水果采摘机器人论文（精选7篇）
水果采摘机器人论文 篇1
0 引言
在存在障碍物的工作空间中对机器人手臂进行控制, 是过去20多年机器人研究中一个活跃的领域。解决这个问题的方法称为路径规划或避障。机器人避障方法总体分为两类, 即全局法[1,2,3]和局部法[4,5]。在离线路径规划中可采用全局方法, 这种方法需对机器人的工作环境提前进行完整描述, 在驱动机器人之前找到可行路径。对于多自由度复杂机械臂系统, 其计算量太大, 不便实时应用。局部规划法所要求的计算量比较少, 能够在非结构环境中应用, 在实时路径规划中, 操作臂一边趋向于目标, 一边进行路径规划, 只考虑操作臂最近区域的情况, 适应于基于传感器的实时路径规划。
目前使用的机器人操作臂避障方法多采用从笛卡尔转变而来的构形空间法。在这种方法中, 手臂被映射成一个点 (手臂所处的环境也遵循相同的映射) , 这个点由人工势场所产生的来自目标的吸引力和受到障碍的斥力的控制到达目标点[6,7,8]。针对采摘机器人在进行作业时易受障碍物的阻挡影响其工作效率的弊端, 本文提出了将避障问题转化为基于力控制问题解决办法, 采用弹簧阻尼模型实时计算机械手臂进入障碍物区域产生的虚拟力, 通过采用外在力控制回路来调节手臂位置控制系统, 达到消除虚拟力的目的, 从而实现机械手的避障。
1 系统组成部分
水果采摘机器人系统路径规划流程图展示了这个系统不同单元之间的层次和交互作用, 如图1所示。决策制定和硬件部分由长方实心体所示, 椭圆体所示为系统信号处理单元。视觉传感器安装于末端操作器, 用于确定果实位置坐标;碰撞传感器安装于机械手臂, 用于感知环境中靠近机械手臂的障碍物。在正常采样速率下, 机器人下一步有规则的运动应基于当前传感器的数据和目标点的位置。
2 水果采摘机器人避障策略
机械手臂是最基本的定位装置, 它将末端操作器沿着规定的路径从初始位置送到目标所在位置。在这个过程中, 采用视觉传感器采集目标图像, 并对图像进行处理, 提供目标果实所在的位置坐标, 由控制系统将位置坐标转化为各关节的角度变化。对于六自由度机器人, 在给定的末端操作器姿态运动中, 机械手的姿态变化是唯一确定的, 而对于具有冗余度的七自由度机械手, 生成相同的末端操作器的姿态路径, 手臂姿态可以有无数种。本文在末端操作器运动中的手臂位姿控制中采用具有运动学冗余度的七自由度机器人。
路径规划分为两种情况:第1种情况, 机器人工作空间无障碍物时, 控制位姿点沿着起始位姿点和目标位姿点间的线段运动, 这种情况只需要建立机器人的逆运动学方程, 根据视觉传感器提供的目标物的位置坐标, 求其逆运动学的解, 即关节角参数Φi (i=1, 2, 3.....n, n为机器人关节数) ;第2种情况, 当机器人控制操作手臂在工作空间运动时, 使用传感器提供机器人手臂周围环境信息, 实时计算C-空间内一些方向上的C-空间障碍距离, 调节产生的虚拟力, 从而分阶段控制位姿点到达目标。本文主要针对这种情况进行讨论。
由障碍物相对于机械手臂的位置, 水果采摘机器人避障类型主要分为两类, 即末端操作器避障和手臂避障。图2为七自由度机器人操作手示意图, T是末端操作器, TE是小臂, BE是大臂。1为末端操作器障碍物, 2为手臂障碍物。末端操作器避障可以通过调节操作器的位置参量{x, y, z}实现避障。通过控制小臂绕TS轴转动调节肘关节的转动角Φ来实现手臂的避障, 将两种避障情况分开可以避免不必要的末端操作器定位、定向以及手臂角度轨迹扰动。
3 末端操作器避障
对于工作空间内末端操作器所能到达的物体, 用距离物体表面dr长度定义一个安全区。设在物体表面和安全区边界内存在一个虚拟力F、刚度系数ki、阻尼系数kp (如图3所示) , 手臂与物体的距离S, 由传感器系统给出。当障碍物测试系统没有测试到手臂进入障碍物安全区时, 控制系统按照路径规划第1种情况处理;当机械手上的任一部分进入安全区域时 (S
碰撞力F的计算是实时的, 其计算公式为
undefined (1)
式中 e—图3中刚度系数为ki的弹簧的压力, 只有当S
kpde/dt—阻尼力。
当末端执行器靠近物体时, 传感器系统给出距离信号, 虚拟力作用于末端操作器。末端操作器通过自动调节末端执行器位置轨迹以使虚拟力为0, 来实现避障。虚拟力F在末端操作器坐标系中分为沿x轴、y轴和z轴方向3部分, 这里只讨论调节沿x轴方向的力实现避障的情况, y轴和z轴与此相似。图4所示为末端避障系统沿x轴实现避障的结构图, 通过采用外在力控制环围绕内部位置控制系统来实现。在此力F是沿x轴方向的分力, 避障系统的目标是通过调节末端执行器运动轨迹xr, 以使F在x轴方向上的分力变为无效力。这个力通过推动手臂远离安全区而变为0。在图4中, 通过采用外在力控制环围绕内部位置控制系统来实现, F在x轴方向上的分力与设定的值Fr=0进行比较, 由一个积分控制器进行控制, 使其变为0, 产生适当的轨迹调整力xf, 调整正常的轨迹xr。
调整力xf计算公式为
xf= ∫[fFr]dt=kpe+ki∫edt (2)
式中 e—沿x轴的碰撞力。
弹簧与阻尼部分产生的力分别为xfs=ki∫edt和xfd=kpe, xf=xfs+xfd。式 (2) 表示轨迹调整力xf由PI控制器产生, 作用于进入物体安全区而产生的闯入力e上。
如果由式 (2) 给出的轨迹调整力xf没有调整便在控制环中采用, 则当末端操作器靠近障碍物时, 避障控制器的输出部分的积分xf= ∫fdt继续为非0, xr进行轨迹调整就会受到非0量xf的干扰, 很显然这是路径规划所不需要的。如果位置调整力xf单纯地变为0, 则在安全区的边界调整力将变得不连续, 在速度和位置调节上也导致不连续。为解决这个问题, 平滑边界变化, 微扰积分量xfs与一个连续非线性增益k (e) 相乘, 随着e趋向于0, k (e) 减少为0。这个增益量为
xf=k (e) xfs +xfd (3)
避障控制器引入非线性变量, 如图5所示。
对于非线性增益k (e) , 它的选择变量范围比较宽, 在本文中, 采用如图6所示的简单的分段线性连续函数, 公式为
undefined
(4)
式中 d0—沿x轴方向调整力全部作用时e的值。
用可变增益K (e) 乘以输出, 保证了积分调整量xf不会突然变化到0。通过观察可知, 当障碍物清除后, 使轨迹调整量xf=0, 从而执行预定的轨迹xr。另外, 当手臂没有进入物体安全区时, 积分器输出调整为0, 此时不需要矫正力 (F=0, xf=0) , 在没有调整的情况下执行 (xc=xr) 。值得注意的是, 每次在机械手臂退出安全区域时, 积分器的输出必须重置为0, 否则在下一次调整时, 积分器从上次调整值开始计算。
4 手臂避障
