郝 淼 陳 勇 潘志剛 孫 燁
HAO Miao CHEN Yong PAN Zhi-gang SUN Ye
(南京林業(yè)大學(xué)機(jī)械電子工程學(xué)院,江蘇 南京 210037)
(Nanjing Forestry University, College of Mechanical and Electronic Engineering, Nanjing, Jiangsu 210037, China)
高檔名優(yōu)綠茶對(duì)所選取的芽葉非常講究,其鮮葉的采摘標(biāo)準(zhǔn)一般為一芽一葉、一芽?jī)扇~,而且還要保證葉片的完整性?,F(xiàn)有的采茶機(jī)均基于剪切式原理工作,這種采摘方式對(duì)新梢嫩芽沒有選擇性,機(jī)采后鮮葉勻整度較差,不符合名優(yōu)綠茶生產(chǎn)的要求。因此,制作名優(yōu)綠茶的鮮葉國(guó)內(nèi)外目前無一例外地只能靠人工采摘。但是人工采茶勞動(dòng)強(qiáng)度大、工作效率低,而且采摘不及時(shí)會(huì)嚴(yán)重地影響茶葉質(zhì)量和茶樹下一輪新梢的生長(zhǎng)[1]。如何解決名優(yōu)茶生產(chǎn)中的采摘難是茶葉生產(chǎn)中最為迫切的問題[2]。自動(dòng)化采摘是茶園亟需的一種工作效率高,又能適用于采摘制作高檔名優(yōu)綠茶鮮葉的采摘模式。實(shí)現(xiàn)自動(dòng)化采茶,首先必須解決的是茶樹新梢的智能化識(shí)別與高速仿生采摘等關(guān)鍵問題。
近年已有學(xué)者開始了基于計(jì)算機(jī)視覺的新梢智能識(shí)別研究,四川農(nóng)業(yè)大學(xué)[3-5]研究了基于顏色和區(qū)域生長(zhǎng)的茶葉嫩芽識(shí)別方法,在HSI空間研究了結(jié)合顏色和區(qū)域生長(zhǎng)的茶葉圖像分割算法。浙江大學(xué)[6-7]研究了名優(yōu)茶機(jī)采分級(jí)技術(shù),并對(duì)茶葉新梢生育過程中的節(jié)間和展葉角度變化進(jìn)行了研究。南京林業(yè)大學(xué)[8-10]基于新梢顏色、形態(tài)等特征,綜合應(yīng)用機(jī)器視覺、光柵投影三維測(cè)量、并聯(lián)機(jī)器人等技術(shù),結(jié)合茶園農(nóng)藝研發(fā)了對(duì)新梢嫩芽有選擇性采摘的機(jī)器人。浙江工業(yè)大學(xué)[11-12]開展了基于機(jī)器視覺的乘用式采茶機(jī)研究,利用茶葉綠色最大差別法獲取RGB閾值進(jìn)行機(jī)器視覺采摘的研發(fā)。由于新梢只是同一植株的不同部位,而且茶園自然背景極其復(fù)雜,所以新梢識(shí)別尚處于探索階段。另外,文獻(xiàn)檢索表明,目前國(guó)內(nèi)外尚無適用于名優(yōu)綠茶智能化采茶的末端執(zhí)行器研究報(bào)道。
基于高檔名優(yōu)綠茶采摘要求,本研究創(chuàng)新性地設(shè)計(jì)了用于采茶機(jī)器人的、能夠模仿人工“提手采”動(dòng)作的仿生采摘指。該仿生采摘指的工作原理是通過定位、固定、提拉等動(dòng)作將新梢嫩芽的莖拉斷,并由氣力驅(qū)動(dòng)?;谛律夷垩啃螒B(tài)與力學(xué)特性,不僅要求采摘指各桿件之間力的傳遞效率高,而且要求采摘指結(jié)構(gòu)緊湊、小巧,因此本設(shè)計(jì)擬采用遺傳算法對(duì)采摘指結(jié)構(gòu)進(jìn)行優(yōu)化設(shè)計(jì)。
