我國鮮食葡萄智能采摘核心技術研究現狀*

崔振宇，周文靜，李園園

（新疆科技學院信息科學與工程學院，新疆 巴州 841000）

1 葡萄采摘機器人研究進展

葡萄采摘機器人主要由行走裝置、機械臂、末端執行器、視覺系統和控制系統組成[1-5]，視覺系統和末端執行器是葡萄采摘機器人的重要組成部分，利用計算機視覺技術對葡萄果穗進行識別和定位，將獲取的葡萄果穗位置信息反饋給葡萄采摘機器人，最后利用末端執行器對果實進行分離，從而完成葡萄采摘任務。

如圖1 所示為日本岡山大學研制的葡萄收獲機器人，主要用于棚架栽培模式的果園，該機器人由5 個機械手、4 個旋轉關節以及1 個直動關節組成，直動關節通過簡單控制就可獲得較高的速度，其旋轉關節可以以不同的速度旋轉，這使得該機器人能夠在棚架栽培模式的葡萄果園中進行有效工作[2]。

圖1 棚架栽培模式果園的葡萄收獲機器人

如圖2 所示為德國ERO 公司生產的“葡萄游輪6000”，該機器與傳統采摘機相比，可以實現去梗功能。此外，為了提高利用率，“葡萄游輪6000”收獲機配備了多個鼓風機，可以實現對葡萄串的去葉任務[2]。

圖2 “葡萄游輪6000”收獲機

如圖3 所示是中國江蘇大學研發的自走式雙臂葡萄收獲機器人，該機器由自主導航與視覺伺服配合，可以實現機器人基于視覺控制的智能行駛。此外，自走式雙臂葡萄收獲機可以通過“一目雙臂”系統對工作空間內的葡萄果串進行采收。

圖3 自走式雙臂葡萄收獲機

以上是國內外已有的葡萄采摘機器人的研究進展，而國內目前在葡萄采摘機械方面的研究還相當薄弱。因此，本文將通過對現有的自動化采摘機械進行論述與分析，探索適合于我國葡萄采摘的新技術，以促進葡萄種植業、加工業的進一步發展。

2 葡萄采摘核心技術

葡萄采摘機器人主要由葡萄識別技術、葡萄定位技術以及葡萄分離技術三部分組成，要實現葡萄自動化采摘，三個核心技術缺一不可。目前已有不少研究團隊通過多種方法實現了對成熟鮮食葡萄果穗的識別[1,6-10]，但要將其落地應用，如何準確定位葡萄果實以及自動化采摘葡萄成為關鍵。

2.1 葡萄定位技術

葡萄定位技術是葡萄采摘機器人視覺系統的一個重要組成部分，葡萄采摘機器人利用視覺系統識別并定位葡萄果穗，葡萄果穗被識別后，需對其進行準確定位，首先要獲得葡萄的成熟度信息，然后通過葡萄采摘點及姿態獲取，幫助機器人執行抓取操作。

葡萄采摘點的定位主要分為果實的分割和采摘點的確定，許多分割方法已經被應用到水果的采摘中。梁喜鳳等[11]采用了形態學的多尺度提取和番茄邊界提取相結合的方法實現了對番茄的分割。苗玉彬等[12]提出了一種基于Zernike 矩邊緣檢測的分水嶺算法，來實現葡萄輪廓特征的提取。同時，很多算法也被應用在水果采摘過程中以完成果實的圖像分割，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 雙目視覺定位技術

雙目視覺定位技術是現階段機器人領域廣泛應用的視覺技術之一，其模擬人眼的視覺，采用兩個不同位置的攝像頭，同步獲取同一環境中不同角度的平面圖像，根據圖像上特征點的關系獲得相機的內外參數，據此構建三維模型，還原所需場景的三維環境信息，并對環境中有用的幾何形狀、相對位置、運動情況等信息進行提取，機器人根據所得信息執行目標動作實現預期行為，或將有用信息進行存儲、傳輸或綜合分析[4-5]。

