唐 熙 ，羅 強(qiáng)，2 ，粟生強(qiáng)

（1.重慶三峽學(xué)院機(jī)械工程學(xué)院，重慶 404100；2.智能山地農(nóng)機(jī)技術(shù)研發(fā)中心，重慶 404100）

在柑橘生產(chǎn)作業(yè)中，采摘是最耗時(shí)、最費(fèi)力的一個(gè)環(huán)節(jié)，約占作業(yè)量的40%，費(fèi)用占成本的50%～70%[1]，且隨著我國人口老齡化問題的加重，柑橘的自動(dòng)采摘受到了眾多高校和科研院所的重視?，F(xiàn)階段，柑橘采摘機(jī)器人還存在末端執(zhí)行器不能完全抓住柑橘或夾持力太大會(huì)對(duì)柑橘造成二次損傷等問題[2]，柑橘采摘機(jī)器人在進(jìn)行工作時(shí)沒有對(duì)所有柑橘采摘路徑進(jìn)行規(guī)劃，每完成一次采摘后都需要重新進(jìn)行路徑規(guī)劃，導(dǎo)致采摘效率低。因此，研究柑橘采摘機(jī)器人的連續(xù)采摘最優(yōu)路徑具有重要意義。

1 采摘機(jī)器人研究現(xiàn)狀

采摘機(jī)器人分為末端執(zhí)行器、移動(dòng)平臺(tái)、識(shí)別定位系統(tǒng)、采摘機(jī)械臂四大部分。采摘機(jī)器人通過移動(dòng)平臺(tái)，實(shí)現(xiàn)在果園中的自由移動(dòng)，通過識(shí)別定位系統(tǒng)識(shí)別果實(shí)種類、成熟度以及相對(duì)機(jī)器人的位置等信息，機(jī)械臂將末端執(zhí)行器移動(dòng)到可采摘的位置，末端執(zhí)行器將果柄與果實(shí)分離，完成整個(gè)采摘過程。發(fā)達(dá)國家針對(duì)采摘機(jī)器人的相關(guān)研究在20世紀(jì)80年代開始，并針對(duì)蘋果、柑橘、葡萄等水果設(shè)計(jì)了專門的采摘機(jī)器人[3]。我國對(duì)采摘機(jī)器人的研究始于20世紀(jì)90年代中期，一直以來，一些高校、科研院所對(duì)采摘機(jī)器人都有相關(guān)研究，如中國農(nóng)業(yè)大學(xué)的張鐵中等針對(duì)我國常見的溫室里高壟畦作栽培的草莓，初步建立了草莓采摘機(jī)器人實(shí)驗(yàn)系統(tǒng)，研制出了試驗(yàn)樣機(jī)。

1.1 末端執(zhí)行器

因水果品種眾多，大小各異，末端執(zhí)行器在設(shè)計(jì)時(shí)需要考慮不同水果的物理特性和力學(xué)特性。例如：采用多指式進(jìn)行夾取、吸盤吸取來提高末端執(zhí)行器夾取的穩(wěn)定性；采用仿生結(jié)構(gòu)設(shè)計(jì)，提高末端執(zhí)行器的適用性；在末端執(zhí)行器上安裝傳感器，避免過大的夾持力對(duì)水果造成損壞；采用柔性技術(shù)與新型材料，減小抓取過程中對(duì)果實(shí)的損傷。

1.2 識(shí)別定位系統(tǒng)

最初的采摘機(jī)器人對(duì)水果的識(shí)別定位采用的是線性CCD傳感器加上超聲波傳感器，通過最原始的顏色、邊緣、大小等特征對(duì)柑橘進(jìn)行識(shí)別，存在識(shí)別誤差大、抗干擾能力弱、位置誤差大等問題。隨著計(jì)算機(jī)視覺與深度學(xué)習(xí)技術(shù)的突破，利用YOLO算法對(duì)柑橘進(jìn)行識(shí)別[4]，通過RGBD深度相機(jī)測量柑橘與相機(jī)的距離，是現(xiàn)階段下一種可行且有效的識(shí)別定位方案，但是該方案也存在對(duì)硬件性能要求高、識(shí)別被遮擋柑橘的成功率較低等問題。

