農(nóng)業(yè)采摘機器人應(yīng)用與發(fā)展現(xiàn)狀

一、引言

我國是重要的蔬菜和水果產(chǎn)地，蔬菜種植面積常年穩(wěn)定在 2×10⁷hm² 以上，年產(chǎn)量達 8×10⁸t ，規(guī)模居世界第一；水果年產(chǎn)量達 3×10⁸t 以上，人均產(chǎn)量遠超世界平均水平，山東作為農(nóng)業(yè)大省，蔬菜水果產(chǎn)量均居全國前列。近年來，隨著人口老齡化加劇以及農(nóng)村人口流失，農(nóng)村適齡勞動力大幅下降，而果蔬成熟期較為集中，用工量大，用工成本高，導(dǎo)致果蔬采摘時節(jié)勞動力短缺，過早過晚采摘均易導(dǎo)致果蔬品質(zhì)的下降，因此研究應(yīng)用替代人工的農(nóng)業(yè)采摘機器人迫在眉睫。隨著工業(yè)化水平和人工智能的不斷發(fā)展，農(nóng)業(yè)采摘機器人進入了快速發(fā)展時期，在機械結(jié)構(gòu)、感知系統(tǒng)、控制系統(tǒng)以及通訊等方面不斷嘗試創(chuàng)新，各類農(nóng)業(yè)采摘機器人正逐漸從試驗階段進入生產(chǎn)應(yīng)用階段。本文分析了農(nóng)業(yè)采摘機器人的國內(nèi)外發(fā)展現(xiàn)狀，總結(jié)了農(nóng)業(yè)采摘機器人的關(guān)鍵技術(shù)，結(jié)合實際應(yīng)用效果提出了農(nóng)業(yè)采摘機器人存在的主要問題，明確了未來發(fā)展方向。

二、國內(nèi)外研究現(xiàn)狀

農(nóng)業(yè)采摘機器人主要是由動力行走裝置、采摘機械臂、末端執(zhí)行器、感知系統(tǒng)、控制系統(tǒng)以及通訊定位系統(tǒng)等組成，是一個復(fù)雜度高、精度要求高的智能農(nóng)業(yè)裝備。眾多國內(nèi)外專家學(xué)者在農(nóng)業(yè)采摘機器人領(lǐng)域進行了深人研究和廣泛的應(yīng)用嘗試，日本、美國、歐洲等國家從20世紀80年代起，就著手開展農(nóng)業(yè)采摘機器人的相關(guān)研究工作，農(nóng)業(yè)采摘機器人技術(shù)較為成熟，應(yīng)用場景和采摘品類較多；隨著我國對智能農(nóng)業(yè)裝備的重視，農(nóng)業(yè)采摘機器人技術(shù)及其實際應(yīng)用發(fā)展迅速。自前農(nóng)業(yè)采摘機器人已經(jīng)在蘋果、柑橘、草莓、番茄、甜椒等蔬果類作物的采摘方面得到了初步應(yīng)用。

日本岡山大學(xué)的Kondo等設(shè)計的番茄采摘機器人，可以實現(xiàn)不同品種的番茄采摘，應(yīng)用場景為溫室大棚環(huán)境，光照條件良好可控，該番茄采摘機器人由自走式底盤、單機械臂、末端執(zhí)行器、視覺感知系統(tǒng)、控制系統(tǒng)等組成。工作時，視覺系統(tǒng)檢測識別到成熟番茄后，將位置信息發(fā)送給控制系統(tǒng)，控制末端執(zhí)行器對番茄進行剪切和吸取，該機器人采摘成功率為 70% ，單果采摘時間為15s，其設(shè)計思路為后續(xù)的農(nóng)業(yè)采摘機器人的研制提供了重要參考依據(jù)。美國AbundantRobotics公司設(shè)計的蘋果采摘機器人，其世界級的視覺系統(tǒng)采用了深度相機，并配有真空吸管吸取蘋果，機械臂采用并行結(jié)構(gòu)，采摘速度快、識別準確率高、果實損傷程度低，但僅適用于V型果園，樹冠內(nèi)部的果實難以實現(xiàn)準確采摘。英國劍橋大學(xué)研制的生菜采摘機器人，由雙機位攝像頭、機械臂、氣動切割式末端執(zhí)行器、移動平臺、控制系統(tǒng)等組成，可在大田環(huán)境使用，該采摘機器人利用軟夾頭對生菜進行夾持，避免對生菜頭部造成損傷，田間測試識別準確率達 82% ，單株采摘時間為32s，采摘速度較低。

