【共享文库】基于视觉识别的水果采摘机器人关键技术研究进展与展望

广告

园艺星球 www.horticulture.c

国内外常见的水果采摘机器人的基本构成通常分为 3 个部分: 机械手臂和末端执行器、移动平台和视觉系统。视觉系统作为 3 大部分中最关键的部分，其性能直接决定了机器人的作业能力。当前主流视觉系统可分为基于传统图像处理( 如颜色阈值分割、边缘检测) 和基于深度学习 ( 如 YOLO、Mask Ｒ-CNN) 2 种模式。主要存在 3 方面不足: (1) 自然光照变化导致的目标特征不稳定; (2) 枝叶遮挡造成的识别完整性不足; (3) 果实重叠引发的定位精度下降。采摘机器人的视觉系统大部分都由 3 个部件构成: 相机、图像处理装置和测距装置。相机用于捕捉果园图像信息，可分为单目、双目或多目摄像头。图像处理装置负责对摄像头捕获的图像进行分析和处理，包括背景分割、目标识别和定位等步骤。测距装置包括激光测距仪、超声波测距传感器、单目视觉测距系统以及双目视觉测距系统。

目前，基于视觉识别的水果采摘机器人在通用性、定位技术、采摘效率等方面都存在缺陷。

为分析基于视觉识别的水果采摘机器人在复杂多变的农业环境中识别能力和采摘精度，系统梳理视觉采摘机器人的关键技术研究进展，聚焦视觉系统的识别算法( 阈值法、边缘检测、深度学习) 、定位算法( 传感器融合、三维点云配准、视觉 SLAM) 及运动规划算法( 路径优化、自适应控制) ，结合草莓、苹果等典型水果采摘案例进行对比分析。研究表明，识别技术深度学习算法在复杂环境下可实现 95%以上的识别准确率，多传感器融合定位技术将误差控制在±5 mm 内，而针对不同执行器研发运动轨迹算法可以使采摘效率平均提升 40%。未来研究需进一步提高视觉系统的环境适应性，开发轻量化视觉模型与通用型末端执行器，推动水果采摘机器人向智能化、高精度和低成本方向发展。

来源：园艺星球