紅花采摘機器人集條預定位機構設計與試驗

陳 飛，葛 云,2，張立新,2，戚祝暉，曾海峰,2

紅花采摘機器人集條預定位機構設計與試驗

陳 飛1，葛 云1,2※，張立新1,2，戚祝暉1，曾海峰1,2

（1. 石河子大學機械電氣工程學院，石河子 832000；2.兵團工業技術研究院，石河子 832000）

針對紅花選擇性采收中枝條擺動干擾識別和采摘的問題，該研究結合紅花獨特的生長特性，提出一種在識別前調整紅花植株形態的集條預定位原理，設計了一種紅花采摘機器人集條預定位機構，確定了紅花植株集條機構和主干位置識別機構的主要結構參數，并通過分析獲得集條作業與主干位置識別作業中凸輪各工作段的對應關系。田間試驗表明：在集條夾持板間距和上沿圓弧半徑分別為50和292 mm的情況下，防擺動枝條露出長度合格率為80.53%，夾果率為2.04%，植株損傷率為0.47%，果球損傷率為1.04%，幅寬比為16.64%，果球分散度為83.76%，果球遮擋率為6.51%，集條預定位作業可有效降低枝條的擺動，使整株紅花果球呈條狀有序分布，最終降低整株紅花的識別和采摘難度。該研究可為紅花自動化采摘提供參考。

機器人；設計；試驗；紅花；選擇性采收；集條；預定位

0 引 言

紅花集食藥材、油料、染料和飼料等用途于一身[1]，具有較高的使用價值，但紅花與其他農作物不同，其紅花絲與紅花果球的種子成熟期不同，采收紅花絲時無法采用傳統的統收方法，必須使用選擇性采收技術收獲。而選擇性采收過程中尤為重要的是對紅花果球的識別定位。目前紅花采收作業中紅花果球的定位仍由人工完成[2]，由人眼手協調完成紅花果球定位，然后手持采摘器完成紅花絲采摘，存在工作效率低、勞動強度大等缺點。

選擇性采收技術目前廣泛應用于蘋果、臍橙、番茄和草莓等果實類和果梗類等作物，如Avigad等[3]研發了一種可伸縮三指式末端執行器[4]，利用深度相機識別定位蘋果，末端執行器進行抓取；Nir等[5]采用整串選擇性采摘方式，采用機器視覺算法識別定位成熟番茄，夾切式末端執行器切斷果梗完成采摘。Williams等[6-7]研發了多機械臂獼猴桃選擇性收獲機器人，采用深度神經網絡和帶結構光的深度視覺信息實現獼猴桃檢測定位，末端執行器進行采摘；陳燕等[8]研究了大視場下荔枝采摘機器人的視覺預定位方法，基于雙目立體視覺提前對果實分布進行預定位，采摘時再進行精確采摘點定位。上述研究中針對選擇性采收的識別定位技術主要利用彩色相機[9-12]、激光雷達[13]、近紅外相機、深度相機[14-18]以及多光譜相機等實現，實際應用中，目標周圍廣泛存在著果實、果梗、葉片及枝條間相互遮擋與聚集果實擺動等問題[19-21]；紅花選擇性采收過程也存在類似問題，采摘場景復雜。一方面，由于紅花果球分布在枝條頂端，重心較高、枝條細長，導致采摘時枝條大幅擺動，擺動的單個枝條會帶動整株枝條大幅擺動，不利于單株紅花后續的識別和采摘作業。另一方面，由于整株紅花果球呈空間無序分布，在采摘完單個紅花果球上的紅花絲后，末端執行器需無規律大幅移動多次至各未采摘的紅花果球后采摘，耗時長、難度高且操作復雜，無法實現紅花自動化采摘。

為實現采摘過程中紅花枝條相對穩定（不擺動），本文結合紅花植株空間形態分布，提出一種集條預定位原理，使枝條固定點靠近紅花果球，減小單個枝條及整株枝條采摘后的擺動，并將單株紅花果球的分布狀態由空間無序調整為條狀有序，降低整株紅花的識別和采摘難度，以期為紅花自動化采摘提供理論基礎。

