果蔬分拣机械手研究进展

， 刘梁昊

(南京林业大学，江苏 南京 210037)

近年来利用人工分拣果蔬成本不断上升，总体效益降低。市面上的分拣机有滚筒筛式、震动筛式、斜坡式以及直线型变距分拣机等[1]，这些分拣机主要通过大小和重量来分拣果蔬，精度差、成本高且对果蔬有不同程度的损伤。随着工业机器人技术和图像处理技术的发展，使分拣机械手能够根据果蔬的外形、大小、颜色、表面质量等多个指标进行高效精准分拣，且对果蔬的损伤很小，是未来果蔬分拣的主要发展方向。

1 国内外果蔬分拣机械手研究现状

在分拣领域应用最广的机械手是DELTA并联式机械手，目前ABB公司已经推出了与机器视觉相结合的IRB360并联机械手，其外形如图1所示，该机械手具备视觉定位系统，可以集图像识别与抓取为一体，具有稳定高效精准的特点。由于价格较高，分拣机在我国只用于高利润的大型企业生产线上，另外还有少量用于高危、高精的炸药包生产线上，在薄利的果蔬分拣领域应用并不广泛[2]。

传统机械手在夹持果蔬等柔软易碎物时容易对其造成损伤，近几年来各种各样的软体机械手不断被研制出来。软体机械手表面柔顺，操作灵活，适应性和交互性强，再加上材料价格较低，可以考虑用在果蔬分拣领域。

芝加哥大学的研究团队研发出一种利用装满粗糙颗粒的袋装软包进行夹持的设备[3]，其工作原理如图2所示。当软包与物体接触时，软包会根据物体的形状产生变形从而包裹住物体，然后通过排出软包内多余的气体使软包硬化，从而夹紧物体。这种装置结构简单、易于控制、通用性强，可以夹持各种形状和类型的果蔬，缺点是无法抓取体积、质量较大的目标且夹持力难以控制。

图1 ABB公司推出的IRB360并联机械手

图2 袋装软包夹持物体的工作原理

2011年哈佛大学的研究团队研制了一种由硅胶制成的新型六指软体机械手[3]，其夹持过程如图3所示。通过向手指内部通入或放出气体使手指发生不同程度的变形，从而柔顺地抓取物体。与软包夹持相比，这种方式的夹持力大小更加合适，但这种机械手抓持体积较小且结构和控制都很复杂。Cambridge Consultants公司在此基础上新增了图像采集和处理装置，研发了一种能够判别果蔬类别和成熟程度的六指软体机械手，并可以根据判断结果对果蔬进行分类抓取。

图3 新型6指软体机械手夹持过程

此外还有一些针对特定水果的分拣机械手。如国内研究者将机器视觉、图像处理等理论应用到机械手中，开发了草莓拣选机器人，其三维模型如图4所示，该设备可以在采摘的同时进行分拣。法国研究出能够在恶劣环境下将大番茄和小樱桃加以区别并分装的设备。

图4 草莓拣选机器人三维模型

2 果蔬分拣机械手分类概述

通过归纳各类分拣设备的性能特点，可以从控制系统的类型以及末端控制器的类型对其进行分类。

2.1 按照控制系统分类

最常见的控制系统分为嵌入式控制和PLC控制两种，这两种方式都支持网络通信，可通过连接计算机实现智能控制[4-5]。

PLC通用性强且编程简单，可以通过修改程序实现对多套果蔬分拣设备的控制；可靠性高，故障率低，可减小企业成本；体积小，可装入执行机构内部，实现机电一体化，进行高精度无损分拣[6]。但其缺点是要在灵敏传感器的配合下才能有效工作，因此传送带上的果蔬不能过于密集，从而限制了效率的进一步提升。

嵌入式系统集软硬件于一体，价格较低，在复杂环境中仍能正常工作。可以与机器视觉系统连接从而识别不同果蔬，实现真正意义上的自动化[7]。其缺点是运行空间小、处理信息能力弱、工作时易受外部环境的影响，易对果蔬造成损伤。

