果蔬采摘机器人研究论文

水果采摘需要更精准，也更安全的技术，随着机器人视觉、人工智能等技术的进步，一批技术研究员和初创公司，投入到了更自动化、更智能的采摘机器人的研发中。

本专题我共整理了9篇文章，来自北京农业智能装备技术研究中心、华中农业大学、中国农业大学、中国农村技术开发中心、上海市农业机械研究所、上海交通大学、上海市农业科学院、石河子大学、山东农业大学等单位。

文章包含农业机械与信息技术融合发展、果蔬采摘机器手设计、自动导航与测控技术的应用、天然橡胶割胶机器人、白芦笋采收机器人、畜禽舍防疫消毒机器人、轮式谷物联合收获机、中国智能农机装备标准体系、油电混合果园自动导航车控制器硬件的设计与应用等内容。供大家阅读、参考。

专题--农业机器人与智能装备

Topic--Agricultural Robot and Intelligent Equipment

[1]陈学庚, 温浩军, 张伟荣, 潘佛雏, 赵岩. 农业机械与信息技术融合发展现状与方向[J]. 智慧农业(中英文), 2020, 2(4): 1-16.

CHEN Xuegeng, WEN Haojun, ZHANG Weirong, PAN Fochu, ZHAO Yan. Advances and progress of agricultural machinery and sensing technology fusion[J]. Smart Agriculture, 2020, 2(4): 1-16.

摘要： 为理清国内外农业机械与信息技术融合发展现状，找到重点发展方向，借此大力推进中国农业机械智能化发展，本文首先分析了国外农业机械与信息技术融合发展的现状，总结了其发展的五大特点。之后指出中国农业机械化发展虽然成效显著，但仍存在农机信息化融合的区域及结构发展不平衡、企业和农民对农业机械信息化的认可度还不高、基础研究与关键技术研究薄弱、农机作业信息系统管理水平不高且缺乏统一标准等问题。最后提出了中国农业机械与信息技术融合发展的方向，包括促进智能感知技术发展与导航技术研究、推进农业机械装备智能化、构建农机智慧作业系统、推进农机自主作业技术研究与无人农场建设、加强农机信息化技术标准制定与复合型人才培养等。农业机械与信息技术融合是中国现代农业机械发展的必然趋势，利用信息技术促进农业机械的发展，能够最大化发挥信息技术的引导效应，提高农业生产效率，对于推进中国农业机械高质高效发展具有重要意义。

知网阅读

[2]吴剑桥, 范圣哲, 贡亮, 苑进, 周强, 刘成良. 果蔬采摘机器手系统设计与控制技术研究现状和发展趋势[J]. 智慧农业(中英文), 2020, 2(4): 17-40.

WU Jianqiao, FAN Shengzhe, GONG Liang, YUAN Jin, ZHOU Qiang, LIU Chengliang. Research status and development direction of design and control technology of fruit and vegetable picking robot system[J]. Smart Agriculture, 2020, 2(4): 17-40.

摘要： 鲜食果蔬收获是难以实现机械化作业的生产环节，高效低损采摘也是农业机器人研发领域中的难题，导致目前市场化的自动化果蔬采摘装备生产应用几乎空白。针对鲜食果蔬采摘需求，为改善人工采摘费时费力、效率低下、自动化程度低的问题，近30年来，国内外学者设计了一系列自动化采摘设备，推动了农业机器人技术的发展。在研发鲜食果蔬采摘设备时，首先要确定采收对象和采收场景，针对作物的生长位置、形状和重量、场景的复杂程度、所需自动化程度，通过复杂度预估、力学特性分析、姿态建模等方式，明确农业机器人的设计需求。其次，作为整个采摘动作的核心执行者，采摘机器人的末端执行器设计尤为重要。本文对采摘机器人末端执行器的结构进行了分类，总结了末端执行器的设计流程与方法，阐述了常见的末端执行器驱动方式、切割方案，并对果实收集机构进行了概括。再次，本文概述了采摘机器人的总体控制方案、识别定位方法、避障方法及自适应控制方案、品质分类方法以及人机交互、多机协作方案。为了总体评价采摘机器人的性能，本文还提出了平均采摘效率、长期采摘效率、采收质量、损伤率和漏采率指标。最后，本文对自动化采摘机械的总体发展趋势进行了展望，指明了采摘机器手系统将向着采摘目标场景通用化、结构形式多样化、全自动化、智能化、集群化方向发展的趋势。

知网阅读

[3]王春雷, 李洪文, 何进, 王庆杰, 卢彩云, 陈立平. 自动导航与测控技术在保护性耕作中的应用现状和展望[J]. 智慧农业(中英文), 2020, 2(4): 41-55.