1 紅花采摘機器人總體結構與工作過程

1.1 總體結構

紅花采摘機器人總體結構如圖1a所示，由紅花植株集條機構、主干位置識別機構、末端執行器、行走底盤、視覺識別系統、控制面板、收集箱、負壓風機、升降機構和傳動裝置等組成。固定架Ⅰ、Ⅱ分布在行走底盤支撐架下方兩側，集條機構與固定架Ⅰ、Ⅱ上的升降機構相連，末端執行器固定在傳動裝置連接板上，位于集條機構上方，視覺識別系統安裝在固定架Ⅱ上側，略高于集條機構，主干位置識別機構位于集條機構側下方，安裝在固定架Ⅱ末端。

1.2 工作過程

紅花采摘機器人采用單株作業方式，工作時行走底盤以設定速度沿紅花植株行間前進，主干位置識別機構檢測到主干位置時行走底盤停止，視覺識別系統獲取紅花植株高度，調整升降機構，然后紅花植株集條機構完成集條作業，視覺識別系統隨即對整株紅花絲進行識別和定位，控制面板根據采摘路徑控制傳動裝置運行，啟動末端執行器采摘紅花絲，整株紅花絲采收完畢后，行走底盤繼續前進，循環上述工作。

2 紅花生長特性與集條預定位原理

2.1 紅花生長特性

紅花種植模式分為水澆地和旱作種植模式2種，本文研究適用于水澆地種植模式，600 mm等行距種植。收獲期紅花具有一枝一花、果球空間無序分布、頂端生長、重心高、開放時間不一[22]和形態對稱等獨特的生長特性，如圖2所示。紅花植株形態參數值如表1[23]所示。由于紅花枝條細長且紅花果球重心較高，末端執行器采摘時會拉拔和擠壓果球，使枝條大幅擺動，整株枝條也隨之擺動，無法及時進行后續的識別和采摘。

表1 紅花植株形態參數

2.2 采摘時枝條擺動力學模型

針對采摘時枝條擺動問題，建立枝條擺動力學模型，將受到末端執行器作用的枝條簡化為下端固定、上端自由的軸心受壓直桿[24]，保持為豎直方向的載荷作用于自由端，桿件在承受作用后產生撓度，以固定端為原點建立直角坐標系，當桿件失穩后，其擺動力學模型如圖3所示。根據彈性微分方程式（1）得到微分方程的一般解（式2）

式中為紅花枝條撓度，mm；為紅花枝條曲率，為系統所受載荷，N；EI為桿件的抗彎剛度，N·mm2。

式中、、和為積分常數。

對于自由端，彎矩應等于0，即=時：

式中為彎矩，N·mm，為紅花枝條長度，mm。

綜上得到：

由材料力學[25]可知，紅花枝條自由端的剪力為

式中為紅花枝條自由端剪力，N。

綜上得到：

對于非0解，應有≠0，則根據式（4）可得:

式中=0，1，2，3…，可得其臨界載荷P（=0）為

P對應的彈性曲線方程為

以表示自由端的位移，則=?，即：

2.3 紅花植株集條預定位原理

根據枝條擺動分析結果，提出一種在識別前對紅花植株形態調整的集條預定位原理（圖4），紅花植株在自然狀態下（圖4a），集條板沿主干兩側相向運動，集條到設定位置后（圖4b），集條板上移（圖4c），在集條夾持板夾持作用下，枝條自由端長度減小，采摘時枝條的擺動減弱，同時整株紅花果球由空間無序分布變為條狀有序分布。

3 關鍵部件設計

3.1 紅花植株集條機構

為降低采摘時枝條的擺動，同時減小對紅花植株的損傷，基于紅花植株集條預定位原理，結合集條作業特點，對紅花植株集條機構關鍵結構進行設計。

3.1.1 紅花植株集條作業過程分析

紅花植株集條機構主要包括集條夾持板驅動機構和集條夾持板，其結構及工作過程如圖5所示，集條作業時，集條夾持板驅動機構驅動集條夾持板按預定軌跡完成集條。工作過程為左側集條夾持板由點移至點，右側集條夾持板按對稱軌跡運動，在集條夾持板的作用下紅花植株集中為條狀，集條夾持板保持固定完成識別和采摘；采摘完成后左側集條夾持板由點沿反向軌跡移至點，右側集條夾持板按對稱軌跡運動，恢復紅花植株自然形態。

注：′為集條板初始位置，′為集條板集條夾持位置。

Note:and′ is the initial position of the strip-collected plate,and′ is the clamping position of the strip-collected plate.

