水果防碰損采摘的視覺認知及其執行機構研究進展

羅陸鋒 譚遠良 盧清華 鄒湘軍

摘 要：研發水果采摘機器人對提高收獲效率、保證果實品質和減輕勞動強度具有重要意義，但由于果園環境的非結構性，使得采摘機器人極易因目標定位不準、采摘順序不當、夾剪位姿不合理等導致果實碰傷或刮落，造成該損傷的主要原因是防碰損采摘的視覺認知與執行機構耦合問題尚未得到解決。為梳理水果采摘機器人防碰損作業的最新研究進展，從防碰損采摘中果實多維信息（采摘點、果梗位姿、防碰空間包圍體等）的視覺感知、采摘機器人的視覺認知與智能防碰損采摘行為規劃、防損采摘機構設計及其行為控制等三方面進行了全面綜述和分析，并對今后需重點解決的核心關鍵問題進行總結和展望，為進一步研究和攻克非結構環境下水果智能防碰損采摘問題提供參考和依據。

關鍵詞：工業機器人技術；采摘機器人；末端執行器；視覺認知；智能規劃

中圖分類號：TP391.41 文獻標志碼：A

文章編號：1008-1542（2018）03-0204-10

保證水果低損、采收及時是果農面臨的實際問題，鮮食水果的收獲僅靠人工采摘，不僅采摘人員的勞動強度大，采摘成本也較高。為了提高采摘效率，保證水果品質和減輕采摘人員的勞動強度，用機器人代替人工采摘是未來水果采收的發展趨勢，也是未來智能農業機械的發展方向[1]。

機器人在采摘水果之前，需先由視覺系統對作業目標和環境進行感知與定位，再以感知定位信息為基礎進行防碰損作業的認知計算與行為規劃，最后通過視覺伺服控制采摘機構執行夾剪作業[2]。水果經常簇生、果梗桿莖小且果實嬌嫩，而且水果生長位置的隨機性，使得果實之間經常出現相互重疊、貼靠和遮擋等復雜情況，如圖1所示。

這些非結構因素使得機器人執行機構在夾剪過程中極易因視覺定位不準、采摘順序規劃不當、進給和夾剪位姿不合理導致果實碰傷或刮落[3]。造成這些損傷的主要原因在于采摘中果實信息視覺認知不準確、夾剪機構設計或其行為決策不合理。為解決該難題，提高采摘作業的精準度和柔性度，需要采摘機器人視覺系統與執行機構之間具備良好的自主防碰損耦合能力，該能力主要體現在果實多維信息的視覺感知（采摘點、果梗位姿、防碰空間包圍體等）、隨機多目標防碰損采摘順序的視覺認知與規劃、執行機構與果串之間適形防碰損夾剪位姿的自主耦合等行為上，最終用機構、視覺、傳感器等硬件和軟件實現其運動和智能行為決策。

國內外針對采摘機器人的研究已有40多年的歷史[2]。荷蘭、美國、日本、丹麥、法國等國研究了甜椒[4]（圖2 a））、柑橘[5]、黃瓜[6]（圖2 b））、西紅柿[7]（圖2 c））、草莓[8]等采摘機器人。中國農業大學、南京農業大學、華南農業大學、江蘇大學、浙江大學、上海交通大學、西北農林科技大學、東北農業大學等單位研究了草莓[9]（圖2 d））、蘋果[10-11]（圖2 e））、黃瓜[12]、茄子[13]、荔枝[14]（圖2 f））、獼猴桃[15]等果蔬的采摘機器人。但到目前為止，商品化實用的采摘機器人依然鮮有報道，究其原因是多方面的[16]，其中對果實造成損傷嚴重是主要原因之一。為實現無損采摘，國內外學者圍繞水果視覺感知[17-19]、路徑規劃[6]、采摘機構[20-21]、果實損傷及力學特性[22-24]等開展了大量研究。為梳理水果采摘機器人防碰損作業的最新研究進展，本文將從果實多維信息視覺感知、采摘機器人的視覺認知與智能規劃、防損采摘機構及行為控制等3個方面進行闡述。