WANG Chunlei, LI Hongwen, HE Jin, WANG Qingjie, LU Caiyun, CHEN Liping. State-of-the-art and prospect of automatic navigation and measurement techniques application in conservation tillage[J]. Smart Agriculture, 2020, 2(4): 41-55.

摘要： 实现智能化是提升保护性耕作机具作业质量和效率的重要途径，自动导航与测控技术作为智能化技术的重要组成部分，近年来在保护性耕作中的应用发展迅速。本文首先从接触式、机器视觉式和GNSS式三种免少耕播种自动导航技术入手，阐述了自动导航技术在保护性耕作中的应用现状；然后对作业参数监测技术的发展动态进行了详细介绍，包括地表秸秆覆盖率的快速检测技术、免少耕播种机播种参数监测技术及保护性耕作机具作业面积监测技术；之后阐述了保护性耕作机具作业控制技术的发展现状，主要介绍了免少耕播种机漏播补偿控制技术和作业深度控制技术。最后在总结自动导航与测控技术在保护性耕作中现有应用的基础上，展望了未来保护性耕作机具自动导航技术、作业参数监测技术和保护性耕作机具作业控制技术三者的研究方向。

知网阅读

[4]周航, 张顺路, 翟毅豪, 王松, 张春龙, 张俊雄, 李伟. 天然橡胶割胶机器人视觉伺服控制方法与割胶试验[J]. 智慧农业(中英文), 2020, 2(4): 56-64.

ZHOU Hang, ZHANG Shunlu, ZHAI Yihao, WANG Song, ZHANG Chunlong, ZHANG Junxiong, LI Wei. Vision servo control method and tapping experiment of natural rubber tapping robot[J]. Smart Agriculture, 2020, 2(4): 56-64.

摘要： 自动化割胶不仅可以把胶工从繁重的体力劳动和恶劣的工作环境中解放出来，还能降低对胶工的技术依赖，极大地提高生产效率。实现非结构环境下作业信息自主获取及割胶位置伺服控制是割胶机器人的关键技术。针对工作环境复杂多变、作业信息叠加交互、目标背景特征相近、亚毫米级作业精度要求等技术难点，本研究以人工橡胶林中橡胶树为割胶对象研发割胶机器人，通过建立割胶轨迹的空间数学模型，规划机器人快速接近和远离操作空间的运动路径；采用双目立体视觉技术获取树干和割线结构参数，融合机器人运动学、机器视觉技术和多传感器反馈控制技术研制了割胶机器人模块化样机。割胶机器人主要由轨道式机器人移动平台、多关节机械臂、双目立体视觉系统和末端执行器等组成。在海南天然橡胶林进行的割胶试验结果表明，在割胶机器人切割1 mm厚的橡胶树皮时，耗皮量误差约为 mm，切割深度误差约为 mm。该研究可为 探索 天然橡胶树的自动化割胶作业提供技术参考。

知网阅读

[5]李扬, 张萍, 苑进, 刘雪美. 白芦笋采收机器人视觉定位与采收路径优化方法[J]. 智慧农业(中英文), 2020, 2(4): 65-78.

LI Yang, ZHANG Ping, YUAN Jin, LIU Xuemei. Visual positioning and harvesting path optimization of white asparagus harvesting robot[J]. Smart Agriculture, 2020, 2(4): 65-78.

