專利名稱：一種基于遺傳算法的穴盤苗自動(dòng)移缽路徑優(yōu)化方法
技術(shù)領(lǐng)域：
本發(fā)明涉及智能農(nóng)業(yè)設(shè)施技術(shù)，尤其是涉及一種基于遺傳算法的穴盤苗自動(dòng)移缽路徑優(yōu)化方法。
背景技術(shù)：
工廠化穴盤育苗中成苗率在80-95%之間，穴盤內(nèi)除未發(fā)芽和漏播的孔穴，還有劣質(zhì)缽苗，導(dǎo)致后續(xù)機(jī)械化批量移栽出現(xiàn)栽空、漏栽等現(xiàn)象，因此穴盤苗出廠前需要有不健康苗剔除和補(bǔ)苗環(huán)節(jié)。設(shè)施農(nóng)業(yè)缽苗移栽機(jī)器人通過視覺檢測(cè)缽苗健康狀況和移缽系統(tǒng)實(shí)現(xiàn)各種功能的移栽，代替?zhèn)鹘y(tǒng)手工移栽，降低勞動(dòng)強(qiáng)度，提高生產(chǎn)效率，且使秧苗移栽一致性 好。穴盤苗進(jìn)入缽苗移栽機(jī)器人的補(bǔ)苗移栽系統(tǒng)，在各苗缽健康狀況和位置信息均已知情況下，末端執(zhí)行器從移栽穴盤將健康苗缽逐一取出補(bǔ)種到目的穴盤中被視覺檢測(cè)不健康缽苗剔除后的空穴中去。目的穴盤內(nèi)各空穴位置的隨機(jī)性和移栽穴盤內(nèi)可移栽苗缽的多選擇性，致使移缽路徑距離會(huì)隨補(bǔ)種苗缽的先后順序不同而變化。

發(fā)明內(nèi)容
本發(fā)明的目的在于提供一種基于遺傳算法的穴盤苗自動(dòng)移缽路徑優(yōu)化方法，能夠提高設(shè)施農(nóng)業(yè)自動(dòng)化作業(yè)中自動(dòng)移缽機(jī)械手機(jī)械手臂工作效率，減少補(bǔ)苗工序時(shí)長(zhǎng)。為了達(dá)到上述目的，本發(fā)明采用的技術(shù)方案是
本發(fā)明使用機(jī)器視覺技術(shù)生成目的苗盤苗位信息矩陣與移栽苗盤苗位信息矩陣；通過兩個(gè)苗位信息矩陣進(jìn)行正負(fù)實(shí)數(shù)插序編碼并生成染色體；對(duì)生成初始種群建立的染色體進(jìn)行適應(yīng)度計(jì)算并由賭輪盤方法來篩選保留作為子代個(gè)體；對(duì)子代個(gè)體進(jìn)行交叉操作；對(duì)子代個(gè)體進(jìn)行單點(diǎn)變異；重插入操作保證初始種群規(guī)模；重復(fù)篩選、交叉、變異、重插入過程直至滿足迭代條件后輸出優(yōu)化路徑結(jié)果。所述的通過兩個(gè)苗位信息矩陣進(jìn)行正負(fù)實(shí)數(shù)插序編碼并生成染色體，具體過程為負(fù)實(shí)數(shù)位于染色體編碼奇數(shù)位，正實(shí)數(shù)位于染色體編碼偶數(shù)位，重復(fù)此過程直至滿足初始規(guī)模NMD條染色體的生成。所述的對(duì)生成初始種群建立的染色體進(jìn)行適應(yīng)度計(jì)算并由賭輪盤方法來選擇保留作為子代個(gè)體，適應(yīng)度函數(shù)為/(X) = I - (Disroue(x) - Mmroute) j(Maxroute- Mmrouts),將每條染色體適應(yīng)度值線性化到區(qū)間，其中Disrout'e{x.)表示為當(dāng)前染色體路徑值，Mnroute表示所有染色體中最小路徑值，Maxroute表示所有染色體中的路徑最大值。所述的對(duì)子代個(gè)體進(jìn)行交叉操作，假設(shè)對(duì)于目的穴盤有4個(gè)空穴和移栽穴盤有41個(gè)有苗穴的補(bǔ)苗路徑問題，具體交叉算法過程描述如下
a)產(chǎn)生兩個(gè)介于I至8之間的隨機(jī)數(shù)i和j，其中i作為交配位，j作為交配步長(zhǎng)；假設(shè) i = 4，j = 3，而父代個(gè)體 A =(0, 20,-3, 16,-1, 18，-2，36，-4，O);父代個(gè)體 B =(O, 18,-1, 14，-3，7,-4, 16,-2,0)；