1 水果防碰損采摘的視覺認知及機構設計研究狀況與分析

1.1 果實多維信息視覺感知的研究進展

為了能準確獲取水果的視覺信息，學者們以水果色彩空間為基礎研究出了多種圖像分割與識別方法[25-30]。CHAMELAT等[25]提出利用Zemike距和顏色信息對復雜環境下的葡萄進行識別；REIS等[26]基于照片彩色信息在自然環境下對葡萄進行識別與定位；田銳等[27]計算葡萄圖像在RGB顏色空間中樣本值，根據樣本值對目標進行圖像分割；熊俊濤等[28]通過提取顏色模型YCrCb中Cr分量對成熟荔枝進行識別；羅陸鋒等[29-30]針對對果園葡萄的識別，提出了基于改進人工蜂群優化模糊聚類的圖像分割方法和基于多顏色空間和集成學習的圖像識別方法。盡管在水果圖像分割方面，國內外學者已提出了許多有效方法，但僅僅通過這些方法還難以實現對重疊、貼靠和遮擋等非結構情況下串型水果的逐個精準識別與定位。在對重疊、貼靠和遮擋果實的識別方面，國內外對蘋果[10，31-34]、番茄[35]、柑橘[36]的報道較多，大多通過分析果實幾何形狀來設計相應的識別算法。例如：利用凸殼算法[32]、圓檢測[10]、輪廓還原[36]等方法對蘋果目標進行識別；以深度圖為基礎結合邊緣曲率分析[35]實現對重疊、黏連番茄的識別與定位。這些方法在特定條件下對單一水果的重疊、貼靠等復雜情況具有實用性，但對于串型水果來說，因果串輪廓的不規則性，上述方法通用性依然非常有限。

在水果采摘點的識別與定位研究上，國內外學者針對蘋果[10]、番茄[35]等水果提出了以形心作為采摘點的定位方法。BULANON等[37]分別采用單目相機移動方法和雙目相機的立體視覺方法對蘋果的果實采摘點的空間位置計算進行了研究；XIANG等[35]采用雙目立體視覺對成熟番茄進行定位研究，以番茄的形心為采摘點；李斌等[38]利用單目視覺研究了菠蘿果實形心點的求取方法。然而，這些以形心作為采摘點的方法對于以夾剪果梗為采摘方式的串型水果來說，實用性不強。在以夾剪果梗為采摘方式的水果采摘中，熊俊濤等[39]利用Hough圓擬合方法先對柑橘圖像進行分割，再運用約束斜率為-0.45～0.45的Hough直線檢測對柑橘果梗上的采摘點進行搜索；楊慶華等[40]通過提取葡萄圖像輪廓的外接矩形對目標進行識別與定位；張鐵中等[18]利用草莓圖像重心和果尖點來對采摘點進行識別與定位；郭艾俠等[19]設計了一種融合Harris與SIFT算法的荔枝果梗采摘點計算方法；羅陸鋒等[41]根據葡萄的生長特點，提出了一種基于點線最小距離約束的采摘點定位方法，如圖3所示。

在果梗位姿的視覺檢測研究上，INKYU等[42]對果園環境下的甜辣椒果梗檢測進行了研究，先利用RGB-D傳感器采集圖像數據，獲取點云數據后使用幾何特征（如表面法線和曲率估計）對甜椒三維幾何形狀進行識別，結合HSV顏色特征和PFH（point feature histograms）對監督學習方法進行訓練，最終實現對果梗檢測，過程如圖4所示。

在水果防碰空間包圍體的求解與定位研究上，羅陸鋒等[43]提出一種基于雙目立體視覺的葡萄包圍體求解與定位方法，如圖5所示。先通過尋找與重心距離最小的直線來定位果梗上的采摘點；再運用圓檢測法獲取外接矩形區域內果粒的圓心和半徑，求解采摘點和果粒圓心的空間坐標；最后以采摘點的空間坐標為原點構建葡萄空間坐標系，求解葡萄最大截面，再將該截面繞中心軸旋轉360°得到葡萄空間包圍體。但目前該方法只能處理單串葡萄，對重疊、貼靠和遮擋葡萄串的防碰包圍體定位還需進一步深入研究解決。