1.集條夾持板驅動機構 2.集條板

1.Driving mechanism of strip-collected clamping plate 2.Strip-collected plate

圖5 紅花植株集條機構工作過程示意圖

Fig.5 Safflower plants strip-collected mechanism working process diagram

3.1.2 集條夾持板驅動機構

集條夾持板驅動機構主要由曲柄搖桿和平行四桿組成，其結構簡圖及運動過程如圖6所示，曲柄按設定速度按順時針旋轉，由于集條夾持板驅動機構沿主干對稱分布，因此，僅對單側機構進行設計。

1）曲柄搖桿

在集條作業行程中，作業速度不能太快，以減少對紅花植株及果球的碰撞損傷，而在回程中，要求作業速度較快以節省空回時間，結合四桿機構特性[26]，選用曲柄搖桿實現集條。

根據表1中紅花植株平均高度和集條夾持板距主干的距離2確定最高集條預定位點的位置，根據果球最低分布位置及紅花植株單側幅寬1確定集條作業起點的位置，和是曲柄搖桿的2個極限位置點，結合機架位置參數設定擺角1=65°，集條作業要求快速返回，設曲柄搖桿行程比系數=1.6，最小傳動角min=45°。根據行程速度變化系數關系式可得：

根據△、△的幾何關系，并考慮紅花種植行距，可得：

根據幾何關系得最小傳動角min計算式為

式中表示長度，下標表示各桿件符號，cm。由機械原理可知，在行程速度系數與搖桿擺角1確定的情況下，機架尺寸參數不影響搖桿的速度，考慮行走底盤結構參數，設定機架長度l=166 mm，將min=45°，1=65°代入式（11）～式（13），得到曲柄長度l=55.5 mm，連桿長度l=381.6 mm，搖桿長度l=280.4 mm。

2）平行四桿機構

在集條作業過程中，曲柄搖桿驅動集條夾持板向植株主干相向移動，集條夾持板與連桿連接，但由于連桿在作業過程的方向實時變化，導致左右兩側集條夾持板無法保持實時平行和有效調整集條夾持板間距。因此，在曲柄搖桿下方增加平行四桿（圖7），集條夾持板與平行四桿連架桿連接。曲柄搖桿同時作為平行四桿機構連架桿，機架與曲柄搖桿機架共線，連桿與集條夾持板連接。集條作業過程中連桿與機架始終保持平行。考慮到集條夾持板尺寸，設定機架長度l=80 mm，平行四桿在曲柄搖桿的驅動下運行，平行四桿極限位置[27]的尺寸參數如圖7所示。

平行四桿總升高量為

根據曲柄搖桿參數計算得1=24°，2=35°，3=31°，平行四桿總升高量為255.2 mm。

3.1.3 集條夾持板設計

自然狀態下紅花植株呈扇形分布，集條作業時集條夾持板將較低的紅花果球夾持，紅花果球會聚集在一起產生遮擋，干擾后續識別和采摘作業，針對該問題，結合表1紅花植株形態參數，設計集條夾持板參數。

根據曲率原理[28]，半徑越大，對應的曲率越小，則圓弧越趨近直線。若圓弧半徑（圖8a中）大于紅花果球分布圓弧半徑（圖8a中），則紅花果球低于集條夾持板，無法進行采摘，若圓弧半徑（圖8a中）小于紅花果球分布圓弧半徑（圖8a中），則枝條固定點下移，采摘時枝條的擺動增大。因此設定集條夾持板（圖8b）圓弧半徑=292 mm，為使集條夾持板作業范圍覆蓋不同幅寬紅花植株，設定夾持板水平幅寬=550 mm,徑向寬度=150 mm。根據幾何關系式，集條夾持板弧度角1為

式中為集條夾持板水平幅寬，mm。計算可得187°。

末端執行器作業時要求紅花果球水平間距不低于30 mm，單株紅花一般有7個分枝。因此，在集條夾持板內側沿圓周設置7個導向槽，槽間夾角2=16°，由于紅花枝條直徑在7～9 mm范圍內，為減小枝條對集條的阻力，導向槽形狀設計為半圓，直徑=10 mm。

注：為半徑大于紅花果球分布半徑的圓弧；為紅花果球分布半徑圓弧；為半徑小于紅花果球分布半徑的圓弧；為集條夾持板最大長度，mm；為集條夾持板圓弧半徑，mm；為導向槽直徑，mm；為集條夾持板徑向寬度，mm；1為集條夾持板弧度夾角，(°)；2為導向槽間夾角，(°)。

Note:is the arc whose radius is greater than the distribution radius of safflower ball;is the circular arc of safflower fruit ball distribution radius;is the arc whose radius is less than the distribution radius of safflower fruit ball;is the maximum length of strip-collected clamping plate, mm;is the arc radius of strip-collected clamping plate, mm;is the diameter of guide groove, mm;is the radial width of strip-collected clamping plate, mm;1is the arc angle of strip-collected clamping plate, (°);2is the angle between guide grooves, (°).

