基于机器视觉引导的机器人喂饭系统研究与实现.pdfVIP

摘要

摘要

随着中国人口老龄化程度的加深，需要护理人员协助进餐的老年人越来越多。

为解决护理人员工作效率低和负担重的问题，本文利用机器人和机器视觉技术，设

计了一种基于机器视觉引导的机器人喂饭系统。该系统包括机械臂、深度相机、算

法和配套工具等。为确保该系统能表现出优异性能，本文重点研究了数据集、目标

检测算法和路径规划算法，以便该系统能够有效地辅助部分老年人用餐。具体工作

内容如下：

为了解决喂饭场景下相关数据集不足的问题，本文以嘴巴形态和盘子等图像为

基础，自主构建了一个包含四种类别的数据集。随后，针对传统YOLOv7-Tiny目标

检测算法在自制数据集上存在检测置信度低和模型参数量大的问题，提出了一种基

于改进YOLOv7-Tiny的目标检测算法。首先，引入MobileNetV3-Small特征提取网

络替换YOLOv7-Tiny算法中的主干网络，实现模型轻量化；其次，对空间金字塔池

化结构(SpatialPyramidPooling，SPP)进行优化，降低网络模型的计算成本。最后，

引入轻量化特征融合网络Tiny-BiFPN增强网络模型的特征融合能力。实验结果表明，

改进YOLOv7-Tiny算法的mAP@0.5下降了0.20%，但是模型参数量大小下降了

3.65M，并且在置信度和检测效果方面都取得了显著的提升。

针对传统RRT-Connect路径规划算法存在采样节点数量多、规划时间长以及随

机性较大的问题，提出了基于改进RRT-Connect路径规划算法。首先，提出了约束

采样区域策略和目标定向生长策略，用于减少算法的采样次数并降低其随机性，间

接地缩短了规划时间；其次，引入路径修剪策略用于剔除路径中的冗余节点，缩短

路径长度，提高机器人的喂饭效率；最后，引入路径平滑策略，用于调整路径中的

关键节点，使得路径更加连续且平滑，提升机器人在运行过程中的稳定性。实验结

果表明，改进RRT-Connect算法采样节点数量显著减少，规划时间明显缩短，随机

性有所降低，并且在仿真平台中进行路径规划，也可以生成连续平滑的路径轨迹。

基于以上研究搭建了机器人喂饭系统的实验平台并进行实验测试。实验结果表

明，该系统在弱光和正常光照环境中执行喂饭任务时能够准确识别嘴巴形态和盘子

等目标对象，并有效控制机械臂末端实现平稳的运动，最终实际成功率分别达到了

88.33%和85.84%。该系统能够满足部分老年人用餐的需求，有效提高了护理人员的

工作效率，减轻了工作负担。

关键词YOLOv7-Tiny；RRT-Connect；机械臂；护理设备；机器人喂饭系统

I

河北科技大学硕士学位论文

II

Abstract

Abstract

WiththedeepeningofpopulationaginginChina,moreandmoreelderlypeopleneed

thehelpofnursingstafftoeat.Inordertosolvetheproblemoflowefficiencyandheavy

burdenofnursingstaff,thispaperdesignsarobotfeedingsystembasedonmachinevision

guidancebyusingrobotandmachinevisiontechnology.Thesystemincludesmanipulator,

depthcamera,algorithmandsupportingtools.Inordertoensurethatthesystemcanshow

excellentperformance,thispaperfocusesonthedataset,targetdetectionalgorithmand

pathplanningalgorithm,sothatthesystemcane