1.2 采摘機器人的視覺認知與智能規劃的研究進展

為避免損傷果串，采摘機器人在作業規劃中需要先根據環境信息自主規劃防碰損的采摘順序后再到達采摘點執行夾剪作業；在夾持和剪斷果梗時，又需要機器人能自主確立防碰損的執行機構進給方位和夾剪角度。BAC等[44]根據視覺定位信息約束末端執行器旋轉切刀（圖6）的初始方位角來進行防損采摘，從而實現對甜椒的低損收獲，但甜椒與串型水果的形態特征差異較大，且采摘方式亦不盡相同，因而該方法對于串型水果來說可移植性不強；HENTEN等[6]從逆運動學角度研究了黃瓜采摘機械臂的免碰撞路徑規劃問題，逆運動學是一個非線性規劃問題，通過遺傳算法解決，但是由于過程需要大量的計算時間，所以該黃瓜采摘機器人的基本模型采用有冗余度的P6R操作器。梁喜鳳等[45]基于偽距離避障法，以番茄收獲機械手可操作度最大化為目標函數，采用偽距離避障法和迭代法相結合的方法能夠使番茄收獲機械手在保證良好工作性能的前提下實現避障運動規劃，機械手由初始位置沿預定路徑運動至目標位置，并能成功避開障礙物；尹建軍等[46]以關節型機械臂避開垂直莖稈或撐桿采摘番茄為研究對象，提出了一種基于構形空間的關節型機械臂避障路徑規劃方法，以能量最優函數優選避障規劃的關節終點角，利用A*算法可以得到平面R-R機械臂的避障路徑，獲得一系列表示空間連桿位置的相交豎直面，并在豎直面內進行其余關節角的規劃。

在采摘順序規劃方面，王冰心等[47]基于仿生學思想設計了一種基于視覺選擇性注意機制的果實簇識別與采摘順序規劃方法，如圖7所示。該研究一方面有利于提高果實簇識別算法對復雜農業環境的適應能力，提高算法對不同種類果實識別的通用性；另一方面通過提前規劃視域內多個果實簇的采摘順序，減少采摘過程中的重復動作，提高作業效率。但目前該方法尚未考慮采摘過程中的防碰損規劃問題；羅陸鋒等[48]開展對多目標防碰損采摘順序規劃算法進行仿真試驗研究，將實物視覺與虛擬現實相結合設計了采摘機器人硬件在環虛擬試驗系統，為防碰損采摘的視覺定位及行為控制算法提供了仿真試驗平臺。

1.3 防損采摘機構及行為控制的研究進展

采摘機器人采摘機構及行為模型對實現無損采摘至關重要。BLANES等[49]通過設計具有形狀自適應的夾指機構來降低茄子采摘中的機械損傷，如圖9、圖10所示，該末端執行器由3個機械手指和1個真空吸盤組成，其中3個機械手指均裝有慣性傳感器，當末端執行器接觸不同形狀的茄子時，其內部顆粒狀物質的干擾從柔軟到堅硬，其中1根手指可以適應并復制茄子的形狀，同時其他的手指也可以使用冗余的自由度適應茄子的形狀；劉繼展等[21]針對機器人摘取及移送過程中導致的果穗振動與果粒脫落問題，提出了一種面向穗軸激勵輸入的果穗振動仿真模型，該研究以葡萄為研究對象，在果穗“梗-果”結構特性基礎上，提出了“撓性桿-鉸鏈-剛性桿-質量球”復合果穗模型，并由試驗確定了模型中各級梗間鉸鏈彈性系數與阻尼系數、果粒尺寸與質量的正態分布規律，獲得了主穗軸的抗彎特性，進而利用激光3D掃描重構得到梗系統，根據試驗結果分別進行剛性、撓性桿件定義和果粒與梗間鉸鏈的添加，構建得到果穗振動仿真模型；金波等[20]為了實現果蔬的無損采摘，采用欠驅動原理設計出具有形狀自適應能力的末端執行器夾指，如圖11、圖12所示，該手爪用1個驅動電動機控制3個手指、9個指節，可以實現對果實的包絡抓取，并且通過PID閉環力控制方式，實現了對遠指關節和所有關節中最大接觸力的有效控制，實現期望的抓取與最大接觸力控制功能，并具有控制簡單可靠、抓取穩定、不損傷果實等特點；姬偉等[22]為減少夾持器抓取蘋果時的碰撞、擠壓損傷，通過壓縮試驗后計算得到了蘋果果皮、果肉和果核3個不同部分的力學參數，建立了單個蘋果的3層實體力學模型，為蘋果收獲機器人夾持器結構設計和控制方法提供參考數據和可控措施；陳燕等[50]為減少采摘中荔枝的機械損傷，通過建立采摘器剪切運動和剪切力模型對末端執行器的結構進行了參數優化；李娜等[51]針對溫室內地壟式栽培草莓自動低損采摘的需求，利用氣動肌腱驅動創新設計了多指式剛柔混聯欠驅動草莓采摘機械手，如圖13所示，該機械手設置欠驅動關節，具有結構簡單、低能耗的特點，同時在手指單元中加入柔順構件，利用其柔性變形可減小采摘中對果實的損壞；饒洪輝等[52]為實現油茶果低損采摘，設計一種氣吸式油茶果采摘機構，該機構先通過真空泵產生的負壓吸住待摘油茶果，再用電機驅動真空吸盤旋轉來對油茶果進行旋脫；王學林等[53]為減少末端執行器對果蔬抓持損傷，設計了基于灰色預測的增量式比例積分夾持力控制算法，實現夾持機構和果蔬之間動態抓持過程的自適應調整；李建偉等[54]根據目前蘋果采摘末端執行器存在的問題，設計了依靠驅動刀片在動力驅使下繞指外圍圓周方向自由旋轉1周，切除蘋果柄任意位置的末端執行器，如圖14所示，設計方式既可避免刀片傷到蘋果，又可以切斷蘋果柄，極大提高了采摘效率，且控制程序簡單，降低了機器成本；羅陸鋒等[55]通過分析葡萄等串型水果的形狀和生長特點，設計了一種夾持-托舉-剪斷式串型水果采摘機構，該機構先由柔性夾指夾持住果梗，再用托盤從后下方托舉果串以防脫落，最后通過剪刀對果梗進行切斷，但目前尚未使用該執行器進行視覺關聯的采摘試驗，其機構與控制參數還有待通過采摘試驗進行優化和修正。