根據(jù)對(duì)龍井43(江蘇鑫品茶業(yè)有限公司)新梢形態(tài)與力學(xué)參數(shù)測(cè)量,確定第一節(jié)間距(圖1中A、B兩點(diǎn)間距)為4~6 mm?;凇疤崾植伞眲?dòng)作要領(lǐng)分析以及新梢形態(tài)與力學(xué)參數(shù)測(cè)量結(jié)果,本研究設(shè)計(jì)了仿生采摘指的三維模型,如圖2所示。
圖1 茶葉新梢
1. A點(diǎn)提拉氣缸 2. 外層套 3. 中層套 4. 上連桿 5. 內(nèi)連桿 6. 下連桿 7. 里層套 8. 芯軸 9. 下連桿 10. 內(nèi)連桿 11. 上連桿 12. 提拉氣缸 13. B點(diǎn)夾持氣缸
圖2 仿生采摘指的三維模型
Figure 2 The three-dimensional model of the bionic plucking fingers
在仿生采摘指中,上連桿4、內(nèi)連桿5、下連桿6組成支鏈1;上連桿11、內(nèi)連桿10、下連桿9組成支鏈2。2個(gè)支鏈1組成夾指1;2個(gè)支鏈2組成夾指2。仿生采摘指對(duì)A、B 2點(diǎn)的夾持則由2個(gè)夾指完成,2夾指垂直分布。
仿生采摘指的工作過程為:B點(diǎn)夾持氣缸帶動(dòng)外層套運(yùn)動(dòng)驅(qū)動(dòng)夾指1實(shí)現(xiàn)對(duì)新梢上B點(diǎn)的夾持,A點(diǎn)夾持氣缸帶動(dòng)里層套運(yùn)動(dòng)驅(qū)使夾指2實(shí)現(xiàn)對(duì)新梢上A點(diǎn)的夾持,提拉氣缸驅(qū)動(dòng)芯軸運(yùn)動(dòng),使得被夾緊的A點(diǎn)向上移動(dòng),從而實(shí)現(xiàn)一芽一葉的采摘。
基于茶園測(cè)量新梢的力學(xué)特性以及形態(tài)特征參數(shù)確定:夾緊力設(shè)定為40 N能夠保證采摘時(shí)既不打滑又不將新梢的莖夾斷;支鏈指端距采摘指軸線最小距離δmin=1 mm,最大距離δmax=20 mm,支鏈工作區(qū)間如圖3所示;支鏈的設(shè)計(jì)尺寸參數(shù)初步設(shè)定為:L1=72 mm,L2=38 mm,L3=87 mm,θ0=60°,如圖4所示。
為了使得采摘指結(jié)構(gòu)更加緊湊,采摘力傳遞效率更高,采用遺傳算法對(duì)采摘指的支鏈進(jìn)行優(yōu)化。因2對(duì)支鏈工作原理相同,現(xiàn)取1對(duì)支鏈進(jìn)行分析。又根據(jù)對(duì)稱原則,僅取1對(duì)支鏈的左半部分分析,如圖5所示。支鏈在整個(gè)運(yùn)動(dòng)范圍內(nèi),中間參數(shù)θ轉(zhuǎn)角變化范圍是[θbegin,θend]。當(dāng)支鏈處于工作區(qū)間的邊界位置時(shí),由支鏈工作區(qū)間分析與圖5所示支鏈簡(jiǎn)圖分析可得:
圖3 支鏈工作區(qū)間分析
圖4 支鏈的結(jié)構(gòu)參數(shù)
(1)
(2)
對(duì)連桿滑動(dòng)機(jī)構(gòu)進(jìn)行運(yùn)動(dòng)學(xué)分析。如圖6所示:
L2×e-iθ+L3×e-iθ2=S+L3sinθ2×e-π/i。
(3)
采用歐拉公式變換為:
L2×cosθ+L3cosθ2=S,
(4)
L2sinθ=L3sinθ2。
(5)
求解得:
(6)
S=L2×cosθ+L3cosθ。
(7)
為了避免遺傳算法未知參數(shù)過多,由式(7)可得到θ2的表達(dá)式,以此作為替換未知約束參數(shù),S則為支鏈優(yōu)化模型約束條件。