1.3 采摘機(jī)械臂

采摘機(jī)械臂多使用多自由度機(jī)械臂。國內(nèi)之前的工業(yè)機(jī)械臂市場長期被國外的ABB、KUKA等占領(lǐng)，但隨著國產(chǎn)電機(jī)技術(shù)和減速器技術(shù)的突破，在負(fù)載20 kg以下市場涌現(xiàn)了一大批的國產(chǎn)廠家，并提供了完善的驅(qū)動(dòng)接口，通過簡單的命令就能實(shí)現(xiàn)機(jī)械臂的運(yùn)動(dòng)控制。在進(jìn)行采摘作業(yè)時(shí)，機(jī)器人系統(tǒng)給到采摘機(jī)械臂的是目標(biāo)點(diǎn)的坐標(biāo)，需要機(jī)械臂逆解算出每個(gè)關(guān)節(jié)轉(zhuǎn)動(dòng)的角度。

1.4 移動(dòng)平臺(tái)

采摘機(jī)器人的移動(dòng)底盤多采用電機(jī)驅(qū)動(dòng)，通過搭載GPS、雷達(dá)、攝像頭、工控機(jī)等設(shè)備實(shí)現(xiàn)單點(diǎn)或多點(diǎn)導(dǎo)航，并在行進(jìn)的過程中避開障礙物。移動(dòng)平臺(tái)在室內(nèi)或在有GPS的情況下，能實(shí)現(xiàn)精準(zhǔn)導(dǎo)航，但是在戶外的果園中會(huì)存在導(dǎo)航信號(hào)丟失、續(xù)航時(shí)間短、傳感器受到干擾無法進(jìn)行避障等問題。

2 路徑規(guī)劃算法

隨著科學(xué)技術(shù)的發(fā)展，機(jī)器人在生產(chǎn)與生活中得到了越來越多的應(yīng)用，機(jī)器人的路徑規(guī)劃算法也有了長足的發(fā)展，傳統(tǒng)路徑規(guī)劃算法如A*算法、D*算法、Dijkstra算法等，智能規(guī)劃算法如蟻群算法、遺傳算法、神經(jīng)網(wǎng)絡(luò)算法等，基于采樣的路徑規(guī)劃算法如快速拓展隨機(jī)數(shù)算法、快速行進(jìn)算法等[5]。

在柑橘采摘路徑規(guī)劃問題上，文獻(xiàn)[6]在RRT算法的基礎(chǔ)上，利用了柯西分布的方法，在進(jìn)行啟發(fā)式采樣時(shí)，降低了采樣的盲目性；在進(jìn)行局部搜索時(shí)，引入目標(biāo)引力來動(dòng)態(tài)調(diào)節(jié)步長，提高了算法的效率。文獻(xiàn)[7]利用基于Value-Based的強(qiáng)化學(xué)習(xí)的“Q學(xué)習(xí)算法”，設(shè)計(jì)了采摘機(jī)械手控制系統(tǒng)，實(shí)現(xiàn)了機(jī)械臂的路徑規(guī)劃與采摘過程中的避障。文獻(xiàn)[8]將蘋果采摘的采摘路徑規(guī)劃問題轉(zhuǎn)化為三維空間中的“旅行商問題”進(jìn)行求解，并提出了一種有限域自適應(yīng)信息素更新的改進(jìn)蟻群算法，當(dāng)蘋果數(shù)量為250個(gè)時(shí)，改進(jìn)的蟻群算法搜索到的最優(yōu)路徑長度是普通蟻群算法的94.3%。目前，采摘機(jī)器人采摘果實(shí)的采摘軌跡研究主要集中在每次采摘單個(gè)果實(shí)過程中的避障問題與計(jì)算優(yōu)化[9]，機(jī)器人在采摘過程中會(huì)一直進(jìn)行往復(fù)運(yùn)動(dòng)，但是這樣會(huì)極大地降低采摘效率。對(duì)此，本研究采用蟻群算法求解柑橘采摘路徑規(guī)劃問題。

3 蟻群算法

蟻群算法是國外學(xué)者Dorigo在博士期間受螞蟻覓食行為啟發(fā)而發(fā)現(xiàn)的規(guī)劃算法。螞蟻在覓食的過程中會(huì)在路徑上留下信息素，信息素的濃度與路徑的長度成反比，即從起點(diǎn)到終點(diǎn)螞蟻?zhàn)哌^的路徑越短信息素濃度越高[10]，螞蟻選擇該路徑的概率越大，這樣蟻群就能找到一條最短路徑。蟻群算法流程圖如圖1所示。

