果蔬采摘机械人的研究进展文档格式.docx
《果蔬采摘机械人的研究进展文档格式.docx》由会员分享，可在线阅读，更多相关《果蔬采摘机械人的研究进展文档格式.docx（13页珍藏版）》请在冰豆网上搜索。
Abstract
Thecharactersandactualityofthefruit-vegetablepickingrobotsathomeandabroadareintroducedinthisarticle,aswellassomerepresentativeoutcomesofresearch.Pickingefficiencyandmanufacturecostarerestrictionsforpickingrobot.Throughanalyzingtheworkingconditionfunctionandproblemsofmostofpickingrobot,thepresentdifficultiesandrestrictedfactorsofpickingrobotinitsresearchandapplicationwerepointoutandtheresearchdirectionandkeytechnologyinfuturewereprovided.
Keyword:
Fruitandvegetablepicking;
Robot;
Researchprogress;
Keytechnology
前言
果蔬采摘作业是果蔬生产中最耗时、最费力的一个环节。
果蔬收获期间需投入的劳力约占整个种植过程的50%-70%。
随着社会经济的发展和人口的老龄化,很多国家农业劳动力严重短缺,导致果蔬生产劳动力成本增加。
为降低成本,提高劳动效率,果实采摘的自动化成为亟待解决的问题。
收获作业自动化和机器人的研究开始于20世纪60年代的美国,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。
20世纪80年代中期以来,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,以日本为代表的发达国家,包括荷兰、美国、法国、英国、以色列、西班牙等国家,在收获采摘机器人的研究上做了大量的工作。
果蔬收获机器人是一类针对水果和蔬菜,可以通过编程来完成这些作物的采摘、转运、打包等相关作业任务的具有感知能力的自动化机械收获系统,是集机械、电子、信息、智能技术、计算机科学、农业和生物等学科于一体的交叉边缘性科学,需要涉及机械结构、视觉图像处理、机器人运动学动力学、传感器技术、控制技术以及计算信息处理等多方面的学科领域知识。
研究和开发果蔬收获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。
本文详细介绍了国内外果蔬收获机器人的研究现状,并指出了目前还存在的问题。
1果蔬采摘机器人的研究现状
1．1国外研究现状
美国学者Schertz和Brown于1968年首次提出应用机器人技术进行果蔬收获的，但当时开发的收获机器人样机只能算是半自动化的收获机械。
随着计算机图像处理技术、工业机器人技术以及人工智能控制等技术的发展和日趋成熟,日本、美国、荷兰、法国、英国、意大利、以色列、西班牙等国家在采摘机器人的研究上做了大量研究工作,并且试验成功了多种具有人工智能的采摘机器人。
但是由于采摘对象的复杂性和采摘环境的特殊性,目前市场上仍没有商品化的采摘机器人。
1.1.1西红柿采摘机器人
西红柿每棵可长4-6个果实，而每个果实并不是同时成熟的，成熟的果实为红色，而不成熟的果实为绿色，因此通过彩色摄像机作为视觉传感器寻找和识别果实，同时利用终端握持器中的吸引器，把果实吸住，再用机械手的腕关节把果实拧下。
目前已研制了用于收获樱桃西红柿的机器人。
1993年，日本近藤（KONTO）等研制的西红柿采摘机器人,由机械手、末端执行器、视觉传感器、移动机构组成（图2）。
该采摘机器人采用了7个自由度机械手。
用彩色摄像机作为视觉传感器,寻找和识别成熟果实,并采用双目视觉方法对果实进行定位,利用机械手的腕关节把果实拧下。
移动系统采用4轮机构,可在垄间自动行走。