圖8 集條夾持板尺寸分析與結構圖

Fig.8 Dimensional analysisandstructure of strip-collected clamping plate

3.2 主干位置識別機構

紅花植株集條機構運行時，需要以主干為基準進行集條，為獲得主干位置信息，同時配合集條作業進行周期性往復運動，選用帶有壓力傳感器的觸桿配合凸輪采集主干位置信息。

3.2.1 工作過程與原理

主干位置識別機構主要由壓力傳感器、觸桿、和凸輪等組成。主干位置識別機構工作原理如圖9所示，當壓力傳感器接觸到主干時，觸桿處于位置1，主干阻擋觸發壓力傳感器達到設定閾值時，觸發停止信號使行走底盤停止前進，集條作業開始。

當集條作業完成時，凸輪運行使觸桿由位置1逆時針轉動至位置2避開主干，同時行走底盤繼續前進，凸輪繼續運行使觸桿回到初始位置1，繼續下一主干的位置識別。

3.2.2 壓力傳感器及觸桿

壓力傳感器安裝在觸桿圓弧段，選用蘇州能斯達電子科技有限公司的DF9-16（隨壓力變化輸出0～20 kΩ電阻，量程為5 kg，響應點為150 g）。當壓力傳感器達到控制面板設置的閾值時，凸輪驅動觸桿繞點旋轉，旋轉到2位置。

主干平均直徑為7 mm，為避免作業偏差導致觸桿誤觸主干，設定主干行間安全距離3為21 mm。觸桿由直線段和圓弧段組成，由于經常與主干碰撞接觸，為保證其強度，采用直徑2為7 mm的彈簧鋼制成，為保證圓弧有效碰撞主干，且不會由于慣性脫離主干，圓弧段的半徑為50 mm，圓弧段的弧度角3為50°，結合主干位置識別機構參數和在行走底盤上的安裝位置，設定觸桿的直線段長度2為170 mm，當觸桿繞點由1轉動到2位置時，觸桿擺動角為1，達到最大擺動角度。

3.2.3 凸輪

在主干位置識別時，壓力傳感器識別主干后，要求觸桿按預定軌跡周期性擺動，而凸輪具有響應快速的特點，可以按照預定軌跡周期性運動，因此選用凸輪并進行參數設計。

根據圖9幾何關系得到點坐標方程為

點坐標方程為

當進行主干識別時，觸桿上點運動到極限位置1，1點坐標方程為

當進行主干避讓時，觸桿上點運動到極限位置2，2點坐標方程為

基于各點坐標方程，據幾何關系得到點1的坐標方程為

上述各式中表示長度，下標符號表示各長度起止點。主干直徑最大為9 mm，為避免作業時觸桿頭部靠近主干距離過近產生誤識別現象，主干行距3為21 mm，根據幾何關系求出觸桿極限位置1所對應的夾角4為20.5°，2所對應的夾角2為45.3°，根據上述數學方程分別求出一組凸輪回轉中心2到輪廓線上1點的距離，分別記為1和2，其中1和2中的較小值為凸輪的基圓半徑0，即凸輪基圓半徑0=min(1,2)。根據上述運動學方程求得0為20.5 mm。

選用多項式運動規律[26]，計算得到凸輪運動過程參數如表2所示，進而得到凸輪廓線。

表2 主干位置識別機構凸輪運動過程參數

3.3 集條作業與凸輪工作行程關系匹配

在主干位置識別機構運行過程中，凸輪逆時針旋轉帶動觸桿往復擺動，獲得主干位置信息，與紅花植株集條機構配合作業，集條作業與凸輪對應的各工作階段匹配關系如圖10所示。

主干位置識別段12：當觸桿運動到1點時，位于凸輪輪廓近休止段，凸輪空運行階段開始，凸輪相對觸桿逆時針旋轉，此時集條機構處于等待集條作業階段，觸桿保持靜止，觸桿頭部壓力傳感器超出閾值時，識別并獲取主干位置信號。