水果采摘机器人工作环境中的障碍物多为棍状物体。图2中, 障碍物在小臂上端, 此时假定手臂上离障碍物最近的点为A, 机械手的避障通过使肘部E绕以肩关节和腕关节连线为轴的直线旋转来完成。使用这种形式的结构控制方法, 需要调整轴关节的角度Φ, 以适度的角度变化Φf来实现避障。这种方法缓解了七自由度机器人手臂在避障中在末端执行器位姿上的调整。与六自由度避障机械手相比较, 后一种在进行手臂避障时需要考虑与末端执行器的配合。
手臂避障几何图形如图7所示。图7中, B代表障碍物上离小臂最近的点, A为小臂上距B点最近的点, 碰撞力undefined由B指向A, 其值由B点进入安全区域的距离值 (为了便于观察, 图6中采用环绕手臂的安全区域, 这与常用的障碍物的安全区域相同) 以及这个区域右手臂的半径r和逃离距离dr决定。
undefined (5)
用em来表示有符号数量undefined, 它是手臂角度调整的基础, 使A点远离障碍物。避障的虚拟转矩的计算公式为
undefined (6)
这个量的符号为正, 与碰撞力的方向相反 , 总是作用于垂直于SWE平面的方向。式 (6) 描述了在安全区域中带有参数ki和kp的扭矩弹簧所产生的虚拟扭矩。
点A到连线SW的距离为h, h=AC, C为垂足。那么, h便是A绕SW轴旋转调整手臂角度时的半径。在此需要求出在调整正常手臂角度Φf时角度变化量Φf的大小, 达到使进入安全区域的转矩变为无效。为了在点A生成位移△A, 手臂角度变化的计算公式为
undefined (7)
由△A=kpem+ k (e) ki ∫emdt得到
undefined (8)
5 结语
本文介绍了一种采用弹簧阻尼模型实时计算机械手臂进入障碍物区域时产生的虚拟力的方法, 通过外在力回路将此虚拟力消除, 达到避障的目的。该方法通过给出力与角度控制方法, 便于机器人的实时控制与避障, 因此对于运算速度要求高和要求实时处理的采摘机器人而言, 该方法能够很好地实现避障, 完成采摘任务。
摘要：针对采摘机器人采摘作业时易受障碍物阻挡而影响其工作效率的弊端, 提出了将避障问题转化为基于位置力控制问题的解决办法, 采用弹簧阻尼模型实时计算机械手臂进入障碍物区域产生的虚拟力, 通过采用外在力控制回路来调节手臂位置控制系统, 达到消除虚拟力的目的, 实现机械手避障。
关键词：水果采摘机器人,避障,实时控制,冗余度机械臂
参考文献
[1]TSugie, K Fujimoto, Y Kito.Obstacle avoidance of manip.ulators with rate constraints[J].IEEE Transactions on Ro.botics and Automation, 2003, 19 (1) :168.174.
[2]Emmanuel A, Merchn.Cruz, Alan S Morris.Fuzzy.GA.based trajectory planner for robot manipulators sharing a common workspace[J].IEEE Transactions on Robotics and Automation, 2006, 22 (4) :613.624.
[3]E Rimon, D Koditschek.The construction of analytic diffeo.morphisms for exact robot navigation on star worlds[J].In Proc.IEEE Intern.Conf.Robot.Automat., Scottsdale, AZ, 1989 (1) :21.26.
[4]Toshiharu Sugie, Kenji Fujimoto, Yutaka Kito.Obsta.cle avoidance of manipulators with rate constraints[J].IEEE transactions on robotics and automation, 2003, 19 (1) :168.174.
[5]H Seraji, R Steele, R.vlev.Sensor.based collision avoidance:theory and experiments[J].J.Robot.Syst, 1996, 13 (9) :571?586.
[6]Jin.Oh Kim, Pradeep Khosla.Reak.time obstacle avoidance using harmonic potential functions[C]//Califo.mia:Proceeding of the1991IEEE International Conference on robotics and automation sacramento, 1991:790.796.
[7]Carmen Mara Mller.Karger, Andrs Leonell Granados Mirena, JosT.Scarpati Lpez.Hyperbolic trajectories for pick.and.place operations to elude obstacles[J].IEEE Transactions on Robotics and Automation, 2000, 16 (3) :294.300.
[8]Homayoun Seraji, Fellow, IEEE, Bruce Bon.Real.time collision avoidance for position controlled manipulators[J].IEEE Transactions on Robotics and Automation, 1999, 15 (4) :670.677.
水果采摘机器人论文 篇2
机器人手爪在抓取物体前需要知道物体的形状特征, 先进行可抓取性判别, 才能进行自主操作[1,2]。农业机器人进行采摘作业过程中, 采用视觉传感器采集目标果实图像, 并经图像处理系统进行图像分析后提供果实的空间坐标, 从而驱动末端操作器趋向于目标果实。视觉传感器采集图像时, 对近处的目标果实识别能力降低, 不能准确地提供目标果实相对于末端操作器的位置信息 (双目视觉传感器在0～20cm处采集的图像信息趋于模糊化) 。目前, 多采用在机械手爪上安装定位装置实现对果实的准确定位, 如Kondo等人设计的番茄采摘元件中应用电位器监测位置信息[3], 此种方法需不断测量与计算位置信息, 不利于系统的实时处理。
针对农业机器人末端操作器在采摘作业中的定位问题, 采用振荡器、红外线光电开关和集成锁相环路解码器LM567[4]等器件, 设计了一种能够应用于机器人末端操作器的位置传感器。试验证明, 此传感器能够提供准确的位置信息, 可以满足机器人作业要求。
1 应用背景