圖1 蟻群算法流程圖

3.1 三維柑橘模型

在柑橘采摘時(shí)，柑橘分布在一個(gè)三維空間中，柑橘在空間中的三維坐標(biāo)就是路徑規(guī)劃算法中的目標(biāo)點(diǎn)，以實(shí)際中的一棵柑橘樹為例，在Matlab中建立一個(gè)200 cm×200 cm×200 cm的三維坐標(biāo)系，柑橘數(shù)目為15，且柑橘離地最少為50 cm。

在不考慮柑橘枝干遮擋的情況下，柑橘i到柑橘j的最短距離為：

其中，xi，yi，zi為當(dāng)前柑橘i在空間的坐標(biāo)；xj，yj，zj為柑橘j在空間中的坐標(biāo)。

3.2 狀態(tài)轉(zhuǎn)移概率函數(shù)

每個(gè)螞蟻都是隨機(jī)放置一個(gè)柑橘坐標(biāo)作為出發(fā)點(diǎn)，并開始尋找下一個(gè)柑橘的坐標(biāo)，螞蟻從柑橘i到柑橘j的狀態(tài)轉(zhuǎn)移概率為：

其中，allowedk表示螞蟻k還沒有到達(dá)的柑橘目標(biāo)點(diǎn)的集合，α是累計(jì)的信息素因子，β是螞蟻的啟發(fā)式因子，ηij(t)是啟發(fā)式函數(shù)，表達(dá)式如下：

信息素濃度和啟發(fā)式函數(shù)共同影響狀態(tài)轉(zhuǎn)移概率，如果i到j(luò)的距離越近，對(duì)應(yīng)的i到j(luò)路徑上的信息素濃度就會(huì)越大，螞蟻選擇這條路徑的概率越大。

3.3 信息素更新

τij(t)為t時(shí)刻信息素在從柑橘i到柑橘j的濃度：

其中，S為螞蟻的總數(shù)，ρ為信息素的揮發(fā)系數(shù)，取值范圍是0＜ρ≤1。

其中，Q為螞蟻k的信息素總量，Lk為螞蟻k從i到j(luò)的路徑長度。

螞蟻每次到達(dá)一個(gè)點(diǎn)后，局部的信息素會(huì)進(jìn)行更新，當(dāng)螞蟻遍歷完所有的路徑點(diǎn)之后，會(huì)更新全局的信息素濃度，將當(dāng)前路徑與之前保存的路徑進(jìn)行比較，并將最優(yōu)的路徑存下，螞蟻將繼續(xù)按照設(shè)置的參數(shù)進(jìn)行路徑迭代，當(dāng)達(dá)到最大迭代次數(shù)后，輸出柑橘采摘的最優(yōu)路徑。

4 仿真驗(yàn)證

本實(shí)驗(yàn)使用的硬件平臺(tái)CPU為AMD Ryzen7 5800X，RAM為16 GB，使用的仿真使用的軟件為Matlab2018a。在Matlab中建立三維空間坐標(biāo)系，并按照柑橘坐標(biāo)在三維圖中進(jìn)行繪制，如圖2所示。根據(jù)實(shí)驗(yàn)與相關(guān)文獻(xiàn)，當(dāng)信息素因子α=2.1、信息素總量Q=30、啟發(fā)式因子β=5、螞蟻數(shù)量S=31、信息素?fù)]發(fā)系數(shù)ρ=0.5時(shí)，蟻群算法得到的路徑最短，迭代次數(shù)最少，最終的柑橘采摘最優(yōu)路徑如圖3所示。

圖2 Matlab三維坐標(biāo)系中的柑橘位置

圖3 柑橘采摘路徑

5 結(jié)語

課題組結(jié)合國內(nèi)外采摘機(jī)器人的研究現(xiàn)狀，對(duì)采摘機(jī)器人的移動(dòng)平臺(tái)、識(shí)別定位系統(tǒng)、采摘機(jī)械臂和末端執(zhí)行器進(jìn)行了分析。運(yùn)用Matlab軟件建立了柑橘在三維空間中的坐標(biāo)模型，利用蟻群算法多次迭代和參數(shù)優(yōu)化，計(jì)算出了柑橘采摘的最優(yōu)路徑，為實(shí)現(xiàn)柑橘等水果的連續(xù)采摘提供了研究基礎(chǔ)。但整個(gè)規(guī)劃中沒有考慮到柑橘枝干等障礙物的存在，在實(shí)際應(yīng)用中還需要優(yōu)化完善。