基于形態分析法的智能采摘機器人設計

鄭辰俊，戴銘涵，吳倩茹，王旭，秦艷

（1.電子科技大學成都學院 智能制造工程系，四川成都，611731；2.江蘇聯合職業技術學院 淮安生物工程分院，江蘇淮安，223200）

0 引言

隨著人工智能領域的飛速發展，機器人在智慧農業方面的應用也日趨廣泛。而水果采摘作為農業領域中比較重要的一環，提升采摘水果的效率，在節約人工成本、縮短采摘周期以及提升經濟效益等方面具有積極的意義。因此，研究智能采摘機器人具有良好的應用價值和市場前景。

近年來，國內許多機構對采摘機器人的研究逐漸增加。例如：2020 年，南通科技職業學院王麗娟、劉志剛等開發了一種結構簡單的單果采摘器，實現了不同種類水果的采摘功能[1]；2021 年，綏化學院李作山和付江龍以立體視覺為基礎，對采摘機器人的路徑規劃進行了研究，機器人的行進過程平滑，且確保了誤差均在許可范圍內[2]；2022 年，河南工業職業技術學院岳鵬飛通過分析動力學數據，完成了采摘機器人機械臂的運動學建模與仿真，提升了機器人作業的效率[3]；2023 年，陜西國防工業職業技術學院孫永芳在設計農業采摘機器人的運動控制系統時，運用了同步定位和建圖(SLAM)技術，實現了機器人工作時對果實位置的準確判斷和采摘[4]。從上述研究來看，智能化已經成為農業采摘機器人發展的必然趨勢，且隨著時間的推移，機器人的采摘效率、路徑規劃、視覺識別以及運動控制等方面的精度也將越來越準確。鑒于此，本文采用形態分析法對智能采摘機器人進行設計，通過該方法的擬合形成合理的設計方案，從而在縮短設計周期的同時，確保機器人各方面的性能滿足使用要求。

1 形態分析矩陣的建立及方案的確定

形態分析法，是對采摘機器人的功能和技術手段進行排列組合，由此獲得一系列設計方案，并優選出最佳方案的設計方法[5]。該方法的主要實現過程是：（1）建立功能和技術手段的對應關系。通過文獻參考法，整理2019—2023 年相關采摘機器人的功能和設計方案[6~7]；（2）建立形態分析矩陣。將步驟1 整理好的主要功能和方案以列表的形式，添加至指定位置，形成對應關系，從而完成矩陣的構建；（3）設計方案的確定。形態分析矩陣的建立，能夠獲得大量的設計方案，故在這一系列設計方案中，從創造性、技術手段實現的可行性、經濟性以及生產工藝等方面進行綜合論證，選擇出合理的設計方案。

1.1 智能采摘機器人形態分析矩陣構建

本文以采摘蘋果的機器人為設計對象，首先建立形態分析矩陣。采用文獻參考法整理的主要實現的功能包括：行走、果實采摘、果實放置、機器視覺、驅動系統、無線通信以及循跡避障等[6~7]，構建的形態分析矩陣如表1 所示。

表1 形態分析矩陣

形態分析矩陣的方案總數計算表達式為[5]：

式中，X1,X2,X3…。Xi為第i 個功能對應的技術方案數量。

將表1 所示的形態分析矩陣數據代入公式(1)，能夠計算出獲得的設計方案數量為864 種。故需要對各技術手段進行分析，確定合理的設計思路。

1.2 智能采摘機器人設計方案分析與確定

根據表1 所示的形態分析矩陣，確定最終設計方案方法是對每項功能對應的技術手段進行分析，從而確定每項功能的最終實施路徑，最后構成整個機器人的設計方案。例如：就機器人的行走方式實現來看，由于種植蘋果樹的果園通常地形比較復雜，且樹上的蘋果分布不均，機器人需要根據蘋果的生長情況進行采摘，滑軌和定向輪的形式、固定式都不適合。再考慮到移動的便捷性，采用萬向輪的形式是比較合理的，因此可以選擇實現的技術手段為萬向輪結構。同理，對其他的功能和對應的技術手段進行分析，最終確定的設計方案如表2 所示。