主干避讓段23：此階段觸桿位于凸輪輪廓推程段，從2點開始，集條機構進行集條行程作業，同時凸輪驅動觸桿做逆時針擺動，壓力傳感器迅速離開主干，在觸桿作用下離開主干行間到達主干避讓點。

主干更換段34：此階段觸桿對應凸輪34，遠休止段保持相對靜止，集條作業結束，集條機構進行集條回程作業，行走底盤沿主干行前進，凸輪旋轉到4點時，主干更換過程結束，主干位置識別機構進入復位階段。

復位段41：即將進行下一主干識別時，觸桿與4點接觸，凸輪進入回程段，觸桿相對于凸輪順時針擺動，觸桿到達主干行間內，主干位置識別機構進入下一識別過程。

4 樣機性能試驗

4.1 試驗條件

2021年6月20日－2021年7月3日在新疆石河子市石河子大學試驗場紅花地進行樣機性能試驗。試驗設備包括紅花采摘機器人試驗樣機（圖11）、卷尺（規格0～2 m、精度1 mm）、游標卡尺（規格0～200 mm、精度0.02 mm）和秒表（精度0.01 s）；紅花為水澆地種植，行距600 mm，株距200 mm；品種為“云紅二號”。在紅花地內選取100株紅花，分10組進行試驗，試驗數據按組別取平均值，試驗時設定集條夾持板間距為50 mm，集條夾持板上沿圓弧半徑為292 mm。

試驗過程中樣機采用間歇作業模式：人工推動樣機行進至作業位置，啟動集條預定位機構，步進電機驅動集條夾持板以0.09 m/s的平均速度向紅花植株中心集條，完成集條間距248 mm行程，此時紅花植株處于集條待采摘狀態，集條夾持板停頓1 min后（預留20 s識別和采摘時間、40 s試驗數據采集時間），當末端執行器采摘完畢，步進電機再次驅動集條夾持板，以0.11 m/s的平均速度快速完成回程作業，循環上述作業過程。

4.2 試驗方法及評價指標

集條預定位是為后續視覺識別及采摘提供有利條件，因此，集條預定位作業質量以集條后是否有效降低單個枝條及整株枝條的擺動、整株紅花果球是否呈條狀有序分布為評判標準。一方面，影響枝條擺動的主要因素為枝條長度，枝條過長會引起擺動，枝條過短會夾持果球，同時可能損傷枝條及果球；另一方面，整株紅花果球呈條狀有序分布體現在作業前后紅花植株幅寬的變化，以及紅花果球間的距離和遮擋情況，因此田間試驗選取防擺動枝條露出長度合格率、夾果率、植株損傷率、果球損傷率、幅寬比、果球分散度和果球遮擋率作為集條預定位作業質量評價指標。

4.2.1 防擺動枝條露出長度合格率

根據枝條擺動理論分析結果，定義防擺動枝條露出長度合格率（1）為集條作業后枝條露出集條夾持板的長度＜50 mm的枝條數1占整株枝條數的百分比，計算式如下：

4.2.2 夾果率

夾果率（2）指在集條作業后，紅花果球位置低于集條夾持板上沿而無法進行識別和采摘的紅花果球個數1與單株紅花上總紅花果球數的比值，計算式如下：

4.2.3 植株及果球損傷率

集條作業中紅花受到擠壓而影響其恢復原有植株形態的稱為損傷植株，植株損傷率（3）為單株紅花上受到損傷的枝條數2占總枝條數的百分比，果球損傷率（4）為損傷果球2占總果球數的百分比，計算式如下：

試驗中紅花植株枝條出現折斷、果球出現明顯破損均記為損傷植株，規定3≤2%4≤2%為合格。

4.2.4 幅寬比

幅寬比（5）為進行集條作業后紅花植株沿集條夾持板上的分布幅寬1(mm)占自然狀態下紅花植株幅寬(mm)的百分比，此值越小說明集條效果越好，計算式如下

4.2.5 果球分散度

集條作業后兩紅花果球之間的分散距離X≥30 mm時，采摘作業不會對未采摘紅花果球產生干擾。以紅花果球分散距離合格的紅花果球數3占單株總紅花果球數的百分比表征紅花果球分散度（6）：

