果蔬采摘机器人的研究_陈磊

果蔬采摘机器人的研究陈磊，陈帝伊，马孝义（西北农林科技大学水利与建筑工程学院，陕西杨凌712100）摘要：果蔬采摘机器人是实现农业自动化的一项重要技术。

为了掌握果蔬采摘机器人的最新研究动态，将其尽早应用到生产实际，根据近年来国内外最新的研究资料，简要阐述了果蔬采摘机器人的特点和国内外的研究进展，结合当前在此领域的一些研究实例进行比较分析；从采摘机器人的移动机构、机械手、识别和定位系统、末端执行器4部分介绍了其结构组成与设计技术，并在此基础上重点分析了果蔬采摘机器人研究中存在的问题，提出了未来研究开发的技术关键与方向。

关键词：果蔬采摘；机器人；机械手；控制系统中图分类号：S24；S225．93文献标识码：A文章编号：1003－188X（2011）01－0224－040引言随着电子计算机和自动控制技术的迅速发展、农业高新科技的应用和推广，农业机器人已逐步进入到农业生产领域中，并将促进现代农业向着装备机械化、生产智能化的方向发展。

果蔬采摘是农业生产中季节性强、劳动强度大、作业要求高的一个重要环节，研究和开发果蔬采摘的智能机器人技术对于解放劳动力、提高劳动生产效率、降低生产成本、保证新鲜果蔬品质，以及满足作物生长的实时性要求等方面都有着重要的意义。

1果树采摘机器人的特点工业领域是机器人技术的传统应用领域，目前已经得到了相当成熟的应用；而采摘机器人工作在高度非结构化的复杂环境下，作业对象是有生命力的新鲜水果或蔬菜。

同工业机器人相比，采摘机器人具有以下的特点［1］：①作业对象娇嫩、形状复杂且个体状况之间的差异性大，需要从机器人结构、传感器、控制系统等方面加以协调和控制；②采摘对象具有随机分布性，大多被树叶、树枝等掩盖，增大了机器人视觉定位难度，使得采摘速度和成功率降低，同时对机械手的收稿日期：2010－03－31基金项目：国家自然科学基金项目（50879072）；国家级大学生创新实验项目（2009－2011）作者简介：陈磊（1988－），男，陕西商洛人，在读本科生，（E－mail）chenlei055@nwsuaf．edu．cn。

通讯作者：陈帝伊（1982－），男，河北遵化人，讲师，博士研究生，（E －mail）diyichen@nwsuaf．edu．cn。

避障提出了更高的要求；③采摘机器人工作在非结构化的环境下，环境条件随着季节、天气的变化而发生变化，环境信息完全是未知的、开放的，要求机器人在视觉、知识推理和判断等方面有相当高的智能；④采摘对象是有生命的、脆弱的生物体，要求在采摘过程中对果实无任何损伤，从而需要机器人的末端执行器具有柔顺性和灵巧性；⑤高智能导致高成本，农民或农业经营者无法接受，并且采摘机器人的使用具有短时间、季节性、利用率不高的缺点，是限制采摘机器人推广使用的重要因素；⑥果蔬采摘机器人的操作者是农民，不是具有机电知识的工程师，因此要求果蔬采摘机器人必须具有高可靠性和操作简单、界面友好的特点。

2国内外采摘机器人的研究进展果蔬采摘机器人的研究开始于20世纪60年代的美国（1968年）［2］，采用的收获方式主要是机械震摇式和气动震摇式。

其缺点是果实易损、效率不高，特别是无法进行选择性的收获，在采摘柔软、新鲜的果蔬方面还存在很大的局限性。

但在此后，随着电子技术和计算机技术的发展，特别是工业机器人技术、计算机图像处理技术和人工智能技术的日益成熟，采摘机器人的研究和开发技术得到了快速的发展。

目前，日本、荷兰、法国、英国、意大利、美国、以色列、西班牙等国都展开了果蔬收获机器人方面的研究工作，涉及到的研究对象主要有甜橙、苹果、西红柿、樱桃西红柿、芦笋、黄瓜、甜瓜、葡萄、甘蓝、菊花、草莓、蘑菇等，但这些收获机器人目前都还没能真正实现商业化［3］。