农业采摘机器人工作于非结构性、未知和不确定的环境中, 其作业对象是随机分布的, 这就决定了采摘机器人必须具有智能化的传感能力, 以适应复杂的作业环境。末端操作器是机器人直接对目标水果进行操作的重要部件, 在末端操作器上安装位置传感器, 作业时可以利用传感器准确确定作业对象在末端操作器中的位置, 为控制器提供控制信息。末端操作器位于机器人手臂的最末端, 其质量和形状对采摘作业过程存在影响。对于安装于末端操作器上的器件, 应以小、轻、便于控制及准确提供信息为主要考虑因素, 位置传感器也应以此标准进行选择与设计。
水果采摘机器人的末端操作器由两手掌状勺组成, 由电机驱动其抓取与松开。控制器根据视觉处理系统提供的目标作物的空间位置, 驱动末端操作器趋向于果实。当末端操作器接近果实时, 由位置传感器对其进行定位, 为控制器提供目标作物相对于末端操作器的位置信息, 从而控制末端操作器抓取果实。
本文利用光电开关作为定位装置。光电开关只提供高低电平两种信号, 可以转换为水果采摘机器人控制系统能接收的数字信号, 便于实时处理, 为控制系统节省处理时间。同时, 光电开关选取直径为3mm的对射式红外线发射与接收二极管, 其突出优点是体积小、质量轻、安装方便以及工作稳定可靠。
2 电路组成与分析
在一些红外线光电开关应用中, 多使用如图1所示的电路。这种电路的缺点是抗外界光干扰能力差, 在一些光环境恶劣的场合下, 无法正常工作, 光电管长期通以电流, 严重影响其使用寿命。因此, 在室外作业环境中, 这种简单的红外线光电检测器无法在采摘机器人的末端执行器上应用。
在室外环境下, 太阳光中红外线的波长为0.75～1 000μm, 单纯地按照图1所示的电路进行定位时, 不可避免地受到日光的干扰。为解决这个问题, 采用振荡器产生一定频率的波形加至光电开关的发射端, 使红外线发射管产生一定频率脉动波, 同时接收端利用集成锁相环路解码器LM567对接收到的脉动波进行鉴相和锁定, 从而提高光电开关的抗干扰能力。
发射端电路如图2所示。载波振荡器由高速CMOS型四重二输入“与非”门74HC00构成。在本电路中, 只利用74HC00的两个反相器构成振荡器, 产生一定频率的方波, 载波频率f1≈2kHz。经三极管放大后加载至红外线二极管上, 使红外发射管发出固定频率为f1的脉动波。
图3为红外接收控制电路。图3中, LM567为集成锁相环路解码器, 采用8脚双列直插封装, 引脚1和引脚2通常分别通过一电容器接地, 形成输出滤波网络和环路单级低通滤波网络。引脚2所接的电容决定锁相环路的捕捉宽带, 电容越大, 环路带宽越窄;引脚1所接的电容至少是引脚2电容的2倍;引脚3是输入端, 要求输入信号≥25mV;引脚5和引脚6外接的电阻与电容决定了内部压控振荡器的中心频率f2。
f2≈1/1.1 (R10+R11) C7 (1)
引脚8是逻辑输出端, 其内部是一个集电极开路的三极管, 允许最大灌电流为100mA。LM567的工作电压为4.75～9V, 振荡频率从0.01～500kHz, 静态工作电流约8mA。在本设计中, 利用了LM567接受到相同频率的载波信号后引脚8电压由高电平变为低电平这一特性。位置传感器对水果进行定位的工作方式如图3所示。
根据视觉传感器提供的作业对象空间坐标, 末端操作器不断向目标靠近。当机械手中没有水果进入时, 检测位置传感器的输出端为低电平。当机械手中有水果进入时, 输出端由低电平变为高电平;数据采集卡从位置传感器上采集电平信号, 转化为数字信号后, 为控制器提供控制信息。位置传感器的电路原理图如图4所示。
图4中, 发射与接收电路各采用5V的电压源, 目的是为了防止74HC00对接收端的干扰, 接收电路两端加上47μF的电容进行滤波稳压。检测过程中, 红外光源由红外发光管提供, 其驱动信号由74HC00中的两个与非门构成的振荡器提供。振荡器产生重复频率约为2kHz的方波, 经过三极管放大后加至红外发射管, 红外发射管输出固定频率的脉动波。接收端为红外接收三极管 (两管脚) , 接收到信号后经电容滤波和一级交流放大器放大后, 送至LAM567锁相环输入端 (3管脚) 。调节滑动变阻器, 使f2≈2kHz, 当锁相环路解码器输入信号的幅度大于20mV (rms) 且频率落入锁相环路的捕获带时, 环路立即对输入信号锁定, 经过LM567鉴相后, 在输出端输出低电平。
采用脉冲信号驱动红外发光管, 除了利用锁相环路解码提高检测灵敏度并消除背景光的干扰外, 还能使发光管在平均输入功率不变的情况下比直流驱动方式增加1倍的瞬时发射功率。同时在接收端, 为提高检测的灵敏度, 在光敏接收监视至锁相环路解码器之间插入一级交流放大器, 以对光敏接收管接收到的微弱信号进行放大。根据位置传感器的工作方式, 当用不透明物体放置于发射跟接收端时, 集成锁相环路解码器LM567输入端3没有脉动波输入, 也就没有信号被锁定, LM567的输出端信号为高电平, 从而达到了设计的目的。
3 实验结果
为了观察此传感器的抗干扰性能, 在日光环境中进行实验。根据传感器工作方式, 首先进行发射与接收端之间没有物体时的试验。接通电源后, 红外发射端发射固定频率为2kHz的方波, 如图5所示。接收端接收到的波形如图6所示。从图6可以看出, 发射端发射的脉动波被接收端接收到。
波形经放大滤波之后接LM567输入端, 其波形如图7所示。通过观察可知, 接收端、发射端及LM567输入端的波形频率皆相同。根据式 (1) , 调节接收部分的滑动变阻器, 使LM567自身频率与输入端频率相同, 这个频率可通过测量5管脚上的频率得出, 如图8所示。
根据集成锁相环解码器LM567接收到落入自身频带的信号后输出低电平的特性, 电路输出端引脚8信号 (如图9所示) 为低电平, 可视为末端操作器中没有作业对象。
将不透明物体放置于接收端与发射端之间, 这时输入端波形不能被接收端接收, 输入波形频率不能落入LM567的环路带宽中, 引脚8给出高电平, 如图10所示。
4 结语
本文根据末端操作器对采摘对象的定位问题, 提出了采用红外光电开关实现对物体进行定位的设计方法。发射部分采用振荡器产生固定频率的脉动波, 以避免室外环境光对位置传感器的影响。接收部分通过集成锁相环路解码器LM567对输入信号的频率进行锁定及鉴相。试验表明, 此传感器体积小, 质量轻, 便于安装, 在室外环境应用时, 消除了外界光的干扰, 能够达到采摘机器人对采摘对象定位的要求。
参考文献
[1]姜力, 蔡鹤皋, 刘宏.多指灵巧手的位置/力矩控制[J].控制理论与应用, 2005, 22 (3) :364-368.
[2]乔兵, 吴洪涛, 朱剑英, 等.面向位控机器人的力/位混合控制[J].机器人, 1999, 21 (3) :217-222.
[3]M Monta.End-effectors for tomato harvesting robot[J].Ar-tificial Intelligence Review, 1998 (12) :11-25.