b)首先將兩個(gè)父代個(gè)體除原點(diǎn)O后的第i位到i+j位互換，若i+j>8，則視其均等于8 ;得到子代個(gè)體Al = (O, 20，-3，16，-I, 7，-4，16，-4，O);子代個(gè)體BI =(O, 18，-I, 14，-3，18，-2，36，-2，O)；
c)對(duì)每個(gè)子代個(gè)體前后的原點(diǎn)O位去除后，從前開始搜索，發(fā)現(xiàn)相同的基因用1000代替；于是更新子代個(gè)體 Al = (0，20，-3，16，-I, 7，-4，1000，1000，O) ；B1 =(0, 18，-I, 14，-3，1000，-2，36，1000，O)；
d)再對(duì)每個(gè)個(gè)體從除原點(diǎn)O后的第i+ I位開始遍歷，所有1000都依次被有效基因替換；具體方法是若1000處于偶數(shù)位，即帶負(fù)的標(biāo)記，則將目的穴盤內(nèi)的所有標(biāo)記號(hào)與染色體除原點(diǎn)O后的每個(gè)偶數(shù)位對(duì)比，如果是沒有出現(xiàn)過的，則以此來代替1000 ;若1000處于奇數(shù)位，即帶正的標(biāo)記，則將移栽穴盤內(nèi)的所有標(biāo)記號(hào)與染色體除原點(diǎn)O后的每個(gè)奇數(shù) 位對(duì)比，將沒有出現(xiàn)過標(biāo)記的歸為一組，隨機(jī)產(chǎn)生一個(gè)來代替1000 ;于是得到更新子代個(gè)體 Al = (O, 20，-3，16，-I, 7 -4，25，-2，O) ；B1 = (O, 18，-I, 14，-3，8，-2，36，-4, O)；
這種交叉算法在考慮繼承父代信息同時(shí)，盡可能擴(kuò)大隨機(jī)化搜索的范圍，并保證移缽路徑染色體特有基因個(gè)體排序的有效性。所述的對(duì)子代個(gè)體進(jìn)行單點(diǎn)變異，其變異過程為
a)產(chǎn)生一個(gè)介于I至8之間的隨機(jī)數(shù)k代表變異位，將子代變異個(gè)體除原點(diǎn)O后的第k個(gè)標(biāo)記值取出，判斷該標(biāo)記的正負(fù)特性；
b)若標(biāo)記位為負(fù)，則從除該標(biāo)記數(shù)的其他負(fù)標(biāo)記數(shù)中隨機(jī)選擇一個(gè)，從變異個(gè)體中遍歷找到該值與變異位基因互換，假設(shè)k = 2，子代個(gè)體Al =(O, 20, -3，16，-I, 7，-4，25，-2,0),則在除-3 標(biāo)記數(shù)的(_1，_2，-3，-4)中產(chǎn)生一個(gè)隨機(jī)數(shù)(設(shè)為 _2)，于是更新子代個(gè)體 Al = (0，20，-2，16，-I, 7，-4，25，-3,0)；
c)若標(biāo)記位為正，則從除該標(biāo)記數(shù)的其他正標(biāo)記數(shù)中隨機(jī)選擇一個(gè)與其進(jìn)行基因互換，并遍歷基因替換后的子代個(gè)體，若其中有同的基因，則用原標(biāo)記數(shù)替換它，若無則滿足了排序編碼的特殊性要求；假設(shè)k = 3，則在除16標(biāo)記數(shù)的(1，2，3，…，36)中產(chǎn)生一個(gè)隨機(jī)數(shù)，假設(shè)該隨機(jī)數(shù)為30，于是更新子代個(gè)體Al = (0，20，-3，30，-I, 7，-4，25，-2，O);若該隨機(jī)數(shù)為 25，則更新子代個(gè)體 Al = (0，20，-3，25，-I, 7，-4，16，-2，O)。所述的重插入操作保證初始種群規(guī)模，是重插入所有子代個(gè)體代替最不適應(yīng)的父代個(gè)體，以保持種初始種群規(guī)模。本發(fā)明具有的有益效果是