我国在农业机器人领域的研究相对开始较晚，但发展速度较快，近年来也有了许多研究成果。

中国农业大学刘兆祥、刘刚等人在苹果采摘机器人三维视觉传感器设计方面的研究［4］；张建锋、何东健、张志勇等（2009）对于采摘机器人自适应鲁棒跟踪控制算法设计［5］；江苏大学蔡健荣等通过恢复障碍物的三维信息，对于柑橘采摘机器人障碍物识别技术的研究［6］；南京农业大学工学院王学林和姬长英对力外环控制的果蔬抓取技术的研究［7］。

3采摘机器人的结构组成与设计目前的果蔬采摘机器人一般可分为移动机构、机械手、识别和定位系统、末端执行器等4大部分［8］。

3．1移动机构因为果实生长的植株是固定的且存在空间的随机分布性，所以机器人在采摘果实时需要主动接近并准确定位目标，这就要求机器人有自己的移动机构。

移动式采摘机器人的行走机构有车轮式、履带式和人形结构。

其中，车轮式应用最广泛。

车轮式的行走机构转弯半径小、转向灵活，但轮式的结构对于松软的地面适应性较差，会影响机械手的运动精度。

一般番茄采摘机器人会使用轮式行走机构。

而履带式的行走机构对地面的适应性较好；但由于其转弯半径过大，转向不灵活。

目前，只有葡萄采摘机器人使用履带式行走机构。

对于西瓜等作物的藤茎在地面上的果实，使用上述两种行走装置显然不适合。

移动机构的设计必须要保证机器人运动平稳和灵活避障。

荷兰开发的黄瓜收获机器人以铺设于温室内的加热管道作为小车的行走轨道［9］。

日本等尝试将人形机器人引入到移动式采摘机器人中［4］；但这种技术目前还不成熟，有待进一步的研制开发。

采用智能导航技术的无人驾驶自主式小车是智能采摘机器人行走部分的发展趋势。

3．2机械手机械手又称操作机，是指具有和人手臂相似的动作功能，并使工作对象能在空间内移动的机械装置，是机器人赖以完成工作任务的实体。

在收获机器人中，机械手的主要任务就是将末端执行器移动到可以采摘的目标果实所处的位置，其工作空间要求机器人能够达到任何一个目标果实。

机械手一般可分为直角坐标、圆柱坐标、极坐标、球坐标和多关节等多种类型。

多关节机械手又称为拟人（类人）机器人，相比其它结构比较起来，要求更加灵活和方便。

机械手的自由度是衡量机器人性能的重要指标之一，它直接决定了机器人的运动灵活性和控制的复杂性［10］。

果蔬采摘机器人往往工作于非结构性环境中，工作对象常常是随机分布的，因此在机械手的设计过程中，必须考虑采用最合理的设计参数，包括机器人类型、工作空间、机械臂数量（机械臂越多，机构越灵活，但控制也越复杂，消耗的时间也越多。

