□ 衛(wèi)泓宇 □ 李日輝 □ 劉冠靈 □ 謝愛倍 □ 李德榮

廣東海洋大學(xué) 機械與動力工程學(xué)院 廣東湛江 524088

1 設(shè)計背景

我國是全世界排第三的菠蘿種植大國，其中以廣東湛江地區(qū)菠蘿種植面積規(guī)模最大。據(jù)農(nóng)業(yè)部統(tǒng)計，2014年我國菠蘿收割面積約6萬公頃，年總產(chǎn)量約150 萬 t［1］。

當(dāng)前，菠蘿的采摘仍以人工采摘為主。我國的菠蘿有四個集中成熟季節(jié)，每次收獲的高峰期通常只有半個月左右，短時期內(nèi)需要大量人力來完成采摘作業(yè)，勞動力占了整個生產(chǎn)成本的50%～70%［2］。人工作業(yè)模式勞動強度高、效率低、成本高、難度大，單純依靠人工采摘已嚴(yán)重限制了菠蘿種植行業(yè)的發(fā)展?，F(xiàn)階段，國內(nèi)外僅針對菠蘿的收集開發(fā)了大型輸送機，而專門用于菠蘿采摘的機械化設(shè)備極少，研發(fā)滯后。

為解決上述問題，結(jié)合我國農(nóng)業(yè)裝備自動化的發(fā)展需求，筆者設(shè)計了一種機電一體化的自動菠蘿采收機，用于規(guī)?；?、自動化的菠蘿采收。

2 基本結(jié)構(gòu)

自動菠蘿采收機主要由履帶驅(qū)動總成、采收裝置、平移裝置、輸送收集系統(tǒng)、支撐底盤、識別及定位系統(tǒng)等部分組成，整體結(jié)構(gòu)如圖1所示。自動菠蘿采收機功能樣機如圖2所示。

▲圖1 整體結(jié)構(gòu)

3 工作流程

自動菠蘿采收機的工作流程如下：

（1）采收機沿著菠蘿田的溝畦界線向前移動；

（2）識別及定位系統(tǒng)采集圖像，獲取菠蘿果實的坐標(biāo)，上位機發(fā)送坐標(biāo)信息至履帶驅(qū)動總成，使采收機到達(dá)預(yù)定位置；

（3）采收裝置運動，將菠蘿果實與果柄分離；

（4）平移裝置將果實移動到輸送收集裝置，果實下落至輸送帶，并輸送到收集箱中，與此同時，采收裝置和平移裝置復(fù)位；

▲圖2 自動菠蘿采收機功能樣機

（5）重復(fù)上述操作。

自動菠蘿采收機工作原理框圖如圖3所示。

▲圖3 自動菠蘿采收機工作原理

4 控制系統(tǒng)

自動菠蘿采收機各組成部分的控制由STM32F407主控芯片完成，各類輸入輸出指令在下位機與上位機之間進(jìn)行通信，控制系統(tǒng)結(jié)構(gòu)如圖4所示［3］。

上位機的編程采用基于圖形化編程思想的Lab View軟件，以提高編程效率和軟件平臺的工程有效性。采用基于BSD許可發(fā)行的跨平臺計算機視覺庫Open CV軟件，便于實現(xiàn)圖像處理和計算機視覺方面的算法。下位機采用STM公司的F4系列芯片，既能保證系統(tǒng)運行的穩(wěn)定、高效，又具有價格優(yōu)勢。

5 采收裝置設(shè)計

采收裝置由夾果機構(gòu)、旋轉(zhuǎn)擰斷機構(gòu)、滾珠轉(zhuǎn)盤、驅(qū)動裝置等組成，各組成零件如圖5所示。滾珠轉(zhuǎn)盤的內(nèi)圈可轉(zhuǎn)動，與旋轉(zhuǎn)軸法蘭盤固定連接。滾珠轉(zhuǎn)盤外圈與升降連接板固定連接。由于兩根圓導(dǎo)軌限制了升降連接板的五個自由度，因此整個采收裝置只能在豎直方向做上下移動。

▲圖4 控制系統(tǒng)結(jié)構(gòu)

▲圖5 采收裝置

夾果機構(gòu)整體采用空間搖桿機構(gòu)原理，主要由舵機、底座、限位轉(zhuǎn)盤、夾緊爪等組成。夾果機構(gòu)的驅(qū)動器采用大扭矩舵機，安裝方便，控制簡單，扭力大，成本低，旋轉(zhuǎn)角度可根據(jù)實際需要進(jìn)行設(shè)定。夾緊爪上端通過銷軸與夾緊爪支座連接，夾緊爪中端通過銷釘鉸接在中間桿上。工作時，舵機輸出軸帶動轉(zhuǎn)盤旋轉(zhuǎn)，并帶動中間桿產(chǎn)生水平位移，進(jìn)而推動夾緊爪做出開合動作，完成對菠蘿的夾緊。

