劉 萍

（西安交通大學(xué)城市學(xué)院，西安 710018）

在農(nóng)業(yè)生產(chǎn)過(guò)程中，蔬菜、水果與茶葉等農(nóng)產(chǎn)品成熟后，需要進(jìn)行采摘、包裝、運(yùn)輸?shù)纫幌盗刑幚砉ぷ鱗1]。傳統(tǒng)農(nóng)產(chǎn)品采摘工作由人工完成，雖然可以確保采摘質(zhì)量，但采摘效率低、人力消耗大等弊端仍需改善[2]。采摘機(jī)器人是針對(duì)農(nóng)產(chǎn)品采摘特點(diǎn)設(shè)計(jì)的移動(dòng)采摘機(jī)器，不僅可以利用傳感技術(shù)感知其周邊環(huán)境信息，還可以通過(guò)機(jī)器視覺(jué)技術(shù)判斷農(nóng)產(chǎn)品是否具備采摘條件，是集多種科學(xué)技術(shù)于一體的自動(dòng)化采摘裝置[3]。如何更好地對(duì)采摘機(jī)器人進(jìn)行自動(dòng)化控制仍是眾多學(xué)者的研究熱點(diǎn)。文獻(xiàn)[4]以機(jī)器視覺(jué)技術(shù)為基礎(chǔ)，研究采摘機(jī)器人分揀控制方法，利用采摘機(jī)器人自身成像裝置識(shí)別目標(biāo)圖像，同時(shí)建立機(jī)器視覺(jué)系統(tǒng)數(shù)學(xué)模型，確定目標(biāo)位置后將其傳輸至計(jì)算機(jī)中，通過(guò)計(jì)算機(jī)計(jì)算調(diào)整采摘機(jī)器人位姿，使其完成目標(biāo)分揀動(dòng)作，該方法雖然可以識(shí)別目標(biāo)位置，但控制精度仍需改進(jìn)；文獻(xiàn)[5]將交互式視音頻技術(shù)應(yīng)用于采摘機(jī)器人中，利用聲控技術(shù)調(diào)整遠(yuǎn)程監(jiān)控下的采摘機(jī)器人作業(yè)姿態(tài)，提升采摘機(jī)器人采摘效率與質(zhì)量，該系統(tǒng)雖對(duì)采摘機(jī)器人的控制精度較高，但穩(wěn)定性差，有待完善。

本文設(shè)計(jì)人工智能驅(qū)動(dòng)的農(nóng)業(yè)采摘機(jī)器人自動(dòng)化控制系統(tǒng)，通過(guò)人工智能驅(qū)動(dòng)自動(dòng)化控制采摘機(jī)器人完成農(nóng)產(chǎn)品采摘工作，提升農(nóng)產(chǎn)品采摘效率，解決農(nóng)業(yè)生產(chǎn)過(guò)程中勞動(dòng)力短缺問(wèn)題。

1 農(nóng)業(yè)采摘機(jī)器人自動(dòng)化控制系統(tǒng)

1.1 控制系統(tǒng)總體結(jié)構(gòu)

利用計(jì)算機(jī)視覺(jué)技術(shù)等人工智能驅(qū)動(dòng)的農(nóng)業(yè)采摘機(jī)器人自動(dòng)化控制系統(tǒng)總體結(jié)構(gòu)如圖1 所示。

圖1 控制系統(tǒng)總體結(jié)構(gòu)Fig.1 Overall structure of the control system

采集層的作用是采集農(nóng)業(yè)采摘機(jī)器人工作狀態(tài)及環(huán)境信息。其中雙目攝像機(jī)用于采集農(nóng)業(yè)采摘機(jī)器人工作環(huán)境及目標(biāo)圖像信息；紅外傳感器用于測(cè)量機(jī)械手至目標(biāo)之間的距離；限位傳感器用于限定采摘機(jī)器人行走裝置與機(jī)械手的運(yùn)動(dòng)極限位置；碰撞傳感器用于感應(yīng)采摘機(jī)器人在碰撞過(guò)程中產(chǎn)生的碰撞力，避免采摘機(jī)器人因受碰撞而損壞；速度傳感器用于測(cè)量采摘機(jī)器人行走裝置與機(jī)械手的運(yùn)行速度；力扭矩傳感器的作用是通過(guò)測(cè)量采摘機(jī)器人末端執(zhí)行器與目標(biāo)之間力的大小，為采摘機(jī)器人末端執(zhí)行器提供觸覺(jué)；采集卡用于采集各傳感器對(duì)農(nóng)業(yè)采摘機(jī)器人的測(cè)量數(shù)據(jù)。

