農(nóng)機大全網(wǎng)（www.97661a.com）最新農(nóng)機信息：農(nóng)林業(yè)采收機器人發(fā)展現(xiàn)狀，農(nóng)機新產(chǎn)品,二手農(nóng)機,農(nóng)機補貼目錄,農(nóng)機價格查詢,農(nóng)機報價大全，更多農(nóng)機資訊請查看：農(nóng)機資訊

　　農(nóng)林業(yè)采收機器人發(fā)展現(xiàn)狀

機器人采收是農(nóng)林業(yè)現(xiàn)代化的關(guān)鍵技術(shù)之一。文中基于采收機器人采收對象進行分類，主要類型有蘋果采收機器人、草莓采收機器人、番茄采收機器人、黃瓜采收機器人和林業(yè)采收機器人等，根據(jù)采收機器人類型對國內(nèi)外農(nóng)林業(yè)采收機器人的研究進行了分析，討論了采收機器人發(fā)展過程中涉及的導航避障、視覺系統(tǒng)和末端執(zhí)行器這些關(guān)鍵技術(shù)，通過分析現(xiàn)有采收機器人的優(yōu)缺點，提出了目前研究中在末端執(zhí)行器、圖像識別技術(shù)、導航定位技術(shù)、柔性結(jié)構(gòu)和機器人本體設(shè)計方面的問題，展望了未來農(nóng)林業(yè)采收機器人的發(fā)展方向。

縱觀美國、日本、荷蘭、英國和比利時等農(nóng)林業(yè)生產(chǎn)大國，現(xiàn)代化農(nóng)林業(yè)已成為當今世界農(nóng)林業(yè)發(fā)展的潮流。隨著設(shè)施農(nóng)業(yè)、精準農(nóng)業(yè)等新型農(nóng)業(yè)的出現(xiàn)，計算機、傳感器和自動化技術(shù)越來越多被應用于農(nóng)林業(yè)生產(chǎn)中。中國作為農(nóng)林業(yè)大國，實現(xiàn)農(nóng)林業(yè)現(xiàn)代化、農(nóng)林業(yè)裝備機械化和智能化成為發(fā)展的必然趨勢。

目前，針對水稻、小麥等大面積種植的谷物已經(jīng)基本實現(xiàn)了從播種到收獲的自動化、機械化，大大節(jié)約了人工成本。但是，針對水果蔬菜等農(nóng)作物，即使在種植環(huán)節(jié)已經(jīng)能達到高度的自動化，但在采摘環(huán)節(jié)仍然需要大量的人工勞動。隨著近年來機器人技術(shù)、圖像識別技術(shù)的發(fā)展，如何使用機器人代替人工高效地完成采摘作業(yè)成為亟待解決的問題。

1國內(nèi)外研究現(xiàn)狀

自1968年美國學者Schertz和Brown首次提出將機器人技術(shù)應用于果蔬采摘，經(jīng)過50年的研究與發(fā)展，農(nóng)林業(yè)收獲裝備經(jīng)歷了從半自動化的采摘機械到全自動的采摘機器人。目前，日本、英國、美國和西班牙等發(fā)達國家都展開了農(nóng)林業(yè)采收機器人方面的研究，主要涉及的采收對象有蘋果、西紅柿、草莓和甜橙等。我國在農(nóng)林業(yè)采收機器人方面的研究工作起步較晚，但近年來發(fā)展勢頭迅猛并取得了大量成果。國內(nèi)許多科研院校已經(jīng)設(shè)計出試驗樣機，同時也提出了許多關(guān)鍵技術(shù)理論，但總體較國外研究相比，仍有一定的差距。

1.1國外研究現(xiàn)狀

1.1.1蘋果采收機器人

20世紀末，韓國慶北大學研發(fā)的蘋果采收機器人具有4自由度，同時包括3個旋轉(zhuǎn)關(guān)節(jié)和1個移動關(guān)節(jié)。該機器人選用內(nèi)含壓力傳感器的3指夾持器作為末端執(zhí)行器，可以有效避免損傷蘋果。雖然此機器人采用了CCD攝像機和光電傳感器，能夠較為準確地識別蘋果，但受限于自由度，仍然難以避開障礙物進行工作。