表2 采摘機器人設計方案

2 智能采摘機器人的設計

完成智能采摘機器人方案的確定后，便可以根據表2 所示的方案進行系統設計。該設計主要包括3 個方面：三維模型的構建、硬件設計以及軟件設計。系統設計的方法為功能和結構相統一的原理，即根據表2 所示的功能和技術手段，在設計中采用對應的結構。例如：機器人的驅動系統設計中，采取的技術手段為電機驅動，則根據機器人的運動學原理和電磁轉矩的需求，確定無刷直流電機作為驅動機構，從而可以確定其結構的形狀、尺寸、系統電路以及運行程序等。同理，完成其他部件的設計。

2.1 三維模型的構建

采摘機器人三維模型，主要根據設計方案確定的基本結構進行布局、零部件形態和尺寸的確定、零件之間的配合以及整體的裝配等操作。以行走機構和果實采摘機構為例，采用萬向輪作為移動方式，考慮到果園地形的復雜性，萬向輪能實現復雜地形的快速準確移動，需要一定的抗震功能，故該機構除了萬向輪外，還需要設置增加強度性能和抗震性能的支架，萬向輪機構的三維模型如圖1 所示。對于采摘蘋果的機械臂和機械爪而言，動作過程中需要滿足運行平穩、運動精度以及適應不同的運動軌跡等要求，本文采用四桿機構作為連接裝置，在大臂起始端設置電機模塊控制機械臂的轉向。在末端執行器選擇三指的機械爪，方便采摘蘋果的力度控制。將攝像頭設置于機械臂的小臂處，方便蘋果大小識別。機械臂和機械爪的三維模型，如圖2 所示。同理，系統其余主要的零件如圖3 ～圖4所示。

圖1 萬向輪機構三維模型

圖2 機械臂和機械爪三維模型

圖3 果實放置桶

圖4 攝像頭

采摘機器人整體裝配模型如圖5 所示。

圖5 機器人整體裝配模型

2.2 硬件設計

2.2.1 主控芯片的確定

智能采摘機器人正常工作時，系統需滿足的要求包括：（1）較快的運行速度和較高的穩定性；（2）系統需要適時進行信號的傳輸、反饋信號的檢測以及人機交互；（3）系統節能性良好，即具有低功耗特點。因此，為達到上述要求，根據文獻[8]的研究結論，該機器人的主控芯片可以確定為STM32F407，其系統電路如圖6 所示。

圖6 STM32F407 主控芯片

2.2.2 驅動系統的設計

采摘機器人在運行時，涉及驅動系統主要包括兩個方面：（1）萬向輪運行的驅動；（2）機械臂和機械爪的驅動。該驅動包括對四桿機構的驅動控制整個機械臂的運行軌跡，大臂起始端的驅動控制機械臂的轉向，對手腕的驅動控制機械爪的擺動。

當機器人在動作時，驅動系統工作的步驟是：（1）系統發送指令，讓采摘機器人開始工作（如運行、采摘某棵樹上某個區域的蘋果）；（2）系統通過控制機器人的驅動裝置，讓機器人運動到指定區域；（3）系統對四桿機構、大臂起始端以及手腕等位置的驅動裝置發送指令，執行采摘蘋果動作。

從上述內容可知，采摘機器人的驅動系統較多，且不同的位置，驅動裝置也不相同。限于篇幅，本文以萬向輪機構的驅動系統為例進行闡述。機器人在果實采摘過程中，行走的地形比較復雜，且存在隨機的坑洼地形。但整體而言，運行的場所通常面積不大，距離也有限。因此，采用無刷直流電機進行驅動[9]，比較合適。因為該電機轉矩較大、調速范圍較廣且調速方式為無級調速，能夠根據場所情況適時選擇合適的轉速保持復雜地形的順利行走，其驅動結構采用雙驅動形式，驅動系統的控制電路如圖7 所示。

圖7 萬向輪驅動系統

2.2.3 循跡避障系統設計

采摘機器人的行走過程，需要適時進行循跡和避障。這也是該機器人運行的基本功能。對于該功能而言，本文選擇目前應用較為廣泛的紅外傳感系統來實現循跡。原因在于機器人工作的時間通常為白天，果樹林的環境會導致光線分布趨于復雜。需要對不同照度的光線具有較好適應能力的傳感器才能確保循跡的準確性[8]，而紅外傳感器具有上述特點，是一種比較合理的選擇。其系統電路設計，如圖8 所示。

圖8 紅外傳感系統設計

此外，機器人在采摘水果的過程中，經常會遇到果樹以及路面各種障礙。故機器人還需要具有避障功能。而避障的要求，既需要識別較遠的障礙物，又需要在某些障礙物突然出現的時候，能夠及時停車。故對識別的距離和精度都有較高的要求。為滿足上述使用要求，可以選擇RB URF02 超聲波傳感器[8]。因此，確定了紅外和超聲波傳感器相結合的循跡避障系統。