西红柿采摘机器人 篇3
采摘是水果和蔬菜生产中最重要的环节之一, 直接影响到果蔬的市场价值。自1983年第一台西红柿采摘机器人在美国诞生以来, 采摘机器人的研究和开发历经20多年, 日本和欧美等国家相继立项研究采摘苹果、柑桔、西红柿、西瓜和葡萄等智能机器人。
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。为了降低西红柿的收获成本, 目前已研制了用于收获樱桃西红柿的机器人, 它采用双目立体成像技术来确定果实的位置, 成功率约为70%。
原理图如图1所示。该机器人具有上下移动、左右旋转、水平伸缩上下俯仰4个自由度。采用100W, 3000r/min的交流伺服电机和1:125的减速机构驱动4个关节轴。左右旋转、上下移动、上下俯仰和水平伸缩4个自由度的关节速度分别为2.51rad/s、0.3m/s、3.14 rad/s和1.8m/s。关节速度高, 影响末端执行器的定位精度, 但能够提高采摘的效率。采摘机器人采用交流伺服电机, 对于野外作业, 电源的提供并不方便。对于移动机器人而言, 最好使用蓄电池提供的直流电源。
高架栽培草莓采摘机器人系统设计 篇4
关键词：草莓采摘机器人,高架栽培,机器视觉,柔性末端执行器,运动规划
0 引言
草莓因其味道甜美,营养价值丰富,在世界大部分地区都有广泛种植,其中我国草莓种植面积达10万hm2。但是为保证草莓食用和外观品质,需要在收获时期每日早晚时分挑选采摘成熟果实,劳动强度大,所花费人力成本占草莓种植生产成本为1/4[1]。为减轻人工作业强度,降低草莓生产成本,日本率先研制针对以高架栽培为代表结构化种植的草莓自动化采摘设备[1,2,3,4],Kondo等人于2010年研制的草莓采摘机器人采摘成功率为41.3%,单循环作业耗时11.5s[1]。国内徐丽明、张铁中等人针对垄作草莓自动化采收机器人进行了研究[5,6,7,8]。然而上述智能采摘设备在果实无损操作、采摘作业效率、目标定位精度等方面距离实际使用要求还有很大差距。
本文针对草莓高架栽培模式,设计了可进行双侧高效采摘的无线遥控采摘机器人系统,主要对其中导航模块、果实识别定位模块、采摘机械臂、柔性末端执行器以及控制系统进行设计和集成,并制定机器人系统作业流程。
1 工作环境介绍
草莓高架栽培因其结构化种植特点,有利于减轻劳动作业强度,改善果实食用品质,近几年受到广泛推广。同时,采用高架栽培方式种植草莓,果实分布区域相对集中,减少了茎叶对果实的遮挡,有利于草莓自动化采收。草莓采摘机器人工作的环境如图1和图2所示。草莓种植于栽培槽内,并由栽培架固定支撑,栽培架底部安装声纳反射板,用于系统声纳导航。采摘机器人行走于栽培架行间,同时对两侧草莓进行采摘。草莓果实高度主要分布在距地面850~1 070mm区域,深度范围在200mm的空间区域内。
1.声纳反射板2.栽培架3.栽培槽
2 系统构成模块
草莓采摘机器人系统如图3所示。采摘机器人系统硬件由轮式移动平台、关节型采摘机械臂、双目视觉相机、柔性末端执行器、人机交互模块以及系统控制器等6部分构成。系统控制器负责控制算法运行以及控制信号接收发送,从而协调控制各功能部件。双目视觉相机安装于机械臂末端附近,通过设置机械臂初始姿态使得相机水平正对草莓栽培槽,以进行果实识别定位。旋转机械臂腰关节180°则可以对机器人另一侧的果实进行识别定位和采摘。机器人系统采用语音提示与遥控手柄相结合的无线人机交互方式,以实现启停、应急控制等简易操作,保证系统使用安全方便。
1.移动平台2.声纳传感器3.采摘机械臂4.末端执行器5.双目视觉相机6.控制箱7.果实箱
2.1 导航模块
采摘机器人系统采用大功率四轮驱动小车作为系统承载移动平台,以适应农业环境中不平整地面。移动平台集成声纳和机器视觉导航技术,由声纳传感器检测小车与草莓栽培架距离,由路标相机识别栽培架末端彩色转弯路标,保证采摘机器人在草莓栽培架行间中央自主行走。
2.2 果实识别定位模块
为了提高采摘机器人果实空间定位系统精度和可靠性,降低系统开发周期和成本,果实识别定位模块采用Point Grey公司Bumblebee2系列双目视觉相机。该相机工作视距为700mm时,有效视场为500mm×500mm,空间定位精度±1mm,满足采摘机器人系统目标定位要求。根据双目相机采集的两幅果实彩色图像特征,研究基于草莓色彩和形态的目标识别算法,实现复杂背景下果实目标的特征提取,并以此作为图像特征匹配参数,利用相机三维测距算法,得到果实空间坐标。
2.3 采摘机械臂
采摘机械臂负责末端执行器操作和定位,其运动精度和速度直接决定系统采摘效率。综合考虑采摘机器人视觉定位相机视场区域大小以及草莓种植模式,选用DENSO小型关节型机械臂,其最大运动半径为650mm,末端载荷5kg,点位往复运动时间最快0.4s,重复定位精度±0.02mm,同时其关节型构型空间区域运动灵活,有利于满足草莓栽培狭小作业环境要求。
2.4 末端执行器
草莓果实表皮非常柔嫩,夹持果实本体容易造成果皮损伤,影响果实品质,进而影响后续加工、储藏。采摘机器人采用了由果实吸附、果柄夹持、果柄切割3部分组成的柔性末端执行器,如图4和图5所示。
1.切割装置2.果实3.吸盘4.手指
1.固定架2.电热丝3.切割垫板4.夹持垫片5.手指
果实吸附部件采用风琴式吸盘,果柄夹持部件由平行开闭型气爪、夹持垫片、夹持手指构成,果柄切割部件由镍铬电热丝、电热丝固定架、切割垫板构成。末端执行器夹取果实时,启动真发生器组件为吸盘提供负压,将果实吸附固定,控制电磁阀将手指闭合,夹持果柄,同时接通电热丝电源,高温电热丝与切割垫板嵌合将果柄切断。采用电热丝切割果柄可以防止切口感染细菌而腐烂,影响果实品质。
3 系统控制方案
采摘机器人控制器负责运行导航、果实识别定位、机械臂控制及末端执行器控制等4个程序模块以及接收发送控制信号。机器人控制系统构成,如图6所示。