2008年，比利時BAETEN J等研發(fā)了一種蘋果采收機器人，該機器人采用6自由度機械臂，安裝于可升降運動平臺上，由拖拉機拖動。末端執(zhí)行器選擇氣壓驅(qū)動柔性執(zhí)行器。該機器人采摘周期為8~10 s，采摘率達80%，但是結(jié)構(gòu)占地面積大，采摘動作不夠靈活。

1.1.2草莓采收機器人

日本的KONDO N等針對草莓的溫室高壟內(nèi)培模式，研發(fā)了安裝在龍門式移動平臺上的3自由度直角坐標機械臂，是草莓采收機器人的初代樣機。該機器人由彩色CCD相機檢測草莓果實，利用吸入旋轉(zhuǎn)切斷式末端執(zhí)行器切斷果梗，采摘果實。試驗發(fā)現(xiàn)吸持方式對小型果實十分有效，但仍有34%的果實無法被正確采摘。

陳至靈等：農(nóng)林業(yè)采收機器人發(fā)展現(xiàn)狀農(nóng)業(yè)工程裝備與機械化隨后，KONDO N等又在第一代樣機的基礎(chǔ)上，通過改進末端執(zhí)行器機構(gòu)，研制了第2代草莓采收機器人。第2代機器人吸取了吸入旋轉(zhuǎn)式和勾取式的優(yōu)勢，在末端執(zhí)行器真空吸入草莓果實的基礎(chǔ)上，增加了張合爪用于夾取果梗，完成切斷，有效地提高了采摘的成功率。

日本宮崎大學NAGATA M等開發(fā)了由3自由度直角坐標機械臂帶動末端執(zhí)行器的采收機器人，其能完成豎直向下夾持并切斷果梗。該機器人配備了固定-移動雙相機，在白色或黑色的塑料膜背景下對草莓果實進行識別和定位，成功率超過90%。

針對高架懸掛式栽培的草莓，日本的HAYASHI S等研制了適用于高架栽培的草莓采收機器人。此機器人采用軌道移動平臺和龍門式機械臂，以長條形LED點陣光源和3個相機構(gòu)成視覺單元，末端執(zhí)行器選用反射式光電傳感器。與初代機型相比，新型的采摘機器人質(zhì)量輕，采摘耗時縮短，但由于機器視覺算法無法妥善處理光源光照不均勻的問題，采摘成功率無法保證。

1.1.3番茄采收機器人

番茄由于其成串生長的特性，導致果實之間貼碰重疊和遮擋現(xiàn)象嚴重，因此被認為是機器人收獲難度最大的蔬果之一。日本早在20世紀80年代初就開始進行番茄采收機器人的研究。京都大學川村登等較早進行了番茄采摘機器人樣機的開發(fā)。該機器人包括電動輪式底盤、5自由度機械臂和2指夾持器，利用相機對果實定位。盡管該機器人結(jié)構(gòu)與性能還不夠成熟，但已完成番茄采摘機器人的初步構(gòu)想與基礎(chǔ)框架。

岡山大學的KONDO N等設(shè)計的番茄采收機器人，選用彩色攝像頭和圖像處理卡構(gòu)成的視覺系統(tǒng)識別和定位成熟的番茄，7自由度機械手用以避開障礙物，帶有橡膠套的夾持器和吸盤用以夾取和采摘果實。該機器人采摘周期約為15 s，成功率能夠達到70%。

后來，KONDO N等又針對番茄的生長特性研制了新的番茄采收機器人。該機器人選用三菱RH-6SH5520型工業(yè)機器人，末端執(zhí)行器采用切斷式來剪切果梗，同時配有夾持器夾取被采摘的整串番茄。其最大采摘質(zhì)量6kg，采摘周期約為15 s，但成功率較低，僅為50%左右。

FUJURA T等針對45°傾斜水培櫻桃番茄開發(fā)了采收機器人。采用電動輪式底盤，4自由度直角坐標機械臂，吸持-擺動剪斷式末端執(zhí)行器和紅外立體視覺傳感器。該機器人的采摘能保證果實較高的收獲率和果實花萼較高的完整性。

東京大學的CHEN X等開發(fā)了仿人型雙臂式番茄采收機器人。該機器人在頭部和腕部裝有兩個體感攝像頭，每個手臂有7個自由度，并裝有夾剪一體式的末端執(zhí)行器。目前該機器人僅能靠人的指令完成采摘，仍處于試驗階段。