王連增[17]基于OpenCV 與MATLAB 的傳統標定法對雙目攝像頭進行標定。雙目攝像頭的標定是利用MATLAB 標定工具箱完成，并將標定結果導入雙目視覺測距系統。選擇Canny 邊緣檢測算法對匹配進行約束，基于測距可靠性、精度和效率的考慮，最后采用SGBM 算法實現雙目視覺立體圖像匹配。李元強等[18]為使雙目相機標定更加精準，去除標定模糊和標定誤差過大的照片后，將標定誤差控制在0.13%以內。目前雙目視覺定位技術已經將標定誤差控制在了最小范圍。

2.1.2 VUE技術定位法

用戶界面是通過VUE 技術自底向上逐層構建，并形成漸進式的構建框架。操作人員和管理人員的應用權限是利用VUE 技術中的路由系統實現的，同時解決了不同狀態下相關組件之間的數據傳遞問題，并可以實現存儲臨時數據。前端應用界面的按鈕、開關及表格等頁面元素是采用VUE 技術中Element UI系統構建的[3]。

王海楠、陳燕等[19-20]在進行智能采摘機器人的葡萄識別與定位時，首先利用高清相機對葡萄果實進行識別，并獲取葡萄所在位置信息，同時從葡萄圖像中將葡萄果梗分割，從而完成采摘對象的目標識別；然后，對葡萄果梗圖像進行二值化處理，檢測出果梗角點數據，并采用線性回歸的方式確定采摘目標點。但相對于其他技術，VUE 技術的可擴展性較差，不建議采取該技術定位。

2.1.3 基于K-means算法的葡萄采摘點定位

朱衍俊等通過改進K-means 算法的研究，提出算法定位的鮮食葡萄采摘點與最優采摘點的誤差小于12 個像素的成功率為90.51%，平均定位時間為0.87 s，實現了對鮮食葡萄采摘點的準確定位。而后，朱衍俊等進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。試驗表明，改進的K-means 算法在籬壁式紫葡萄采摘點的定位成功率為86.00%，在棚架式紫葡萄識別定位方面的準確率提升至92.00%[21]。但這種方式對于籬壁式葡萄的定位成功率不是很高，對枝葉遮擋嚴重的果實定位效果不佳。

2.2 葡萄分離技術

葡萄采摘機器人通過視覺系統識別并定位葡萄果穗后，末端執行器再分離果實，從而完成果實的采摘。現有的分離技術還有很多，主要包括機械振搖式采摘、剪切方式采摘、斷梗激勵法采摘、抓持-旋切式欠驅動雙指手葡萄采摘等。

2.2.1 機械振搖式和氣動振搖式采摘

國外葡萄采摘機器人在采摘時，機器人基于振動原理，通過葡萄藤將高頻振動傳到葡萄果粒。多次瞬時變向運動，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器。但是巴旦木屬于堅果，果實較硬。這種采摘方式不適合用于葡萄采摘，容易損傷果實，同樣也容易采摘到不成熟的果實。

2.2.2 剪切方式采摘

由于果柄葡萄生長背景復雜，進行果柄識別的前提是準確地將鮮食葡萄從背景中分割出來。李貴賓[23]基于深度學習的圖像分割方法，采用DeepLabV3+模型，并與傳統圖像分割方法進行了對比，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，不適合商業化采摘。

2.2.3 斷梗激勵法采摘

首先，建立葡萄果實分梗動力學模型，推導果實脫落的理論角速度，分析果實果梗擺動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態響應與擺動趨勢，探索在無擠壓狀態下果實形變過程，從而預測串型葡萄在斷梗激勵下的實際振動響應。最后，對串型葡萄的簡化模型進行振動有限元分析，獲得葡萄果實在脫落前瞬間相對于果梗結合處的位移、速度、加速度和應力應變等數據，從而確定葡萄的臨界振動脫落參數組合[24]。相對于以上方法，斷梗激勵下葡萄果粒的振動脫落分離方法更適用于商業化采摘，但因葡萄品種不同等原因，導致葡萄采摘的頻率不同，所以該方法對不同品種葡萄的振動頻率還有待探索。

