蔬果采摘机器人的研究进展与展望

谭涛

【摘   要】 随着城市化的发展和农业劳动力的不断减少，新型农业生产模式的应用和新技术的开发迫在眉睫，农业机器人将成为未来农业生产活动的核心。采摘机器人作为农业机器人的一个重要分支，具有极大的发展潜力。本文分析了国内外近年来蔬菜和水果采摘机器人的研究进展和现状，指出采摘机器人开发中的主要问题，并阐述了蔬果采摘机器人未来主流发展方向。

【关键词】 蔬果采摘;农业机械;机器人;研究进展

中图分类号：S225               文献识别码：A               文章编号：2096-1073（2020）05-0068-69

[Abstract]  With the development of urbanization and the continuous reduction of agricultural labor， the application of new agricultural production models and the development of new technologies are imminent. Agricultural robots will become the core of future agricultural activities. As an important branch of agricultural robots， harvest robots have a great potential. This paper analyzes the research progress and status of vegetable and fruit harvesting robots in recent years at home and abroad， points out the main problems in their development， and explains the future development direction.

[Key words]  vegetable and fruit harvest; Agricultural machinery; Robots; Research progress

1  引言

蔬菜和水果的收获是传统农业生产链中劳动强度较大、时效性要求较高的部分，随着种植规模的增长，其工作成本正在不断提高。由于工业生产的快速发展以及城镇化率的不断上升，大量的农业劳动力正在向城镇转移，人口老龄化的程度在不断加重，农业生产的劳动力不断减少。在这种情况下，仅靠人力劳动并不能满足现有需求。近年来随着视觉识别技术的进步和智能控制理论的发展，使用机器人来采摘蔬菜和水果已经成为了一种现实趋势[1]。

蔬果采摘机器人是一种针对蔬菜和水果，具备自主作业能力并且可以通过编程来适应不同的工作环境的自动收获系统。它集成了横跨几个学科的知识，包括机械结构、视觉成像、运动学、传感器技术、控制技术和计算信息处理等。蔬果采摘机器人的出现解决了农业劳动力的短缺问题，大大减轻了农民的劳动强度，提高了蔬菜和水果的收获质量，降低了收割成本，提高劳动生产率，确保蔬果能得到及时的采收，提高蔬果产品的市场竞争力[2-5]。

2  国内研究进展

蔬果采摘机器人的视觉识别能力对于其采摘效率有着很大影响。近年来，能否快速准确地识别成熟果实是研究人员所面对的最大问题，国内外学者在这方面做了深入的研究。

马瑛等[6]基于ARM与FPGA智能控制模块、双目机器视觉技术，设计了新型草莓采摘机器人，其具有自动识别成熟草莓的能力和避障控制系统。对于样机的实验结果表明，该草莓采摘机器人能够准确对成熟草莓进行识别，并且可以自主回避行走路径中的障碍物。

张丽等[7]设计了一种基于模糊控制和PLC高速并行自动控制技术的新型樱桃采摘机器人。该机通过收集樱桃图像，对图像进行二值化和增强处理后识别出成熟樱桃。通过测试发现，其采摘速度与效率相比人工得到了很大提高。模糊控制使得采摘机器人的工作角度变化较为平缓，降低了樱桃果实的采摘破碎率。

宋健等[8]根据茄子生长的空间分布，采用优化设计方法设计了机器人主体的结构参数，并开发了四自由度多关节采摘机器人主体。根据果蔬采摘机器人的视觉系统要求，使用基于直方图的固定双阈值方法对GB-B灰色图像进行分割，提取水果目标的轮廓，面积，重心，外接矩形和截止点。整个系统运行稳定可靠，采摘成功率达到89%。

王晓楠等[9]研制出智能番茄采摘机器人。基于HIS颜色模型的图像分割提高了水果識别的准确性，同时在采摘爪上增加气囊确保采摘水果过程中对果实的保护。测试结果表明，采摘一个番茄仅需24秒且成功率达83.9%。

3  国外研究进展

Jia等[10]为了更好地将深度学习技术中特征提取和目标检测的良好性能应用到果实检测中，提出一种基于蒙版区域卷积神经网络（Mask R-CNN）的收获机器人视觉检测器模型。通过120张图像的随机测试集测试，识别准确率达97.31%，识别速度也更快，大大提高采摘机器人视觉系统的效率。