4.2.6 果球遮擋率

作業時，相鄰2個紅花果球的重疊面積Y與紅花果球面積Z的比值大于10%，則為遮擋果球。紅花果球遮擋率（7）定義為：在理論集條夾持間距下，集條后遮擋果球數4占單株總果球數的百分比：

4.3 結果與分析

集條預定位作業質量測試結果如表3所示。分析可知，作業后80%以上的枝條長度降低至50 mm以內，其余不足20%的分布在50～80 mm，相比于表1中自然狀態下的枝條長度223～404 mm大幅降低，但有少數紅花果球低于集條夾持板上沿，夾果率在5%以下，作業過程中僅有個別果球及枝條出現損傷，植株損傷率為0.47%，果球損傷率為1.04%；集條后紅花植株幅寬降低至自然狀態下的10%～25%，整株紅花果球呈條狀，且各紅花果球間大多保持分散，合格率達83.76%，有少數紅花果球間產生遮擋現象，遮擋率小于10%。試驗結果表明，集條預定位作業可有效降低單個枝條及整株枝條的擺動，并使整株紅花果球呈條狀有序分布，最終降低整株紅花的識別和采摘難度。田間作業效果如圖12所示。

表3 集條預定位作業質量測試結果

5 結 論

1）本文針對紅花選擇性采收中紅花枝條擺動干擾視覺識別精準定位和采摘質量的問題，結合紅花生長特性，提出了一種集條預定位原理，基于四桿機構特性，設計紅花植株集條機構，并對主要結構參數進行設計。

2）基于主干位置識別要求，結合凸輪運動特性，設計了主干位置識別機構的關鍵參數。并進一步分析集條作業與凸輪各工作段的對應位置關系，進行工作行程匹配。

3）試制紅花采摘機器人試驗樣機進行田間試驗，設定集條夾持板間距50 mm、集條夾持板上沿圓弧半徑292 mm，試驗結果表明，防擺動枝條露出長度合格率為80.53%，夾果率為2.04%，植株損傷率為0.47%，果球損傷率為1.04%，幅寬比為16.64%，果球分散度為83.76%，果球遮擋率為6.51%。驗證了該集條預定位機構理論分析與設計的準確性及合理性，該研究可為紅花自動化采摘提供理論基礎。

[1] 王兆木，陳躍華. 紅花[M]. 北京：中國中醫藥出版社，2001：26-30.

[2] 葛云，張立新，谷家偉，等. 對輥式紅花采收裝置參數優化及試驗[J]. 農業工程學報，2015，31(21)：35-42.

Ge Yun, Zhang Lixin, Gu Jiawei, et al. Parameter optimization and experiment of dual roller harvesting device for safflower[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2015, 31(21): 35-42. (in Chinese with English abstract)

[3] 苑進. 選擇性收獲機器人技術研究進展與分析[J]. 農業機械學報，2020，51(9)：1-17.

Yuan Jin. Research progress analysis of robotics selective harvesting technologies[J]. Transactions of the Chinese Society for Agricultural Machinery, 2020, 51(9): 1-17. (in Chinese with English abstract)

[4] Avigad G, Salomon S, Kahani A, et al. Robotic fruit harvesting machine with fruit-pair picking and hybrid motorized-pneumatic robot arms: US2020/0128744A1[P]. 2020-04-30.

[5] Nir A, Nir O. Automated harvester effector: WO2018167784A1[P]. 2018-09-20.

[6] Williams H, Ting C, Nejati M, et al. Improvements to and large-scale evaluation of a robotic kiwifruit harvester[J]. Journal of Field Robotics, 2020, 37(2): 187-201.

[7] Williams H A M, Jones M H, Nejati M, et al. Robotic kiwifruit harvesting using machine vision, convolutional neural networks, and robotic arms[J]. Biosystems Engineering, 2019, 181: 140-156.

[8] 陳燕，王佳盛，曾澤欽，等. 大視場下荔枝采摘機器人的視覺預定位方法[J]. 農業工程學報，2019，35(23)：48-54.

Chen Yan, Wang Jiasheng, Zeng Zeqin, et al. Research on vision pre-positioning for litchi picking robot under large field of view[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2019, 35(23): 48-54. (in Chinese with English abstract)

[9] Luo L, Tang Y, Lu Q, et al. A vision methodology for harvesting robot to detect cutting points on peduncles of double overlapping grape clusters in a vineyard[J]. Computers in Industry, 2018, 99: 130-139.