采摘机器人输入设备有双目视觉相机、路标识别相机以及声纳传感器,分别通过1 394b总线、串口RS232与机器人控制器相连接进行数据通信。导航模块通过声纳传感器和路标识别相机采集导航信息,其中导航算法控制移动平台巡航行走;果实识别定位模块根据双目视觉相机采集的图像,通过果实识别定位算法获取成熟果实采摘信息;果实识别定位模块通过判断导航模块移动平台启停信号,从而开启或终止识别定位程序进程状态,以进行果实识别定位。机械臂控制模块负责机械臂空间运动路径规划算法运行,保证机械臂作业流程按预定时间节拍进行,其从果实识别定位模块获取果实空间坐标,据此信息将末端执行器准确定位至果实位置;末端执行器控制模块可以根据控制器程序指令输出5V脉冲电压,进而通过直流继电器控制电磁阀和电热丝状态,实现果实吸附、夹持以及切割。
4 作业流程规划
4.1 工作流程设计
采摘机器人作业流程,如7图所示。系统启动后应用程序加载各功能模块并进行初始化设置,按下遥控手柄启动按键后,在导航模块控制下移动平台驱动采摘机器人系统自主行走4s后停止前进,果实识别定位模块开始运行,首先对机器人左侧果实进行识别定位,并将视场内成熟果实序列空间坐标发送到机械臂控制模块。机械臂据此将末端执行器定位置至果实位置,完成果实吸附、夹持及切割后,放入果实筐,完成单个采摘循环,如此继续直到左侧视场所有果实采摘完成;机械臂恢复至初始位置腰关节旋转180°,开始对右侧果实进行采摘,完成视觉识别定位、机械臂运动和果实采摘。右侧视场果实全部采摘完成后,机械臂复位,移动平台开始前进继续采摘作业,直至通过遥控手柄结束采摘。
4.2 动作节点规划
采摘机器人作业空间狭小紧凑,作业对象及障碍物随机分布。采摘机械臂运动过程中其末端姿态能够随作业工序不断调整,对于果实可靠夹持、避免障碍干涉以及保证作业效率都具有重要意义。本文通过对采摘过程中的关键时间节点机械臂末端所处位置姿态加以设定,实现序列时间节点采摘机械臂空间运动规划。
机械臂采摘作业过程中末端执行器接近草莓茎叶附近区域时,将末端执行器预先由初始位置定位至与草莓果实水平相距100mm的中间点,然后末端执行器由中间点向果实水平运动,直到目标点处对草莓夹持和切割分离之后,水平退回到中间点后,再将采摘的果实放置于机器人后端的果实筐中。中间点设置既可以保证末端吸盘以最佳姿态对果实进行吸附,又可以防止由于腰关节旋转末端执行器与茎叶、栽培架发生碰撞,改变果实位置或者碰落果实,造成采摘失败。
采摘机械臂运动路径点示意图如图8所示。用符号Pi(i=0,1,2,3,4)表示各路径点末端执行器的位置姿态,机械臂沿虚线运动完成采摘。然后,参考这些路径点将作业描述为如表1所示的末端执行器一连串运动。
在机械臂处于初始状态时,此时末端所处节点为P0;双目视觉系统完成目标识别定位,机械臂用时3s操纵末端执行器到达中间点P1;然后1s内末端水平运动至果实抓取点P2;为保证可靠抓取,末端停留2s进行草莓果实吸附、夹持以及切割;1s内末端执行器携带果实水平回缩到中间点P3,2s内末端由P3运动到机器人后端果实筐上方P4点;考虑气动系统响应时间及机械臂运动惯性,1s后控制末端手爪释放果实。
s
5 采摘机器人系统性能试验
为了验证采摘机器人系统作业精度和效率,在室内简单背景环境下使用该系统对其两侧各4个草莓果实进行采摘,同时用坐标测量仪对末端执行器相对果实中心定位误差进行测量,采用秒表记录作业过程耗时情况。试验结果记录如表2所示。
其中,(x,y,z)为果实相对机械臂坐标系空间坐标值,序号1,2,3,4为左侧果实,其余为右侧果实。误差为果实中心距末端执行器吸盘末端中心距离,时间为单侧采摘总耗时。
由试验结果可得,系统作业精度方面采摘机器人系统末端平均定位误差为2.2mm,最大误差不超过3.6mm,随着果实相对机械臂距离增加,定位精度略有下降。作业效率方面由于右侧果实采摘时间包含机械臂腰关节自左向右旋转过程耗时,系统完成单个果实采摘平均耗时10.99s。
6 结论
1)构建了高架栽培草莓采摘机器人系统,完成了各功能模块的选型和设计并对其进行了集成,机器人可对本体两侧果实进行采摘,有利于提高采摘作业的效率。
2)草莓采摘柔性末端执行器采用吸附果实、夹持果柄、电热切割的操作方式,避免对果实表皮造成损伤,防止果柄切口感染。
3)依据采摘作业流程,对机械臂采摘作业末端执行器运动路径进行规划,并对各路径点时间节拍进行预设,从而保证采摘作业高效执行。
4)采摘机器人系统性能试验表明,末端平均定位误差为2.2mm,完成单个果实采摘平均耗时10.99s。
参考文献
[1]Shigehiko Hayashi,Kenta Shigematsu,Satoshi Yamamoto,etal.Evaluation of a strawberry-harvesting robot in a field test[J].Biosystems Engineering,2010,105:160-171.
[2]Tomowo Shiigi,Naoshi Kondo,Mitsutaka Kurita,et al.Strawberry harvesting robot for fruits grown on table top cul-ture[C]//2008 ASABE Annual International Meeting,2008.
[3]Seiichi Arima,Naoshi Kondo,Mitsuji Monta,et al.Straw-berry Harvesting Robot on Table-top Culture[C]//2004ASAE/CSAE Annual International Meeting,2004,PaperNumber:043089.
[4]Naoshi Kondo,Kazunori Ninomiya,Shigehiko Hayashi,etal.A New Challenge of Robot for Harvesting StrawberryGrown on Table Top Culture[C]//2005 ASAE Annual In-ternational Meeting,2005.
[5]徐丽明.草莓收获机器人系统的研究[D].北京:中国农业大学,2006.
[6]陈利兵.草莓收获机器人采摘系统研究[D].北京:中国农业大学,2005.
[7]张凯良,杨丽,张铁中.草莓收获机器人末端执行器的设计[J].农机化研究,2009,31(4):54-56.