中國農(nóng)業(yè)大學(xué)張鐵中等研制的草莓采摘機器人，應(yīng)用對象為溫室內(nèi)高架栽培模式的草莓，主要由機械臂、末端執(zhí)行器、視覺識別系統(tǒng)、控制系統(tǒng)等組成，其末端執(zhí)行器為氣動夾爪，具有可靠的夾持和切斷作用，采摘成功率達 88% ，單果采摘時間為 19s 。江蘇大學(xué)劉繼展等研制的番茄采摘機器人，其末端執(zhí)行器采用新型真空吸盤對番茄實現(xiàn)有效吸取，再由執(zhí)行機構(gòu)后退或激光切割等形式，完成番茄果實與果柄的有效分離。西北農(nóng)林科技大學(xué)李子旭等設(shè)計的弼猴桃采摘機器人，由末端執(zhí)行器、Core-XY式結(jié)構(gòu)機械臂、視覺感知系統(tǒng)、移動平臺、控制系統(tǒng)等組成，其末端執(zhí)行器采用電動夾持、氣動剪切的方式實現(xiàn)對弼猴桃的穩(wěn)定夾持與切割，通過建立阻抗控制系統(tǒng)降低對弼猴桃的抓取損傷。

三、農(nóng)業(yè)采摘機器人關(guān)鍵技術(shù)

農(nóng)業(yè)采摘機器人的基本組成包括末端執(zhí)行器、機械臂、移動平臺、視覺感知系統(tǒng)和控制系統(tǒng)等模塊，工作時由視覺感知系統(tǒng)對作物進行識別定位，由末端執(zhí)行器將作物與莖稈分離，因此作物采摘的成功與否關(guān)鍵在于如何準確的對作物進行識別和定位，分離過程盡可能減少對作物的損傷，主要包括三個關(guān)鍵技術(shù)，即作物識別技術(shù)、作物定位技術(shù)和作物分離技術(shù)。

（一）作物識別技術(shù)。作物識別技術(shù)是指對相機采集的圖像進行分割識別，以實現(xiàn)對成熟果實、非成熟果實以及非果實物體的精確區(qū)分，一般以機器視覺作為主要感知系統(tǒng)，多光譜及紅外感知系統(tǒng)作為補充。算法方面主要包括兩類，即傳統(tǒng)機器視覺算法和深度學(xué)習(xí)目標檢測模型。

傳統(tǒng)機器視覺算法是基于作物的外部特征進行區(qū)別的算法，包括對作物的形狀輪廓、顏色、紋理等特征進行識別，利用閾值分割、色彩空間分割、邊緣分割等方法實現(xiàn)圖像分割并完成特征提取，其過度依賴圖像質(zhì)量，易受到外部因素的影響而造成識別率不穩(wěn)定的情況。在自然條件下進行作物采摘時，光照情況隨著日出日落及氣象等原因不均勻，同時作物易受到枝葉遮擋、作物重疊遮擋、枝葉與作物色系相近等因素干擾，導(dǎo)致識別不準確現(xiàn)象。

深度學(xué)習(xí)目標檢測模型可以針對復(fù)雜干擾條件下的作物進行準確識別，通過對干擾條件下的圖像進行深度學(xué)習(xí)訓(xùn)練，使得復(fù)雜環(huán)境下的作物識別也能達到較高的準確率，該模型需要大量不同情況下的作物圖像作為數(shù)據(jù)集，同時通過對深度學(xué)習(xí)算法不斷的改進和優(yōu)化，以提高模型的學(xué)習(xí)效率和訓(xùn)練精度，不同算法對不同作物的適應(yīng)性也不同，需要經(jīng)過對比試驗來不斷進行算法選擇和優(yōu)化，以期達到較高的識別準確率。

（二）作物定位技術(shù)。作物定位技術(shù)是實現(xiàn)作物精準采摘的關(guān)鍵技術(shù)之一，作物被識別后需要獲取其準確的位置信息，以便實現(xiàn)最終的準確分離和收集。作物定位技術(shù)主要包括二維信息和三維信息的獲取。

二維信息的獲取方法主要為質(zhì)心定位法和圓形包圍定位法。質(zhì)心定位法通過計算分割后作物圖像的像素分布重心，確定幾何中心，可以實現(xiàn)簡單、快速的實時定位，適用于無遮擋及形狀規(guī)則的作物定位；圓形包圍定位法通過擬合略大于作物最大輪廓的外接圓，利用圓心和半徑來進行作物的定位，適用于圓形或近圓形輪廓的作物，對少量遮擋的作物也能實現(xiàn)較為準確的定位。為完成末端執(zhí)行器精確移動至作物采摘位置的任務(wù)，僅獲取作物二維信息無法實現(xiàn)，需要獲取作物的三維信息，以實現(xiàn)空間定位。