[10] 劉平，朱衍俊，張同勛，等. 自然環境下貼疊葡萄串的識別與圖像分割算法[J]. 農業工程學報，2020，36(6)：161-169.

Liu Ping, Zhu Yanjun, Zhang Tongxun, et al. Algorithm for recognition and image segmentation of overlapping grape cluster in natural environment[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2020, 36(6): 161-169. (in Chinese with English abstract)

[11] 呂石磊，盧思華，李震，等. 基于改進YOLOv3-LITE輕量級神經網絡的柑橘識別方法[J]. 農業工程學報，2019，35(17)：205-214.

Lyu Shilei, Lu Sihua, Li Zhen, et al. Orange recognition method using improved YOLOv3-LITE lightweight neural network[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2019, 35(17): 205-214. (in Chinese with English abstract)

[12] 劉芳，劉玉坤，林森，等. 基于改進型YOLO的復雜環境下番茄果實快速識別方法[J]. 農業機械學報，2020，51(6)：229-237.

Liu Fang, Liu Yukun, Lin Sen, et al. Fast recognition method for tomatoes under complex environments based on improved YOLO[J]. Transactions of the Chinese Society for Agricultural Machinery, 2020, 51(6): 229-237. (in Chinese with English abstract)

[13] Sakai H, Shiigi T, Kondo N, et al. Accurate position detecting during asparagus spear harvesting using a laser sensor[J]. Engineering in Agriculture, Environment and Food, 2013, 6(3): 105-110.

[14] Jordi G, Ver Nica V, Joan R R P, et al. Multi-modal deep learning for Fuji apple detection using RGB-D cameras and their radiometric capabilities[J]. Computers and Electronics in Agriculture, 2019, 162: 689-698.

[15] Sarabu H, Ahlin K, Hu A P. Leveraging deep learning and RGB-D cameras for cooperative apple-picking robot arms[C]//2019 ASABE Annual International Meeting, Boston, 2019.

[16] Irie N, Taguchi N, Horie T, et al. Asparagus harvesting robot coordinated with 3-D vision sensor[C]// IEEE International Conference Industrial Technology, Gippsland, Australia, 2009.

[17] 蔡舒平，孫仲鳴，劉慧，等. 基于改進型YOLOv4的果園障礙物實時檢測方法[J]. 農業工程學報，2021，37(2)：36-43.

Cai Shuping, Sun Zhongming, Liu Hui, et al. Real-time detection methodology for obstacles in orchards using improved YOLOv4[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2021, 37(2): 36-43. (in Chinese with English abstract)

[18] 李寒，陶涵虓，崔立昊，等. 基于SOM-K-means算法的番茄果實識別與定位方法[J]. 農業機械學報，2021，52(1)：23-29.

Li Han, Tao Hanxiao, Cui Lihao, et al. Recognition and localization method of tomato based on SOM-K-means algorithm[J]. Transactions of the Chinese Society for Agricultural Machinery, 2021, 52(1): 23-29. (in Chinese with English abstract)

[19] 楊長輝，王卓，熊龍燁，等. 基于Mask R-CNN的復雜背景下柑橘樹枝干識別與重建[J]. 農業機械學報，2019，50(8)：22-30，69.

Yang Changhui, Wang Zhuo, Xiong Longye, et al. Identification and reconstruction of citrus branches under complex background based on Mask R-CNN[J]. Transactions of the Chinese Society for Agricultural Machinery, 2019, 50(8): 22-30, 69. (in Chinese with English abstract)

[20] Zhuang J J, Luo S M, Hou C J, et al. Detection of orchard citrus fruits using a monocular machine vision-based methodfor automatic fruitpicking applications[J]. Computers and Electronics in Agriculture, 2018, 152: 64-73.

[21] 王丹丹，宋懷波，何東健. 蘋果采摘機器人視覺系統研究進展[J]. 農業工程學報，2017，33(10)：59-69.

Wang Dandan, Song Huaibo, He Dongjian. Research advance on vision system of apple picking robot[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2017, 33(10): 59-69. (in Chinese with English abstract)

[22] 葛云，張立新，韓丹丹，等. 紅花絲機械采收的現狀及發展趨勢[J]. 農機化研究，2014，36(11)：265-268.