摘要： 依据笋芽出土状态的选择性收获是目前白芦笋公认的最佳收获方式。针对采收过程中机器视觉识别笋尖存在笋尖与垄面纹理和颜色相近等识别难题，本研究提出了一种变尺度感兴趣区域（ROI）检测方法，融合图像色域变换、直方图均值化、形态学和纹理滤波等技术，研究了笋尖识别与精准定位方法；在定位多笋尖坐标基础上，提出了多笋芽的采收路径优化方法，解决了因采收路径不合理导致的采收效率低的问题。首先，通过机器人视觉系统实时采集采收区域图像并进行RGB三通道高斯滤波，采用HSV色域变换并进行直方图均值化处理。在此基础上，对笋尖、土壤进行特征聚类分析，根据笋芽抽发程度研究变尺度ROI检测方法，对采集图像中笋尖的形态学以及笋尖和土壤的纹理进行统计学分析，设定笋尖的似圆度阈值，并参考纹理特征参数，判定笋尖位置，计算其几何中心，获得笋尖轮廓中心坐标。其次，为实现白芦笋的高效采收，根据多目标点与集箱点的位置分布，本研究设计了一种基于多叉树遍历的采收路径优化算法，以获得多个目标笋尖的最优采收路径。最后，搭建采收机器人试验平台开展了笋尖定位与采收验证性试验。结果表明，视觉系统对白芦笋的识别率可达，笋尖轮廓中心坐标的定位最大误差X方向为 mm，Y方向为 mm，采收笋的个数在不同情况下，采用路径优化后的末端执行器运动距离平均可节省，末端执行器定位成功率达到100%，在实验室环境下的白芦笋采收率达到，验证了采用视觉定位的白芦笋采收机器人选择性采收的可行性。

知网阅读

[6]冯青春, 王秀, 邱权, 张春凤, 李斌, 徐瑞峰, 陈立平. 畜禽舍防疫消毒机器人设计与试验[J]. 智慧农业(中英文), 2020, 2(4): 79-88.

FENG Qingchun, WANG Xiu, QIU Quan, ZHANG Chunfeng, LI Bin, XU Ruifeng, CHEN Liping. Design and test of disinfection robot for livestock and poultry house[J]. Smart Agriculture, 2020, 2(4): 79-88.

摘要： 针对畜禽养殖防疫消毒劳动强度大、安全性差的问题，设计了防疫消毒机器人系统，以实现畜禽舍防疫消毒喷雾的智能化作业。机器人系统由移动承载平台、防疫喷雾部件、环境监测传感器以及控制器等4部分构成，支持全自动运行和遥控操作2种工作模式。针对畜禽舍内弱光、低应激的工况条件，提出了“磁标-射频识别”组合的导航路径探测方法，实现在畜禽舍内养殖笼架间的自主移动。设计了风助式药液喷嘴，可同步实现消毒药液的雾化和扩散。通过对喷嘴内腔风场进行流体动力学仿真，对喷嘴气体导流和药液雾化部件结构参数进行了优化设计，确定了锥形导流垫块和雾化栅板的倾角分别为75 和90 。最后，在禽舍内对机器人导航和喷雾性能进行了现场测试。试验结果表明，机器人移动平台可满足 m/s速度范围的自动巡线导航，其实际轨迹相对磁钉标记的最大偏移量为 mm；风助式喷嘴可适用于200~400 mL/min流量的药液喷洒，形成的雾滴直径（）为 μm，雾滴沉积密度为116~149 个/cm2。本畜禽舍防疫消毒机器人可实现养殖舍内消毒和免疫药液的智能化喷雾作业。

知网阅读

[7]丁幼春, 王绪坪, 彭靖叶, 夏中州. 轮式谷物联合收获机视觉导航系统设计与试验[J]. 智慧农业(中英文), 2020, 2(4): 89-102.

DING Youchun, WANG Xuping, PENG Jingye, XIA Zhongzhou. Visual navigation system for wheel-type grain combine harvester[J]. Smart Agriculture, 2020, 2(4): 89-102.

摘要： 为提高联合收获机收获质量与效率，构建了轮式谷物联合收获机视觉导航控制系统，结合OpenCV设计了谷物收获边界直线检测算法识别水稻田间已收获区域与未收获区域边界，经预处理、二次边缘分割和直线检测等得到联合收获机视觉导航作业前视目标路径，并根据前视路径相对位置信息进行田间动态标定获得联合收获机满幅收获作业状态；提出了一种基于前视点的直线路径跟踪控制方法，通过预纠偏控制实现维持满割幅的同时防止作物漏割，以相对位置偏差值和实时转向后轮转角作为视觉导航控制器的输入，并根据纠偏策略对应输出转向轮控制电压大小。稻田试验结果表明，该导航系统实现了轮式联合收获机田间相对位置姿态的可靠采集及目标直线路径跟踪控制的稳定执行，在田间照度符合人眼正常工作的情况下，收获边界识别算法检测准确率不低于，单帧检测时间50 ms以内；以不产生漏割为前提的视觉导航平均割幅率为，随作业行数增多，割幅一致性呈提高趋势。本研究可为联合收获机自动导航满割幅作业提供技术支撑。

知网阅读

[8]胡小鹿, 梁学修, 张俊宁, 梅岸君, 吕程序. 中国智能农机装备标准体系框架构建与研制建议[J]. 智慧农业(中英文), 2020, 2(4): 116-123.