傳輸層的作用是為控制系統(tǒng)與農(nóng)業(yè)采摘機(jī)器人提供雙向數(shù)據(jù)傳輸通道，利用無(wú)線通信模塊互相傳輸采摘機(jī)器人的測(cè)量數(shù)據(jù)與系統(tǒng)控制指令。

控制層的作用是處理農(nóng)業(yè)采摘機(jī)器人的測(cè)量數(shù)據(jù)，同時(shí)獲取控制系統(tǒng)對(duì)采摘機(jī)器人的控制指令。

應(yīng)用層的作用是根據(jù)控制指令控制農(nóng)業(yè)采摘機(jī)器人的運(yùn)行動(dòng)作。將電機(jī)驅(qū)動(dòng)模塊中的多個(gè)電機(jī)分別安裝于農(nóng)業(yè)采摘機(jī)器人行走裝置、機(jī)械臂關(guān)節(jié)以及末端執(zhí)行器中，應(yīng)用層接收到系統(tǒng)控制指令后，將指令傳輸至電機(jī)驅(qū)動(dòng)器中，通過(guò)電機(jī)驅(qū)動(dòng)器自動(dòng)驅(qū)動(dòng)各電機(jī)運(yùn)行，令農(nóng)業(yè)采摘機(jī)器人完成采摘?jiǎng)幼鳌?/p>

1.2 控制系統(tǒng)硬件設(shè)計(jì)

1.2.1 雙目攝像機(jī)

雙目攝像機(jī)位于控制系統(tǒng)采集層，其作用是感知農(nóng)業(yè)采摘機(jī)器人周?chē)h(huán)境信息，相當(dāng)于機(jī)器人的雙眼。在現(xiàn)實(shí)生活中，人的雙眼可以從不同角度觀察同一個(gè)目標(biāo)物體，并形成視覺(jué)差，以此感知三維立體世界。利用雙目攝像機(jī)的2 個(gè)攝像頭模擬人的雙眼，輔助控制系統(tǒng)獲取農(nóng)業(yè)采摘機(jī)器人周?chē)h(huán)境與目標(biāo)信息，進(jìn)而控制采摘機(jī)器人對(duì)目標(biāo)產(chǎn)品進(jìn)行采摘?？刂葡到y(tǒng)選取萊娜品牌，型號(hào)為HNV-CV-002的可變基線雙目攝像機(jī)，HNV-CV-002 雙目攝像機(jī)參數(shù)如表1 所示。

表1 HNV-CV-002 雙目攝像機(jī)參數(shù)Tab.1 HNV-CV-002 binocular camera parameters

1.2.2 微控制器

微控制器位于系統(tǒng)控制層，系統(tǒng)選取恩智浦公司生產(chǎn)的LPC2294HBD144 集成電路芯片作為系統(tǒng)微控制器。該控制器以16/32 位ARM7TDMI-S 處理器為控制核心。該控制器采用精簡(jiǎn)指令集計(jì)算機(jī)結(jié)構(gòu)，由于該結(jié)構(gòu)指令及尋址方式較少，所以利用該結(jié)構(gòu)處理器處理數(shù)據(jù)，無(wú)論是數(shù)據(jù)傳輸速度或是數(shù)據(jù)處理速度均高于其他結(jié)構(gòu)處理器。

