崔振宇，周文靜，李園園

（新疆科技學(xué)院信息科學(xué)與工程學(xué)院，新疆 巴州 841000）

1 葡萄采摘機(jī)器人研究進(jìn)展

葡萄采摘機(jī)器人主要由行走裝置、機(jī)械臂、末端執(zhí)行器、視覺(jué)系統(tǒng)和控制系統(tǒng)組成[1-5]，視覺(jué)系統(tǒng)和末端執(zhí)行器是葡萄采摘機(jī)器人的重要組成部分，利用計(jì)算機(jī)視覺(jué)技術(shù)對(duì)葡萄果穗進(jìn)行識(shí)別和定位，將獲取的葡萄果穗位置信息反饋給葡萄采摘機(jī)器人，最后利用末端執(zhí)行器對(duì)果實(shí)進(jìn)行分離，從而完成葡萄采摘任務(wù)。

如圖1 所示為日本岡山大學(xué)研制的葡萄收獲機(jī)器人，主要用于棚架栽培模式的果園，該機(jī)器人由5 個(gè)機(jī)械手、4 個(gè)旋轉(zhuǎn)關(guān)節(jié)以及1 個(gè)直動(dòng)關(guān)節(jié)組成，直動(dòng)關(guān)節(jié)通過(guò)簡(jiǎn)單控制就可獲得較高的速度，其旋轉(zhuǎn)關(guān)節(jié)可以以不同的速度旋轉(zhuǎn)，這使得該機(jī)器人能夠在棚架栽培模式的葡萄果園中進(jìn)行有效工作[2]。

圖1 棚架栽培模式果園的葡萄收獲機(jī)器人

如圖2 所示為德國(guó)ERO 公司生產(chǎn)的“葡萄游輪6000”，該機(jī)器與傳統(tǒng)采摘機(jī)相比，可以實(shí)現(xiàn)去梗功能。此外，為了提高利用率，“葡萄游輪6000”收獲機(jī)配備了多個(gè)鼓風(fēng)機(jī)，可以實(shí)現(xiàn)對(duì)葡萄串的去葉任務(wù)[2]。

圖2 “葡萄游輪6000”收獲機(jī)

如圖3 所示是中國(guó)江蘇大學(xué)研發(fā)的自走式雙臂葡萄收獲機(jī)器人，該機(jī)器由自主導(dǎo)航與視覺(jué)伺服配合，可以實(shí)現(xiàn)機(jī)器人基于視覺(jué)控制的智能行駛。此外，自走式雙臂葡萄收獲機(jī)可以通過(guò)“一目雙臂”系統(tǒng)對(duì)工作空間內(nèi)的葡萄果串進(jìn)行采收。

圖3 自走式雙臂葡萄收獲機(jī)

以上是國(guó)內(nèi)外已有的葡萄采摘機(jī)器人的研究進(jìn)展，而國(guó)內(nèi)目前在葡萄采摘機(jī)械方面的研究還相當(dāng)薄弱。因此，本文將通過(guò)對(duì)現(xiàn)有的自動(dòng)化采摘機(jī)械進(jìn)行論述與分析，探索適合于我國(guó)葡萄采摘的新技術(shù)，以促進(jìn)葡萄種植業(yè)、加工業(yè)的進(jìn)一步發(fā)展。

2 葡萄采摘核心技術(shù)

葡萄采摘機(jī)器人主要由葡萄識(shí)別技術(shù)、葡萄定位技術(shù)以及葡萄分離技術(shù)三部分組成，要實(shí)現(xiàn)葡萄自動(dòng)化采摘，三個(gè)核心技術(shù)缺一不可。目前已有不少研究團(tuán)隊(duì)通過(guò)多種方法實(shí)現(xiàn)了對(duì)成熟鮮食葡萄果穗的識(shí)別[1,6-10]，但要將其落地應(yīng)用，如何準(zhǔn)確定位葡萄果實(shí)以及自動(dòng)化采摘葡萄成為關(guān)鍵。