因此，必须在系统数量和性能之间进行平衡）以及机器人结构方式（串联式、并联式）等。

评价机械手的结构性能参数主要有工作空间、可操作度、位置多样性和冗余度等。

为了设计出最合适的操作手机构，还必须进行机构的运动学和动力学研究，同时还要考虑其运动平衡性能，综合优化算法设计，使机器人能灵巧无碰撞地完成采摘任务［6］。

3．3识别和定位系统果实的识别和定位是果实采摘机器人的首要任务和设计难点，识别和定位的准确性关系到采摘机器人工作效率。

采摘机器人视觉系统的工作方式：首先获取水果的数字化图像，然后再运用图像处理算法识别并确定图像中水果的位置。

由于环境的复杂性，有时需要利用多传感器多信息融合技术来增强环境的感知识别能力并利用瓜果的形状来识别和定位果实。

目前的采摘机器人视觉系统在环境比较规则的情况下能取得比较好的效果，但在自然环境下的应用仍需要进一步的研究。

这需要研究出有效、快速的算法，将果实分辨出来。

在目前这种技术还不是很成熟的情况下，可采用人工辅助选择目标和定位。

3．4末端执行器末端执行器是果蔬收获机器人的另一重要部件，通常由其直接对目标水果进行操作。

因此，需要满足各种不同的规则，以便切除水果并确保水果质量。

末端执行器的基本结构取决于工作对象的特性以及工作方式。

末端执行器必须根据对象的物理属性来设计，包括数量形状（手指的数量和形状的设计与所要采摘的果实密切相关。

一般而言，手指的数量越多，采摘效果越好，但控制也越复杂。

所以，在设计时，应该在手指的数量、控制的难度及抓取的成功率上找到平衡点）、尺寸和动力学特性（如抓取力、切割力、弹性变形、光特性、声音属性、电属性等），水果的化学和生物特性也必须考虑。

末端执行器的性能评估指标应包括：抓取范围、水果分离率、水果损伤率、采摘的灵活性以及速率等。

传统的末端执行器主要采用旋转拧取或机械切除方法将果实从植株上脱离，其性能一般较差，对果实和植株都有一定的损伤。

目前，还出现了激光切割、高压水喷切等新的水果分离技术。

荷兰农业环境工程研究所在研究黄瓜收获机器人时，发明了一种新的双电极切割法，利用电极产生的高温切除果实［9］。

该方法不仅易于采摘果实，而且可以防止植物组织细胞细菌感染，还可以减少果实水分损失，减慢果实熟化程度。

美国俄亥俄州立大学开发了一种由四手指机械手和一个机械手控制器组成的末端执行系统，能够很好地抓持和采摘果实，灵活轻巧，采摘成功率有明显的提高［11］。

4果蔬采摘机器人的主要问题和关键技术4．1研究中的问题虽然果蔬收获机器人的研究已经取得了很大的进展，但离实用化和商品化还有很长一段距离。

目前，采摘机器人研究领域主要存在以下几个问题：①果实的识别率不高或识别后定位精度不高。

目前，识别果实和确定果实位置主要采用灰度阈值、颜色色度法和几何形状特性等方法。

②果实的损伤率较大。

③果实的平均采摘周期较长。

目前的果实收获机器人由于视觉、结构及控制系统等原因，大多数采摘机器人的效率不高。

④采摘机器人的制造成本较高，设备利用率低，使用维护不方便。

4．2研究中的关键技术4．2．1智能化的果实识别和定位1）开发智能化的图像处理算法。

开发智能化的图像处理算法，以消除干扰，提高分辨率。

模糊神经网络是一种高度并行的分布式系统，应用模糊理论指导学习，是在无监督情况下具有自适应性与自学习能力，能将采集到的信息加以存储建立起数据库［12］，以对图像进行智能化处理。

另外，小波变换［13］具有良好的时频局部化分析特征，能同时给出图像信号的时域和频域信息，能有效检测图像的边缘，抑制噪声干扰，快速、精确地提取图像边缘信息，应用前景较好。

2）采用主动光源的多维视觉系统。

为改善自然环境的干扰，精确定位果实位置，可考虑采用多维视觉系统，并根据图像采集的需要配备激光扫描器，也可自行发射出具有特定特征的光线［14］，在一定程度上改善图像质量。

3）多传感器信息融合。

果蔬采摘机器人作为智能机器人的一种，工作在复杂多变的环境中，需要在移动过程中检测出水果，因此还需要利用多传感器多信息融合技术来增强环境的感知识别能力［15］。

通过视觉传感器与非视觉传感器（触觉传感器、力觉传感器和避障传感器等）的优势互补，机器视觉系统与激光测距系统相结合［16］，可以大大提高采摘机器人的感知功能。

近些年来，多传感器信息融合技术已成为智能机器人的关键技术，得到了普遍的关注和广泛的应用，并引入到了农业机器人中，取得了显著的成果［17］。