一种自动菠萝采收机的设计*

□ 卫泓宇 □ 李日辉 □ 刘冠灵 □ 谢爱倍 □ 李德荣

广东海洋大学 机械与动力工程学院 广东湛江 524088

1 设计背景

我国是全世界排第三的菠萝种植大国，其中以广东湛江地区菠萝种植面积规模最大。据农业部统计，2014年我国菠萝收割面积约6万公顷，年总产量约150 万 t［1］。

当前，菠萝的采摘仍以人工采摘为主。我国的菠萝有四个集中成熟季节，每次收获的高峰期通常只有半个月左右，短时期内需要大量人力来完成采摘作业，劳动力占了整个生产成本的50%～70%［2］。人工作业模式劳动强度高、效率低、成本高、难度大，单纯依靠人工采摘已严重限制了菠萝种植行业的发展。现阶段，国内外仅针对菠萝的收集开发了大型输送机，而专门用于菠萝采摘的机械化设备极少，研发滞后。

为解决上述问题，结合我国农业装备自动化的发展需求，笔者设计了一种机电一体化的自动菠萝采收机，用于规模化、自动化的菠萝采收。

2 基本结构

自动菠萝采收机主要由履带驱动总成、采收装置、平移装置、输送收集系统、支撑底盘、识别及定位系统等部分组成，整体结构如图1所示。自动菠萝采收机功能样机如图2所示。

▲图1 整体结构

3 工作流程

自动菠萝采收机的工作流程如下：

（1）采收机沿着菠萝田的沟畦界线向前移动；

（2）识别及定位系统采集图像，获取菠萝果实的坐标，上位机发送坐标信息至履带驱动总成，使采收机到达预定位置；

（3）采收装置运动，将菠萝果实与果柄分离；

（4）平移装置将果实移动到输送收集装置，果实下落至输送带，并输送到收集箱中，与此同时，采收装置和平移装置复位；

▲图2 自动菠萝采收机功能样机

（5）重复上述操作。

自动菠萝采收机工作原理框图如图3所示。

▲图3 自动菠萝采收机工作原理

4 控制系统

自动菠萝采收机各组成部分的控制由STM32F407主控芯片完成，各类输入输出指令在下位机与上位机之间进行通信，控制系统结构如图4所示［3］。

上位机的编程采用基于图形化编程思想的Lab View软件，以提高编程效率和软件平台的工程有效性。采用基于BSD许可发行的跨平台计算机视觉库Open CV软件，便于实现图像处理和计算机视觉方面的算法。下位机采用STM公司的F4系列芯片，既能保证系统运行的稳定、高效，又具有价格优势。

5 采收装置设计

采收装置由夹果机构、旋转拧断机构、滚珠转盘、驱动装置等组成，各组成零件如图5所示。滚珠转盘的内圈可转动，与旋转轴法兰盘固定连接。滚珠转盘外圈与升降连接板固定连接。由于两根圆导轨限制了升降连接板的五个自由度，因此整个采收装置只能在竖直方向做上下移动。

▲图4 控制系统结构

▲图5 采收装置

夹果机构整体采用空间摇杆机构原理，主要由舵机、底座、限位转盘、夹紧爪等组成。夹果机构的驱动器采用大扭矩舵机，安装方便，控制简单，扭力大，成本低，旋转角度可根据实际需要进行设定。夹紧爪上端通过销轴与夹紧爪支座连接，夹紧爪中端通过销钉铰接在中间杆上。工作时，舵机输出轴带动转盘旋转，并带动中间杆产生水平位移，进而推动夹紧爪做出开合动作，完成对菠萝的夹紧。

为保证工作过程中夹果机构不仅能夹紧菠萝果实，而且能不损伤菠萝表皮，夹果机构采用了三个均布的夹紧爪。夹紧爪采用仿生弧形包覆式设计，与菠萝表皮接触部分设有弹性橡胶。经多次测量后，得出菠萝果实纵向高度较长，约为22.76 cm，横向直径约为17.98 cm，单个果实的平均质量为1.32 kg。相关测量数据见表1。

表1 菠萝测量数据

根据上述测量结果，经计算后得出夹紧爪的长度取200 mm最合适，夹果机构中部空间最大可容纳体积为 770 cm2。

旋转拧断机构由扭转电机、联轴器、滚珠转盘等组成。旋转拧断机构整体通过连接螺杆固定连接在滚珠转盘内圈上。扭转电机固定在升降连接板上，其输出轴通过联轴器、连接板与滚珠转盘内圈连接。扭转电机瞬时转矩大，工作时，当夹果机构夹紧菠萝后，扭转电机带动旋转拧断机构快速将菠萝拧断，从而实现果实与果柄的分离。与人工采摘使用掰断脱果的方式相比，旋转拧断脱果方式更易实现机械化，同时使机构更为紧凑，空间利用率更高，在实际测试中取得了良好的效果。

这一采收机在竖直空间上对菠萝进行脱果，相比于水平横向的脱果方式，可减少对菠萝侧生芽的伤害，同时针对不同的菠萝品种，夹紧力的大小可调，符合实际生产作业的需求。采收机结构简单紧凑，质量轻，有利于提高采收效率。

6 履带式驱动平台设计

履带式驱动平台由履带驱动总成、驱动电机、蓄电池、支撑底盘等部分组成，如图6所示。

▲图6 履带式驱动平台

履带驱动总成由履带总成、驱动电机、姿态传感器、蓄电池等部分组成，场地适应性好，附着力强，可在多石、湿软的地表上行驶，并有较好的越障能力，能够适应菠萝种植地形的正常坡度要求［4］。由MPU6050六轴传感器和单片机反馈实时数据，可对履带的行走速度及方向进行自动调整，从而实现姿态修正与差速转向。

