图8 英国的蘑菇采摘机器人
1.1.7甜瓜收获机器人
以色列和美国联合研制了一台甜瓜采摘机器人。该机器人主体架设在以拖拉机牵引为动力的移动平台上,采用黑白图像处理的方法进行甜瓜的识别和定位,并根据甜瓜的特殊性来增加识别的成功率。试验表明,该机器人可以完成85%以上的田间甜瓜的识别和采摘工作。
1.1.8 柑橘采摘机器人
西班牙工业自动化研究所基于人机协作思想研制出一种柑橘采摘机器人,该机器人主体装在拖拉机上,由机械手、彩色视觉系统和超声传感定位器组成。它能通过柑橘的颜色、大小和形状来判断柑橘是否达到采摘标准,还可以按色泽、大小进行分级装箱。该机器人采摘速度为1 s /个,比人工提高效率6倍多。这个机器人的特点在于:采摘机器人寻找、定位待摘果实以及机器人导航任务由人来完成,机器人的运动轨迹规划、关节控制和末端执行器控制等任务由机器人的控制系统完成。这样不仅提高了采摘机器人的采摘效率和成功率,还能大幅度降低系统成本,有利于尽早实现采摘机器人的产业化。
1.1.9苹果采摘机器人
韩国庆北大学研制了苹果采摘机器人,具有4个自由度,包括3个旋转关节和1个移动关节。采用三指夹持器作为末端执行器,内有压力传感器避免损伤苹果。利用CCD
6
摄像机和光电传感器识别果实,从树冠外部识别苹果的识别率达85%,速度达5个/s。该机器人无法绕过障碍物摘取苹果;对于叶茎完全遮盖的苹果,也没有给出识别和采摘的解决方法。
1.1.10茄子采摘机器人
日本国立蔬菜茶叶研究所与岐阜大学联合研制了茄子采摘机器人。机器人由CCD机器视觉系统、5自由度工业机械手、末端执行器以及行走装置组成,作业对象是温室中按照V形生长方式种植的Senryo-2号茄子。该机器人的末端执行器设计复杂,包括4个手指、2个吸嘴、2个诱导杆、气动剪子和光电传感器(图9)。在实验室中进行了试验,采摘成功率为62.5%,工作速度为64.1 s/个。影响成功率的主要原因是机器视觉系统对采摘位置的判断不正确;同时,视觉系统占用了72%的工作时间(46.1 s),也是影响整个机器人采摘效率的主要因素。
图9 日本的茄子采摘机器人
1.2 国内研究进展
我国对采摘机器人的研究始于20世纪90年代中期,虽然与发达国家还有很大的差距,但是在不少院校和研究学者的努力下也取得了一些进展。
东北林业大学的陆怀民研制了林木球果采摘机器人,主要由5个自由度机械手、行走机构、液压驱动系统和单片机控制系统组成(图10)。采摘时,机器人停在距离母树3-5 m处,然后单片机控制系统控制机械手大、小臂同时柔性升起达到一定高度,采摘爪张开并摆动,对准要采集的树枝,大小臂同时运动,使采摘爪沿着树枝生长方向趋近1.5-2 m,然后采摘爪的梳齿夹拢果枝,大小臂带动采集爪按原路向后返回,梳下枝上的球果,完成一次采摘。这种机器人的效率是500 kg/d,是人工的30-50倍。而且,采摘时对母
7
树的破坏较小,采净率高。
图10 林木球果采摘机器人原理图
上海交通大学的曹其新等运用彩色图像处理技术和神经网络理论,开发了草莓拣选机器人,采用气动驱动器将草莓推到不同的等级方向。
中国农业大学的汤修映等人研制了一个6自由度黄瓜采摘机器人,该机器人基于RGB三基色模型的G分量来进行图像分割,在特征提取后确定黄瓜的采摘点。同时提出了新的适合自动化采摘的斜栅网架式黄瓜栽培模式。孙明等为苹果采摘机器人开发了一套果实识别视觉系统,并研究成功了一种使二值图像的像素分割正确率大于80%的彩色图像处理技术。中国农业大学张铁中等人在草莓、黄瓜、西红柿、茄子等果蔬果实采摘机器人方茵做了较深入地研究，并研制出了试验样机;在草莓果实目标识别、果实重心提取、果柄位置确定、采摘机器人及手爪等方茵的研究取得了一定成果，初步建立了草毒采摘机器人实验系统，采用双目视觉等图像处理技术实现了草毒的识别和定位对草毒果实的互相重叠或遮挡等情况进行了研究并取得了一些研究成果.