水果采摘机器人论文 篇5
新型系统包括采摘机器人和16个草莓种植平台, 种植平台会定期移动至采摘机器人面前, 机器人通过CCD摄像头捕获草莓是否变红的信息, 一旦发现红色果实, 平台就会暂时停止移动, 而机器人就会根据颜色辨别出已成熟的草莓, 并用带有刀刃的手指将其采摘下来。该系统每小时就可以完成16个平台的草莓采摘任务, 成功率达到70%以上。
由于草莓采摘费时费力, 是农业生产的难点之一。此项技术的研制成功对提高草莓生产效率、降低劳动强度, 及实现草莓生产的标准化都具有积极作用。
水果采摘机器人论文 篇6
未知环境中移动机器人在崎岖路面的行走稳定性问题因其动力学方程的高度非线性,一直是机器人学中非常具有挑战性的课题之一[1]。现有的理论对基于精确数学模型的控制方法已有较完善的系统性的成果。但是,对基于系统行为模型的机器人智能控制方法(如模糊控制方法、蚁群控制算法等)虽然得到人们持续关注,但到目前为止,这些方法仍有待于进一步完善。特别是模糊控制,或者只讨论纯粹的行为模型而忽略了原有数学模型,或者只讨论离线的用于建模阶段的模糊逻辑系统[2]。为使采摘机器人能够精确地感知复杂的路况、控制自身的速度大小并平稳到达目标位置,本文提出获取油门相对于驱动轮速的适时油门开度位置的行走模糊控制器,使采摘机器人在多变的路况条件下维持采摘与移动的协调能力,维持特定的驱动速度,增强其在启动和加速条件下的行走稳定性以满足当前窄范围、长距离的覆盖整个果园的采摘要求的特点[3]。
1 模糊油门行走控制系统结构
采摘机器人油门行走控制系统如图1所示。其主要由主机、微控制器龙板12、油门伺服马达、油门阀、驱动轮及其传感器构成。主机和龙板12通过RS232串口实现通信,龙板12输出控制命令到油门伺服马达。其基本原理是模糊控制器发出控制信号Tg并通过油门马达驱动油门阀;传感器识别到相应的驱动轮速并产生反馈信号Vf,该信号按固定传输比率适时反映油门开度Tf的大小;模糊油门检测驱动轮速并比较油门开度变化,油门马达调整油门阀以减少实际和理想的油门开度的误差信号Tf–Tg。
2 采摘机器人模糊控制策略
鉴于采摘机器人崎岖路面动力特性的高度非线性、行驶速度宽范围3～30km/h、时域特性以及油门系统的分布参数复杂的关系,很难建立一个完全的数学模型来描述机器人的驱动行走状况[3]。同时,模糊逻辑系统避免使用复杂和低效的近似数学模型。在不多使用数学表达条件下,增加使用者行为经验仿效人类驱动行为的预判和反应,作出模糊决策执行稳定驱动的判别。模糊油门控制器的流程如图2所示。从图2可知,其主要有精确模糊化、模糊控制规则、模糊策略和模糊量的精确化。本文基于系统的可控性,设计一个二维油门行走模糊控制器。通常条件下,输入语言变量分别是油门误差(TORE)和油门开度误差变化率(TOREC)。该结构能够保证系统降低超调量和削弱采摘机器人在启动和加速时的振动影响[4]。
2.1 驱动轮和油门开度之间的非模糊关系
获取实验数据方法如图3所示。在确保主机和龙板12的通信成功条件下,在超级终端窗口输入相关的控制命令,如GD设置齿轮驱动,ST返回初始的油门状态,Txx 设置油门开度量。
图4所示的驱动轮控制特性是在实际的机器人动力传输状况下的驱动轮和油门开度之间非模糊关系曲线。为了更好地获取驱动轮速,油门开度仅在20%～43%之间变化。实验数据用离散的圆圈显示。理想的目标曲线用MATLAB线性拟合方法获得。非模糊关系曲线是根据采摘机器人机械传输结构而固有存在。因此,控制的目标是平滑而稳定的改变机器人在复杂多变的果园条件下的驱动轮速度。
2.2 精确模糊化
鉴于在油门位置和驱动轮速之间不存在简单的数学关系,故类似于人类驾驶的模糊理论是驾驶行为的直观选择[5,6,7]。 假定油门开度的基本论域为[-a +a],如果视误差变化的论域X=[-3,-2.5,-2,-1.5,-1,-0.5,0,0.5,1,1.5, 2,2.5,3],误差量化因子ke=6/a。误差变化的8个语言变量即正大(PL),正中(PM),正小(PS), 正零(PZ), 负零(NZ),负小(NL),负中 (NM),负大(NL)。模糊子集反应误差的等级。模糊控制的实践指出模糊控制对模糊语言变量的隶属函数的形状并不敏感,但仅对隶属函数的范围部分灵敏。根据判断三角形形状模糊隶属函数实践判据,可以确定三角形的隶属度函数u(x) PL,PM,PM,…,NL,因此油门误差模糊语言变量的评价如表1所示。同样道理,语言变量TOREC andU 在各自的相应论域的模糊子集隶属度u(x) PL PM…NL及其评价也可确定。
2.3 采摘机器人模糊油门行走控制器
采摘机器人模糊油门控制器有2个输入变量误差TORE,误差变化率TOREC,一个输出变量u和56个规则。
1) 油门开度误差TORE:设既定误差为Tg 和反馈误差Tf均代表语言变量TORE,其隶属度形状如图5所示。三角形形状的中心点相应在[-0.03∶0.01∶0.03]之间变化为
TORE= Tg-Tf (1)
2)油门开度误差变化率TOREC:为油门开度误差在离散时间内的微分,微分时间t=kT,其中k=0,1,2,…,n,T是采样和控制刷新时间。其代表的语言变量表示为
TOREC=(TOREtT -TORE (t-1)T)/Δt (2)
7个三角形隶属函数定义如图6所示,其中心变量在[-0.5∶0.2∶0.5]之间变化。
3)油门控制输出变量u。三角形形状中心分别为 -0.2,-0.12,-0.05,0,0.05,0.13,0.2。其变量的形状由实验和传感器的物理约束决定。伺服马达的输入命令在 1～2ms完成。零隶属度函数中心稍稍高于发动机怠速速度。由于输出变量不稳定, 需做稳定化处理。因此,该控制系统的核心是模糊策略。
2.4 采摘机器人模糊油门行走策略
模糊油门行走控制算法即模糊策略由模糊实验总结而来,一旦模糊关系R在应用中通过大量的操作实验确定,根据文献[6,7,8,9]叙述,遵循“If TOREand TORECthen U”的56个推理的语言规则提出如下:
根据上述56个规则,反映人类规则以语句的形式存在的模糊策略的控制器即可获得。语言变量以语句形式定义在模糊集内。其主要优势在于依据经验快速提取规则从而获得模糊算法,模糊油门规则如表2所示,相关的采摘机器人油门开度也可得到,总的油门模糊规则关系R=TORE·TOREC·U根据上述规则获得。
获得模糊规则关系R,即已知油门开度误差TORE1及其变化率TOREC1,模糊油门控制器输出将可求得U1= TORE1·OREC1,图8为56个模糊规则的表面视图。
2.5 模糊量的精确化
模糊规则变量U由误差TORE及其变化量TOREC共同决定的模糊控制算法获得,体现了三角形形状的模糊隶属度的变化范围。其模糊函数U的判据结果由求和—平均法求得[8]。 鉴于输出隶属函数是单一变量, 计算输出变量u表示为