本發(fā)明通過機(jī)器視覺技術(shù)處理得到目的苗盤與移栽苗盤的苗位信息，運(yùn)用遺傳算法為技術(shù)手段，完成快速優(yōu)化補(bǔ)苗機(jī)械手臂補(bǔ)苗工作路徑，從而提高機(jī)械手臂工作效率，減少補(bǔ)苗工序時(shí)長(zhǎng)。


圖I表示本發(fā)明的基于遺傳算法的自動(dòng)移缽路徑優(yōu)化方法的流程圖。圖2表示通過機(jī)器視覺技術(shù)得到的目的苗盤苗位信息矩陣。圖3表示通過機(jī)器視覺技術(shù)得到的移栽苗盤苗位信息矩陣。
圖4表示優(yōu)化過程中最優(yōu)隨優(yōu)化代數(shù)變化圖。圖5表示通過最終優(yōu)化路徑而得到的機(jī)械手臂移缽路徑圖。
具體實(shí)施例方式下面結(jié)合程序流程圖和實(shí)施例對(duì)本發(fā)明作進(jìn)一步說明。步驟流程圖如圖I所示本發(fā)明使用機(jī)器視覺技術(shù)生成目的苗盤苗位信息矩陣(如圖2所示)與移栽苗盤苗位信息矩陣(如圖3所示)；通過兩個(gè)苗位信息矩陣進(jìn)行正負(fù)實(shí)數(shù)插序編碼并生成染色體；對(duì)生成初始種群建立的染色體進(jìn)行適應(yīng)度計(jì)算并由賭輪盤方法來篩選保留作為子代個(gè)體；對(duì)子代個(gè)體進(jìn)行交叉操作；對(duì)子代個(gè)體進(jìn)行單點(diǎn)變異； 重插入操作保證初始種群規(guī)模；重復(fù)篩選、交叉、變異、重插入過程直至滿足迭代條件后輸出優(yōu)化路徑結(jié)果。SllO :所述的通過兩個(gè)苗位信息矩陣進(jìn)行正負(fù)實(shí)數(shù)插序編碼并生成染色體，具體過程為負(fù)實(shí)數(shù)位于染色體編碼奇數(shù)位，正實(shí)數(shù)位于染色體編碼偶數(shù)位，重復(fù)此過程直至滿足初始規(guī)模NMD條染色體的生成。S120 :所述的對(duì)生成初始種群建立的染色體進(jìn)行適應(yīng)度計(jì)算并由賭輪盤方法來選擇保留作為子代個(gè)體，適應(yīng)度函數(shù)為/(x) = l-(Disroue(x) — &￡nrout&)/(Ma :rou￡e- AfEnraule)，將每條染色體適應(yīng)度值線性化到區(qū)間，其中Disroute(X)表示為當(dāng)前染色體路徑值，Minrouis表示所有染色體中最小路徑值，Maxrouie表示所有染色體中的路徑最大值。S130 :所述的對(duì)子代個(gè)體進(jìn)行交叉操作，假設(shè)對(duì)于目的穴盤有4個(gè)空穴(如圖2所示)和移栽穴盤有41個(gè)有苗穴(如圖3所示)的補(bǔ)苗路徑問題，具體交叉算法過程描述如下
a)產(chǎn)生兩個(gè)介于I至8之間的隨機(jī)數(shù)i和j，其中i作為交配位，j作為交配步長(zhǎng)；假設(shè) i = 4，j = 3，而父代個(gè)體 A =(0, 20,-3, 16,-1, 18，-2，36，-4，O);父代個(gè)體 B =(O, 18,-1, 14，-3，7,-4, 16,-2,0)；
b)首先將兩個(gè)父代個(gè)體除原點(diǎn)O后的第i位到i+j位互換，若i+j>8，則視其均等于8 ;得到子代個(gè)體Al = (O, 20，-3，16，-I, 7，-4，16，-4，O);子代個(gè)體BI =(O, 18，-I, 14，-3，18，-2，36，-2，O)；
c)對(duì)每個(gè)子代個(gè)體前后的原點(diǎn)O位去除后，從前開始搜索，發(fā)現(xiàn)相同的基因用1000代替；于是更新子代個(gè)體 Al = (0，20，-3，16，-I, 7，-4，1000，1000，O) ；B1 = (O, 18，-I, 14，-3，1000，-2，36，1000，O)；