2 研究展望

通過國內外研究狀況分析發現：目前針對機器人無損采摘的研究主要集中于果實目標的識別與定位[17-19，56-57]、免碰撞路徑規劃[6，46]、柔順夾切機構設計[20]、果串防脫落夾持模型[21]、損傷力學特性[22-24]和采摘中夾持力控制[53]等方面，而對于非結構環境下水果采摘機構與視覺關聯的智能行為研究還很少，為增強采摘機器人的智能化、無損化作業水平，未來還有諸多問題需要研究解決。

1）戶外果園環境下光照強度的不確定性使得水果識別算法的魯棒性受到了很大挑戰，目前還未發現有通用算法能解決不斷變化光照下的目標識別問題，盡管世界各地的學者從視覺傳感器、圖像處理算法上進行了大量研究，但仍需要進一步研究和完善。隨著深度學習技術的不斷發展，水果識別算法的魯棒性打破了傳統的圖像識別方法，目前已獲得極大的成功，該方法通過構建多層深度學習的神經網絡來模擬人腦的認知規律，但需要通過大量數據進行卷積神經網絡訓練，未來將深度學習運用于農業非結構環境中的目標識別將是一個非常有潛力的方向。

2）果實果梗采摘點的識別與定位是采摘機器人視覺系統的核心難點問題，盡管國內外學者已經提出了一些有效的實現方法，但大多數是針對單一水果，通用性不強，且精準度還有待進一步提升。在今后的研究中，以深度相機等先進視覺傳感器為基礎，綜合運用點云形態學建模與智能計算方法來構建果實識別模型，可有望提高非結構環境下果實采摘點的識別與定位準確度。

3）非結構因素使得機器人在夾剪過程中極易因定位不準而導致末端執行器損傷水果；容易因采摘順序規劃不當造成果串之間發生干涉碰撞而導致水果滑落損傷；當末端執行器靠近采摘點時，又容易因進給方向和夾剪角度設置不恰當導致執行機構碰傷果實。在今后的研究中，需將采摘機器人作業方式與水果規范化種植進行有機結合，實現農機和農藝高度融合，最終用機構、視覺、傳感器等硬件和軟件實現機器人防損采摘的智能行為決策。

4）設計具有智能防碰損采摘能力的夾剪執行機構及其視覺伺服系統是采摘機器人關鍵所在，傳統采摘機構及其控制系統的設計大多依據采摘對象的形狀特點及其生物力學特性來設計相應的機構構型與控制方法，其視覺系統和采摘機構通常是分開設計后再進行，在今后的研究中非常需要對防碰損采摘的視覺認知與執行機構進行協同耦合建模，通過對耦合過程模型進行反復試驗來改進和優化水果防碰損采摘系統的機構設計參數和視覺伺服控制參數。

參考文獻/References：

[1] 王儒敬， 孫丙宇. 農業機器人的發展現狀與展望[J].中國科學院院刊，2015，30（6）：803-809.

WANG Rujing， SUN Bingyu. Development status and expectation of agricultural robot[J]. Bulletin of Chinese Academy of Science， 2015，30（6）：803-809.

[2] GONGAL A， AMATYA S， KARKEE M， et al. Sensors and systems for fruit detection and localization： A review[J]. Computers and Electronics in Agriculture，2015，116（8）：8-19.