2.1 葡萄定位技術(shù)

葡萄定位技術(shù)是葡萄采摘機(jī)器人視覺(jué)系統(tǒng)的一個(gè)重要組成部分，葡萄采摘機(jī)器人利用視覺(jué)系統(tǒng)識(shí)別并定位葡萄果穗，葡萄果穗被識(shí)別后，需對(duì)其進(jìn)行準(zhǔn)確定位，首先要獲得葡萄的成熟度信息，然后通過(guò)葡萄采摘點(diǎn)及姿態(tài)獲取，幫助機(jī)器人執(zhí)行抓取操作。

葡萄采摘點(diǎn)的定位主要分為果實(shí)的分割和采摘點(diǎn)的確定，許多分割方法已經(jīng)被應(yīng)用到水果的采摘中。梁喜鳳等[11]采用了形態(tài)學(xué)的多尺度提取和番茄邊界提取相結(jié)合的方法實(shí)現(xiàn)了對(duì)番茄的分割。苗玉彬等[12]提出了一種基于Zernike 矩邊緣檢測(cè)的分水嶺算法，來(lái)實(shí)現(xiàn)葡萄輪廓特征的提取。同時(shí)，很多算法也被應(yīng)用在水果采摘過(guò)程中以完成果實(shí)的圖像分割，主要包括Otsu[6,13]算法、蟻群算法[14]和K-means[15]聚類算法等[16]。

2.1.1 雙目視覺(jué)定位技術(shù)

雙目視覺(jué)定位技術(shù)是現(xiàn)階段機(jī)器人領(lǐng)域廣泛應(yīng)用的視覺(jué)技術(shù)之一，其模擬人眼的視覺(jué)，采用兩個(gè)不同位置的攝像頭，同步獲取同一環(huán)境中不同角度的平面圖像，根據(jù)圖像上特征點(diǎn)的關(guān)系獲得相機(jī)的內(nèi)外參數(shù)，據(jù)此構(gòu)建三維模型，還原所需場(chǎng)景的三維環(huán)境信息，并對(duì)環(huán)境中有用的幾何形狀、相對(duì)位置、運(yùn)動(dòng)情況等信息進(jìn)行提取，機(jī)器人根據(jù)所得信息執(zhí)行目標(biāo)動(dòng)作實(shí)現(xiàn)預(yù)期行為，或?qū)⒂杏眯畔⑦M(jìn)行存儲(chǔ)、傳輸或綜合分析[4-5]。

王連增[17]基于OpenCV 與MATLAB 的傳統(tǒng)標(biāo)定法對(duì)雙目攝像頭進(jìn)行標(biāo)定。雙目攝像頭的標(biāo)定是利用MATLAB 標(biāo)定工具箱完成，并將標(biāo)定結(jié)果導(dǎo)入雙目視覺(jué)測(cè)距系統(tǒng)。選擇Canny 邊緣檢測(cè)算法對(duì)匹配進(jìn)行約束，基于測(cè)距可靠性、精度和效率的考慮，最后采用SGBM 算法實(shí)現(xiàn)雙目視覺(jué)立體圖像匹配。李元強(qiáng)等[18]為使雙目相機(jī)標(biāo)定更加精準(zhǔn)，去除標(biāo)定模糊和標(biāo)定誤差過(guò)大的照片后，將標(biāo)定誤差控制在0.13%以內(nèi)。目前雙目視覺(jué)定位技術(shù)已經(jīng)將標(biāo)定誤差控制在了最小范圍。

2.1.2 VUE技術(shù)定位法

用戶界面是通過(guò)VUE 技術(shù)自底向上逐層構(gòu)建，并形成漸進(jìn)式的構(gòu)建框架。操作人員和管理人員的應(yīng)用權(quán)限是利用VUE 技術(shù)中的路由系統(tǒng)實(shí)現(xiàn)的，同時(shí)解決了不同狀態(tài)下相關(guān)組件之間的數(shù)據(jù)傳遞問(wèn)題，并可以實(shí)現(xiàn)存儲(chǔ)臨時(shí)數(shù)據(jù)。前端應(yīng)用界面的按鈕、開(kāi)關(guān)及表格等頁(yè)面元素是采用VUE 技術(shù)中Element UI系統(tǒng)構(gòu)建的[3]。

