合肥研究院“高通量土壤成分智能检测机器人装备”通过专家鉴定

土壤由一层层厚度各异的矿物质成分所组成大自然主体。土壤和母质层的区别表现在于形态、物理特性、化学特性以及矿物学特性等方面。土壤的主要成分有矿物质、有机质、活的有机体、水分和空气。细析可见有:氮、磷、钾、铁、锡、铝、铜、硒、硫、钙、碳、锰、钼、锌、硼等等。

土壤环境监测是指通过对影响土壤环境质量因素的代表值的测定，确定环境质量(或污染程度)及其变化趋势。我们通常所说的土壤监测是指土壤环境监测，其一般包括布点采样、样品制备、分析方法、结果表征、资料统计和质量评价等技术内容。

徽省科技成果转化服务中心审核通过了合肥研究院的高通量土壤成分智能检测机器人装备”项目成果鉴定。项目研制成功国内首 个高通量、低成本、自动化、快速土壤成分智能检测机器人装备，融合了机器视觉、多臂协同以及优化调度算法等核心控制技术，构建了一整套覆盖土壤检测过程的检测方法体系，实现了对土壤样本42项指标(涵盖35项“三普”项目)的全流程自动化检测。目前，该装备已通过第三方检测测试，结果重复性较好，准确度较高，满足国家及部委标准对土壤养分、重金属检测精密度和准确度的要求。

高通量筛选技术是指以分子水平和细胞水平的实验方法为基础，以微板形式作为实验工具载体，以自动化操作系统执行试验过程，以灵敏快速的检测仪器采集实验结果数据，以计算机分析处理实验数据，在同一时间检测数以千万的样品，并以得到的相应数据库支持运转的技术体系，它具有微量、快速、灵敏和准确等特点。简言之就是可以通过一次实验获得大量的信息，并从中找到有价值的信息。

机器视觉是人工智能正在快速发展的一个分支。简单说来，机器视觉就是用机器代替人眼来做测量和判断。机器视觉系统是通过机器视觉产品(即图像摄取装置，分CMOS和CCD两种)将被摄取目标转换成图像信号，传送给专用的图像处理系统，得到被摄目标的形态信息，根据像素分布和亮度、颜色等信息，转变成数字化信号;图像系统对这些信号进行各种运算来抽取目标的特征，进而根据判别的结果来控制现场的设备动作。

机器视觉是一项综合技术，包括图像处理、机械工程技术、控制、电光源照明、光学成像、传感器、模拟与数字视频技术、计算机软硬件技术(图像增强和分析算法、图像卡、 I/O卡等)。一个典型的机器视觉应用系统包括图像捕捉、光源系统、图像数字化模块、数字图像处理模块、智能判断决策模块和机械控制执行模块。

机器视觉系统最基本的特点就是提高生产的灵活性和自动化程度。在一些不适于人工作业的危险工作环境或者人工视觉难以满足要求的场合，常用机器视觉来替代人工视觉。同时，在大批量重复性工业生产过程中，用机器视觉检测方法可以大大提高生产的效率和自动化程度。

基于神经网络的多臂协同焊接机器人逆运动学，在构建多臂协同焊接机器人DH模型并进行有效性验证的基础上，考虑焊接机器人各关节运动范围，获取样本数据。基于BP和RBF神经网络，将18个关节子空间映射到三条机械臂末端作业空间，把高维,非线性逆运动学求解问题转换为多输入多输出预测模型。对两种神经网络模型求解效果进行对比。结果表明，基于神经网络的多臂焊接机器人运动学逆解求解结果精度高，其中BP神经网络求解速度更快，而RBF神经网络的预测效果更好。