d)再對(duì)每個(gè)個(gè)體從除原點(diǎn)O后的第i+ I位開始遍歷，所有1000都依次被有效基因替換；具體方法是若1000處于偶數(shù)位，即帶負(fù)的標(biāo)記，則將目的穴盤內(nèi)的所有標(biāo)記號(hào)與染色體除原點(diǎn)O后的每個(gè)偶數(shù)位對(duì)比，如果是沒有出現(xiàn)過的，則以此來代替1000 ;若1000處于奇數(shù)位，即帶正的標(biāo)記，則將移栽穴盤內(nèi)的所有標(biāo)記號(hào)與染色體除原點(diǎn)O后的每個(gè)奇數(shù)位對(duì)比，將沒有出現(xiàn)過標(biāo)記的歸為一組，隨機(jī)產(chǎn)生一個(gè)來代替1000 ;于是得到更新子代個(gè)體 Al = (O, 20，-3，16，-I, 7 -4，25，-2，O) ；B1 = (O, 18，-I, 14，-3，8，-2，36，-4, O)；
這種交叉算法在考慮繼承父代信息同時(shí)，盡可能擴(kuò)大隨機(jī)化搜索的范圍，并保證移缽路徑染色體特有基因個(gè)體排序的有效性。
S140 :所述的對(duì)子代個(gè)體進(jìn)行單點(diǎn)變異，其變異過程為
a)產(chǎn)生一個(gè)介于I至8之間的隨機(jī)數(shù)k代表變異位，將子代變異個(gè)體除原點(diǎn)O后的第k個(gè)標(biāo)記值取出，判斷該標(biāo)記的正負(fù)特性；
b)若標(biāo)記位為負(fù)，則從除該標(biāo)記數(shù)的其他負(fù)標(biāo)記數(shù)中隨機(jī)選擇一個(gè)，從變異個(gè)體中遍歷找到該值與變異位基因互換，假設(shè)k = 2，子代個(gè)體Al =(O, 20, -3，16，-I, 7，-4，25，-2,0),則在除-3 標(biāo)記數(shù)的(_1，_2，-3，-4)中產(chǎn)生一個(gè)隨機(jī)數(shù)(設(shè)為 _2)，于是更新子代個(gè)體 Al = (0，20，-2，16，-I, 7，-4，25，-3,0)；
c)若標(biāo)記位為正，則從除該標(biāo)記數(shù)的其他正標(biāo)記數(shù)中隨機(jī)選擇一個(gè)與其進(jìn)行基因互換，并遍歷基因替換后的子代個(gè)體，若其中有同的基因，則用原標(biāo)記數(shù)替換它，若無則滿足了排序編碼的特殊性要求；假設(shè)k = 3，則在除16標(biāo)記數(shù)的(1，2，3，…，36)中產(chǎn)生一個(gè)隨機(jī)數(shù)，假設(shè)該隨機(jī)數(shù)為30，于是更新子代個(gè)體Al = (0，20，-3，30，-I, 7，-4，25，-2，O);若該隨機(jī)數(shù)為 25，則更新子代個(gè)體 Al = (0，20，-3，25，-I, 7，-4，16，-2，O)。
S150 :所述的重插入操作保證初始種群規(guī)模，是重插入所有子代個(gè)體代替最不適應(yīng)的父代個(gè)體，以保持種初始種群規(guī)模。S160 :當(dāng)遺傳代數(shù)值gen大于等于規(guī)定迭代次數(shù)Maxgen時(shí)既滿足終止條件，為保證能得到可靠?jī)?yōu)化的路徑解，一般Maxgen需要取一個(gè)合適的值。S170:輸出優(yōu)化結(jié)果并作出路徑圖。以圖2目的苗盤苗位信息矩陣與圖3移栽苗盤苗位信息矩陣為輸入，優(yōu)化過程控制參數(shù)設(shè)置如下交叉率為O. 8,變異率為O. 3,代溝為O. 9,遺傳代數(shù)為50。圖4為每代解、種群均值隨著遺傳代數(shù)的變化情況，全局最優(yōu)由遍歷法計(jì)算得到，作為和遺傳算法得出的最優(yōu)解做對(duì)比。圖5是在此實(shí)例下，由優(yōu)化路徑輸出的移缽機(jī)械手動(dòng)作路徑圖，移缽機(jī)械手由原點(diǎn)出發(fā)按圖5中優(yōu)化后的路徑動(dòng)作，完成移栽過程又回到原點(diǎn)。