對(duì)左半部分支鏈整體分析,如圖7所示。
可以將Fext移到C點(diǎn)處,并增加力矩Mext,由于Fext與Mext具有線性關(guān)系,Mext=Fext×L1cosβ。則可以通過求解滑塊機(jī)構(gòu)對(duì)Fext進(jìn)行求解,如圖8所示。
圖5 支鏈簡(jiǎn)圖
圖6 支鏈運(yùn)動(dòng)學(xué)分析
圖7 支鏈整體受力分析
圖8 支鏈各桿件受力分析
按照力的傳遞的順序,根據(jù)受力平衡,依次對(duì)滑塊、桿件3以及桿件2進(jìn)行受力分析。
(1) 滑塊受力分析:
F2,3×cosθ2-Fin=0,
(8)
F2,3×sinθ2-F4,3=0。
(9)
(2) 桿件3受力分析:
F3,2-F1,2=0。
(10)
(3) 桿件2受力分析:
(11)
F4,1y×L2×sinθ=Mext+F4,1x×L2×cosθ。
(12)
從以上各式求得:
(13)
類似的,可求得右半部分所需要的驅(qū)動(dòng)力。
根據(jù)左右支鏈整合后的驅(qū)動(dòng)力表達(dá)式:
(14)
采用遺傳算法對(duì)采摘指的支鏈進(jìn)行優(yōu)化時(shí),需設(shè)置設(shè)計(jì)變量X,根據(jù)待優(yōu)化結(jié)構(gòu)參數(shù),則有支鏈桿件優(yōu)化模型的設(shè)計(jì)變量為:
X=[X1,X2,X3,X4]=[L1,L2,L3,θ0]。
(15)
支鏈優(yōu)化模型目標(biāo)函數(shù)設(shè)計(jì):
根據(jù)此前求解的驅(qū)動(dòng)力表達(dá)式(14),定義驅(qū)動(dòng)系數(shù)為:
(16)
式中:
k1——驅(qū)動(dòng)力與夾持力大小之間的系數(shù),驅(qū)動(dòng)系數(shù)越大,說明同樣的夾持力下,所需要的驅(qū)動(dòng)力較大,即驅(qū)動(dòng)效率較低;反之,驅(qū)動(dòng)系數(shù)越小,說明同樣的夾持力下,需要的驅(qū)動(dòng)力較小,驅(qū)動(dòng)效率較高。
θ在連續(xù)的工作范圍[θbegin,θend]內(nèi),取等間距δθ的大小為π/360°的一系列離散狀態(tài),假設(shè)可以分為n個(gè)這樣的區(qū)間,則目標(biāo)函數(shù)代表在工作范圍內(nèi)的平均驅(qū)動(dòng)效率。表示:
(17)
支鏈優(yōu)化模型約束條件為:
由機(jī)械原理,形成滑塊機(jī)構(gòu)的約束條件為:L2+L3>S。
根據(jù)支鏈各桿件的原始設(shè)計(jì)參數(shù),設(shè)置設(shè)計(jì)變量取值范圍為:62 mm≤L1≤82 mm,28 mm≤L2≤48 mm,77 mm≤L3≤97 mm,40°≤θ0≤80°。
設(shè)計(jì)遺傳算法優(yōu)化過程如圖9所示。
圖9 遺傳算法優(yōu)化過程
根據(jù)上述遺傳算法優(yōu)化過程進(jìn)行優(yōu)化,得知適應(yīng)度的平均值和最大值隨著進(jìn)化代數(shù)的增加呈波動(dòng)式增長(zhǎng),逐步優(yōu)化收斂于最優(yōu)解。經(jīng)遺傳算法優(yōu)化后的參數(shù)為:L1=82 mm,L2=28 mm,L3=77 mm,θ0=46.09°。所選取優(yōu)化后的目標(biāo)值為5.416,而優(yōu)化前目標(biāo)值為7.383,相當(dāng)于在同等夾持力要求下,優(yōu)化后采摘指比優(yōu)化前省力26.6%,且結(jié)構(gòu)更趨近緊湊,優(yōu)化效果較明顯。