[3] BECHAR A， VIGNEAULT C. Agricultural robots for field operations： Concepts and components[J]. Biosystems Engineering， 2016， 149： 94-111.

[4] BAC C W， HEMMING J， HENTEN E J V. Robust pixel-based classification of obstacles for robotic harvesting of sweet-pepper[J].Computers and Electronics in Agriculture， 2013， 96（12）：148-162.

[5] MEHTA S S， BURKS T F. Vision-based control of robotic manipulator for citrus harvesting[J]. Computers and Electronics in Agriculture， 2014，102（3）：146-158.

[6] HENTEN E J V， SCHENK E J， WILLIGENBURG L G V， et al. Collision-free inverse kinematics of the redundant seven-link manipulator used in a cucumber picking robot[J]. Biosystems Engineering， 2010， 106（2）： 112-124.

[7] KONDO N， YATA K， IIDA M， et al. Development of an end-effector for a tomato cluster harvesting robot[J]. Engineering in Agriculture Environment and Food， 2010，3（1）：20-24.

[8] HAYASHI S， YAMAMOTO S， SAITO S， et al. Structural environment suited to the operation of a strawberry-harvesting robot mounted on a travelling platform[J]. Engineering in Agriculture Environment and Food，2013， 6（1）：34-40.

[9] 王糧局，張立博，段運紅，等.基于視覺伺服的草莓采摘機器人果實定位方法[J].農業工程學報， 2015，31（22）：25-31.

WANG Liangju， ZHANG Libo， DUAN Yunhong， et al. Fruit localization for strawberry harvesting robot based on visual servoing[J]. Transactions of the Chinese Society of Agricultural Engineering， 2015，31（22）：25-31.

[10]SI Y， LIU G， FENG J. Location of apples in trees using stereoscopic vision[J]. Computers and Electronics in Agriculture， 2015， 112（3）： 68-74.

[11]ZHAO D A， LYU J， JI W， et al. Design and control of an apple harvesting robot[J]. Biosystems Engineering， 2011， 110（2）： 112-122.

[12]紀超，馮青春，袁挺，等.溫室黃瓜采摘機器人系統研制及性能分析[J].機器人， 2011， 33（6）： 726-730.

JI Chao， FENG Qingchun， YUAN Ting， et al. Development and performance analysis on cucumber harvesting robot system in greenhouse[J]. Robot， 2011， 33（6）： 726-730.

[13]宋健，孫學巖，張鐵中，等. 開放式茄子采摘機器人設計與試驗[J].農業機械學報，2009， 40（1）：143-147.

SONG Jian， SUN Xueyan， ZHANG Tiezhong， et al. Design and experiment of opening picking robot for eggplant[J]. Transactions of the Chinese Society for Agricultural Machinery， 2009， 40（1）：143-147.

[14]葉敏，鄒湘軍，羅陸鋒，等.荔枝采摘機器人雙目視覺的動態定位誤差分析[J].農業工程學報， 2016， 32（5）： 50-56.

YE Min， ZOU Xiangjun， LUO Lufeng， et al. Error analysis of dynamic localization tests based on binocular stereo vision on litchi harvesting manipulator[J]. Transactions of the Chinese Society of Agricultural Engineering， 2016， 32（5）： 50-56.

[15]崔永杰，蘇帥，王霞霞，等.基于機器視覺的自然環境中獼猴桃識別與特征提取[J].農業機械學報，2013，44（5）：247-252.

CUI Yongjie， SU Shuai， WANG Xiaxia， et al. Recognition and feature extraction of kiwifruit in natural environment based on machine vision[J]. Transactions of the Chinese Society for Agricultural Machinery，2013，44（5）：247-252.

[16]HAYASHI S， SHIGEMATSU K， YAMAMOTO S， et al. Evaluation of a strawberry-harvesting robot in a field test[J]. Biosystems Engineering， 2010， 105（2）： 160-171.

[17]項榮，應義斌，蔣煥煜，等.基于雙目立體視覺的番茄定位[J].農業工程學報， 2012，28（5）：161-167.

XIANG Rong， YING Yibin， JIANG Huanyu， et al. Localization of tomatoes based on binocular stereo vision[J]. Transactions of the Chinese Society of Agricultural Engineering， 2012，28（5）：161-167.

[18]張鐵中，陳利兵，宋健.草莓采摘機器人的研究：Ⅱ.基于圖像的草莓重心位置和采摘點的確定[J].中國農業大學學報，2005，10（1）： 48-51.