周云山等研究了蘑菇采摘机器人。该系统主要由蘑菇传送带、摄像机、采摘机器手、三自由度气动伺服机构、机器手抓取控制系统和计算机等组成。计算机视觉系统为蘑菇采摘机器提供分类所需的尺寸、面积信息,并且引导机器手准确抵达待采摘蘑菇的中心位置,防止对不准, 以致影响吸盘的密封,造成抓取失败或损伤蘑菇的现象。
浙江大学提出了基于彩色信息和红外热成像技术的树上水果识别方法。并且对7自由度番茄收获机械手进行了机构分析与优化。
南京农业大学的姬长英等人在番茄采摘中运用了双目立体视觉技术对红色番茄进行定位。
江苏大学刘继展等人研制了一种以番茄为采摘目标的基于多传感器信息融合技术和开放式控制的智能型采摘机器人.该机器人完成一次采摘动作需3 s,除了应用于番茄
8
采摘以外，对形状大小相近的柑橘、苹果等也具有一定的通用性.东北林业大学王丽丽等人提出了基于TRIZ理论的蓝毒采摘机器人设计方法。江苏大学蔡健荣等人提出了基于光谱图像技术结合SAM算法识别自然场景下的成熟柑橘，在光照角度、光照强度等不同条件下，柑橘的识别准确度达到96%。
1.3果蔬收获机器人的应用现状
法国是研究果蔬采摘机器人较早的国家之一，但由于技术.市场和价格等因素的影响，甜橙、苹果采摘机器人已经停产，采摘机器人的研究工作基本陷于停顿。美国在自动化收获机器人的研究方面没
有一个很清晰的战略，研究工作也基本处于停顿状态。日本近年来开展了大量的收获机器人研究项目，进展很快，但还未能真正实现商业化。荷兰收获机器人的研究工作走在很多国家的前面，但研究的果蔬种类并不多。表1为部分国家果蔬收获机器人的研究进展统计。
国别 日本
商业化阶段
样机阶段 甘蓝、葡萄、番茄、 黄瓜、樱桃西红柿
荷兰 法国 英国 美国
萝卜、蘑菇 苹果、甜橙
椰菜、甜橙、柑桔
表1-部分国家果蔬收获机器人研究进展统计
研究阶段 甘蓝、番茄、茄子、 西瓜、甜橙、草莓 黄瓜、葡萄
定期收获水果的攀沿机器人
番茄、芦笋 蘑菇
葡萄、橄榄、
9
2 果蔬收获机器人作业环境和工作对象的特殊性
工业领域是机器人技术的传统应用领域.由于在工业生产中,机器人的工作位置和障碍往往都能够事先预知,因此机器人的性能能得到很好的体现。和工业机器人相比,果蔬收获机器人有很多独特的特点,主要表现在:
(1)作业环境的非结构性 收获机器人的工作环境往往是非结构性的、未知的和不确定的.例如,机器人所处的地势可能崎岖不平,天气条件(如光照)也可能随时改变。即使在温室环境中,也必须考虑温度、湿度、天气以及其它环境参数的影响。在这种复杂多变的环境条件中,机器人必须具有智能化的传感、规划和控制能力,要有很强的自适应能力。
(2)作业对象的个体差异和随机分布性 果蔬收获机器人的首要任务是识别和定位水果,而果实有的可能单个生长,有的则是一簇一簇的,形状、尺寸、颜色、成熟度也都不一样,而且果实总是随机分布在田地、藤蔓或树枝上,有的可能被茎杆和叶子遮挡,还要遇到不同的自然条件,如刮风可能导致果实摇动而不断改变其位置,并且果树和藤蔓的形状大小也往往不一样,从而使得机器人检测和接近果实变得异常困难。
(3)作业对象的柔软、易损性 水果等作物一般都比较娇嫩、柔软,收获时很容易遭受机械损伤,因此必须小心处理.这需要从机器人结构、传感器、控制系统等方面加以协调和控制。
(4)收获机器人成本方面的特殊性 农业机器人要想成功地应用,其成本必须低于同样结构的工业机器人,因为农业的利润往往很小,设备也只能季节性地使用。此外,农民一般不具备太多的专业知识.因此,收获机器人必须结构简单、操作性好、可靠性高,并且价格合理。
3. 采摘机器人存在的问题及对策
由于果蔬收获机器人作业环境和工作对象的特殊性，尽管很多发达国家对采摘机器人进行了大量的研究工作并且取得了一定成果,但是目前仍存在一些问题需要改进,存在一些难题需要攻破。
10