1.2.3 電機(jī)驅(qū)動(dòng)模塊

電機(jī)驅(qū)動(dòng)模塊位于控制系統(tǒng)應(yīng)用層，用于驅(qū)動(dòng)農(nóng)業(yè)采摘機(jī)器人行走裝置、機(jī)械臂關(guān)節(jié)以及末端執(zhí)行器運(yùn)行。電機(jī)驅(qū)動(dòng)模塊中包含多個(gè)驅(qū)動(dòng)采摘機(jī)器人運(yùn)行的電機(jī)，由于電機(jī)運(yùn)行需要巨大的電流驅(qū)動(dòng)，而微控制器輸出的邏輯電平無(wú)法支撐電機(jī)運(yùn)行，因此需采用驅(qū)動(dòng)器件對(duì)電機(jī)進(jìn)行驅(qū)動(dòng)，使其正常運(yùn)行。系統(tǒng)選取意法半導(dǎo)體公司生產(chǎn)的L298N 電機(jī)驅(qū)動(dòng)器驅(qū)動(dòng)模塊內(nèi)電機(jī)運(yùn)行。該驅(qū)動(dòng)器不僅可以接受高電壓，還可以輸出大電流，具備電機(jī)驅(qū)動(dòng)能力強(qiáng)、發(fā)熱量低、可靠性高以及抗干擾能力強(qiáng)等特點(diǎn)。電機(jī)驅(qū)動(dòng)模塊結(jié)構(gòu)如圖2 所示。電機(jī)驅(qū)動(dòng)模塊結(jié)構(gòu)的核心是L298N 驅(qū)動(dòng)器，采用雙路全橋式電機(jī)驅(qū)動(dòng)芯片，可輸出最大電流為4 A；封裝模式為Multiwatt15 腳封裝；驅(qū)動(dòng)芯片接受TTL 電平信號(hào)，且1 個(gè)芯片具備2個(gè)控制信號(hào)輸入端，可以同時(shí)控制2 個(gè)電機(jī)做不同動(dòng)作。

圖2 電機(jī)驅(qū)動(dòng)模塊結(jié)構(gòu)Fig.2 Structure of the motor drive module

1.3 人工智能驅(qū)動(dòng)的機(jī)器人自動(dòng)化控制

系統(tǒng)控制層的微控制器采用BP 神經(jīng)網(wǎng)絡(luò)對(duì)PID 控制算法進(jìn)行優(yōu)化，利用優(yōu)化后的PID 控制農(nóng)業(yè)采摘機(jī)器人的運(yùn)行動(dòng)作。利用BP 神經(jīng)網(wǎng)絡(luò)優(yōu)化PID 控制算法的總體結(jié)構(gòu)如圖3 所示。BP 神經(jīng)網(wǎng)絡(luò)優(yōu)化PID 控制算法是通過(guò)BP 神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)能力，實(shí)現(xiàn)PID 控制算法的自適應(yīng)控制。通過(guò)BP 神經(jīng)網(wǎng)絡(luò)具有的誤差反向傳播特性，調(diào)節(jié)PID 控制算法的控制參數(shù)。

圖3 BP 神經(jīng)網(wǎng)絡(luò)優(yōu)化PID 控制算法結(jié)構(gòu)Fig.3 Structure of PID control algorithm

農(nóng)業(yè)采摘機(jī)器人自動(dòng)化控制是一種非線性問(wèn)題，選取Sigmoid 函數(shù)作為BP 神經(jīng)網(wǎng)絡(luò)輸出層的激活函數(shù)。由PID 控制器傳導(dǎo)農(nóng)業(yè)采摘機(jī)器人的控制信號(hào)，并利用BP 神經(jīng)網(wǎng)絡(luò)的梯度下降過(guò)程，調(diào)節(jié)網(wǎng)絡(luò)權(quán)值以及閾值。設(shè)置BP 神經(jīng)網(wǎng)絡(luò)的輸出為PID控制器的Kp、Ki與Kd3 個(gè)參數(shù)。

利用增量式PID 控制算法確定農(nóng)業(yè)采摘機(jī)器人受控量，其表達(dá)式為

式中：u（t）與u（t-1）分別表示時(shí)間為t 與t-1 時(shí)農(nóng)業(yè)采摘機(jī)器人的控制量；Kp、Ki與Kd分別表示比例調(diào)節(jié)系數(shù)、積分調(diào)節(jié)系數(shù)以及微分調(diào)節(jié)系數(shù)；xc1、xc2與xc3均為PID 控制器的輸入向量，各輸入向量表達(dá)式分別為

