柑橘采摘機器人的連續采摘路徑規劃*

唐 熙 ，羅 強，2 ，粟生強

（1.重慶三峽學院機械工程學院，重慶 404100；2.智能山地農機技術研發中心，重慶 404100）

在柑橘生產作業中，采摘是最耗時、最費力的一個環節，約占作業量的40%，費用占成本的50%～70%[1]，且隨著我國人口老齡化問題的加重，柑橘的自動采摘受到了眾多高校和科研院所的重視。現階段，柑橘采摘機器人還存在末端執行器不能完全抓住柑橘或夾持力太大會對柑橘造成二次損傷等問題[2]，柑橘采摘機器人在進行工作時沒有對所有柑橘采摘路徑進行規劃，每完成一次采摘后都需要重新進行路徑規劃，導致采摘效率低。因此，研究柑橘采摘機器人的連續采摘最優路徑具有重要意義。

1 采摘機器人研究現狀

采摘機器人分為末端執行器、移動平臺、識別定位系統、采摘機械臂四大部分。采摘機器人通過移動平臺，實現在果園中的自由移動，通過識別定位系統識別果實種類、成熟度以及相對機器人的位置等信息，機械臂將末端執行器移動到可采摘的位置，末端執行器將果柄與果實分離，完成整個采摘過程。發達國家針對采摘機器人的相關研究在20世紀80年代開始，并針對蘋果、柑橘、葡萄等水果設計了專門的采摘機器人[3]。我國對采摘機器人的研究始于20世紀90年代中期，一直以來，一些高校、科研院所對采摘機器人都有相關研究，如中國農業大學的張鐵中等針對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器人實驗系統，研制出了試驗樣機。

1.1 末端執行器

因水果品種眾多，大小各異，末端執行器在設計時需要考慮不同水果的物理特性和力學特性。例如：采用多指式進行夾取、吸盤吸取來提高末端執行器夾取的穩定性；采用仿生結構設計，提高末端執行器的適用性；在末端執行器上安裝傳感器，避免過大的夾持力對水果造成損壞；采用柔性技術與新型材料，減小抓取過程中對果實的損傷。

1.2 識別定位系統

最初的采摘機器人對水果的識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、大小等特征對柑橘進行識別，存在識別誤差大、抗干擾能力弱、位置誤差大等問題。隨著計算機視覺與深度學習技術的突破，利用YOLO算法對柑橘進行識別[4]，通過RGBD深度相機測量柑橘與相機的距離，是現階段下一種可行且有效的識別定位方案，但是該方案也存在對硬件性能要求高、識別被遮擋柑橘的成功率較低等問題。

1.3 采摘機械臂

采摘機械臂多使用多自由度機械臂。國內之前的工業機械臂市場長期被國外的ABB、KUKA等占領，但隨著國產電機技術和減速器技術的突破，在負載20 kg以下市場涌現了一大批的國產廠家，并提供了完善的驅動接口，通過簡單的命令就能實現機械臂的運動控制。在進行采摘作業時，機器人系統給到采摘機械臂的是目標點的坐標，需要機械臂逆解算出每個關節轉動的角度。

1.4 移動平臺

采摘機器人的移動底盤多采用電機驅動，通過搭載GPS、雷達、攝像頭、工控機等設備實現單點或多點導航，并在行進的過程中避開障礙物。移動平臺在室內或在有GPS的情況下，能實現精準導航，但是在戶外的果園中會存在導航信號丟失、續航時間短、傳感器受到干擾無法進行避障等問題。

2 路徑規劃算法

隨著科學技術的發展，機器人在生產與生活中得到了越來越多的應用，機器人的路徑規劃算法也有了長足的發展，傳統路徑規劃算法如A*算法、D*算法、Dijkstra算法等，智能規劃算法如蟻群算法、遺傳算法、神經網絡算法等，基于采樣的路徑規劃算法如快速拓展隨機數算法、快速行進算法等[5]。

在柑橘采摘路徑規劃問題上，文獻[6]在RRT算法的基礎上，利用了柯西分布的方法，在進行啟發式采樣時，降低了采樣的盲目性；在進行局部搜索時，引入目標引力來動態調節步長，提高了算法的效率。文獻[7]利用基于Value-Based的強化學習的“Q學習算法”，設計了采摘機械手控制系統，實現了機械臂的路徑規劃與采摘過程中的避障。文獻[8]將蘋果采摘的采摘路徑規劃問題轉化為三維空間中的“旅行商問題”進行求解，并提出了一種有限域自適應信息素更新的改進蟻群算法，當蘋果數量為250個時，改進的蟻群算法搜索到的最優路徑長度是普通蟻群算法的94.3%。目前，采摘機器人采摘果實的采摘軌跡研究主要集中在每次采摘單個果實過程中的避障問題與計算優化[9]，機器人在采摘過程中會一直進行往復運動，但是這樣會極大地降低采摘效率。對此，本研究采用蟻群算法求解柑橘采摘路徑規劃問題。

3 蟻群算法

蟻群算法是國外學者Dorigo在博士期間受螞蟻覓食行為啟發而發現的規劃算法。螞蟻在覓食的過程中會在路徑上留下信息素，信息素的濃度與路徑的長度成反比，即從起點到終點螞蟻走過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，柑橘分布在一個三維空間中，柑橘在空間中的三維坐標就是路徑規劃算法中的目標點，以實際中的一棵柑橘樹為例，在Matlab中建立一個200 cm×200 cm×200 cm的三維坐標系，柑橘數目為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為當前柑橘i在空間的坐標；xj，yj，zj為柑橘j在空間中的坐標。

3.2 狀態轉移概率函數

每個螞蟻都是隨機放置一個柑橘坐標作為出發點，并開始尋找下一個柑橘的坐標，螞蟻從柑橘i到柑橘j的狀態轉移概率為：

其中，allowedk表示螞蟻k還沒有到達的柑橘目標點的集合，α是累計的信息素因子，β是螞蟻的啟發式因子，ηij(t)是啟發式函數，表達式如下：

信息素濃度和啟發式函數共同影響狀態轉移概率，如果i到j的距離越近，對應的i到j路徑上的信息素濃度就會越大，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，ρ為信息素的揮發系數，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的路徑長度。

螞蟻每次到達一個點后，局部的信息素會進行更新，當螞蟻遍歷完所有的路徑點之后，會更新全局的信息素濃度，將當前路徑與之前保存的路徑進行比較，并將最優的路徑存下，螞蟻將繼續按照設置的參數進行路徑迭代，當達到最大迭代次數后，輸出柑橘采摘的最優路徑。

4 仿真驗證

本實驗使用的硬件平臺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系，并按照柑橘坐標在三維圖中進行繪制，如圖2所示。根據實驗與相關文獻，當信息素因子α=2.1、信息素總量Q=30、啟發式因子β=5、螞蟻數量S=31、信息素揮發系數ρ=0.5時，蟻群算法得到的路徑最短，迭代次數最少，最終的柑橘采摘最優路徑如圖3所示。

圖2 Matlab三維坐標系中的柑橘位置

圖3 柑橘采摘路徑

5 結語

課題組結合國內外采摘機器人的研究現狀，對采摘機器人的移動平臺、識別定位系統、采摘機械臂和末端執行器進行了分析。運用Matlab軟件建立了柑橘在三維空間中的坐標模型，利用蟻群算法多次迭代和參數優化，計算出了柑橘采摘的最優路徑，為實現柑橘等水果的連續采摘提供了研究基礎。但整個規劃中沒有考慮到柑橘枝干等障礙物的存在，在實際應用中還需要優化完善。