2.2.4 抓持-旋切式欠驅動雙指手葡萄采摘

抓持-旋切式欠驅動雙指手葡萄采摘機首先通過葡萄赤道面直徑分析確定欠驅動手指機構指節尺寸與轉角范圍；然后通過建立欠驅動手指機構靜力學模型，并基于傳力最優和接觸力均布的要求，確定了驅動連桿尺寸，結合接觸力分析和葡萄擠壓破裂試驗，獲得抓持2 kg葡萄不發生損傷的最大接觸力為20 N；再通過手指機構靜力學模型求解獲得驅動電動機的推力，從而指導驅動電動機的選型，并完成葡萄采摘工作[25]。但因為葡萄的品種不同，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 存在的問題

綜上所述，目前國內外研究學者針對葡萄采摘機器人已有大量成果，但現有樣機仍存在一定的局限性，距離商業普及化應用仍有差距，主要存在以下問題。

3.1 采摘速度較慢

在葡萄采摘作業中，衡量采摘機器人性能的一個重要指標就是采摘效率，目前導致葡萄采摘機器人作業效率低的原因主要是：在復雜自然環境下，識別定位算法需要考慮很多的因素，如光照強度、枝葉遮蓋嚴重程度等，如上文朱衍俊等研究的基于K-means 算法的葡萄采摘點定位方法，因枝葉遮擋導致籬壁式葡萄采摘效果不佳。而且葡萄采摘機器人自身計算能力有限，算法運行時間長，導致視覺系統實時性低，從而影響采摘效率。如剪切式采摘，機器只能識別一串葡萄，也只能采摘識別后的葡萄，并不能大面積同時采摘，因此導致大部分葡萄采摘機器人采摘速度過慢。

3.2 采摘成功率較低

如圖4 所示，在復雜的自然環境中，果實重疊、自然光照強度變化、枝葉遮擋、果實成熟差異大等都會影響葡萄采摘，從而導致誤識別或漏識別。采摘機器的振動頻率也會導致采摘成功率過低，葡萄屬于串型植物，一串葡萄成長周期不同會導致葡萄果實存在成熟差異，當葡萄被識別時，如果采摘機振動過小會導致成熟葡萄漏采，同時采摘機振動過大會導致未成熟葡萄誤采。如上文尹建軍等研究的抓持-旋切式欠驅動雙指手葡萄采摘就需要對采摘葡萄的力度進行更精準的研究。

圖4 自然環境果實識別存在的難題

3.3 葡萄存在損傷

在機械化采摘作業過程中，葡萄容易受到損傷，從而造成葡萄品質下降，現在常用的采摘機多為機械振搖式和氣動振搖式，在采摘作業的過程中易導致收獲的果實顆粒碰撞，造成果實損傷，所以這種采摘方式適用于較為堅硬且在后期使用不強調果實損傷的果實。目前葡萄的識別與定位算法大多只是確定了葡萄串的中心，沒有識別出葡萄的姿態，末端執行器無法實現葡萄以特定方式相對于果梗的方向旋轉或拉伸，這可能會進一步造成果實的損傷。

3.4 難以商業化

由于工作環境復雜，因此對葡萄采摘機器人的視覺系統、機械臂、末端執行器和控制系統有著很大的挑戰。而葡萄采摘機器人采摘速度慢，造成了葡萄采摘機器人利用率不高，作業成本高，采摘效率低[26]。同時，由于無法保證機器的長期使用，也會導致花費多余的維修費、保養費等。如上文李貴賓研究的剪切式采摘方式因識別過慢，導致影響后續采摘速度，所以不適合商業化采摘。

4 結論

綜上所述，現有葡萄采摘機器人應能夠克服惡劣的環境因素，并進一步提高葡萄采摘機器人的識別準確率；在技術上需要規劃出更精準的運動軌跡，減少采摘機器人對鮮食葡萄的損傷，增加機器產率；同時，需要降低葡萄采摘機器人的制造、維護成本，使其能夠實現大范圍商業普及與應用推廣。