式中：e（t）與e（t-1）、e（t-2）表示時(shí)間為t、t-1、t-2 時(shí)的農(nóng)業(yè)采摘機(jī)器人機(jī)械手的位置誤差。

利用梯度下降法，獲取PID 控制器的控制參數(shù)調(diào)整量表達(dá)式如下：

通過(guò)以上計(jì)算過(guò)程確定PID 控制參數(shù)的調(diào)節(jié)量，并獲取最佳的PID 控制參數(shù)。利用最佳的PID控制參數(shù)，實(shí)現(xiàn)農(nóng)業(yè)采摘機(jī)器人的自動(dòng)化控制。

2 實(shí)例分析

為驗(yàn)證所設(shè)計(jì)人工智能驅(qū)動(dòng)的農(nóng)業(yè)采摘機(jī)器人自動(dòng)化控制系統(tǒng)的整體性能，將本文系統(tǒng)應(yīng)用至某農(nóng)產(chǎn)品生產(chǎn)基地中。該基地主要生產(chǎn)及銷(xiāo)售水果、蔬菜等農(nóng)產(chǎn)品，播種面積約為1100 余畝，年產(chǎn)量可達(dá)24 萬(wàn)斤左右，是當(dāng)?shù)刈畲蟮霓r(nóng)產(chǎn)品生產(chǎn)基地。本文以履帶式農(nóng)業(yè)采摘機(jī)器人為系統(tǒng)控制對(duì)象，并將農(nóng)產(chǎn)品生產(chǎn)基地中的番茄作為采摘目標(biāo)，通過(guò)本文系統(tǒng)控制履帶式農(nóng)業(yè)采摘機(jī)器人作業(yè)，系統(tǒng)控制結(jié)果如圖4 所示。采摘機(jī)器人在進(jìn)行番茄采摘作業(yè)時(shí)，先通過(guò)雙目攝像機(jī)采集其工作環(huán)境以及目標(biāo)番茄大小、顏色、位置等信息；再利用履帶式行走裝置將機(jī)器人移動(dòng)至目標(biāo)番茄位置附近，并依據(jù)系統(tǒng)控制指令驅(qū)動(dòng)機(jī)械臂關(guān)節(jié)運(yùn)行，使機(jī)器人末端執(zhí)行器與目標(biāo)番茄中心位置對(duì)齊；最后驅(qū)動(dòng)機(jī)器人末端執(zhí)行器對(duì)目標(biāo)番茄做出采摘?jiǎng)幼?，并將采摘后的番茄裝入采摘筐內(nèi)，完成番茄采摘作業(yè)。實(shí)際應(yīng)用表明，本文系統(tǒng)可以對(duì)農(nóng)業(yè)采摘機(jī)器人的番茄采摘作業(yè)進(jìn)行自動(dòng)化控制，實(shí)現(xiàn)人工智能驅(qū)動(dòng)的農(nóng)業(yè)采摘機(jī)器人自主采摘作業(yè)。

圖4 系統(tǒng)控制采摘機(jī)器人作業(yè)結(jié)果Fig.4 System controlled harvesting robot operation result

雙目攝像機(jī)對(duì)采摘目標(biāo)信息的感知精度，是影響控制系統(tǒng)控制性能的重要因素。為驗(yàn)證控制系統(tǒng)可以精準(zhǔn)感知采摘機(jī)器人與采摘目標(biāo)之間的三維空間坐標(biāo)距離，設(shè)置10 個(gè)不同位置的采摘目標(biāo)，并通過(guò)雙目攝像機(jī)感知采摘目標(biāo)距離，同時(shí)與實(shí)際測(cè)量距離進(jìn)行對(duì)比，對(duì)比結(jié)果如表2 所示。觀察表2，10個(gè)采摘目標(biāo)與采摘機(jī)器人之間的距離各不相同，以右手坐標(biāo)系為參考坐標(biāo)系，其中x、y、z 分別代表橫軸、縱軸與豎軸。通過(guò)表2 結(jié)果可以看出，利用雙目攝像機(jī)感知采摘機(jī)器人至采摘目標(biāo)位置的三維空間坐標(biāo)距離，與實(shí)際測(cè)量距離幾乎一致，誤差很小，驗(yàn)證本文系統(tǒng)可以精準(zhǔn)感知采摘目標(biāo)位置，為系統(tǒng)精準(zhǔn)控制采摘機(jī)器人運(yùn)行奠定基礎(chǔ)。