该番茄采摘机器人采摘速度大约是15s/个,成功率在70%左右。
主要存在的问题是当成熟番茄的位置处于叶茎相对茂密的地方时,机械手无法避开叶茎障碍物完成采摘。
在2004年2月10日美国加利福尼亚州图莱里开幕的世界农业博览会上，美国加利福尼亚西红柿机械公司展出两台全自动西红柿采摘机，如图3所示。
如果西红柿单位面积产量有保证的话，这种长12.5米、宽4.3米的西红柿采摘机每分钟可采摘1吨多西红柿，1小时可采摘70吨西红柿。
这种西红柿采摘机首先将西红柿连枝带叶割倒后卷入分选仓，仓内能识别红色的光谱分选设备挑选出红色的西红柿，并将其通过输送带送入随行卡车的货舱内，然后将为成熟的西红柿连同枝叶一道粉碎，喷撒在田里作肥料。
图1日本的西红柿采摘机器人
图2美国的西红柿采摘机器人
1.1.2草莓采摘机器人
日本近藤等人研制出一种气吸式草莓采摘机器人（见图3）。
实验证明利用真空设备可以有效地补偿摄像机检测果实的位置误差,并且最大程度减少了跟果实娇嫩表皮的接触。
该机器人对成熟果实的采摘成功率达到100%。
但是问题是一些未成熟的果实也会随着目标果实被吸起,因此需要在控制真空吸力的强度等方面进行改进。
日本国家农业机构研究所和SISeiko公司于2009年联合研制出了能够自动识别并采摘成熟草莓果实的机器人样机。
目前国内外草莓采摘机器人研究中尚存在以下问题：
①普遍采用多目机器视觉系统，结构复杂，成本较高。
②整体机构庞大，工作过程中占用较多行走空间，影响种植密度。
③面向我国国内草莓生长环境特点的采摘机器人研究较少，尚无样机问世。
图3日本的草莓采摘机器人
黄瓜采摘机器人
日本的近藤直等研制的黄瓜采摘机器人,采用三菱MITSUBISHIRV-E2型六自由度工业机器人,利用CCD摄像机,根据黄瓜比其叶茎对红外光的反射率高的原理来识别黄瓜叶茎（图4）。
黄瓜、果梗的连接与番茄不同,采用剪断方法,先把黄瓜抓住,用接近觉传感器找出柄,然后剪断,采摘速度为16s/个。
由于黄瓜是长条形,受到茎叶的影响更大,所以采摘的成功率较低,大约60%。
同样,需要改进该机器人机器手的结构、采摘工作方式和避障规划功能,以提高采摘成功率,提高采摘速度。
1996年,荷兰农业环境工程研究所（IMAG）研制出一种多功能黄瓜收获机器人（图5）。
该研究在荷兰2h㎡的温室里进行,黄瓜为高拉线缠绕方式吊挂生长。
该机器人利用近红外视觉系统辨识黄瓜果实,并探测其位置。
机械手只收获成熟黄瓜。
末端执行器由手爪和切割器构成。
机械手有7个自由度,采用三菱（Mitsubishi）RV-E2六自由度机械手。
该机器人视觉系统的黄瓜检测效率大于95%,采摘成功率约80%,采摘速度约为54s/个,在实验用温室中作业效果良好。
但由于采收时间过长,不能满足商用要求。
图4日本的黄瓜采摘机器人图5荷兰的黄瓜采摘机器人
日本冈山大学研制的葡萄采摘机器人（见图6）采用5自由度的极坐标机械手。
视觉传感器一般采用彩色摄像机。
该机器人的特点是,为了提高使用效率,开发了多种末端执行器,除了能完成采摘作业,更换其他的末端执行器还可以完成喷雾、套袋和修剪枝叶等作业。
甘蓝采摘机器人
日本国立农业研究中心的Murakami等研制了甘蓝采摘机器人,由极坐标机械手、4个手指的末端执行器、履带式行走装置和CCD机器视觉系统组成,整个系统采用液压驱动（图7）。
系统利用人工神经网络（NN算法）提取果实的二值图像,采用模板匹配的方法识别合格的甘蓝。
试验表明,采摘的成功率为43%,工作速度为55s/个。
影响成功率的主要原因是光照条件的不稳定、超声波测距传感器的误差、叶子的遮挡以及机械故障等。
蘑菇采摘机器人
英国Silsoe研究院研制了蘑菇采摘机器人（图8）。
它可以自动测量蘑菇的位置、大小,并且选择性地采摘和修剪。
它的机械手包括2个气动移动关节和1个步进电机驱动的旋转关节;
末端执行器是带有软衬垫的吸引器;
视觉传感器采用TV摄像头,安装在顶部用来确定蘑菇的位置和大小。
采摘成功率在75%左右,采摘速度为6.7个/s,生长倾斜是采摘失败的主要原因。
图6日本的多功能葡萄采摘机器人图7日本的甘蓝采摘机器人
图8英国的蘑菇采摘机器人