ZHANG Tiezhong， CHEN Libing， SONG Jian. Study on strawberry harvesting robot： Ⅱ.Images based identifications of strawberry barycenter and plucking position[J]. Journal of China Agricultural University，2005，10（1）： 48-51.

[19]郭艾俠，熊俊濤，肖德琴，等.融合Harris與SIFT算法的荔枝采摘點計算與立體匹配[J].農業機械學報，2015，46（12）：11-17.

GUO Aixia， XIONG Juntao， XIAO Deqin， et al. Computation of picking point of litchi and its binocular stereo matching based on combined algorithm of Harris and SIFT[J]. Transactions of the Chinese Society for Agricultural Machinery， 2015，46（12）：11-17.

[20]金波，林龍賢.果蔬采摘欠驅動機械手爪設計及其力控制[J].機械工程學報，2014， 50（19）： 1-8.

JIN Bo， LIN Longxian. Design and force control of an underactuated robotic hand for fruit and vegetable picking[J]. Journal of Mechanical Engineering， 2014， 50（19）： 1-8.

[21]劉繼展，唐善奇，單帥，等.機器人采摘葡萄果穗振動仿真與試驗[J].農業機械學報，2016，47（5）：1-8.

LIU Jizhan， TANG Shanqi， SHAN Shuai， et al. Simulation and test of grape fruit cluster vibration for robotic harvesting[J]. Transactions of the Chinese Society for Agricultural Machinery， 2016，47（5）：1-8.

[22]姬偉，李俊樂，楊俊，等.機器手采摘蘋果抓取損傷機理有限元分析及驗證[J].農業工程學報，2015，31（5）：17-22.

JI Wei， LI Junle， YANG Jun， et al. Analysis and validation for mechanical damage of apple by gripper in harvesting robot based on finite element method[J]. Transactions of the Chinese Society of Agricultural Engineering， 2015，31（5）：17-22.

[23]陳燕，蔡偉亮，鄒湘軍，等.荔枝的力學特性測試及其有限元分析[J].農業工程學報，2011，27（12）： 358-363.

CHEN Yan， CAI Weiliang， ZOU Xiangjun， et al. Mechanical properties test and finite element analysie for litchi[J]. Transactions of the Chinese Society of Agricultural Engineering， 2011，27（12）： 358-363.

[24]蔣志林，陳燕，談建豪，等.荔枝應力松弛特性及其損傷的試驗研究[J].現代食品科技，2015，31（5）：96-101.

JIANG Zhilin， CHEN Yan， TAN Jianhao， et al. Experimental study on stress relaxation characteristics and associated damage litchi[J]. Modern Food Science and Technology， 2015，31（5）：96-101.

[25]CHAMELAT R， ROSSO E， CHOKSURIWONG A， et al. Grape detection by image processing[C]//Conference of the IEEE Industrial Electronics Society.[S.l.]：[s.n.]，2006： 3697-3702.

[26]REIS M J C S， MORAIS R， PERES E， et al. Automatic detection of bunches of grapes in natural environment from color images[J]. Journal of Applied Logic， 2012， 10（4）：285-290.

[27]田銳，郭艷玲.基于機器視覺的葡萄自動識別技術[J].東北林業大學學報，2008，36（11）：95-97.

TIAN Rui， GUO Yanling. Automatic identification techniques of grape based on computer vision[J]. Journal of Northeast Forestry University， 2008，36（11）：95-97.

[28]熊俊濤，鄒湘軍，陳麗娟，等.基于機器視覺的自然環境中成熟荔枝識別[J].農業機械學報， 2011， 42（9）： 162-166.

XIONG Juntao， ZOU Xiangjun， CHEN Lijuan， et al. Recognition of mature litchi in natural environment based on machine vision[J]. Transactions of the Chinese Society for Agricultural Machinery， 2011， 42（9）： 162-166.

[29]羅陸鋒，鄒湘軍，楊洲，等.基于改進人工蜂群模糊聚類的葡萄圖像快速分割方法[J].農業機械學報， 2015， 46（3）：23-28.

LUO Lufeng， ZOU Xiangjun， YANG Zhou， et al. Grape image fast segmentation based on improved artificial bee colony and fuzzy clustering[J]. Transactions of the Chinese Society for Agricultural Machinery， 2015， 46（3）：23-28.

[30]LUO Lufeng， TANG Yunchao， ZOU Xiangjun， et al. Robust grape cluster detection in a vineyard by combining the AdaBoost framework and multiple color components[J]. Sensors，2016， 16（12）： 2098-2117.

[31]趙德安，沈甜，陳玉，等.蘋果采摘機器人快速跟蹤識別重疊果實[J].農業工程學報，2015，31（2）：22-28.

