电子测量技术

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

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：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

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。

来源：2026年第3期

《电子测量技术》期刊编辑部

查看电子测量技术杂志2026年第3期