科威特的TAQI F等為溫室和家庭采摘櫻桃番茄設(shè)計了一款機器人，該機器人通過相機拍攝圖像識別番茄果實，并且能夠自主判別番茄是否成熟，是否破損或腐爛并完成分揀。

1.1.4黃瓜采收機器人

日本KONDO N等研制的黃瓜采摘機器人，采用6自由度機器人，配以CCD相機，根據(jù)黃瓜與其莖葉紅外光反射率差異的原理進行識別，果梗分離采用傳統(tǒng)的夾持切斷式。但受制于莖葉對于黃瓜識別的影響程度較大，該機器人采摘成功率并不高。

荷蘭的VAN HENTER E J等研制的軌道式黃瓜采摘機器人，包括4個采收機器人和1個機器人停靠站。每個采收機器人由智能控制運動裝置、采摘機械手、終端感應器和計算機視覺系統(tǒng)組成。其利用瞬時高溫方式切斷果梗，避免了細菌感染，采摘成功率能達到80%。

1.1.5林業(yè)采收機器人

原蘇聯(lián)中央森工機械研究所的伊爾庫茨克分所設(shè)計了一種裝備有信息測量系統(tǒng)、執(zhí)行系統(tǒng)和控制系統(tǒng)的伐木歸堆機器人，其由計算機控制操縱抓切裝置，使機械臂按指定方向動作，以完成抓樹、從根部伐樹、搬移和歸堆等工作。

北美推出的Rottne 2202型和Rocan T型微型輪式采伐聯(lián)合機采用計算機程序控制機器人完成伐木、打枝和造材作業(yè)，該機的特點是機體小巧，作業(yè)時不會對周圍樹木造成損傷，機組接地壓力較小，減少了對地表的破壞和樹根的損傷。

Timberjack公司開發(fā)了適用于陡坡和松軟林地的6足采伐聯(lián)合機器人，該機器人通過腿部傳感器獲取地面路況信息，采用計算機系統(tǒng)控制步伐，平衡機器人各足的載重，能越過120 cm的障礙，按設(shè)定的程序自動完成伐木、打枝和造材等工作。

1.1.6其他類型采收機器人

希臘工程師POOL TA和美國佛羅里達大學工程師HARREL R C等合作研發(fā)了一種柑橘采收機器人。該機器人由彩色攝像機和超聲波測距機進行識別定位，采用半圓形環(huán)切刀切斷果梗。

日本岡山大學MONTA M等研制的果園棚架栽培模式的葡萄采收機器人由一個5自由度機械臂和視覺傳感器組成。此機器人同時集成了葡萄的剪枝、套袋和藥物噴灑功能。

日本京都大學UMEDA K等研制了一種名叫“STORK”的西瓜采收機器人。該機器人包含有平行4球聯(lián)動的機械采摘手爪、視覺傳感器和移動機構(gòu)。采摘手爪利用真空吸盤吸附方式提起西瓜，完成采摘。

日本HAYASHI S等針對V型架栽培的茄子開發(fā)了采收機器人，其采用履帶式底盤、7自由度機械臂、掌心相機、超聲距離傳感器、真空吸盤和帶有柔性夾持器的果梗夾剪一體化末端執(zhí)行器。但由于枝葉遮擋等問題，該機器人的識別率和采摘成功率都較低。

巴里理工大學和萊切大學合作研制的菊苣采收機器人機是由一個雙4桿機構(gòu)機械手、末端執(zhí)行器和視覺系統(tǒng)組成。其基于智能彩色濾波算法和圖像形態(tài)學操作來確定菊苣的位置。末端執(zhí)行器采用切斷方式削減根莖，并能夠夾持菊苣送入采集托盤內(nèi)。

1.2國內(nèi)研究現(xiàn)狀

1.2.1蘋果采收機器人

南京農(nóng)業(yè)大學顧寶興等針對標準矮化蘋果果園，設(shè)計的蘋果采摘機器人，利用DGPS自主導航載有采摘機械臂的輕型履帶式智能移動平臺，通過果實與樹枝色差模型的圖像處理識別和定位果實，完成采摘。