王海楠、陳燕等[19-20]在進(jìn)行智能采摘機(jī)器人的葡萄識(shí)別與定位時(shí)，首先利用高清相機(jī)對(duì)葡萄果實(shí)進(jìn)行識(shí)別，并獲取葡萄所在位置信息，同時(shí)從葡萄圖像中將葡萄果梗分割，從而完成采摘對(duì)象的目標(biāo)識(shí)別；然后，對(duì)葡萄果梗圖像進(jìn)行二值化處理，檢測(cè)出果梗角點(diǎn)數(shù)據(jù)，并采用線性回歸的方式確定采摘目標(biāo)點(diǎn)。但相對(duì)于其他技術(shù)，VUE 技術(shù)的可擴(kuò)展性較差，不建議采取該技術(shù)定位。

2.1.3 基于K-means算法的葡萄采摘點(diǎn)定位

朱衍俊等通過(guò)改進(jìn)K-means 算法的研究，提出算法定位的鮮食葡萄采摘點(diǎn)與最優(yōu)采摘點(diǎn)的誤差小于12 個(gè)像素的成功率為90.51%，平均定位時(shí)間為0.87 s，實(shí)現(xiàn)了對(duì)鮮食葡萄采摘點(diǎn)的準(zhǔn)確定位。而后，朱衍俊等進(jìn)行了基于籬壁式種植方式與棚架式種植方式的模擬仿真試驗(yàn)。試驗(yàn)表明，改進(jìn)的K-means 算法在籬壁式紫葡萄采摘點(diǎn)的定位成功率為86.00%，在棚架式紫葡萄識(shí)別定位方面的準(zhǔn)確率提升至92.00%[21]。但這種方式對(duì)于籬壁式葡萄的定位成功率不是很高，對(duì)枝葉遮擋嚴(yán)重的果實(shí)定位效果不佳。

2.2 葡萄分離技術(shù)

葡萄采摘機(jī)器人通過(guò)視覺(jué)系統(tǒng)識(shí)別并定位葡萄果穗后，末端執(zhí)行器再分離果實(shí)，從而完成果實(shí)的采摘。現(xiàn)有的分離技術(shù)還有很多，主要包括機(jī)械振搖式采摘、剪切方式采摘、斷梗激勵(lì)法采摘、抓持-旋切式欠驅(qū)動(dòng)雙指手葡萄采摘等。

2.2.1 機(jī)械振搖式和氣動(dòng)振搖式采摘

國(guó)外葡萄采摘機(jī)器人在采摘時(shí)，機(jī)器人基于振動(dòng)原理，通過(guò)葡萄藤將高頻振動(dòng)傳到葡萄果粒。多次瞬時(shí)變向運(yùn)動(dòng)，使果粒與果梗分離，抖落并收集，如袁民等[22]研究的巴旦木收獲機(jī)器。但是巴旦木屬于堅(jiān)果，果實(shí)較硬。這種采摘方式不適合用于葡萄采摘，容易損傷果實(shí)，同樣也容易采摘到不成熟的果實(shí)。

2.2.2 剪切方式采摘

由于果柄葡萄生長(zhǎng)背景復(fù)雜，進(jìn)行果柄識(shí)別的前提是準(zhǔn)確地將鮮食葡萄從背景中分割出來(lái)。李貴賓[23]基于深度學(xué)習(xí)的圖像分割方法，采用DeepLabV3+模型，并與傳統(tǒng)圖像分割方法進(jìn)行了對(duì)比，最后完成了葡萄剪切分離[23]。這種采摘方式能保證葡萄晾曬后的清潔度和新鮮度，但采摘速度較慢，不適合商業(yè)化采摘。

