人工智能驅動的農業采摘機器人自動化控制系統設計

劉 萍

（西安交通大學城市學院，西安 710018）

在農業生產過程中，蔬菜、水果與茶葉等農產品成熟后，需要進行采摘、包裝、運輸等一系列處理工作[1]。傳統農產品采摘工作由人工完成，雖然可以確保采摘質量，但采摘效率低、人力消耗大等弊端仍需改善[2]。采摘機器人是針對農產品采摘特點設計的移動采摘機器，不僅可以利用傳感技術感知其周邊環境信息，還可以通過機器視覺技術判斷農產品是否具備采摘條件，是集多種科學技術于一體的自動化采摘裝置[3]。如何更好地對采摘機器人進行自動化控制仍是眾多學者的研究熱點。文獻[4]以機器視覺技術為基礎，研究采摘機器人分揀控制方法，利用采摘機器人自身成像裝置識別目標圖像，同時建立機器視覺系統數學模型，確定目標位置后將其傳輸至計算機中，通過計算機計算調整采摘機器人位姿，使其完成目標分揀動作，該方法雖然可以識別目標位置，但控制精度仍需改進；文獻[5]將交互式視音頻技術應用于采摘機器人中，利用聲控技術調整遠程監控下的采摘機器人作業姿態，提升采摘機器人采摘效率與質量，該系統雖對采摘機器人的控制精度較高，但穩定性差，有待完善。

本文設計人工智能驅動的農業采摘機器人自動化控制系統，通過人工智能驅動自動化控制采摘機器人完成農產品采摘工作，提升農產品采摘效率，解決農業生產過程中勞動力短缺問題。

1 農業采摘機器人自動化控制系統

1.1 控制系統總體結構

利用計算機視覺技術等人工智能驅動的農業采摘機器人自動化控制系統總體結構如圖1 所示。

圖1 控制系統總體結構Fig.1 Overall structure of the control system

采集層的作用是采集農業采摘機器人工作狀態及環境信息。其中雙目攝像機用于采集農業采摘機器人工作環境及目標圖像信息；紅外傳感器用于測量機械手至目標之間的距離；限位傳感器用于限定采摘機器人行走裝置與機械手的運動極限位置；碰撞傳感器用于感應采摘機器人在碰撞過程中產生的碰撞力，避免采摘機器人因受碰撞而損壞；速度傳感器用于測量采摘機器人行走裝置與機械手的運行速度；力扭矩傳感器的作用是通過測量采摘機器人末端執行器與目標之間力的大小，為采摘機器人末端執行器提供觸覺；采集卡用于采集各傳感器對農業采摘機器人的測量數據。

傳輸層的作用是為控制系統與農業采摘機器人提供雙向數據傳輸通道，利用無線通信模塊互相傳輸采摘機器人的測量數據與系統控制指令。

控制層的作用是處理農業采摘機器人的測量數據，同時獲取控制系統對采摘機器人的控制指令。

應用層的作用是根據控制指令控制農業采摘機器人的運行動作。將電機驅動模塊中的多個電機分別安裝于農業采摘機器人行走裝置、機械臂關節以及末端執行器中，應用層接收到系統控制指令后，將指令傳輸至電機驅動器中，通過電機驅動器自動驅動各電機運行，令農業采摘機器人完成采摘動作。

1.2 控制系統硬件設計

1.2.1 雙目攝像機

雙目攝像機位于控制系統采集層，其作用是感知農業采摘機器人周圍環境信息，相當于機器人的雙眼。在現實生活中，人的雙眼可以從不同角度觀察同一個目標物體，并形成視覺差，以此感知三維立體世界。利用雙目攝像機的2 個攝像頭模擬人的雙眼，輔助控制系統獲取農業采摘機器人周圍環境與目標信息，進而控制采摘機器人對目標產品進行采摘。控制系統選取萊娜品牌，型號為HNV-CV-002的可變基線雙目攝像機，HNV-CV-002 雙目攝像機參數如表1 所示。

表1 HNV-CV-002 雙目攝像機參數Tab.1 HNV-CV-002 binocular camera parameters

1.2.2 微控制器

微控制器位于系統控制層，系統選取恩智浦公司生產的LPC2294HBD144 集成電路芯片作為系統微控制器。該控制器以16/32 位ARM7TDMI-S 處理器為控制核心。該控制器采用精簡指令集計算機結構，由于該結構指令及尋址方式較少，所以利用該結構處理器處理數據，無論是數據傳輸速度或是數據處理速度均高于其他結構處理器。

1.2.3 電機驅動模塊

電機驅動模塊位于控制系統應用層，用于驅動農業采摘機器人行走裝置、機械臂關節以及末端執行器運行。電機驅動模塊中包含多個驅動采摘機器人運行的電機，由于電機運行需要巨大的電流驅動，而微控制器輸出的邏輯電平無法支撐電機運行，因此需采用驅動器件對電機進行驅動，使其正常運行。系統選取意法半導體公司生產的L298N 電機驅動器驅動模塊內電機運行。該驅動器不僅可以接受高電壓，還可以輸出大電流，具備電機驅動能力強、發熱量低、可靠性高以及抗干擾能力強等特點。電機驅動模塊結構如圖2 所示。電機驅動模塊結構的核心是L298N 驅動器，采用雙路全橋式電機驅動芯片，可輸出最大電流為4 A；封裝模式為Multiwatt15 腳封裝；驅動芯片接受TTL 電平信號，且1 個芯片具備2個控制信號輸入端，可以同時控制2 個電機做不同動作。

