrolla una plataforma manipuladora robtica para recoger los datos de deteccin tctil en el proceso de agarre. Se evala y compara el rendimiento de los clasificadores random forest (RF), -nearest neighbor (KNN), support vector classification (SVC), naive Bayes (NB), linear discriminant analysis (LDA) y ridge regression (RR) en la identificacin y clasificacin de cinco tipos de frutas utilizando la pinza adaptativa. El clasificador RF alcanza la mayor precisin, un 98%, mientras que las precisiones de los dems clasificadores varan entre el 74% y el 97%. El experimento demuestra que la pinza adaptable y los clasificadores de aprendizaje automtico permiten identificar frutas con eficacia y precisin, y que el mtodo propuesto puede servir de referencia para controlar la fuerza de agarre y planificar el movimiento robtico en la recoleccin de frutas y verduras.

• Materias:Algoritmos (Matemáticas) Algebra Ingeniería Lógica matemática Matemáticas
• Subjects:Agorithms (Math) Algebra Engineering Mathematical logic mathematics
• Palabras claves:Robots agrícolas; Pinzas robóticas; Método de identificación de frutas; Pinza adaptable; Detección táctil; Algoritmos de aprendizaje automático
• Keywords:Agricultural robots; Robotic grippers; Fruit identification method; Adaptive gripper; Tactile sensing; Machine learning algorithms