為保證工作過程中夾果機構(gòu)不僅能夾緊菠蘿果實，而且能不損傷菠蘿表皮，夾果機構(gòu)采用了三個均布的夾緊爪。夾緊爪采用仿生弧形包覆式設(shè)計，與菠蘿表皮接觸部分設(shè)有彈性橡膠。經(jīng)多次測量后，得出菠蘿果實縱向高度較長，約為22.76 cm，橫向直徑約為17.98 cm，單個果實的平均質(zhì)量為1.32 kg。相關(guān)測量數(shù)據(jù)見表1。

表1 菠蘿測量數(shù)據(jù)

根據(jù)上述測量結(jié)果，經(jīng)計算后得出夾緊爪的長度取200 mm最合適，夾果機構(gòu)中部空間最大可容納體積為 770 cm2。

旋轉(zhuǎn)擰斷機構(gòu)由扭轉(zhuǎn)電機、聯(lián)軸器、滾珠轉(zhuǎn)盤等組成。旋轉(zhuǎn)擰斷機構(gòu)整體通過連接螺桿固定連接在滾珠轉(zhuǎn)盤內(nèi)圈上。扭轉(zhuǎn)電機固定在升降連接板上，其輸出軸通過聯(lián)軸器、連接板與滾珠轉(zhuǎn)盤內(nèi)圈連接。扭轉(zhuǎn)電機瞬時轉(zhuǎn)矩大，工作時，當(dāng)夾果機構(gòu)夾緊菠蘿后，扭轉(zhuǎn)電機帶動旋轉(zhuǎn)擰斷機構(gòu)快速將菠蘿擰斷，從而實現(xiàn)果實與果柄的分離。與人工采摘使用掰斷脫果的方式相比，旋轉(zhuǎn)擰斷脫果方式更易實現(xiàn)機械化，同時使機構(gòu)更為緊湊，空間利用率更高，在實際測試中取得了良好的效果。

這一采收機在豎直空間上對菠蘿進(jìn)行脫果，相比于水平橫向的脫果方式，可減少對菠蘿側(cè)生芽的傷害，同時針對不同的菠蘿品種，夾緊力的大小可調(diào)，符合實際生產(chǎn)作業(yè)的需求。采收機結(jié)構(gòu)簡單緊湊，質(zhì)量輕，有利于提高采收效率。

6 履帶式驅(qū)動平臺設(shè)計

履帶式驅(qū)動平臺由履帶驅(qū)動總成、驅(qū)動電機、蓄電池、支撐底盤等部分組成，如圖6所示。

▲圖6 履帶式驅(qū)動平臺

履帶驅(qū)動總成由履帶總成、驅(qū)動電機、姿態(tài)傳感器、蓄電池等部分組成，場地適應(yīng)性好，附著力強，可在多石、濕軟的地表上行駛，并有較好的越障能力，能夠適應(yīng)菠蘿種植地形的正常坡度要求［4］。由MPU6050六軸傳感器和單片機反饋實時數(shù)據(jù)，可對履帶的行走速度及方向進(jìn)行自動調(diào)整，從而實現(xiàn)姿態(tài)修正與差速轉(zhuǎn)向。

由于整車尺寸相對較小，履帶底盤的尺寸有限，為提高履帶式驅(qū)動平臺的抗側(cè)翻性能，需要使整車質(zhì)量分布均勻合理。支撐底盤采用梯形梁設(shè)計，這一設(shè)計抗振、緩沖能力較強，抗側(cè)傾能力好，能夠維持采收機的質(zhì)心穩(wěn)定。

支撐底盤采用ASTM A36鋼材料，取安全因數(shù)為3，限定載質(zhì)量為200 kg，滿載時支撐底盤受力為2 kN。支撐底盤的材料參數(shù)見表2。

表2 支撐底盤材料參數(shù)

使用Solid Works Simulation有限元分析軟件，得出支撐底盤的應(yīng)力分析結(jié)果，如圖7所示。

▲圖7 支撐底盤應(yīng)力分析結(jié)果

支撐底盤受到的屈服力為250 MPa，大于局部最大應(yīng)力（46.07 MPa）。根據(jù)應(yīng)力分析，得出支撐底盤的最大位移量為0.898 1 mm，符合適度的變形條件，并得出最小安全因數(shù)為5.4，大于選定的安全因數(shù)（3），進(jìn)而得出結(jié)論：履帶式驅(qū)動平臺中支撐底盤的設(shè)計校核安全。

7 識別及定位系統(tǒng)設(shè)計

識別及定位系統(tǒng)采用Lab View與Open CV混合編程，進(jìn)行目標(biāo)檢測和定位。LabView軟件具有快速采集圖像的特點，用于對菠蘿進(jìn)行圖像采集［5］。OpenCV軟件具有豐富的圖像處理函數(shù)，用于對菠蘿進(jìn)行識別和定位。