天津農(nóng)學院蘇媛等以瑞典ABB公司的ABB irb460型3自由度工業(yè)機器人為模型，利用BP神經(jīng)網(wǎng)絡(luò)構(gòu)建了蘋果采收機器人的視覺系統(tǒng)。該機器人將640×640像素的圖片，在RGB顏色空間下，結(jié)合中值濾波降噪和拉普拉斯算子邊緣檢測方法實現(xiàn)果實的特征提取，最終完成蘋果果實定位。

1.2.2草莓采收機器人

中國農(nóng)業(yè)大學陳利兵針對壟作草莓研制了3直動直角坐標機械臂配置剪切式末端執(zhí)行器，配合CCD相機構(gòu)成視覺系統(tǒng)的草莓采摘系統(tǒng)；針對高架草莓，也制作了采用3直動直角坐標機械臂配置夾剪一體式末端執(zhí)行器，并安裝了微型履帶底盤的“采摘童1號”樣機。

國家農(nóng)業(yè)智能裝備工程技術(shù)研究中心馮青春等研發(fā)的草莓采摘機器人針對高架栽培模式，采用了聲納導航移動平臺，6自由度機械臂和雙目視覺系統(tǒng)，并開發(fā)了吸持果實，夾持果梗后，利用電熱絲燒斷果梗的新型末端執(zhí)行器。

1.2.3番茄采收機器人

上海交通大學的ZHAO Y S等開發(fā)的雙臂式番茄采收機器人，安裝了兩只三自由度PRR式機械臂，采用了滾刀式和吸盤筒式末端執(zhí)行器，使用雙目視覺系統(tǒng)進行果實識別與定位。

國家農(nóng)業(yè)智能裝備工程技術(shù)研究中心王曉楠等針對溫室立體培育番茄種植，設(shè)計了一款智能番茄采摘機器人，包括視覺定位單元、采摘手爪、控制系統(tǒng)及承載平臺。該機器人基于HIS色彩模型進行圖像處理，提高了果實定位與識別精度；通過氣囊夾持方式，保證了采摘過程中果實的柔性夾持，降低了采摘過程中果實的損傷率。

1.2.4黃瓜采收機器人

湯修映等研制的黃瓜采摘機器人FVHR-I，擁有一個帶活動刃口和固定刃口的末端執(zhí)行器，用以切斷果梗。其視覺識別系統(tǒng)采用了RGB模型的G分量進行圖像分割，同時進行黃瓜果實識別和分割點的確定。該機器人的采摘成功率很高，但黃瓜果實的識別還有待提高。

中國農(nóng)業(yè)大學紀超等根據(jù)黃瓜果實與背景葉片分光反射特性差異，設(shè)計的黃瓜采摘機器人由自主移動平臺、果實識別定位系統(tǒng)、采摘機械臂、柔性末端執(zhí)行器和能源系統(tǒng)構(gòu)成，并提出了三層式系統(tǒng)控制方案，設(shè)計了導航控制程序和采摘控制程序。該機器人單根黃瓜采摘耗時28 s左右，成功率達85%，具有較高的穩(wěn)定性與實用性。

1.2.5林業(yè)采收機器人

東北林業(yè)大學陸懷民等研制的林木球果采集機器人擁有一個5自由度的機械手。工作時，機械手爪由雙泵雙回路液壓系統(tǒng)驅(qū)動，實現(xiàn)機械手爪與機械臂整體的柔性動作。機器人停放在距母樹3~5m處，機械手爪張開并對準要采集的樹枝。隨后，機械臂前伸使采集爪趨近球果，采集爪收攏，利用采集爪的梳齒結(jié)構(gòu)夾攏果實并將果實擼下。最后完成球果的收集。

郭秀麗等設(shè)計的采伐聯(lián)合機器人以SDWY-60型履帶式挖掘機作為行走機構(gòu)，安裝有6自由度機械手，采用雙泵雙回路液壓系統(tǒng)驅(qū)動，利用基于模糊自適應卡爾曼濾波的徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)控制系統(tǒng)，使機器人能實現(xiàn)立木定位、采伐與歸堆等多功能自動循環(huán)作業(yè)。

魏占國等設(shè)計了輪式林木采伐聯(lián)合機器人CFJ-30，其底盤采用鉸接式車架構(gòu)造，采用全液壓驅(qū)動，集伐木、打枝、造材和歸楞于一體。