圖2 電機驅動模塊結構Fig.2 Structure of the motor drive module

1.3 人工智能驅動的機器人自動化控制

系統控制層的微控制器采用BP 神經網絡對PID 控制算法進行優化，利用優化后的PID 控制農業采摘機器人的運行動作。利用BP 神經網絡優化PID 控制算法的總體結構如圖3 所示。BP 神經網絡優化PID 控制算法是通過BP 神經網絡的自學習能力，實現PID 控制算法的自適應控制。通過BP 神經網絡具有的誤差反向傳播特性，調節PID 控制算法的控制參數。

圖3 BP 神經網絡優化PID 控制算法結構Fig.3 Structure of PID control algorithm

農業采摘機器人自動化控制是一種非線性問題，選取Sigmoid 函數作為BP 神經網絡輸出層的激活函數。由PID 控制器傳導農業采摘機器人的控制信號，并利用BP 神經網絡的梯度下降過程，調節網絡權值以及閾值。設置BP 神經網絡的輸出為PID控制器的Kp、Ki與Kd3 個參數。

利用增量式PID 控制算法確定農業采摘機器人受控量，其表達式為

式中：u（t）與u（t-1）分別表示時間為t 與t-1 時農業采摘機器人的控制量；Kp、Ki與Kd分別表示比例調節系數、積分調節系數以及微分調節系數；xc1、xc2與xc3均為PID 控制器的輸入向量，各輸入向量表達式分別為

式中：e（t）與e（t-1）、e（t-2）表示時間為t、t-1、t-2 時的農業采摘機器人機械手的位置誤差。

利用梯度下降法，獲取PID 控制器的控制參數調整量表達式如下：

通過以上計算過程確定PID 控制參數的調節量，并獲取最佳的PID 控制參數。利用最佳的PID控制參數，實現農業采摘機器人的自動化控制。

2 實例分析

為驗證所設計人工智能驅動的農業采摘機器人自動化控制系統的整體性能，將本文系統應用至某農產品生產基地中。該基地主要生產及銷售水果、蔬菜等農產品，播種面積約為1100 余畝，年產量可達24 萬斤左右，是當地最大的農產品生產基地。本文以履帶式農業采摘機器人為系統控制對象，并將農產品生產基地中的番茄作為采摘目標，通過本文系統控制履帶式農業采摘機器人作業，系統控制結果如圖4 所示。采摘機器人在進行番茄采摘作業時，先通過雙目攝像機采集其工作環境以及目標番茄大小、顏色、位置等信息；再利用履帶式行走裝置將機器人移動至目標番茄位置附近，并依據系統控制指令驅動機械臂關節運行，使機器人末端執行器與目標番茄中心位置對齊；最后驅動機器人末端執行器對目標番茄做出采摘動作，并將采摘后的番茄裝入采摘筐內，完成番茄采摘作業。實際應用表明，本文系統可以對農業采摘機器人的番茄采摘作業進行自動化控制，實現人工智能驅動的農業采摘機器人自主采摘作業。

圖4 系統控制采摘機器人作業結果Fig.4 System controlled harvesting robot operation result

雙目攝像機對采摘目標信息的感知精度，是影響控制系統控制性能的重要因素。為驗證控制系統可以精準感知采摘機器人與采摘目標之間的三維空間坐標距離，設置10 個不同位置的采摘目標，并通過雙目攝像機感知采摘目標距離，同時與實際測量距離進行對比，對比結果如表2 所示。觀察表2，10個采摘目標與采摘機器人之間的距離各不相同，以右手坐標系為參考坐標系，其中x、y、z 分別代表橫軸、縱軸與豎軸。通過表2 結果可以看出，利用雙目攝像機感知采摘機器人至采摘目標位置的三維空間坐標距離，與實際測量距離幾乎一致，誤差很小，驗證本文系統可以精準感知采摘目標位置，為系統精準控制采摘機器人運行奠定基礎。

表2 雙目攝像機感知距離對比結果Tab.2 Comparison results of perceived distance for binocular cameras

為驗證本文系統對農業采摘機器人采摘作業的控制性能，基地人員在不同位置隨機選取30 個采摘目標，并通過本文系統控制采摘機器人對其進行采摘作業，同時統計采摘機器人對各目標的采摘情況，統計結果如圖5 所示。

圖5 采摘機器人目標采摘統計結果Fig.5 Statistical results of the picking robot target picking

基地人員分別對30 個處于不同位置的采摘目標做出標記，并將采摘機器人引領至入口處，系統控制采摘機器人從1 號目標位置開始采摘，并按照系統規劃的運行軌跡依次采摘各目標，直至將30 個目標全部采摘完成后從出口離開。通過圖5 可知，本文系統可以為采摘機器人規劃作業路線，并控制采摘機器人機械手完成目標采摘動作，實現人工智能驅動的農業采摘機器人自主采摘作業，驗證本文系統具備自動化控制采摘機器人運行的能力。

為進一步驗證本文系統對農業采摘機器人的控制能力，采用本文系統控制采摘機器人對800 個目標進行采摘，并測試采摘機器人執行采摘作業的準確程度，測試結果如圖6 所示。

圖6 采摘作業準確程度測試結果Fig.6 Test results of picking operation accuracy

采摘機器人可以完成采摘800 個目標的作業任務，且對目標采摘的準確程度始終保持在0.99 以上，驗證本文系統可以控制采摘機器人運行，具備精準控制農業采摘機器人運行動作的能力。

3 結語

人工智能的應用為人類帶來巨大便利，也為社會經濟發展做出前所未有的貢獻。本文設計人工智能驅動的農業采摘機器人自動化控制系統，將計算機視覺技術、圖像識別、AI 算法等人工智能技術應用至控制系統中，驅動農業采摘機器人行走裝置、機械臂關節以及末端執行器運行，自動化控制農業采摘機器人進行自主采摘作業，提升采摘機器人采摘作業質量。