表2 雙目攝像機(jī)感知距離對(duì)比結(jié)果Tab.2 Comparison results of perceived distance for binocular cameras

為驗(yàn)證本文系統(tǒng)對(duì)農(nóng)業(yè)采摘機(jī)器人采摘作業(yè)的控制性能，基地人員在不同位置隨機(jī)選取30 個(gè)采摘目標(biāo)，并通過(guò)本文系統(tǒng)控制采摘機(jī)器人對(duì)其進(jìn)行采摘作業(yè)，同時(shí)統(tǒng)計(jì)采摘機(jī)器人對(duì)各目標(biāo)的采摘情況，統(tǒng)計(jì)結(jié)果如圖5 所示。

圖5 采摘機(jī)器人目標(biāo)采摘統(tǒng)計(jì)結(jié)果Fig.5 Statistical results of the picking robot target picking

基地人員分別對(duì)30 個(gè)處于不同位置的采摘目標(biāo)做出標(biāo)記，并將采摘機(jī)器人引領(lǐng)至入口處，系統(tǒng)控制采摘機(jī)器人從1 號(hào)目標(biāo)位置開(kāi)始采摘，并按照系統(tǒng)規(guī)劃的運(yùn)行軌跡依次采摘各目標(biāo)，直至將30 個(gè)目標(biāo)全部采摘完成后從出口離開(kāi)。通過(guò)圖5 可知，本文系統(tǒng)可以為采摘機(jī)器人規(guī)劃作業(yè)路線，并控制采摘機(jī)器人機(jī)械手完成目標(biāo)采摘?jiǎng)幼鳎瑢?shí)現(xiàn)人工智能驅(qū)動(dòng)的農(nóng)業(yè)采摘機(jī)器人自主采摘作業(yè)，驗(yàn)證本文系統(tǒng)具備自動(dòng)化控制采摘機(jī)器人運(yùn)行的能力。

為進(jìn)一步驗(yàn)證本文系統(tǒng)對(duì)農(nóng)業(yè)采摘機(jī)器人的控制能力，采用本文系統(tǒng)控制采摘機(jī)器人對(duì)800 個(gè)目標(biāo)進(jìn)行采摘，并測(cè)試采摘機(jī)器人執(zhí)行采摘作業(yè)的準(zhǔn)確程度，測(cè)試結(jié)果如圖6 所示。

圖6 采摘作業(yè)準(zhǔn)確程度測(cè)試結(jié)果Fig.6 Test results of picking operation accuracy

采摘機(jī)器人可以完成采摘800 個(gè)目標(biāo)的作業(yè)任務(wù)，且對(duì)目標(biāo)采摘的準(zhǔn)確程度始終保持在0.99 以上，驗(yàn)證本文系統(tǒng)可以控制采摘機(jī)器人運(yùn)行，具備精準(zhǔn)控制農(nóng)業(yè)采摘機(jī)器人運(yùn)行動(dòng)作的能力。

3 結(jié)語(yǔ)

人工智能的應(yīng)用為人類帶來(lái)巨大便利，也為社會(huì)經(jīng)濟(jì)發(fā)展做出前所未有的貢獻(xiàn)。本文設(shè)計(jì)人工智能驅(qū)動(dòng)的農(nóng)業(yè)采摘機(jī)器人自動(dòng)化控制系統(tǒng)，將計(jì)算機(jī)視覺(jué)技術(shù)、圖像識(shí)別、AI 算法等人工智能技術(shù)應(yīng)用至控制系統(tǒng)中，驅(qū)動(dòng)農(nóng)業(yè)采摘機(jī)器人行走裝置、機(jī)械臂關(guān)節(jié)以及末端執(zhí)行器運(yùn)行，自動(dòng)化控制農(nóng)業(yè)采摘機(jī)器人進(jìn)行自主采摘作業(yè)，提升采摘機(jī)器人采摘作業(yè)質(zhì)量。