Ge Yun, Zhang Lixin, Han Dandan, et al. Current state and development trend of the mechanical harvestingon saffron filaments[J]. Journal of Agricultural Mechanization Research, 2014, 36(11): 265-268. (in Chinese with English abstract)

[23] 葛云，張立新，韓丹丹，等. 收獲期紅花絲力學特性與形態特性測定與分析[J]. 農機化研究，2015，37(4)：168-171.

Ge Yun, Zhang Lixin, Han Dandan, et al. Safflower macroscopic material properties measurement and analysis[J]. Journal of Agricultural Mechanization Research, 2015, 37(4): 168-171. (in Chinese with English abstract)

[24] 劉光棟，羅漢泉. 桿系結構穩定[M]. 北京：人民交通出版社，1988.

[25] 季順迎. 材料力學[M]. 北京：科學出版社，2012.

[26] 孫桓，陳作模，葛文杰. 機械原理（第八版）[M]. 北京：高等教育出版社，1988.

[27] 中國農業機械化科學研究院. 農業機械設計手冊（上冊）[M]. 北京：機械工業出版社，1990.

[28] 張玉蓮，陳仲編. 微積分（1）[M]. 南京：東南大學出版社，2018.

Design and experiment of the strip-collected pre-positioning mechanism for safflower picking robots

Chen Fei1, Ge Yun1,2※, Zhang Lixin1,2, Qi Zhuhui1, Zeng Haifeng1,2

(1,,832000,;2,,832000,)

Mechanical harvesting safflower has increased rapidly, with the continuous expansion of planting areasin recent years. However, the branch swing of safflower generally interferes with accurate visual recognition positioning and harvesting quality in selective harvesting of safflower. In this study, a strip-collected pre-positioning mechanism was proposed for a picking robots to adjust the morphology of safflower plants before visual recognition. The key factors were clarified on the swing of branches during harvesting, according to the growth characteristics of safflower, including the one branch has one safflower, the high growth center of the top of the fruit ball, the different opening time, and symmetrical distribution of spatial morphology of safflower plants. A safflower plants strip-collected mechanism also ran with the trunk position recognition to explore the plant shape for the pre-positioned state of strip-collected. The key working parts were designed to determine the structural parameters of safflower plants strip-collected and trunk position recognition mechanism. Specific works included: 1) A kind of safflower plant club mechanism was designed to meet the requirements of strip-collected operation, according to the four-bar kinematics. The key parameters were also optimized for the strip-collected clamping plate drive mechanism and strip-collected clamping plate. 2) The cam motion was utilized to determine the key parameters of trunk position recognition. The position relationship between the strip-collected operation and each working section of the cam was further analyzed to match the working stroke of strip-collected operation and the trunk position recognition. 3) A field test showed that the qualified rate of exposed length of anti swing branch was 80.53%, the fruit ratio of safflower fruit ball was 2.04%, the damage rate of plant was 0.47%, the damage rate of fruit ball was 1.04%, the width-to-width ratio was 16.64%, the dispersion of fruit ball was 83.76%, and the shading rate of fruit ball was 6.51%. Consequently, the strip-collected pre-positioning operation can effectively reduce the swing of the branches, where the whole safflower fruit balls are orderly distributed, and finally reduce the difficulty of identification and picking of the whole safflower. This finding can provide a sound theoretical basis for automatic safflower picking in modern mechanical harvesting.

robots; design; experiments; safflower; selective harvesting; strip-collected; pre-positioning

陳飛，葛云，張立新，等. 紅花采摘機器人集條預定位機構設計與試驗[J]. 農業工程學報，2021，37(15)：10-19. doi：10.11975/j.issn.1002-6819.2021.15.002 http://www.tcsae.org

Chen Fei, Ge Yun, Zhang Lixin, et al. Design and experiment of the strip-collected pre-positioning mechanism for safflower picking robots[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE),2021, 37(15): 10-19. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2021.15.002 http://www.tcsae.org

2021-04-29

2021-06-03

國家重點研發計劃（2019YFC1710905）；國家自然科學基金（52065057）

陳飛，研究方向為機械制造及其自動化。Email：793382541@qq.com

葛云，博士，教授，博士生導師，研究方向為農業機械。Email：gy_shz@163.com

10.11975/j.issn.1002-6819.2021.15.002

S225.99

A

1002-6819(2021)-15-0010-10