由于整车尺寸相对较小，履带底盘的尺寸有限，为提高履带式驱动平台的抗侧翻性能，需要使整车质量分布均匀合理。支撑底盘采用梯形梁设计，这一设计抗振、缓冲能力较强，抗侧倾能力好，能够维持采收机的质心稳定。

支撑底盘采用ASTM A36钢材料，取安全因数为3，限定载质量为200 kg，满载时支撑底盘受力为2 kN。支撑底盘的材料参数见表2。

表2 支撑底盘材料参数

使用Solid Works Simulation有限元分析软件，得出支撑底盘的应力分析结果，如图7所示。

▲图7 支撑底盘应力分析结果

支撑底盘受到的屈服力为250 MPa，大于局部最大应力（46.07 MPa）。根据应力分析，得出支撑底盘的最大位移量为0.898 1 mm，符合适度的变形条件，并得出最小安全因数为5.4，大于选定的安全因数（3），进而得出结论：履带式驱动平台中支撑底盘的设计校核安全。

7 识别及定位系统设计

识别及定位系统采用Lab View与Open CV混合编程，进行目标检测和定位。LabView软件具有快速采集图像的特点，用于对菠萝进行图像采集［5］。OpenCV软件具有丰富的图像处理函数，用于对菠萝进行识别和定位。

7.1 图像采集

采用两个无畸变广角摄像头，一个安装在平移装置的移动平台上，用于对菠萝果实在X轴和Y轴方向上的定位。另一个安装在上部框架的内侧，用于对菠萝果实在Z轴方向上的定位，组成双目视觉定位系统。在Lab View中利用NI-MIAQ函数进行采集图像，以便后期处理。

7.2 图像分割

在计算机图像处理中，常采用RGB模型和HSV模型。RGB模型基于人类视觉的三原色。由于三原色分量高度相关，且是一种不均匀的颜色空间，因此RGB模型主要作为一种面向硬件设备的色彩空间模型使用。HSV模型基于人的视觉感知特性建立色彩空间，具有两个重要的特点：其一，亮度分量与图像的彩色信息无关；其二，色度分量、饱和度分量与人感受颜色的方式紧密相连。因此，常基于HSV模型的色度分量或饱和度分量进行图像色彩的运算处理［5］。

在HSV空间中对图像进行阈值分割，具体步骤如下。

（1）图像预处理。由于采集的图像包含有噪声干扰［6］，因此先在Open CV中进行图像预处理。

①进行高斯滤波处理。高斯滤波器是一个低通滤波器，适合进行平滑滤波处理，可以消除高斯噪声，而且边缘小细节保留得较好［7］。

②进行中值滤波处理。由于中值滤波算法将中心像素的正方形邻域内每个像素值用中间像素值替换，因此可以在去除脉冲噪声和椒盐噪声的同时保留图像边缘细节［8-9］。

两种滤波器的互补性在图像最大化并减少噪声影响的同时保留了图像细节。

（2）颜色空间转换。RGB模型转换到HSV模型的算法［10］为：

在Open CV中转换前后的对比如图8所示。

（3）分割图像处理。根据采摘菠萝成熟程度选取不同的皮肤模板，作为图像分割的颜色模板，定义采集到的图像颜色为 C1=｛H1，S1，V1｝，模板的图像颜色为C2=｛H2，S2，V2｝，两者之间的距离 D 定义为：

▲图8 图像转换对比

选取另外三个颜色模板分别为C2、C3、C4，取D=［D（C1，C2）+D（C1，C3）+D（C1，C4）］/3。由于色度分量的范围是0～360°，饱和度分量和亮度分量的范围归一化为［0，1］，因此在HSV颜色空间中采集到的图像颜色与模板图像颜色的距离最大值为。定义两颜色相似度，设定阈值，相似度大于阈值时，图像像素为0；小于阈值时，图像像素为255。经过阈值处理后得到的图像如图9所示。

▲图9 阈值处理后图像

由于叶子的遮挡使部分菠萝果实识别不出，但不影响整体。与此同时，还有部分叶子被识别为菠萝果实。针对这一情况，用轮廓面积函数设定阈值进行过滤，用轮廓纵横比函数设置阈值同样进行过滤，再利用凸包函数画出多边形。

7.3 图像标定

考虑到方便性、准确率、鲁棒性等问题，在Open CV中用标定法［11］对相机进行建模。平面标定法是介于传统标定法和自标定法之间的一种方法，既避免了传统方法设备要求高、操作烦琐等缺点，又较自标定法精度高。平面标定法需要确定模板上点阵的物理坐标，以及图像和模板之间点的匹配。

7.4 目标识别

获得经凸包函数处理的图像后，利用最小面积包围圆函数，得到圆心坐标。为了不损伤侧生芽，将返回坐标调整到合适的值，加上部分叶子对图像处理的遮挡，使夹紧爪夹取位置可以远离侧生芽。

8 结论

在国内外果园采摘机械化迅速发展的环境下，菠萝采摘作业的研究多以采摘末端或机械手为主，缺少集采摘与运输于一体的机械化装备。笔者设计的自动菠萝采收机具有采收运输一体化、采摘效率高、自动化程度高等特点，对缓解劳动力短缺、稳定采收作业质量、减轻劳动强度、提高生产效率具有重要意义。