1.2.6其他類型采收機器人

郭素娜等設(shè)計了一款能夠自主導航定位的葡萄采摘機器人，其通過RSSI自主導航和顏色特征提取，操作5自由度機械臂對成熟的葡萄完成定位和采摘，準確率超過95%。

宋健等設(shè)計的開放式茄子采摘機器人，以4自由度關(guān)節(jié)式采摘機器人為本體?；谥狈綀D的固定雙閾值法對G-B灰度圖像進行分割，提取了果實目標的輪廓、面積、質(zhì)心、外接矩形以及切斷點等特征，對茄子進行識別和定位。該機器人系統(tǒng)運行穩(wěn)定可靠，抓取成功率為89%，平均耗時37.4 s。

2關(guān)鍵技術(shù)研究進展

針對農(nóng)林業(yè)采收機器人在工作中所面臨的眾多問題，采收機器人的研究仍面臨巨大的挑戰(zhàn)。

（1）復雜的非結(jié)構(gòu)環(huán)境：農(nóng)林業(yè)采收機器人的工作地點往往處于農(nóng)田、果園和溫室壟間等具有坡度、坑洼地形、不可預見的障礙物的復雜地形環(huán)境中。因此機器人想要完成工作必須具有優(yōu)良的導航避障能力、穩(wěn)定的爬坡行走能力。

（2）自然環(huán)境下的作物信息獲?。翰墒諜C器人通過傳感獲取的各種信息都是在自然條件下進行的，自然環(huán)境如光照、作物背景和枝葉遮擋等無關(guān)要素對于獲取信息的干擾非常嚴重，因此采收機器人信息系統(tǒng)對于作物信息篩選區(qū)分的成功率至關(guān)重要。

（3）作物的摘取與分揀：由于不同作物的生長情況和形狀特點各不相同，果實的生長位置、大小長短、易損程度也有很大區(qū)別，因此針對采收機器人的采收對象的不同，需要使用不同的末端執(zhí)行器以滿足不同的要求。

2.1導航避障系統(tǒng)

中國農(nóng)業(yè)大學湯修映等提出了基于機器視覺和關(guān)節(jié)空間的黃瓜采收機器人障礙規(guī)避方法。該方法將障礙分為球體、正方體和長方體，再根據(jù)障礙類型將其歸類，構(gòu)造障礙保護圓和障礙保護點，采取過中間障礙點的三次多項式插值函數(shù)完成機器人相應節(jié)段關(guān)節(jié)的運動。

尹建軍等提出了一種基于構(gòu)形空間的關(guān)節(jié)型機械臂避障路徑規(guī)劃方法。該方法利用空間映射原理，將關(guān)節(jié)型機械臂工作空間三維避障問題轉(zhuǎn)變?yōu)镽-R機械臂避開障礙圓的問題，用臨界關(guān)節(jié)角建立C-障礙空間的映射計算模型，將工作空間的位置避障轉(zhuǎn)換為構(gòu)形空間連桿的關(guān)節(jié)角計算。

江蘇大學姬偉等針對特殊環(huán)境下采摘機器人的實時避障問題，提出了一種基于改進人工勢場法的障礙規(guī)避方法。此方法通過引入虛擬目標點使搜索過程跳出傳統(tǒng)人工勢場法的局部最優(yōu)極小點，從而實現(xiàn)機器人實時避障。

2.2視覺系統(tǒng)

2.2.1蘋果采收機器人

BULANON D M等開發(fā)了一套實時視覺系統(tǒng)用于采摘蘋果。該系統(tǒng)使用一個彩色CCD攝像機實時拍攝蘋果圖像，并利用PC機處理采集到的圖像。該系統(tǒng)能在不同光照下在1 s內(nèi)識別和定位水果。

LAK M B等采用顏色和形狀處理相結(jié)合的方法對蘋果進行分割。他們對圖像進行過濾，轉(zhuǎn)換成二值圖像，并降低噪聲，最后檢測出圖像中蘋果的位置。

NGUYEN T T等利用相機獲取的顏色（RGB）和三維（3D）形狀信息，開發(fā)了一種用于檢測和定位紅色和雙色蘋果的算法。該系統(tǒng)對于完全可見和部分遮擋的蘋果的檢測率分別可達100%和82%。