2.3 軟件設計

機器人系統的軟件設計，主要是采摘蘋果時，對蘋果的大小進行識別和判斷。只有當判斷蘋果大于某個閾值時，機器人才會對其進行采摘。故機器視覺是系統軟件設計的重要方面，本文也以機器視覺為例，對軟件設計進行闡述。

2.3.1 算法的選擇機器視覺的核心問題在于算法的選擇。常用的可選算法有YOLOv5s、YOLOv3s 以及改進YOLOv5s 等。三種算法對蘋果識別的檢測精度如表3 所示。

表3 三種算法的檢測精度（%）

從表3 所示的三種算法平均精度來看，因為采摘機器人僅是對蘋果輪廓和大小進行識別，識別對象比較簡單，且特征明顯。故三種算法都具有較高的檢測精度。從三種算法平均精度本身的比較來看，改進YOLOv5s 算法精度要略高于其余兩種算法。主要體現在當一些樹枝和樹葉對蘋果存在不完全遮擋情形下，該算法的識別精度要優于其他兩種。因此，本文在算法選擇中，確定改進YOLOv5s 為基本算法。較之于YOLOv5 算法而言，該算法主要是對YOLOV5 算法中的網絡結構、策略以及訓練三個方面進行改進。其CIoU函數損失計算表達式為[10]：

式中，ρ2(b,bgt)為真實框和預測框中心點的歐式距離；c為兩框對角線長度；υ為測試框高的相似性參數；α為比例權重參數；ωgt為真實框的寬度；hgt為真實框的高度。

2.3.2 識別效果追蹤

采摘機器人的視覺測試平臺為Windows 10，處理器為11th Gen Intel(R) Core(TM) i5-11300H 3.10GHz，顯卡型號為Intel(R)Iris(R)Xe Graphics，編程軟件為Python 3.10。

在訓練模型上，選取蘋果圖片訓練集10000 張，驗證集5000張以及測試集3000張。部分識別的情況如圖9所示，測試結果如表4 所示。

圖9 蘋果大小識別

表4 測試結果

從表4 所示的測試結果來看，采用改進YOLOV5 算法后，通過訓練，識別的平均準確率達到了96%。該識別精度達到了預期的要求，表明采取改進的YOLOV5 算法是比較合理的。

3 智能采摘機器人性能測試

基于形態分析法設計的智能采摘機器人性能是否滿足要求，需要進行一定的測試。鑒于此，本文按照等比縮放原則制作了機器人的模型，并開展了一些測試。測試流程為：（1）將機器人放置于某果樹林場景中；（2）初始化機器人控制系統的參數；（3）設定機器人的運行路徑和采摘目標；（4）根據路徑和采摘目標，進行模擬作業操作；（5）對整個過程中的部分性能進行測試、反饋以及參數調整。主要測試的內容包括：（1）行走機構對果樹林地面的適應性。即機器人能否在果樹林的地面平穩和快速地進行直線、轉向、掉頭等動作；（2）循跡和避障精度。機器人在行進中，是否能夠按照既定路線準確地到達目的地，且在行進中遇到障礙物時能否及時判斷和避開；（3）果實采摘效率。機器人能否完成正常采摘果實的動作以及能否達到既定的效率（按照預設的小時采摘水果個數進行計量）；（4）系統控制精度以及指令響應速度等。具體的測試結果如表5 所示。

表5 性能測試結果

從表5 所示的采摘機器人部分性能測試結果來看，各項主要性基本滿足要求。萬向輪機構能夠適應果樹林的地面，可以按照既定路線正常行進。而系統整體的控制精度都比較良好，響應速度也較快，表明主控系統的各模塊設計比較合理。由此可知，采用形態分析法得出的設計方案是行之有效的。

4 結論

智能采摘機器人設計中，本文采用形態分析法建立矩陣，并通過分析得出了較為合理的結構設計方案。根據該設計方案完成了機器人的結構設計，并建立了三維模型，實現了硬件和軟件的設計。對機器人模型進行性能測試，測試結果達到了預期的目標，驗證了形態分析法設計的可行性。下一步工作，可以結合形態分析矩陣篩選出更加合理的方案，完成采摘機器人的進一步優化設計。