根據(jù)優(yōu)化后的參數(shù)制作了如圖10所示的仿生采摘指樣機(jī),基于氣力驅(qū)動(dòng)的控制系統(tǒng)[13]如圖11所示。其中自主研發(fā)的嵌入式控制器通過光電耦合器和繼電器控制電磁換向閥,進(jìn)而控制采摘指上面3個(gè)微型氣缸以實(shí)現(xiàn)對(duì)新梢莖的定位、固定、提拉動(dòng)作,完成一芽一葉的采摘。
圖10 仿生采摘指樣機(jī)
1. 開關(guān)電源 2. 氣動(dòng)三聯(lián)件 3. 空氣壓縮機(jī) 4. 嵌入式控制器 5. 電磁換向閥 6. 節(jié)流閥 7. 仿生采摘指樣機(jī)
圖11 氣動(dòng)仿生采摘指系統(tǒng)組成
Figure 11 The prototype of the bionic plucking finger
2018年4月底,分2次從江蘇鑫品茶業(yè)有限公司采摘了龍井43新梢的一芽四葉,每組樣本量為30個(gè),并及時(shí)返回實(shí)驗(yàn)室進(jìn)行一芽一葉的采摘試驗(yàn)。因現(xiàn)階段用于新梢嫩芽識(shí)別的計(jì)算機(jī)視覺裝置與仿生采摘指尚未集成為一個(gè)完整的系統(tǒng),所以由人工拿著從茶園現(xiàn)場(chǎng)采集來的新梢樣本逐個(gè)放入采摘指進(jìn)行試驗(yàn),以測(cè)試采摘指的仿生效果。結(jié)果如表1所示,采摘指樣機(jī)對(duì)一芽一葉采摘的成功率約為70%。
部分新梢一芽一葉的采摘試驗(yàn)結(jié)果如圖12 所示。在60個(gè)樣本中采摘失誤數(shù)為19個(gè),具體原因分析如表2所示。
由表2可知,樣機(jī)機(jī)械加工誤差所導(dǎo)致的夾爪閉合時(shí)發(fā)生錯(cuò)位是采摘成功率不高的主要因素。后續(xù)研究中,一方面要提高采摘指機(jī)械加工精度,減少夾爪閉合時(shí)的錯(cuò)位;另外一方面,將在采摘指夾爪指尖增加柔性材料,改善指尖與新梢莖的接觸狀態(tài)。
表1 仿生采摘指的采摘試驗(yàn)統(tǒng)計(jì)結(jié)果
圖12 部分采摘試驗(yàn)后的樣本
失誤類型失誤數(shù)失誤原因一芽一葉不完整4部分新梢葉片的葉展角較大錯(cuò)采一芽?jī)扇~3部分新梢第一節(jié)間距較短(夾爪的指尖有一定的寬度);部分新梢葉片的葉展角較小采摘的新梢未能與莖稈發(fā)生分離,但新梢的莖稈部分發(fā)生夾損12夾爪閉合時(shí)發(fā)生錯(cuò)位,采摘指機(jī)械結(jié)構(gòu)存在一定的加工誤差
通過分析人工采茶時(shí)手指的動(dòng)作要領(lǐng),并基于在茶園開展的新梢形態(tài)及力學(xué)特征參數(shù)測(cè)量試驗(yàn),本研究提出并設(shè)計(jì)了模仿人工“提手采”的仿生采摘指。采摘指在氣力驅(qū)動(dòng)下,通過定位、夾緊、提拉等動(dòng)作實(shí)現(xiàn)對(duì)新梢嫩芽的選擇性采摘?;谥ф溄Y(jié)構(gòu)運(yùn)動(dòng)學(xué)分析和遺傳算法優(yōu)化了采摘指結(jié)構(gòu)參數(shù),使得力的傳遞效率提高了26.6%,室內(nèi)采摘試驗(yàn)成功率約為70%。后續(xù)研究將進(jìn)一步提高采摘成功率,并與視覺識(shí)別系統(tǒng)集成開展茶園現(xiàn)場(chǎng)試驗(yàn)。