两种控制系统的优缺点见表1。

2.2 按照末端执行装置分类

末端执行器的选取将直接影响果蔬分拣效果。主要从末端执行器的形状、材料进行分类，目前最常用的末端执行器就是各种类型的机械手，此外还有吸盘以及其他夹持装置。

机械手主要分为刚性手和软体手[8]。刚性手主要由金属材料制成，目前已经广泛应用在生产中，刚性手外形图如图5所示。刚性手又分为刚性夹爪式(图5(a))和多指灵巧手(图5(b))。刚性夹爪式主要由连杆机构驱动，结构简单，成本低，夹持力大；但抓取力难以控制，不适用于抓取果蔬等柔软易碎、形状差异较大的物品。多指灵巧手对上述缺点进行了改进，仿人手的外形设计使其具有很强的灵活性，可以完成各种抓取动作，但由于结构和控制都比较复杂，成本高，目前只用于军事、医疗等领域。

表1 两种控制系统的优缺点

图5 刚性手外形图

针对柔软易碎物体的分拣，传统的金属材料机械手已经不能很好地满足生产要求，因此软体机械手应运而生。软体手主要由各种柔性材料如橡胶、硅胶、智能材料、4D打印材料等构成，具有柔性材料的一系列特性，系统设计和控制都很简单，灵活性、安全性和交互性都显著提高，在抓取过程中基本不会对抓取物表面造成损伤，是今后果蔬分拣的主要发展方向[9]。图6描绘了一种软体机械手夹持西红柿的过程。

此外还有吸盘式的末端夹持装置，如图7所示。在IRB360并联机器人的末端安装气动夹具，每个吸盘上都有气压显示器，可以预先通过实验确定夹取某果蔬的合适气压，并将其设为预定值[10]。当吸盘贴近果蔬时，通过压力计实时测量气压值，当压力达到预定值时，既可以吸起果蔬，又不会造成表面损伤。这种方法的优点是对果蔬表面损伤小，缺点是需要附加的气动装置，占地面积较大。此外还有利用装满粗糙颗粒的袋装软包进行夹持的设备。

图6 软体手夹持西红柿

不同的末端执行器有不同的特点和应用场合，上述几种末端执行器的优缺点见表2。

图7 安装气动夹具的IRB360末端执行器

3 果蔬分拣机械手关键技术

3.1 机器视觉及图像处理

机器视觉和图像处理是实现果蔬精准分拣中重要的一环，经过图像采集、图像处理、特征提取、果蔬分类等步骤后，获得果蔬的形状大小、颜色、表面质量等特征信息和位置信息，最后将信息迅速传给末端执行装置，从而实现高效精准分拣[11]。

3.1.1 图像采集

在光源的配合下，用工业相机对目标果蔬进行拍照，并将得到的图像传送给计算机进行后续处理。

表2 几种末端执行器的优缺点

3.1.2 图像预处理

采集到的图像含有许多无用信息，为了提高图像分析的质量，需对图像进行预处理，通常采用灰度化、二值化、图像滤波法等方法对图像进行增强或复原。

3.1.3 图像分割

所谓图像分割就是将目标轮廓从图像中提取出来[12]。目前最常用的算法是基于阈值的算法，该算法可以有效解决由于果蔬表面亮度分布不均匀而导致的误割。此外还有边缘化处理，即找出亮度明显变化的点从而得到果蔬轮廓，但这种方法受光照影响较大。近年来基于“卷积神经网络”的图像处理方法逐渐流行，通过卷积计算并结合其他算法对图像进行分析，可以有效提取目标。

3.2 目标定位

传统的定位主要是通过激光、红外线、超声波等传感设备实现，易受外界环境的影响，定位准确率较低。近年来，通过图像处理进行定位取得了显著的发展。总体思路是通过一定算法将目标在图像中的位置转换为物体的实际位置，较为成功的算法有凸壳理论、YIQ颜色空间算法、果梗骨架角点计算等[13]。此外还可以将机器视觉与图像采集设备结合起来，从而提高定位效率。