權(quán)利要求
1.一種基于遺傳算法的穴盤苗自動(dòng)移缽路徑優(yōu)化方法，其特征在于使用機(jī)器視覺技術(shù)生成目的苗盤苗位信息矩陣與移栽苗盤苗位信息矩陣；通過兩個(gè)苗位信息矩陣進(jìn)行正負(fù)實(shí)數(shù)插序編碼并生成染色體；對(duì)生成初始種群建立的染色體進(jìn)行適應(yīng)度計(jì)算并由賭輪盤方法來篩選保留作為子代個(gè)體；對(duì)子代個(gè)體進(jìn)行交叉操作；對(duì)子代個(gè)體進(jìn)行單點(diǎn)變異；重插入操作保證初始種群規(guī)模；重復(fù)篩選、交叉、變異、重插入過程直至滿足迭代條件后輸出優(yōu)化路徑結(jié)果。
2.根據(jù)權(quán)利要求I所述的一種基于遺傳算法的穴盤苗自動(dòng)移缽路徑優(yōu)化方法，其特征在于所述的通過兩個(gè)苗位信息矩陣進(jìn)行正負(fù)實(shí)數(shù)插序編碼并生成染色體，具體過程為負(fù)實(shí)數(shù)位于染色體編碼奇數(shù)位，正實(shí)數(shù)位于染色體編碼偶數(shù)位，重復(fù)此過程直至滿足初始規(guī)模NMD條染色體的生成。
3.根據(jù)權(quán)利要求I所述的一種基于遺傳算法的穴盤苗自動(dòng)移缽路徑優(yōu)化方法，其特征在于所述的對(duì)生成初始種群建立的染色體進(jìn)行適應(yīng)度計(jì)算并由賭輪盤方法來選擇保留作為子代個(gè)體，適應(yīng)度函數(shù)為/(x) = I -(Disroue(x) — Mmrouid)Minrouid)，將每條染色體適應(yīng)度值線性化到[O, I]區(qū)間，其中Disrouie(X)表示為當(dāng)前染色體路徑值，Minrouis表示所有染色體中最小路徑值，Maxroute表示所有染色體中的路徑最大值。
4.根據(jù)權(quán)利要求I所述的一種基于遺傳算法的穴盤苗自動(dòng)移缽路徑優(yōu)化方法，其特征在于所述的對(duì)子代個(gè)體進(jìn)行交叉操作，假設(shè)對(duì)于目的穴盤有4個(gè)空穴和移栽穴盤有41個(gè)有苗穴的補(bǔ)苗路徑問題，具體交叉算法過程描述如下 a)產(chǎn)生兩個(gè)介于I至8之間的隨機(jī)數(shù)i和j，其中i作為交配位，j作為交配步長(zhǎng)；假設(shè) i = 4，j = 3，而父代個(gè)體 A =(0, 20,-3, 16,-1, 18，-2，36，-4，O);父代個(gè)體 B =(O, 18,-1, 14，-3，7,-4, 16,-2,0)； b)首先將兩個(gè)父代個(gè)體除原點(diǎn)O后的第i位到i+j位互換，若i+j>8，則視其均等于8 ;得到子代個(gè)體Al = (O, 20，-3，16，-I, 7，-4，16，-4，O);子代個(gè)體BI =(O, 18，-I, 14，-3，18，-2，36，-2，O)； c)對(duì)每個(gè)子代個(gè)體前后的原點(diǎn)O位去除后，從前開始搜索，發(fā)現(xiàn)相同的基因用1000代替；于是更新子代個(gè)體 Al = (0，20，-3，16，-I, 7，-4，1000，1000，O) ；B1 =(0, 18，-I, 14，-3，1000，-2，36，1000，O)； d)再對(duì)每個(gè)個(gè)體從除原點(diǎn)O后的第i+ I位開始遍歷，所有1000都依次被有效基因替換；具體方法是若1000處于偶數(shù)位，即帶負(fù)的標(biāo)記，則將目的穴盤內(nèi)的所有標(biāo)記號(hào)與染色體除原點(diǎn)O后的每個(gè)偶數(shù)位對(duì)比，如果是沒有出現(xiàn)過的，則以此來代替1000 ;若1000處于奇數(shù)位，即帶正的標(biāo)記，則將移栽穴盤內(nèi)的所有標(biāo)記號(hào)與染色體除原點(diǎn)O后的每個(gè)奇數(shù)位對(duì)比，將沒有出現(xiàn)過標(biāo)記的歸為一組，隨機(jī)產(chǎn)生一個(gè)來代替1000 ;于是得到更新子代個(gè)體 Al = (O, 20，-3，16，-I, 7 -4，25，-2，O) ；B1 = (O, 18，-I, 14，-3，8，-2，36，-4, O)； 這種交叉算法在考慮繼承父代信息同時(shí)，盡可能擴(kuò)大隨機(jī)化搜索的范圍，并保證移缽路徑染色體特有基因個(gè)體排序的有效性。