Kennedy等[11]研制出一台新型芦笋采摘机器人，在视觉识别模块融合了多光谱相机系统，并在实验室和室外条件下进行了试验，结果表明该套系统可以实时可靠地完成采摘目标的识别与定位。

Williams等[12]研制了一种新型多臂奇异果采摘机器人，每个机械臂均配备了新型末端执行器，确保安全地收获奇异果。视觉系统利用了神经网络技术，可在自然的照明条件下检测和定位奇异果。

Gené-Mola等[13]提出了一种用于水果检测和3D定位的新方法，使用Mask R-CNN实例分割神经网络进行2D水果检测，而后使用运动结构摄影测量法生成苹果的3D立体坐标。这种方法的优点是减少了误报数和更高的检测率，而缺点是需要较长的处理时间，使其难以实时连续工作。

4  总结与展望

当前，农业机器人正在成为机器人发展的前沿领域，而蔬果采摘机器人是农业机器人的一个重要应用方面，未来将越来越多地用于农业生产。蔬果采摘机器人的工作对象复杂多变，工作环境也较为恶劣，设备常在炎热和潮湿的环境中运行，因此该类机器人对可靠性要求较高。由于机器人的机械结构直接决定了机器人的可靠性，所以可以通过仿真分析和优化设计使机器人的机械部件更加简单、轻便和可靠。另外，蔬果采摘机器人的大多数操作员都是未经专业培训的农民，因此机器人的操作不能过于繁琐。再者，农民的收入有限，在开发机器人时须尽量降低制造成本，提高维护的简易性。目前，蔬果采摘机器人研究中仍然存在一些问题，例如机器人的视觉识别能力不够，在复杂背景和夜间环境下的工作能力还不够理想等。今后应当将人机协作，开放结构和多传感器融合的方法不断应用在农业机器人的研究中，尤其是将人工智能、深度学习等新型技术应用于蔬果采摘机器人的技术开发之中。

参考文献：

[1] 张洁，李艳文. 果蔬采摘机器人的研究现状、问题及对策[J].机械设计，2010，27（06）：1-5.

[2] 王盛春，郑耘杰. 我国农业机械发展趋势分析[J]. 河北农机，2012，06：44-52.

[3] 赵匀，武传宇，胡旭东，等. 农业机器人的研究进展及存在的问题[J]. 农业工程学报，2003，01：20-24.

[4] 刘继展. 温室采摘机器人技术研究进展分析[J]. 农业机械学报，2017，48（12）：1-18.

[5] 王丹丹，宋怀波，何东健. 苹果采摘机器人视觉系统研究进展[J]. 农业工程学报，2017，33（10）：59-69.

[6] 马瑛，杨旭. 草莓采摘机器人成熟果實识别及避障控制系统研究——基于ARM与FPGA[J]. 农机化研究，2017，39（02）：181-185.

[7] 张丽，郭素娜，汪小志. 樱桃采摘机器人设计——基于PLC高速并联自动化控制[J]. 农机化研究，2016，38（08）：199-203.

[8] 宋健，孙学岩，张铁中，等. 开放式茄子采摘机器人设计与试验[J]. 农业机械学报，2009，40（01）：143-147.

[9] 王晓楠，伍萍辉，冯青春，等. 番茄采摘机器人系统设计与试验[J]. 农机化研究，2016，38（04）：94-98.

[10] JiaWeikuan， TianYuyu， LuoRong， et al. Detectionandsegmenta-tionofoverlappedfruitsbasedonoptimizedmaskR-CNNapplicatio-ninappleharvestingrobot[J].COMPUTELECTRONAGR，2020，172：105380.

[11] KennedyGerard， IlaViorela， MahonyRobert. APerceptionPipe-lineforRoboticHarvestingofGreenAsparagus[J]. IFAC-PapersOn-Line， 2019，52（30）：288-293.

[12] WilliamsHenryA. M.， JonesMarkH.， NejatiMahla， et al. Robot-ickiwifruitharvestingusingmachinevision，convolutionalneuralnet-works， androboticarms[J]. BIOSYSTENG， 2019，181：140-156.

[13] Gené-MolaJordi， Sanz-CortiellaRicardo， Rosell-PoloJoanR.，et al. Fruitdetectionand 3Dlocationusinginstancesegmentation-neuralnetworksandstructure-from-motionphotogrammetry[J].COMPUTELECTRONAGR， 2020，169：105165.

（编辑：李晓琳）