ZHAO Dean， SHEN Tian， CHEN Yu， et al. Fast tracking and recognition of overlapping fruit for apple harvesting robot[J]. Transactions of the Chinese Society of Agricultural Engineering， 2015，31（2）：22-28.

[32]宋懷波，張傳棟，潘景朋，等.基于凸殼的重疊蘋果目標分割與重建算法[J].農業工程學報，2013，29（3）：163-168.

SONG Huaibo， ZHANG Chuandong， PAN Jingpeng， et al. Segmentation and reconstruction of overlapped apple images based on convex hull[J]. Transactions of the Chinese Society of Agricultural Engineering， 2013，29（3）：163-168.

[33]WANG D， SONG H， TIE Z， et al. Recognition and localization of occluded apples using K-means clustering algorithm and convex hull theory： A comparison[J]. Multimedia Tools and Applications， 2016，75（6）：3177-3198.

[34]徐越，李盈慧，宋懷波，等.基于Snake模型與角點檢測的雙果重疊蘋果目標分割方法[J].農業工程學報，2015，31（1）：196-203.

XU Yue， LI Yinghui， SONG Huaibo， et al. Segmentation method of overlapped double apples based on snake model and corner detectors[J]. Transactions of the Chinese Society of Agricultural Engineering， 2015，31（1）：196-203.

[35]XIANG R， JIANG H， YING Y. Recognition of clustered tomatoes based on binocular stereo vision[J].Computers and Electronics in Agriculture， 2014，106（5）： 75-90.

[36]盧軍，桑農.變化光照下樹上柑橘目標檢測與遮擋輪廓恢復技術[J].農業機械學報，2014，45（4）：76-81.

LU Jun， SANG Nong. Detection of citrus fruits within tree canopy and recovery of occlusion contour in variable illumination[J]. Transactions of the Chinese Society for Agricultural Machinery， 2014，45（4）：76-81.

[37]BULANON D， KATAOKA T， OKAMOTO H， et al. Determining the 3-D location of the apple fruit during harvest[C] //Automation Technology for Off-Road Equipment Proceedings of the 2004 Conference.[S.l.]：[s.n.]， 2004： 91- 97.

[38]李斌，Ning Wang，汪懋華， 等.基于單目視覺的田間菠蘿果實識別[J].農業工程學報，2010，26（10）： 345-349.

LI Bin， WANG Ning， WANG Maohua， et al. In-field pineapple recognition based on monocular vision[J]. Transactions of the Chinese Society of Agricultural Engineering， 2010，26（10）： 345-349.

[39]熊俊濤，鄒湘軍，彭紅星，等.擾動柑橘采摘的實時識別與采摘點確定技術[J].農業機械學報，2014，45（8）：38-43.

XIONG Juntao， ZOU Xiangjun， PENG Hongxing， et al. Real-time identification and picking point localization of disturbance citrus picking[J]. Transactions of the Chinese Society for Agricultural Machinery， 2014，45（8）：38-43.

[40]楊慶華，劉燦，荀一， 等.葡萄套袋機器人目標識別方法[J].農業機械學報，2013，44（8）：234-239.

YANG Qinghua， LIU Can， XUN Yi， et al. Target recognition for grape bagging robot[J]. Transactions of the Chinese Society for Agricultural Machinery， 2013，44（8）：234-239.

[41]羅陸鋒，鄒湘軍，熊俊濤，等.自然環境下葡萄采摘機器人采摘點的自動定位[J].農業工程學報， 2015， 31（2）： 14-21.

LUO Lufeng， ZOU Xiangjun， XIONG Juntao， et al. Automatic positioning for picking point of grape picking robot in natural environment[J]. Transactions of the Chinese Society of Agricultural Engineering， 2015， 31（2）： 14-21.

[42]INKYU S， LEHNERT C， ENGLISH A， et al. Peduncle detection of sweet pepper for autonomous crop harvesting-combined color and 3-D information[J]. IEEE Robotics & Automation Letters， 2017，2（2） ：765-772.

[43]羅陸鋒， 鄒湘軍， 葉敏， 等. 基于雙目立體視覺的葡萄采摘防碰空間包圍體求解與定位[J]. 農業工程學報， 2016， 32（8）： 41-47.

LUO Lufeng， ZOU Xiangjun， YE Min， et al. Calculation and localization of bounding volume of grape for undamaged fruit picking based on binocular stereo vision[J]. Transactions of the Chinese Society of Agricultural Engineering， 2016， 32（8）： 41-47.