3.3 品质分拣指标

3.3.1 外在品质

外在品质包括果蔬的外形、大小、颜色以及表面缺陷等，主要依托图像处理进行分析。目前主要的颜色处理有RGB模型、HSI(饱和度、色调、亮度)模型以及HSV(色调、饱和度、明度)模型[14]。相较于RGB和HSI模型，HSV模型抗干扰能力强，且各种果蔬的H通道有着较大的差异，常选用HSV进行颜色识别。可以利用各类图像处理软件库中的面积函数对果蔬的轮廓进行面积标定，从而将不同大小的果蔬分开。利用图像处理方法结合阈值分割法可以识别果蔬表面缺陷。

3.3.2 内在品质

内在品质包括果蔬的新鲜度、成熟度、味觉强度、硬度、脆性，以及是否有内部冻伤等。目前常用的识别方法有两种，一种是依靠各类气味传感器如电子鼻、电子舌及质构分析仪等进行分析[15]。另一种是通过近红外光谱、高光谱或多光谱进行分析和处理。以上两种方法都可以实现无损检测，但机械结构较为复杂且成本较高，对于内在品质的检测尚不成熟，因此在此方面的研究还有很大的进步空间。

3.4 夹持力大小控制

果蔬分拣机械手工作过程中果蔬损伤率高的主要原因是末端执行器夹持力难以控制。夹持力过小会导致抓伤或脱落，夹持力过大又会导致果蔬变形。为找到合适的夹持力应充分考虑在夹持过程中果蔬的变形。

大多数研究者采用实验法来获得合适的夹持力。但实验法具有一定的局限性，对于外形差异较大的果蔬会造成较大的应力误差；此外还可以通过建立力学模型，在一定约束条件下，利用力螺旋理论通过受力分析来确定平稳抓起果蔬所需要的夹持力，但这种方法并不具有一般性，只能针对一批大小形状类似的果蔬，且程序复杂。

目前已有研究把工作重心从“确定夹持力”转到了“实时控制夹持力”上，提出了灰色预测增量式PI力控制算法，即当末端执行器夹持到果蔬后，他们之间的接触力快速低超调地跟踪设定值，并根据与设定值的偏差关系不断调节夹持力，这种方法对果蔬等可变形体的动态抓持有很强的适应性，且稳定可靠，精度和效率高，损伤率低[16]。

4 结论与展望

经过多年的发展，林果行业分拣机械手的研究在关键技术上已经取得了显著的成绩，但离大规模使用还有一定的距离，仍有一些亟待解决的问题[17]。

(1)末端执行器的利用率和分拣后对果蔬的损伤程度是限制分拣机械手大规模使用的主要原因。因此在设计末端执行器时既要注意提高其通用性和灵活性，又要充分考虑抓取方式和抓取过程中果蔬的变形，从而实现通过更换夹持装置便可完成对不同果蔬的无损分拣。

(2)果蔬分拣的细致程度直接影响果蔬的储存和价格。目前主要以果蔬大小、重量等粗略特征作为分选指标，并不涉及果蔬内部品质检测。建立一套功能高度集成且小型化的分拣系统迫在眉睫。

(3)目前对图像处理技术已经有了较多的研究，但是果蔬分拣时果蔬数目较多且移动速度较快，这都会影响图像识别的准确度。利用更高效的算法和灵敏的传感器来提高图像处理速度和精度将是未来一段时间的发展方向

(4)目前实现智能分拣所需要的传感器、CCD工业相机以及机械手造价都很昂贵，会导致企业成本上升。因此，对分拣机械手进行结构上的简化既能降低成本，又能进一步实现其灵活性。

通过分析当前分拣机械手发展现状及已有的技术，我们更应立足实际生产需要，研究以智能控制和机器视觉为基础、实现多指标分拣的高度集成化小型分拣机械手，并不断优化控制系统和末端夹持器，使其具有通用性，从而实现不同果蔬的分拣。