2.2.3 斷梗激勵(lì)法采摘

首先，建立葡萄果實(shí)分梗動(dòng)力學(xué)模型，推導(dǎo)果實(shí)脫落的理論角速度，分析果實(shí)果梗擺動(dòng)脫落的臨界分離條件。其次，利用ABAQUS 軟件分析單顆粒葡萄在斷梗激振下的動(dòng)態(tài)響應(yīng)與擺動(dòng)趨勢(shì)，探索在無(wú)擠壓狀態(tài)下果實(shí)形變過(guò)程，從而預(yù)測(cè)串型葡萄在斷梗激勵(lì)下的實(shí)際振動(dòng)響應(yīng)。最后，對(duì)串型葡萄的簡(jiǎn)化模型進(jìn)行振動(dòng)有限元分析，獲得葡萄果實(shí)在脫落前瞬間相對(duì)于果梗結(jié)合處的位移、速度、加速度和應(yīng)力應(yīng)變等數(shù)據(jù)，從而確定葡萄的臨界振動(dòng)脫落參數(shù)組合[24]。相對(duì)于以上方法，斷梗激勵(lì)下葡萄果粒的振動(dòng)脫落分離方法更適用于商業(yè)化采摘，但因葡萄品種不同等原因，導(dǎo)致葡萄采摘的頻率不同，所以該方法對(duì)不同品種葡萄的振動(dòng)頻率還有待探索。

2.2.4 抓持-旋切式欠驅(qū)動(dòng)雙指手葡萄采摘

抓持-旋切式欠驅(qū)動(dòng)雙指手葡萄采摘機(jī)首先通過(guò)葡萄赤道面直徑分析確定欠驅(qū)動(dòng)手指機(jī)構(gòu)指節(jié)尺寸與轉(zhuǎn)角范圍；然后通過(guò)建立欠驅(qū)動(dòng)手指機(jī)構(gòu)靜力學(xué)模型，并基于傳力最優(yōu)和接觸力均布的要求，確定了驅(qū)動(dòng)連桿尺寸，結(jié)合接觸力分析和葡萄擠壓破裂試驗(yàn)，獲得抓持2 kg葡萄不發(fā)生損傷的最大接觸力為20 N；再通過(guò)手指機(jī)構(gòu)靜力學(xué)模型求解獲得驅(qū)動(dòng)電動(dòng)機(jī)的推力，從而指導(dǎo)驅(qū)動(dòng)電動(dòng)機(jī)的選型，并完成葡萄采摘工作[25]。但因?yàn)槠咸训钠贩N不同，所需要的接觸力也不同，所以還需研究不同品種葡萄需要的接觸力。

3 存在的問(wèn)題

綜上所述，目前國(guó)內(nèi)外研究學(xué)者針對(duì)葡萄采摘機(jī)器人已有大量成果，但現(xiàn)有樣機(jī)仍存在一定的局限性，距離商業(yè)普及化應(yīng)用仍有差距，主要存在以下問(wèn)題。

3.1 采摘速度較慢

在葡萄采摘作業(yè)中，衡量采摘機(jī)器人性能的一個(gè)重要指標(biāo)就是采摘效率，目前導(dǎo)致葡萄采摘機(jī)器人作業(yè)效率低的原因主要是：在復(fù)雜自然環(huán)境下，識(shí)別定位算法需要考慮很多的因素，如光照強(qiáng)度、枝葉遮蓋嚴(yán)重程度等，如上文朱衍俊等研究的基于K-means 算法的葡萄采摘點(diǎn)定位方法，因枝葉遮擋導(dǎo)致籬壁式葡萄采摘效果不佳。而且葡萄采摘機(jī)器人自身計(jì)算能力有限，算法運(yùn)行時(shí)間長(zhǎng)，導(dǎo)致視覺(jué)系統(tǒng)實(shí)時(shí)性低，從而影響采摘效率。如剪切式采摘，機(jī)器只能識(shí)別一串葡萄，也只能采摘識(shí)別后的葡萄，并不能大面積同時(shí)采摘，因此導(dǎo)致大部分葡萄采摘機(jī)器人采摘速度過(guò)慢。