[44]BAC C W， ROORDA T， RESHEF R， et al. Analysis of a motion planning problem for sweet-pepper harvesting in a dense obstacle environment[J]. Biosystems Engineering，2015， 146（6）：85-97.

[45]梁喜鳳， 王永維， 苗香雯. 番茄收獲機械手避障運動規劃[J]. 農業機械學報， 2008， 39（11）： 89-93.

LIANG Xifeng， WANG Yongwei， MIAO Xiangwen. Motion planning of a tomato harvesting manipulator for obstacle avoidance[J]. Transactions of the Chinese Society for Agricultural Machinery， 2008， 39（11）： 89-93.

[46]尹建軍， 武傳宇， Yang Simon X， 等. 番茄采摘機器人機械臂避障路徑規劃[J]. 農業機械學報， 2012， 43（12）： 171-175.

YIN Jianjun， WU Chuanyu， YANG Simon X， et al. Obstacle-avoidance path planning of robot arm for tomato-picking robot[J]. Transactions of the Chinese Society for Agricultural Machinery， 2012， 43（12）： 171-175.

[47]王冰心，王孫安，于德弘.基于選擇性注意機制的果實簇識別與采摘順序規劃[J].農業機械學報，2016，47（11）：1-7.

WANG Bingxin， WANG Sunan， YU Dehong. Fruit cluster recognition and picking sequence planning based on selective attention[J]. Transactions of the Chinese Society for Agricultural Machinery， 2016，47（11）：1-7.

[48]羅陸鋒， 鄒湘軍， 程堂燦，等. 采摘機器人視覺定位及行為控制的硬件在環虛擬試驗系統設計[J]. 農業工程學報， 2017， 33（4）：39-46.

LUO Lujin， ZOU Xiangjun， CHENG Tangcan， et al. Design of virtual test system based on hardware-in-loop for picking robot vision localization and behavior control[J]. Transactions of the Chinese Society of Agricultural Engineering， 2017， 33（4）：39-46.

[49]BLANES C， ORTIZ C， MELLADO M. Assessment of eggplant firmness with accelerometers on a pneumatic robot gripper[J]. Computers and Electronics in Agriculture， 2015， 113（4）： 44-50.

[50]陳燕， 蔡偉亮， 向和平， 等. 荔枝采摘器優化設計與仿真[J]. 農機化研究， 2013（8）： 84-87.

CHEN Yan， CAI Weiliang， XIANG Heping， et al. Optimized design and simulation of litchi harvesting device[J]. Journal of Agricultural Mechanization Research， 2013（8）： 84-87.

[51]李娜， 王家忠， 張建寶， 等. 一種剛柔混聯欠驅動草莓采摘機械手設計[J]. 河北農業大學學報， 2015， 38（1）： 118-121.

LI Na， WANG Jiazhong， ZHANG Jianbao， et al. Design of under actuated strawberry harvesting manipulator with rigid-compliant structured[J]. Journal of Agricultural University of Hebei， 2015， 38（1）： 118-121.

[52]饒洪輝， 羅時挺， 徐諧慶，等. 一種氣吸式油茶果采摘機[P].中國專利： CN201520070541.1， 2015-02-06.

[53]王學林，姬長英，周俊，等.基于灰色預測控制的果蔬抓取系統設計與試驗[J].農業工程學報，2010， 26（3）： 112-117.

WANG Xuelin， JI Changying， ZHOU Jun， et al. Design and experiment of fruit and vegetable grasping system based on grey prediction control[J]. Transactions of the Chinese Society of Agricultural Engineering， 2010， 26（3）： 112-117.

[54]李建偉，陳艷艷.蘋果采摘機器人末端執行器的原理及試驗研究[J].農機化研究， 2017（9）：139-142.

LI Jianwei， CHEN Yanyan. Structural principle and experimental research on the end effector of apple picking robot[J]. Journal of Agricultural Mechanization Research， 2017（9）：139-142.

[55]羅陸鋒， 楊自尚，徐東升，等.串型水果采摘機器人的末端執行器[P]. 中國專利： CN201610843191.7， 2016-12-28.

[56]ZOU X， ZOU H， LU J. Virtual manipulator-based binocular stereo vision positioning system and errors modeling[J]. Machine Vision and Applications， 2012， 23（1）： 43-63.

[57]LUO Lufeng， TANG Yunchao， ZOU Xiangjun， et al. Vision-based extraction of spatial information in grape cluster for harvesting robots[J]. Biosystems Engineering， 2016， 151（11）：90-104.