7.1 圖像采集

采用兩個無畸變廣角攝像頭，一個安裝在平移裝置的移動平臺上，用于對菠蘿果實在X軸和Y軸方向上的定位。另一個安裝在上部框架的內(nèi)側(cè)，用于對菠蘿果實在Z軸方向上的定位，組成雙目視覺定位系統(tǒng)。在Lab View中利用NI-MIAQ函數(shù)進(jìn)行采集圖像，以便后期處理。

7.2 圖像分割

在計算機圖像處理中，常采用RGB模型和HSV模型。RGB模型基于人類視覺的三原色。由于三原色分量高度相關(guān)，且是一種不均勻的顏色空間，因此RGB模型主要作為一種面向硬件設(shè)備的色彩空間模型使用。HSV模型基于人的視覺感知特性建立色彩空間，具有兩個重要的特點：其一，亮度分量與圖像的彩色信息無關(guān)；其二，色度分量、飽和度分量與人感受顏色的方式緊密相連。因此，?；贖SV模型的色度分量或飽和度分量進(jìn)行圖像色彩的運算處理［5］。

在HSV空間中對圖像進(jìn)行閾值分割，具體步驟如下。

（1）圖像預(yù)處理。由于采集的圖像包含有噪聲干擾［6］，因此先在Open CV中進(jìn)行圖像預(yù)處理。

①進(jìn)行高斯濾波處理。高斯濾波器是一個低通濾波器，適合進(jìn)行平滑濾波處理，可以消除高斯噪聲，而且邊緣小細(xì)節(jié)保留得較好［7］。

②進(jìn)行中值濾波處理。由于中值濾波算法將中心像素的正方形鄰域內(nèi)每個像素值用中間像素值替換，因此可以在去除脈沖噪聲和椒鹽噪聲的同時保留圖像邊緣細(xì)節(jié)［8-9］。

兩種濾波器的互補性在圖像最大化并減少噪聲影響的同時保留了圖像細(xì)節(jié)。

（2）顏色空間轉(zhuǎn)換。RGB模型轉(zhuǎn)換到HSV模型的算法［10］為：

在Open CV中轉(zhuǎn)換前后的對比如圖8所示。

（3）分割圖像處理。根據(jù)采摘菠蘿成熟程度選取不同的皮膚模板，作為圖像分割的顏色模板，定義采集到的圖像顏色為 C1=｛H1，S1，V1｝，模板的圖像顏色為C2=｛H2，S2，V2｝，兩者之間的距離 D 定義為：

▲圖8 圖像轉(zhuǎn)換對比

選取另外三個顏色模板分別為C2、C3、C4，取D=［D（C1，C2）+D（C1，C3）+D（C1，C4）］/3。由于色度分量的范圍是0～360°，飽和度分量和亮度分量的范圍歸一化為［0，1］，因此在HSV顏色空間中采集到的圖像顏色與模板圖像顏色的距離最大值為。定義兩顏色相似度，設(shè)定閾值，相似度大于閾值時，圖像像素為0；小于閾值時，圖像像素為255。經(jīng)過閾值處理后得到的圖像如圖9所示。

▲圖9 閾值處理后圖像

由于葉子的遮擋使部分菠蘿果實識別不出，但不影響整體。與此同時，還有部分葉子被識別為菠蘿果實。針對這一情況，用輪廓面積函數(shù)設(shè)定閾值進(jìn)行過濾，用輪廓縱橫比函數(shù)設(shè)置閾值同樣進(jìn)行過濾，再利用凸包函數(shù)畫出多邊形。

7.3 圖像標(biāo)定

考慮到方便性、準(zhǔn)確率、魯棒性等問題，在Open CV中用標(biāo)定法［11］對相機進(jìn)行建模。平面標(biāo)定法是介于傳統(tǒng)標(biāo)定法和自標(biāo)定法之間的一種方法，既避免了傳統(tǒng)方法設(shè)備要求高、操作煩瑣等缺點，又較自標(biāo)定法精度高。平面標(biāo)定法需要確定模板上點陣的物理坐標(biāo)，以及圖像和模板之間點的匹配。

7.4 目標(biāo)識別

獲得經(jīng)凸包函數(shù)處理的圖像后，利用最小面積包圍圓函數(shù)，得到圓心坐標(biāo)。為了不損傷側(cè)生芽，將返回坐標(biāo)調(diào)整到合適的值，加上部分葉子對圖像處理的遮擋，使夾緊爪夾取位置可以遠(yuǎn)離側(cè)生芽。

8 結(jié)論

在國內(nèi)外果園采摘機械化迅速發(fā)展的環(huán)境下，菠蘿采摘作業(yè)的研究多以采摘末端或機械手為主，缺少集采摘與運輸于一體的機械化裝備。筆者設(shè)計的自動菠蘿采收機具有采收運輸一體化、采摘效率高、自動化程度高等特點，對緩解勞動力短缺、穩(wěn)定采收作業(yè)質(zhì)量、減輕勞動強度、提高生產(chǎn)效率具有重要意義。