中國農(nóng)業(yè)大學馮娟等設(shè)計了一種基于激光視覺系統(tǒng)的蘋果采摘機器人。該視覺系統(tǒng)基于飛行時間原理對目標場景進行三維掃描，根據(jù)掃描數(shù)據(jù)反映果實曲面特性，更清晰地解析果實和分辨枝葉間的空間幾何特性和層次關(guān)系，避免或減少自然光線的干擾。

江蘇大學呂繼東等和馮瑋等提出了兩種對于蘋果果實快速跟蹤識別的方法。其一是基于R-G顏色特征的OTSU動態(tài)閾值分割方法進行首幀采集圖像分割，根據(jù)圖像中心原則識別果實。其二是在壓縮跟蹤算法的基礎(chǔ)上結(jié)合SURF特征的跟蹤識別方法。

賈偉寬等提出了一種基于K-means聚類分割、遺傳算法（GA）和最小均方差算法（LMS）優(yōu)化的徑向基（RBF）神經(jīng)網(wǎng)絡(luò)相結(jié)合的蘋果果實識別方法。該方法在LAB顏色空間下利用K-means聚類算法對采集的圖像進行分割處理，提取RGB、HSI顏色特征向量和圓方差、致密度等特征。然后將提取的共16種特征輸入神經(jīng)網(wǎng)絡(luò)，并對RBF神經(jīng)網(wǎng)絡(luò)訓練，得到蘋果果實識別模型。同時引入遺傳算法對RBF神經(jīng)網(wǎng)絡(luò)進行優(yōu)化，利用最小均方差算法對連接權(quán)值進一步學習，構(gòu)建新的神經(jīng)網(wǎng)絡(luò)模型（GA-RBF-LMS）。此方法能夠完成較為快速和精準的識別，對于遮擋、重疊的果實識別率超過95%。

2.2.2草莓采收機器人

中國農(nóng)業(yè)大學張鐵中等采用三層BP神經(jīng)網(wǎng)絡(luò)，通過分析選取3×3領(lǐng)域像素的H通道值作為草莓圖像特征，選取HSV中與亮度無關(guān)通道以排除圖像明暗對分割效果的影響。利用BP神經(jīng)網(wǎng)絡(luò)，通過提取大區(qū)域和腐蝕、膨脹等算法處理，能較好地分離成熟草莓果實與背景。

王糧局等又針對傳統(tǒng)的基于手眼系統(tǒng)的視覺伺服方法在草莓采摘機器人設(shè)計中存在的信息反饋延遲大、頻率低、定位耗時長及精度低等問題，采用了攝像機曝光信號觸發(fā)控制卡進行高速位置鎖存，結(jié)合位置傳感器的反饋信息，減少定位耗時，并采用運動恢復結(jié)構(gòu)方法，提高果實采摘精度。該方法將定位時間縮短至0.9~0.6 s，相對誤差控制在-4.3%~1.0%范圍內(nèi)。

西北農(nóng)林科技大學和日本宮崎大學合作開發(fā)了一種直立式草莓采收機器人。該機器人選用兩個彩色攝像機（寬視角相機和細節(jié)相機）識別草莓果實、定位草莓果梗位置并判斷草莓成熟度。其識別率能達到90%，成熟度檢測超過50%。

新疆維吾爾自治區(qū)大學房愛青等通過雙目視覺系統(tǒng)對草莓定位算法進行了研究，提出了基于單目視覺與測距傳感器結(jié)合的草莓定位算法。該算法對草莓果實的識別率可達95%，定位誤差在10 mm以內(nèi)。

2.2.3番茄采收機器人

伊朗Urmia大學的AREFI A等為了區(qū)分番茄是否成熟開發(fā)了一種分割算法。該算法首先利用RGB顏色特征去除獲取圖像信息中的植物根莖等背景；接著用YIQ和HIS顏色空間提取番茄的黃色部分，用RGB提取番茄的紅色和橙色部分；最后通過定義YIQ顏色空間的條件關(guān)系，識別成熟番茄。

東京大學Chen X Y等提出了一種基于幾何和物理推理的番茄采摘機器人視覺系統(tǒng)。該方法利用2個RGB-D傳感器采集數(shù)據(jù)，通過點云模型分割得到果實的原始形狀模型，最后通過分析幾何結(jié)構(gòu)來識別番茄果實。