5.根據(jù)權(quán)利要求I所述的一種基于遺傳算法的穴盤苗自動(dòng)移缽路徑優(yōu)化方法，其特征在于所述的對(duì)子代個(gè)體進(jìn)行單點(diǎn)變異，其變異過程為a)產(chǎn)生一個(gè)介于I至8之間的隨機(jī)數(shù)k代表變異位，將子代變異個(gè)體除原點(diǎn)O后的第k個(gè)標(biāo)記值取出，判斷該標(biāo)記的正負(fù)特性； b)若標(biāo)記位為負(fù)，則從除該標(biāo)記數(shù)的其他負(fù)標(biāo)記數(shù)中隨機(jī)選擇一個(gè)，從變異個(gè)體中遍歷找到該值與變異位基因互換，假設(shè)k = 2，子代個(gè)體Al =(O, 20, -3，16，-I, 7，-4，25，-2,0),則在除-3 標(biāo)記數(shù)的(_1，_2，-3，-4)中產(chǎn)生一個(gè)隨機(jī)數(shù)(設(shè)為 _2)，于是更新子代個(gè)體 Al = (0，20，-2，16，-I, 7，-4，25，-3,0)； c)若標(biāo)記位為正，則從除該標(biāo)記數(shù)的其他正標(biāo)記數(shù)中隨機(jī)選擇一個(gè)與其進(jìn)行基因互換，并遍歷基因替換后的子代個(gè)體，若其中有同的基因，則用原標(biāo)記數(shù)替換它，若無則滿足了排序編碼的特殊性要求；假設(shè)k = 3，則在除16標(biāo)記數(shù)的(1，2，3，…，36)中產(chǎn)生一個(gè)隨機(jī)數(shù)，假設(shè)該隨機(jī)數(shù)為30，于是更新子代個(gè)體Al = (0，20，-3，30，-I, 7，-4，25，-2，O);若該隨機(jī)數(shù)為 25，則更新子代個(gè)體 Al = (0，20，-3，25，-I, 7，-4，16，-2，O)。
6.根據(jù)權(quán)利要求I所述的一種基于遺傳算法的穴盤苗自動(dòng)移缽路徑優(yōu)化方法，其特征在于所述的重插入操作保證初始種群規(guī)模，是重插入所有子代個(gè)體代替最不適應(yīng)的父代個(gè)體，以保持種初始種群規(guī)模。
全文摘要
本發(fā)明公開了一種基于遺傳算法的穴盤苗自動(dòng)移缽路徑優(yōu)化方法。主要包括以下步驟，通過機(jī)器視覺處理技術(shù)得到目的苗盤與移栽苗盤的苗位信息，并生成相應(yīng)的苗位矩陣；通過苗位矩陣隨機(jī)生成實(shí)數(shù)路徑編碼并生成初始種群；對(duì)初始種群進(jìn)行適應(yīng)度計(jì)算篩選，通過變異、交叉的方法生成子代同時(shí)運(yùn)用重插入維持染色體規(guī)模；重復(fù)變異、交叉、篩選、重插入的過程直至滿足迭代條件后輸出優(yōu)化路徑結(jié)果。本發(fā)明可以生成優(yōu)化的補(bǔ)苗機(jī)械手臂動(dòng)作路徑，該路徑能夠提高機(jī)械手臂工作效率，減少補(bǔ)苗工序時(shí)長(zhǎng)。
文檔編號(hào)A01C11/02GK102870534SQ20121035312
公開日2013年1月16日 申請(qǐng)日期2012年9月21日 優(yōu)先權(quán)日2012年9月21日
發(fā)明者蔣煥煜, 周鳴川, 童俊華, 周偉, 劉巖 申請(qǐng)人:浙江大學(xué)