《电子测量技术杂志》发表论文赏析

基于深度学习的自动拾取网球机器人

来源:电子测量技术杂志2026年第3期北京时间:

作者:梁宏宇,闫坤,郝航勃

单位:1.桂林电子科技大学信息与通信学院 桂林 541004; 2.桂林电子科技大学卫星导航定位与位置服务国家地方联合工程研究中心 桂林 541004

摘要:本文提出了一种基于深度学习的自动拾取网球机器人,旨在解决网球场地人工捡球效率低、耗时长的问题。该机器人通过集成树莓派5B主控板、STM32RCT6单片机、USB摄像头和无刷直流电机等硬件模块,结合轻量化的YOLOv11、改进的DBSCAN聚类路径规划算法、双闭环PID算法以及碾压滚轴式的捡球机械结构,实现了对网球的高效识别、路径优化和自主拾取。研究中对YOLOv11进行了轻量化改进,采用StarNet主干网络、C3k2_Faster模块和共享卷积轻量化检测头SCLD-Head,显著降低了模型的计算需求。实验结果表明,改进后的模型参数量减少了80.8%,GFLOPs仅为1.7,mAP@0.75达到0.980 6,检测速度达到129.7 fps。此外,基于DBSCAN聚类算法的路径规划通过密度聚类和距离加权模型优化了捡球路径,提高了机器人在复杂环境下的适应性和鲁棒性。实验结果表明,该模型成功部署于树莓派平台后,系统能够在不同光照条件下准确识别网球,并达到9~12 fps的检测速度,单次可拾取7~9个网球,能够显著提升网球拾取效率,具有重要的应用价值和市场潜力。

关键词:网球拾取机器人;树莓派;YOLOv11轻量化;路径规划;双闭环PID;网球拾取结构

基金资助:国家自然科学基金(62101147)、广西自然科学基金(桂科2020GXNSFAA159146)、广西创新驱动发展专项(桂科AA21077008)、教育部重点实验室基金(CRKL190108)项目资助

2026年3期其他文献查阅:

多策略融合改进的天鹰算法机器人路径规划

基于观测器的双三相永磁同步电机无模型控制

基于动态原型与对比学习的小样本 Android恶意软件家族分类方法

基于DE优化VMD与CNN-BiGRU-Attention结合的滚动轴承故障诊断

基于多层次特征融合的不平衡网络流量异常检测方法

河流表面时空图像纹理角检测及判别方法研究

基于改进 YOLOv8n的快递包裹缺陷检测方法研究

基于助听器自适应增益的预测研究

基于FB-RRT*算法的无人机路径规划

基于A*与DWA算法的果园导航机器人研究

双球面无相位近远场变换方法研究

基于扰动观测器的 EMB夹紧力复合滑模控制

DDPG-LSTM 算法在动态多峰场景下光伏 MPPT研究

基于复值卷积与自适应小波分解的调制识别方法

基于多尺度的双轴注意力 GCN 剩余寿命预测模型

基于WiFi的混合稳健AP定位技术研究

脉冲噪声下基于张量表示的 LFM 信号参数估计方法

基于深度学习的皮革缺陷检测方法

发动机转子叶片图像的边缘自动分割算法

改进YOLOv8的子午线轮胎气泡缺陷检测方法

改进 YOLOv10的复杂场景人体跌倒检测方法

基于深度学习的自动拾取网球机器人

结合纹理区域特性的跨尺度立体匹配算法

改进YOLOv11的模糊监控异常检测算法

基于改进YOLO11n的轻量级密集行人检测算法

填文献完整题目 获取完整文献

填写需求
联系方式
注:学术顾问会在1小时内联系您,请留意!