東京大學和DENSO株式會社合作開發(fā)的番茄采收機器人采用立體相機，可以測量短距離和直射陽光的深度。同時設(shè)計了一款使用無限旋轉(zhuǎn)關(guān)節(jié)采摘手爪的末端執(zhí)行器。該機器人在半室外環(huán)境和陽光照射環(huán)境下表現(xiàn)出了較好的適應性和魯棒性，具有較快的采摘速度（23 s/個）和超過60%的成功率。

浙江大學項榮等提出了一種基于組合匹配方法和深度校正模型的雙目立體視覺測距方法用于提高番茄采摘機器人的定位精度。該方法將形心匹配得到的視差值作為區(qū)域匹配設(shè)定視差范圍的參考值，以減小區(qū)域匹配計算量及誤匹配概率。再利用三角測距原理得到番茄區(qū)域深度圖，并將區(qū)域深度均值作為其深度維坐標。隨后，又將這一方法進行改進運用于開放環(huán)境中對番茄的定位。

中國計量大學梁喜鳳等提出了基于提取番茄果實串連通區(qū)域邊界的采摘點識別方法。通過圖像增強處理獲取邊界清晰的串番茄圖像后，采用多尺度形態(tài)學邊緣提取法提取串番茄邊緣圖像，再進行邊界提取，填充串番茄邊界圖，獲得目標連通區(qū)域，通過計算獲得串番茄采摘點的參考點。

上海交通大學趙源深等提出了一種基于非顏色編碼的番茄識別算法。通過Haar-like特征類型和AdaBoost深度學習算法獲得用于識別成熟番茄的分類器，利用所得分類器對番茄進行在線識別。該方法對光照變化、果實粘連及枝葉遮擋等干擾有很好的自適應性和魯棒性。

2.3末端執(zhí)行器

ARIMA S等開發(fā)了采用勾取切斷式末端執(zhí)行器的多功能作業(yè)機器人，采摘時，先用鉤子勾住果梗，手爪夾住果實，再使用切刀切斷果梗。

華盛頓州立大學的DAVIDSON J R等考慮到采摘現(xiàn)場的復雜環(huán)境和對蘋果的損傷，設(shè)計了一款末端執(zhí)行器。該末端執(zhí)行器產(chǎn)生具有法向力分布的球形功率抓取并且選取重復的選定人類模式拾取序列?？紤]到位置誤差，采用柔性欠驅(qū)動關(guān)節(jié)，肌腱驅(qū)動裝置改善執(zhí)行器性能。

浙江工業(yè)大學采用氣動彎曲關(guān)節(jié)，設(shè)計了一款通過圓鋸片切割果梗的柑橘采摘末端執(zhí)行器。

江蘇大學劉繼展等改進了一般番茄采摘機器人的吸盤式末端執(zhí)行器結(jié)構(gòu)，設(shè)計了一種以集成式真空發(fā)生器為核心的真空吸盤裝置，提高了果實吸附和采摘的成功率，減輕了吸附過程中對果實的損傷。

浙江工業(yè)大學錢少明等設(shè)計的黃瓜采摘末端執(zhí)行器針對黃瓜抓持的力學特性，建立了氣動驅(qū)動器氣壓值與抓持能力之間的關(guān)系。該末端執(zhí)行器由抓持器和切割器構(gòu)成，其中抓持器由兩個氣動柔性彎曲關(guān)節(jié)構(gòu)成，切割器由旋轉(zhuǎn)氣缸和刀片構(gòu)成。

重慶理工大學王毅等基于仿生學理念，模仿蛇的吞咽動作和上顎結(jié)構(gòu)，設(shè)計了以鉸鏈四桿機構(gòu)為構(gòu)型的末端執(zhí)行器。

3結(jié)論與展望

經(jīng)過50多年的發(fā)展，農(nóng)林業(yè)采收機器人的研究已經(jīng)取得了長足的進步，無論是機型種類，還是在關(guān)鍵技術(shù)方面，無論是國內(nèi)，還是國外，農(nóng)林業(yè)采收機器人的研究和開發(fā)都方興未艾。在日本、美國和西班牙等農(nóng)林業(yè)機器人發(fā)達國家，采收機器人研究開發(fā)較早，開發(fā)的機型較多，但是，大多數(shù)仍未達到產(chǎn)業(yè)化水平。

