【共享文库】温室番茄采摘机器人伸缩式机械臂设计与试验

广告

园艺星球 www.horticulture.cn

我国是目前世界上番茄种植面积最大的国家。番茄以其丰富的营养价值广受欢迎，种植面积及产量逐年上升。但目前国内番茄采摘仍以人工为主，用工整体老龄化，同时设施温室环境作业强度大，机械化水平低，采摘效率低。

人工采摘成本的增加促进了采摘机器人的研究。

美国华盛顿州立大学的DAVIDSON等开发了一款6自由度机械臂和三指末端执行器的苹果采摘机器人，该机器人通过3D相机获取果实坐标信息，在实验室环境下，果实的采摘成功率为 56%。江苏大学赵德安团队同中国农业机械化科学研究院张小超团队合作开发了一款 5自由度的苹果采摘机器人，具有整体升降和小臂伸缩功能，在实验室条件下的抓取成功率为 80%，采摘周期为 15 s。针对丘陵果园地形环境，鲍秀兰等设计了一种可以自适应调平平台的柑橘采摘机器人，结合剪切夹持一体化的末端执行器降低果实的损伤。国外率先开展了对番茄采摘机器人的研究，第一台番茄采摘机器人由美国研制。国内高校和研究中心对番茄采摘机器人的研究起步较晚，冯青春、梁喜凤、刘继展等团队相继开展了对番茄采摘机器人的研究，构建的番茄采摘机器人样机多采用工业机械臂进行采摘试验。

近年来，随着技术的发展，国内外针对番茄采摘机器人进行了进一步的研究。针对日光温室番茄采摘，于丰华等设计并制作了一台可以实现巡检、采摘、收集的番茄采摘机器人。李兴旭等采用四轴协作机械臂，基于级联视觉检测流程搭建机器人系统，实现了在日光温室场景中的检测、采摘试验。SU 等设计了一种应用于番茄棚架栽培生长环境的温室番茄采摘底盘，具有较好的路径巡航功能和定位精度。为了降低采摘过程中对果柄和主茎的损伤，ZHENG 等提出了一种嵌套采摘的方法，应用于番茄采摘机器人系统，采摘周期时间为14.9 s。

由于视觉技术的限制，传统的检测方法针对果实遮挡的番茄目标识别准确率不高，从而导致机器人的采摘成功率下降。随着深度学习的研究深入，被广泛应用于果蔬识别中。HU等提出了一种结合深度学习和边缘轮廓检测的成熟番茄检测方法，用来区分开重叠的番茄。为了检测植物上高遮挡的未成熟番茄，MU 等使用深度学习模型自动检测得到完整的绿色番茄，检测的平均精度达到了 87.83%。张勤等提出了一种基于实例分割的番茄串视觉定位与采摘姿态估算方法，实现果梗姿态识别和采摘点精准定位，并基于果梗姿态确定末端执行器的采摘姿态，提高番茄采摘成功率。

本文针对宽沟窄畦种植模式下的番茄生长环境，同时为了满足采摘机器人在田间的高效作业效率，设计了一种可在该环境中移动和自主采摘的番茄采摘机器人。该机器人的采摘机械结构基于伸缩式机械臂和多自由度末端执行器，底盘结构根据种植农艺特点设计尺寸，采用四轮独转独驱的电力驱动方式。

来源：园艺星球