其中,μ(xi)是第i条规则的权重, xi是输出变量的值由规则推导而出。权重的值表示该规则的全局控制贡献大小。
2.6 控制量的获取
在模糊控制的过程中,微控制器获得采样结果和转化的误差TORE及其变化率TOREC,然后分别乘以各自的量化因子kTORE=6/a和kTOREC=6/b, 从而最终获得适时的控制量[10,11,12]。 通用列阵控制量被保存在龙板12的RAM中。相关的3个语言变量TORE,TOREC和U以3维视图的形式显示。图9是采摘机器人油门行走模糊控制输入、输出量的三维视图。模糊油门行走系统控制输出“PM”“PS” “PL” “PO” “NZ” “NS” “NM” and “NL”限定在[-0.2-0.2]范围内, 从每条规则中推断出语言值,在从模糊精确化程序中归纳并产生出扼要值,因而输出模拟信号到油门马达,该马达的工作电压在4.8～6V 范围。
3 实验
实验初始化条件如下,采摘机器人自动低载行驶在低洼不平草坪,如图10所示。机器人沿S线由静止开始启动。实验表明:模糊油门行走控制器根据变化的驱动轮速适时的调整油门开度,能够自动在低载条件下自动适应变化的行走工况。
图11描述了通过模糊油门控制算法使采摘机器人的油门开度与驱动轮速度之间关系曲线得到了进一步改善,通过对比图4,该算法通过调整输入变量的隶属函数中心适应变化率,在采摘机器人启动或转向时,模糊响应有过调量,当油门开度升至32%时,驱动轮速有轻微的增加。但采摘机器人油门开度及时作出轻微调整而不是大的控制响应。同时在没有大的超调量条件能够平滑回复到理想的速度(油门开度以43%为限),而且模糊油门控制曲线接近理想曲线,在不平路面下的振动也很小。
4 结论
本文将模糊油门用于改善采摘机器人行走动力特性,实验证明其油门开度控制的模糊调控策略类似于人类驾驶行为,显示了系统的优良的行走执行力。同时,该模糊逻辑算法提供了一个稳定的油门调整行为并保证了机器人行走和加速的稳定性。本算法显示了机器人在无大的振动的前提下通过弯道的良好速度响应性能,为其在多变的果园行驶工况下后续的采摘作业夯实了基础,同时也为下一步采摘机械手稳定性的研究提供了有益借鉴。
摘要：针对采摘机器人在复杂果园条件下,行走稳定性差的特点,着眼于研究平滑的油门运动并维持特定的驱动速度,依据油门开度和驱动轮速度之间的特定实验曲线,设计了一个模糊油门行走控制器。该控制器通过安装在驱动轮上的速度传感器反馈获得驱动轮速度并根据特定关系将其转换成油门开度,由此简化了驱动结构,使采摘机器人驱动速度仅仅依靠模糊油门来调节。最终,通过实验验证了该控制器完全能够适应多变的果园条件,增强了采摘机器人驱动行走的可靠性和稳定性。
水果采摘机器人论文 篇7
1 国内外研究现状及发展趋势
果蔬采摘机器人是一类针对水果和蔬菜, 可以通过编程来完成采摘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学科领域知识。
1.1 国外的研究现状
1.1.1 番茄收获机器人
1) 日本冈山大学1991年研究了一种番茄收获机器人, 它由机械手、末端执行器、视觉传感器和移动机构组成。机器人利用机器视觉对果实进行判别, 采用五自由度垂直多关节机械臂和能够上下、前后移动的二自由度直动关节, 以避让茎叶接近目标果实, 吸盘吸住果实后退回, 将目标果实和其他果实分离, 末端执行器以和吸盘相同的速度前进, 使机械手抓住果实, 最后通过机器臂的腕关节旋转, 将果实摘下。
2) 日本岛根大学研究了樱桃番茄选择性收获机器人, 这个机器人由安装在电动车上的机械臂、末端执行器、三维视觉传感器和计算机组成。三维视觉传感器是安装在末端执行器上的, 以利用机械臂和末端执行器的运动, 进行正面扫描和茎叶的间隙里的侧面扫描, 来收获茎叶后的果实;末端执行器采用的是柔性软管, 可以左右摆动避让在收获过程中的障碍物。
1.1.2 黄瓜收获机器人
1) 荷兰的IMAG研究所开发了收获和摘叶同时进行的机器人, 其机械臂为七自由度垂直多关节型, 移动机构沿行进方向平行滑动, 可以保证机构不干扰视觉传感器。其末端执行器由3把电热刀和围着主茎配置的气动驱动器组成, 电热刀的安装位置使其可以从3个方向围住主茎, 电热刀上方有V字形引导器。首先, 视觉传感器识别需要摘除的叶子及其主茎, 检测出其位置, 接近被摘叶下方的主茎。电热刀的引导器沿主茎向上滑动, 叶柄总可以接触到3个电热刀中的一个, 叶柄和电热刀一接触上, 电流立即导通, 烧断叶柄, 摘除叶子。利用热切断叶柄, 还能对切断部位消毒, 可以防止病菌从切口侵入。这种机器人的采摘速度为45 s/根, 成功率约为80%。
2) 冈山大学和井关农机株式会社于1991年合作研究了黄瓜收获机器人, 这款机器人的研发是农机农艺相融合的成果。首先, 为使机器人容易进行收获作业, 改进了黄瓜的栽培方式——将传统的栽培方式倾斜化, 用支柱等支撑茎叶, 只让果实露在棚架的下方, 达到果实和茎叶分开的目的, 以利于黄瓜的采摘。这台机器人由可进行果实识别和位置检出的视觉传感器、七自由度极坐标型机械臂、可夹持果实并检出和剪断果梗的末端执行器以及移动机构构成。
1.1.3 柑橘类收获机器人
1) 日本久保田株式会社于1988年试验、开发了柑橘收获机器人。该机器人机械臂为三自由度垂直多关节型, 小臂和大臂长度相等, 肘和腕关节的速比为2∶1。末端执行器可以沿直线运动, 使机械臂不会像一般极坐标型关节一样伸向背后, 从而避免了与背后的果树发生干扰。机器工作时, 频闪光源发光, 末端执行器内部的摄像机随即开始采集图像, 检测出果实。机械臂靠近目标果实并用吸盘将目标果实吸入梳状罩, 使其和其他果实分开, 最后由锥形切刀将果梗切断。
2) 美国的佛罗里达大学于1990年开发了橙子收获机器人。这种橙子收获机器人拥有可实现左右上下和直线运动的三自由度极坐标型液压驱动以及七自由度的机械臂。当末端执行器内置的光源、彩色摄像机检出果实之后, 末端执行器就移向果实, 末端执行器内置的超声波传感器检测出距离, 半圆形环切刀便旋转切断果梗收获橙子。
3) 西班牙工业自动化研究所也研发了一款柑橘采摘机器人, 该机器人由机械手、彩色视觉系统和超声传感定位器组成, 安装在拖拉机上。不同于前述两种, 该机器人需由人工完成寻找、定位待摘果实以及机器人导航的任务, 而运动轨迹规划、关节控制和末端执行器控制等任务则由系统控制, 属于半自动化采摘机器人。该机器人工作的速度极快, 每分钟可以采摘柑橘60个, 而靠人工只能摘8个左右, 它还可以按柑橘的色泽、大小将果实进行分级装箱。
1.1.4 苹果采摘机
20世纪90年代, 韩国研制出一台自动摘苹果的机器人, 该机器人由识别影像处理系统、机器人主体、机械手和行走装置4部分组成, 由计算机控制专门采摘成熟度达90%以上的苹果且不损伤树枝。它的活动半径为3 m, 可以左右旋转并上下前后运动。该机器人采摘速度较慢, 摘一个苹果需要10~20 s, 但它可以连续工作20 h, 采摘效率是人工的3~4倍。