國內(nèi)研究開發(fā)較晚，但是，在國家和相關(guān)地方政府和科技部門的大力支持下，在采收機器人的研發(fā)方面做了大量有益的研發(fā)工作，取得了一定的研究成果，距離產(chǎn)業(yè)化還有一定的差距。未來國內(nèi)外的學者仍將致力于農(nóng)林業(yè)采收機器人的實用化和產(chǎn)業(yè)化研究。

目前農(nóng)林業(yè)采收機器人的研究仍存在一些問題亟待解決。

（1）末端執(zhí)行器。機器人采收作物的收獲率、作物的完整程度以及采收完成后對原植株的損壞程度也是制約農(nóng)林業(yè)采收機器人投入實際生產(chǎn)的重要原因。采收機器人的采收過程需要仿照人工作業(yè)，但是機械采摘末端執(zhí)行器的設(shè)計限制了采收機器人在復雜環(huán)境下采收的成功率和采收下的作物的完好程度。

同時農(nóng)林業(yè)采收機器人的采收要盡量避免采收過程中對農(nóng)作物植株的損傷，破壞性的采收是不可取的。因此，采收機器人末端執(zhí)行器的設(shè)計既要考慮到末端執(zhí)行器在枝葉間運動的靈活性，又要考慮采摘手爪對果蔬進行采收作業(yè)時接觸力的大小、摘取的方式，以保證果蔬的完好。

（2）圖像識別技術(shù)。目前對于采收作物的圖像識別技術(shù)已有了較多的研究，但是面對自然環(huán)境下生長的農(nóng)作物，光照、枝葉遮擋和果實熟度等都是采收機器人工作時需要考慮的干擾因素，因此采收機器人對于成熟作物的識別率與識別速度始終難以達到較高的水平，這也導致機器人難以投入實際的農(nóng)林業(yè)生產(chǎn)。

采收機器人準確識別成熟作物的速度與精度是提升機器人作業(yè)效率的關(guān)鍵。利用高效的算法和先進的傳感器，將數(shù)據(jù)采集設(shè)備與視覺系統(tǒng)結(jié)合，提高視覺系統(tǒng)對信息的處理速度，同時利用機器學習和深度學習等技術(shù)不斷提高對成熟果實作物的識別精度將會成為未來圖像識別技術(shù)的發(fā)展方向。

（3）導航定位技術(shù)。隨著精準農(nóng)業(yè)、設(shè)施農(nóng)業(yè)的發(fā)展，高架栽培、溫室栽培等新型栽培方式將逐漸取代傳統(tǒng)的露天種植。而采收機器人在壟間的路徑規(guī)劃與障礙規(guī)避速度會對采收機器人的作業(yè)速度產(chǎn)生極大影響。采用人工神經(jīng)元網(wǎng)絡(luò)技術(shù)，結(jié)合機器學習等方法提高機器人對復雜環(huán)境的識別和處理能力將是未來導航定位技術(shù)發(fā)展的關(guān)鍵。

（4）柔性結(jié)構(gòu)。目前，農(nóng)林業(yè)采收機器人基本都是針對特殊作物研究制造的特型機器人，泛用性差。采收機器人的設(shè)計和制造不應只滿足于單種類的作物，應該提高機器人的泛用性，通過更換末端執(zhí)行器和控制程序能夠完成多種類型的作物收獲作業(yè)，甚至是將播種、施肥和噴藥等多種農(nóng)林業(yè)生產(chǎn)作業(yè)集成到一臺機器人上。

（5）機器人本體設(shè)計。目前，農(nóng)林業(yè)采收機器人由于所需的傳感器、圖像采集設(shè)備等儀器以及本體造價等原因?qū)е缕涑杀靖甙?。因此，對采收機器人結(jié)構(gòu)的簡化既能有效降低其生產(chǎn)成本，又能提高機器人在復雜環(huán)境下工作靈巧性。同時簡化操作能讓農(nóng)林業(yè)采收機器人能夠更快地在農(nóng)林業(yè)生產(chǎn)中得到普及。

（作者：陳至靈 姜樹海 孫翊）