三維信息的獲取方法主要包括立體視覺法、結(jié)構(gòu)光法和使用TOF相機等方法。立體視覺法通常為雙目或多目視覺，通過多臺相機從不同角度拍攝，利用視差計算像素深度，構(gòu)建三維點云，結(jié)構(gòu)簡單、成本低，適用于自然光照條件下進行定位；結(jié)構(gòu)光法是通過主動投射圖案到作物表面，利用相機獲取投射圖案變形信息計算深度，投射距離較近時深度精度高，適用于溫室或室內(nèi)光照條件較好的場景；TOF相機通過發(fā)射紅外光脈沖并測量光往返時間來計算距離，以獲取深度信息，實時性強、精度高，適用于戶外采摘作業(yè)場景。

（三）作物分離技術(shù)。作物分離技術(shù)是指通過末端執(zhí)行器來實現(xiàn)作物果實與莖葉分離的技術(shù)，在作物果實被識別定位后，由末端執(zhí)行器實現(xiàn)作物果實分離。農(nóng)業(yè)采摘機器人的采摘對象一般為蔬菜和瓜果等表皮較為薄脆易于損傷的作物，因此與作物果實直接接觸的末端執(zhí)行器的結(jié)構(gòu)以及工作方式，對作物果實損傷情況有直接影響。末端執(zhí)行器一般執(zhí)行兩部分功能，即實現(xiàn)作物果實的抓取和作物果實分離，根據(jù)抓取和分離的方式不同，可以將末端執(zhí)行器分為手抓式、真空式和剪切式三大類。無論哪種方式的末端執(zhí)行器均需要注意與作物果實直接接觸的部件盡量使用柔性及彈性的材料，避免作物果實表皮劃傷或因為拉拽等分離方式造成的作物振動碰撞損傷。

四、存在的問題

（一）采摘成功率低。自然環(huán)境復(fù)雜以及作物植株特性等原因，導(dǎo)致田間采摘時出現(xiàn)自然光照不均勻、遮擋、目標晃動等情況，造成識別及定位不準確，進而導(dǎo)致采摘失敗；冠層內(nèi)部的作物果實，由于枝葉阻擋，識別定位及運動路徑不通暢，均會導(dǎo)致采摘失敗。

（二）采摘速度慢。農(nóng)業(yè)采摘機器人的采摘速度跟機械結(jié)構(gòu)和識別定位能力有關(guān)，由于自然環(huán)境復(fù)雜，作物識別定位需要大量計算，而機器人自身計算處理能力有限，導(dǎo)致識別定位能力受限；每次采摘機械臂和末端執(zhí)行器均需要執(zhí)行一系列動作，累計時間較長。

（三）作物果實損傷率高。由于農(nóng)業(yè)采摘機器人針對的作物為蔬菜和瓜果等表皮薄脆品類，機械采摘過程中容易造成作物果實的損傷，末端執(zhí)行器接觸和分離作物果實的過程均易造成機械損傷。

五、未來展望

針對農(nóng)業(yè)采摘機器人存在的主要問題，未來可以在以下幾個方面開展研究工作。

（一）加強農(nóng)機農(nóng)藝融合。針對農(nóng)業(yè)采摘機器人對作物采收過程中存在的冠層遮擋、作物互相遮擋等問題，可以通過農(nóng)機農(nóng)藝融合的方法，對種植農(nóng)藝進行改進，實現(xiàn)標準化種植，例如果蔬可以進行V架型種植，降低采摘機器人的識別和分離難度，提高識別準確率和采摘速度。

（二）優(yōu)化識別算法。針對自然環(huán)境下，農(nóng)業(yè)采摘機器人識別過程中存在的干擾因素較多的情況，可以通過增強數(shù)據(jù)集、優(yōu)化深度學(xué)習(xí)算法模型等方式提高作物識別準確率和識別速度。

（三）開發(fā)多臂協(xié)同作業(yè)。農(nóng)業(yè)采摘機器人的采摘速度與機械臂的數(shù)量有較大的關(guān)系，目前的采摘機器人多為單機械臂采摘，作物果實被識別后需要等待上一個采摘過程完成，才能進行下一個采摘過程，采摘速度受限。通過增加機械臂的數(shù)目，提高機械臂協(xié)同作業(yè)能力，可以顯著提升采摘效率。

（作者單位：鄄城縣農(nóng)業(yè)技術(shù)推廣中心）