1.1.5 葡萄采摘机器人
1989年, 日本冈山大学研发了葡萄收获机器人。该机器人的末端执行器主要由夹持穗轴的机械手指、切刀和可前后方向滑动的推拉部组成, 从水平方向接近果穗并采收, 使其剪断穗轴时尽量不触碰到果穗, 以免果实被触碰而造成商品价值降低。
1.1.6 茄子收获机器人
日本以蔬菜茶叶研究所为中心的研究小组从1997年开始研究适用于V字形栽培方式的茄子收获机器人。V字形整枝栽培的主茎和第一侧枝向垄沟方向倾斜, 坐果后果实垂直下坠, 这是一种有利于机械收获的栽培方式。该机器人由控制部、检测部、机械臂、末端执行器和移动车构成, 采用了和人的手臂一样有七自由度的垂直多关节型机械臂, 能够从各个方向靠近果实。
国外在果蔬采摘机器人的研究方面已取得较大成果, 其中发展最快的应属日本, 日本在农业机器人方面的研究水平处于世界领先。尽管如此, 无论是果蔬采摘机器人还是其他农业机器人的发展仍处于研究阶段, 都未能实现商业化生产。
1.2 我国的研究现状
我国对果蔬采摘机器人的研究起步较晚, 始于20世纪90年代中期, 主要集中在高等院校中进行研究。近年来, 我国在采摘机器人研究方面与国外相比, 差距逐渐减小。
1.2.1 草莓采摘机器人
中国农业大学的张铁中教授对农业机器人领域有较深研究, 2004~2005年间, 张铁中等人针对我国温室垄作栽培的草莓, 设计了3种草莓采摘机器人, 分别是桥架式、四自由度龙门式和三自由度直角坐标式草莓采摘机器人。这3种草莓采摘机器人均通过CCD传感系统获取彩色图像, 经过图像处理进行目标草莓的识别和定位, 再通过末端执行器进行采摘。其中四自由度龙门式草莓采摘机器人, 还解决了在较窄垄沟收获草莓难度大的问题。实验表明该采摘机器人对草莓成熟度的判断准确率为91.7%, 时间为160 ms, 系统运行稳定性为93.8%, 手爪抓取成功率为89.1%, 手爪定位精度为±1.5 mm, 果柄切断率95.1%, 采摘速度为9.39 s/枚。
1.2.2 茄子采摘机器人
中国农业大学和潍坊学院于2006年联合研制了茄子采摘机器人, 该机器人由四自由度关节式机械手、DMC运动控制器、数字摄像头以及PC机组成。关节式机械手的4个关节均为旋转关节, 分别与人的腰部、肩部、肘部和腕部相对应。对目标果实则采用基于直方图的固定双阈值法对G-B灰度图像进行分割, 通过对图像分割得到果实目标的二值图像, 并进行边缘提取、轮廓跟踪和轮廓标记。性能测试结果表明该机器人抓取成功率为89%, 平均耗时为37.4 s。
1.2.3 番茄采摘机器人
1) 浙江大学的梁喜凤根据西红柿采摘作业的特点, 设计了由两个移动关节和五个旋转关节构成的七自由度冗余机械手, 并对其进行机构尺寸优化、工作空间和运动学分析与仿真, 为西红柿采摘机器人的实际开发提供了良好的参考模型。
2) 中国农业大学的赵金英、张铁中等于2006年设计了五自由度关节式西红柿采摘机器人, 其绝对定位精度误差可在10 mm之内, 抓取成功率为72%。
3) 南京农业大学的张瑞合、姬长英等人则在番茄采摘中运用双目立体视觉技术对红色番茄进行定位, 并运用体视成像原理, 从两幅二维图像中恢复目标的三维坐标, 当目标与摄像机的距离为300~400 mm时, 深度误差可控制在3%~4%。
1.2.4 黄瓜采摘机器人
中国农业大学的汤修映、张铁中等于2007年研制了六自由度圆柱型黄瓜采摘机器人。该机器人拥有六自由度机械臂, 各关节均采用步进电机驱动;视觉系统采用基于RGB模型G分量的图像分割算法, 分割成功率为70%左右;末端执行器由一个活动刃口和固定刃口组成。经实验表明, 该机器人运动定位精度为±2.5 mm, 末端执行器的采摘成功率达到93.3%。
2 果蔬采摘机器人发展存在的问题及解决思路
2.1 主要存在的问题
虽然目前果蔬采摘机器人的发展取得了较大进步, 但相对于工业机器人来说, 其发展较为落后, 主要存在以下方面问题。
1) 定位和识别功能较差。在果蔬采摘机器人系统中, 由于作业环境的复杂性, 水果和叶子等往往容易重叠在一起;并且光照条件具有不确定, 从而导致图像中存在噪声和各种干扰信息, 降低了识别和定位目标果实的准确率。因此, 采摘对象的智能化识别和定位问题还需要进一步研究。 (2) 采摘效率不高。由于果蔬收获机器人需要进行图像处理、控制系统等步骤, 大多数采摘机器人的效率不高。例如荷兰的IMAG研究所开发的黄瓜收获机器人其采摘速度为45 s/根;韩国研制的自动摘苹果机器人, 摘一个苹果需要10~20 s;中国农业大学的张铁中教授对农业机器人领域有较深研究, 中国农业大学研制的四自由度龙门式草莓采摘机器人采摘速度为9.39 s/枚;中国农业大学和潍坊学院联合研制的茄子采摘机器人采摘速度为37.4 s/根。这些采摘速度均低于人工采摘速度。要使果蔬采摘机器人真正应用于实际生产, 就必须要提高作业效率以及作业准确度。 (3) 成本较高。果蔬采摘机器人与工业机器人相比, 其结构和控制系统更加复杂, 而且生产周期短、设备利用率低, 因此, 其制造、使用和维护成本均比工业机器人高。 (4) 通用性差。一种采摘机器人只是针对某一特定植物完成单一的任务, 各类机器人之间几乎没有通用性。
2.2 解决思路
为了突破限制果蔬采摘机器人的发展因素, 就必须解决以上的问题, 这样才能加速果蔬采摘机器人的发展, 尽快实现商品化。
(1) 研究能够精确识别和定位目标果实的图像处理及视觉传感技术。 (2) 尽量提高机器处理信息及执行命令的速度, 并采用结构简单执行步骤最少的机械结构, 以达到提高生产效率的目的。 (3) 选用材料应尽量考虑经济因素, 选择性价比高的产品及材料进行设计, 以降低制造成本。 (4) 采用开放式的控制系统, 并增强果蔬采摘机器人的通用性, 提高其使用效率。 (5) 在研究果蔬采摘机器人时, 应注重农机农艺的结合, 可以通过改变果蔬的栽培模式来降低采摘的复杂性, 使果蔬采摘机器人的视觉定位和移动变简单。
3 结语
从目前国内外果蔬采摘机器人的发展现状来看, 果蔬采摘机器人仍处于研究阶段, 要实现果蔬采摘机器人的商品化, 仍需做更深入的研究, 进一步提高果蔬采摘机器人的生产效率、精度, 降低制造成本, 增强其通用性。
参考文献
[1] 王素霞.日本的果蔬采摘机器人.河北农机, 2007年, 06期, 22页
[2] 张洁, 李艳文.果蔬采摘机器人的研究现状、问题及对策.机械设计, 2010年, 06期, 2 -4页
[3] 陈中玉, 马方.浅析采摘机械臂的国内外研究现状.吉林农业, 2010年, 10期, 119页
[4] 李占坤.果树采摘机器人控制系统研究与设计:[硕士学位论文].江苏, 江苏大学, 2010年5月
[5] 王燕.黄瓜采摘机器人运动规划与控制系统研究:[博士学位论文].浙江, 浙江工业大学, 2010年4月