3.2 采摘成功率較低

如圖4 所示，在復(fù)雜的自然環(huán)境中，果實(shí)重疊、自然光照強(qiáng)度變化、枝葉遮擋、果實(shí)成熟差異大等都會(huì)影響葡萄采摘，從而導(dǎo)致誤識(shí)別或漏識(shí)別。采摘機(jī)器的振動(dòng)頻率也會(huì)導(dǎo)致采摘成功率過(guò)低，葡萄屬于串型植物，一串葡萄成長(zhǎng)周期不同會(huì)導(dǎo)致葡萄果實(shí)存在成熟差異，當(dāng)葡萄被識(shí)別時(shí)，如果采摘機(jī)振動(dòng)過(guò)小會(huì)導(dǎo)致成熟葡萄漏采，同時(shí)采摘機(jī)振動(dòng)過(guò)大會(huì)導(dǎo)致未成熟葡萄誤采。如上文尹建軍等研究的抓持-旋切式欠驅(qū)動(dòng)雙指手葡萄采摘就需要對(duì)采摘葡萄的力度進(jìn)行更精準(zhǔn)的研究。

圖4 自然環(huán)境果實(shí)識(shí)別存在的難題

3.3 葡萄存在損傷

在機(jī)械化采摘作業(yè)過(guò)程中，葡萄容易受到損傷，從而造成葡萄品質(zhì)下降，現(xiàn)在常用的采摘機(jī)多為機(jī)械振搖式和氣動(dòng)振搖式，在采摘作業(yè)的過(guò)程中易導(dǎo)致收獲的果實(shí)顆粒碰撞，造成果實(shí)損傷，所以這種采摘方式適用于較為堅(jiān)硬且在后期使用不強(qiáng)調(diào)果實(shí)損傷的果實(shí)。目前葡萄的識(shí)別與定位算法大多只是確定了葡萄串的中心，沒(méi)有識(shí)別出葡萄的姿態(tài)，末端執(zhí)行器無(wú)法實(shí)現(xiàn)葡萄以特定方式相對(duì)于果梗的方向旋轉(zhuǎn)或拉伸，這可能會(huì)進(jìn)一步造成果實(shí)的損傷。

3.4 難以商業(yè)化

由于工作環(huán)境復(fù)雜，因此對(duì)葡萄采摘機(jī)器人的視覺(jué)系統(tǒng)、機(jī)械臂、末端執(zhí)行器和控制系統(tǒng)有著很大的挑戰(zhàn)。而葡萄采摘機(jī)器人采摘速度慢，造成了葡萄采摘機(jī)器人利用率不高，作業(yè)成本高，采摘效率低[26]。同時(shí)，由于無(wú)法保證機(jī)器的長(zhǎng)期使用，也會(huì)導(dǎo)致花費(fèi)多余的維修費(fèi)、保養(yǎng)費(fèi)等。如上文李貴賓研究的剪切式采摘方式因識(shí)別過(guò)慢，導(dǎo)致影響后續(xù)采摘速度，所以不適合商業(yè)化采摘。

4 結(jié)論

綜上所述，現(xiàn)有葡萄采摘機(jī)器人應(yīng)能夠克服惡劣的環(huán)境因素，并進(jìn)一步提高葡萄采摘機(jī)器人的識(shí)別準(zhǔn)確率；在技術(shù)上需要規(guī)劃出更精準(zhǔn)的運(yùn)動(dòng)軌跡，減少采摘機(jī)器人對(duì)鮮食葡萄的損傷，增加機(jī)器產(chǎn)率；同時(shí)，需要降低葡萄采摘機(jī)器人的制造、維護(hù)成本，使其能夠?qū)崿F(xiàn)大范圍商業(yè)普及與應(yīng)用推廣。