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1s/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。
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。
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64.1s/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（46.1s）,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3-5m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1.5-2m,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500kg/d,是人工的30-50倍。
而且,采摘时对母树的破坏较小,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3s,除了应用于番茄采摘以外，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
商业化阶段
样机阶段
研究阶段
日本
甘蓝、葡萄、番茄、
黄瓜、樱桃西红柿
甘蓝、番茄、茄子、
西瓜、甜橙、草莓
荷兰
萝卜、蘑菇
番茄、芦笋
黄瓜、葡萄
法国
葡萄、橄榄、
苹果、甜橙
英国
蘑菇
定期收获水果的攀沿机器人
美国
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
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。
3.1存在的问题
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清晰的战略,研究工作也基本停了下来。
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。
我国的研究则处在逐渐上升的阶段,但大部分研究都是针对采摘机器人的某一个部分进行的,如视觉、机械手、末端执行器等。
果实的识别率、定位精度低
果蔬采摘机器人的首要任务是识别和定位水果。
然而果实的形状、尺寸、颜色、成熟度、表皮外伤程度差异性大,而且果实总是随机分布生长,这给果实的识别带来很大的困难。
目前识别果实的方法主要有灰度阈值、颜色识别法和区域识别法等。
前两种方法都要基于果实的光谱反射特性,因此还极易受到自然光照的影响。
而区域定位方式,则要求目标具有完整的边界条件,但是由于果实往往被枝干和叶子遮挡,很难真正区别出完整的轮廓。
3.1.2采摘环境的非结构化给采摘带来困难
大部分果实都是在自然环境中生长,因此果实的采摘将受到自然环境改变的影响。
如刮风导致果实摇动而不断改变位置,采摘果实被树叶树枝等掩盖,这就要求采摘机器人不仅能将这样的果实识别出来,还需要有成功的避障规划和灵巧的机械手结构。
果实的损伤率较大
果实是很娇嫩的,在采摘过程中必须保证以不损伤果实为前提,目前人们在末端执行器上安装传感器以感知抓取的力度,但是在实际操作中仍然未能避免对果实造成抓取伤痕。
另一种方法是切断果柄,这种办法的问题是切刀极易磨损,另外就是当果柄过短时无法应用。
3.1.4果实平均采摘周期较长、效率低
研究采摘机器人的目的之一就是为了提高采摘的效率,但是目前的采摘机器人效率还不够高。
比如采摘1个甘蓝需要55s,采摘一根黄瓜需要10~16s,采摘一个茄子需要64.1s,采摘一个甜瓜需要15s。
3.1.5采摘机器人的制造成本高、应用推广难
果蔬采摘机器人的采摘对象具有多样性,工作时间具有季节性,设备利用率低,操作对象大部分为农民,这就要求其要具有良好的通用性、可编程性、高可靠性和操作简单性。
另外采摘机器人的使用和维护都需要相当高的技术水平和费用。
只有当其使用成本低于人工收获成本时,采摘机器人才会真正被普及。
因此,成本问题将成为制约采摘机器人市场化的瓶颈问题。
3.2解决对策
每一个事物的发展都是一个遇到问题解决问题的过程。
为了很好的解决以上问题,解除限制采摘机器人发展的因素,可以从以下几个方面加强探索与研究:
（1）研究出一种高可靠性、高精度的视觉系统技术,可以使所有成熟果实都能够识别出来并能精确地对其定位。
这就需要在三维立体视觉技术、视觉传感器技术、图像获取和处理等方面进行更深入的研究。
（2）可以研究适合采摘机器人工作的果蔬栽培模式,通过降低作物生长环境的非结构化和复杂性,便于采摘机器人的视觉定位和移动。
（3）机械结构直接决定机器人运动的灵活性、平稳性和控制的复杂性。
采摘机器人结构必须更加紧凑和简化,优化机器人结构。
提高机械手和末端执行器的柔性和灵巧性,成功避障,提高采摘的成功率,降低果实的损伤率。
（4）提高图像处理速度,优化软件算法,缩短机器视觉部分在整个采摘过程中所占用的时间,以提高采摘效率。
（5）采用开放式的控制系统,提高采摘机器人的通用性。
只要改变机器人的机械本体和末端执行器,用一套控制系统就能完成不同果蔬的采摘,从而提高控制系统的利用率、降低成本。
4果蔬收获机器人关键技术和技术难点
收获机器人是一类工作于非结构环境中的典型的复杂光机电一体化产品,涉及多门学科的知识.一个智能型的收获机器人必须具备下述特征:
1）必须能准确地识别和定位成熟的果实,并引导末端执行器灵活准确地接近目标水果。
2）为了能在垄沟或其它野外环境中行走,机器人必须紧凑,转弯灵活。
3）每个果实的采摘周期不能太长。
4）成本应比较低.下面是收获机器人设计中的一些必须考虑的关键技术。
4.1机械本体的优化设计
机械结构直接决定机器人运动的灵活性和控制的复杂性。
机器人必须紧凑,行走、转弯灵活,同时还要保证机器人运动平稳和灵活避障。
设计末端执行器时,要求准确快速切除果实并确保不损伤果实。
同时,还必须进行机构的运动学和动力学分析,运用优化的观点来设计机器人结构。
4.2自动化识别和定位
由于环境的复杂性,在果蔬收获机器人中,果实的自动化识别还没能满意地解决,最大的困难在于光照条件的不确定性和水果的部分或全部遮挡问题.因此,还需在传感器信息融合技术、图像获取和图像处理的算法等方面进行更深入的研究。
4.3路径规划和运动控制技术
和一般工业机器人不同之处在于,收获机器人需要在运动过程中,不断探测和判断目标水果,并根据要求采摘水果。
收获机器人在运动过程中,其数据处理量相当大,对控制系统的实时性要求高。
同时,由于作物果实是随机分布的,为了灵活地接近果实,收获机器人往往存在冗余自由度,这对机器人的轨迹规划、运动控制等方面都提出了更复杂、更严格的要求。
5．结论
果蔬收获是一个季节性强的劳动密集型工作,由于劳动力的高龄化和人力资源越来越缺乏,采用机器人进行果蔬的自动化收获变得越来越迫切。
但由于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,因此给机器人的实际应用带来了很大的困难。
要成功地实现机器人的智能化收获,必须要在机器人的本体设计、果实的自动化识别和定位、机器人运动规划和控制技术等方面进行深入的研究。
参考文献
[1]EdanY,GamesESystemsengineeringofagricultural.robotdesign[J].IEEETransactionsonSystemsManandCybernetics1994,24（8）:
1259一1265
[2]汤修映,张铁中.果蔬收获机器人研究综述[J].机器人,2005,27
（1）:
90-95.
[3]周天娟,张铁中.果蔬采摘机器人技术研究进展及分析[D].北京:
中国农业大学,2006.
[4]赵金英.基于三维机器视觉的西红柿采摘机器人技术研究[D].北京:
中国农业大学,2006.
[5]姜丽萍，陈树人．果实采摘机器人研究综述［J］．农业装备技术，2006,32
（1）：
8-10．
[6]刘西宁，朱海涛，巴合提．牧神LG-1型多功能果园作业机的研制［J］．新疆农机化，2009，
（1）：
42-44.
[7]赵匀,武传宇,胡旭东,等.农业机器人的研究进展及存
升级会员 