HU Xiaolu, LIANG Xuexiu, ZHANG Junning, MEI Anjun, LYU Chengxu. Construction of standard system framework for intelligent agricultural machinery in China[J]. Smart Agriculture, 2020, 2(4): 116-123.

摘要： 针对中国智能农机装备标准化工作中缺乏系统性标准体系指导的问题，本研究构建了中国智能农机装备标准体系框架。首先从标准体系、具体标准、国际化水平等方面分析了中国智能农机装备标准化现状及存在问题；依托智能农机装备标准体系框架构建的目标及原则，总结了级别、约束力、通用性、性质、对象、标准类别、参考模型、行业分类、产业环节等构成标准体系框架的维度。之后利用级别、类别、产业环节构建了中国智能农机装备标准体系三维框架结构，并将其二维分解为基础层、共性通用层和应用领域层。最后提出了中国智能农机装备标准研究与编制的建议。本研究可为中国智能农机装备标准的制修订、实施与服务提供系统性指导，引领中国智能农机装备产业快速发展。

知网阅读

[9]吴应新, 吴剑桥, 杨雨航, 李沐桐, 甘玲, 贡亮, 刘成良. 油电混合果园自动导航车控制器硬件在环仿真平台设计与应用[J]. 智慧农业(中英文), 2020, 2(4): 149-164.

WU Yingxin, WU Jianqiao, YANG Yuhang, LI Mutong, GAN Ling, GONG Liang, LIU Chengliang. Design and application of hardware-in-the-loop simulation platform for AGV controller in hybrid orchard[J]. Smart Agriculture, 2020, 2(4): 149-164.

摘要： 果园由于面积范围广、地形复杂、壕沟多、杂草丛生、土壤湿度较高且土质较为疏松，对自动导航小车（AGV）的机械结构、控制系统，以及能源动力系统的设计都提出了更高的标准和要求。混合动力AGV小车可以满足果园中长距离移动的需求。为 探索 合适的混合动力AGV控制系统算法以及能量管理策略，同时减少设计过程中由于果园地形复杂导致的控制器设计验证迭代、需求多样化问题带来的人力、物力，以及时间成本，本研究针对果园面积广的特点，选择串联式油电混合动力系统进行AGV动力能源系统模型的搭建。另外，针对果园AGV需要适应地形范围广的特点，采用履带车模型结构，利用硬件在环仿真技术，以树莓派作为控制系统搭载控制算法实物，利用Matlab和RecurDyn软件建立包含能源动力系统、电机驱动系统、履带车行驶部分模型以及路面模型的系统实时仿真模型，最终实现了串联式混合动力AGV控制器硬件在环仿真功能。基于串级比例积分微分（PID）以及模糊控制器控制算法的仿真验证表明，模糊控制器控制算法能够减少参数调节带来的时间成本，在转向角度小时响应速度加快了50%，在转向角度大时串级PID控制器产生了10%的超调，而模糊控制器无超调，转向更加平稳。结果表明硬件在环仿真平台能够有效地应用于果园AGV控制器的开发，避免了控制实物试验，在降低成本的同时可以加快果园自动导航小车的开发过程。

知网阅读

微信交流服务群

为方便农业科学领域读者、作者和审稿专家学术交流，促进智慧农业发展，为更好地服务广大读者、作者和审稿人，编辑部建立了微信交流服务群，有关专业领域内的问题讨论、投稿相关的问题均可在群里咨询。

入群方法： 加我微信 331760296 ， 备注： 姓名、单位、研究方向 ，我拉您进群，机构营销广告人员勿扰。

信息发布

科研团队介绍及招聘信息、学术会议及相关活动 的宣传推广

创智链2021-03-08 11:06关注不知道你是否遇到过说不出来名字的水果，或者是两两相似，确实不知道具体水果的品种的情况？随着人工智能技术的发展，智能图像识别应用场景也愈发广泛。当机器装上了人工智能的“眼睛”，机器就成为了“百事通”，识别成千上万的水果品种不在话下。那机器究竟是如何识别水果的呢？今天小编节选彭红星教授团队的科研论文——《基于改进SSD模型的自然环境下多类水果图像检测研究》，带大家简单了解图像识别领域中，正确识别水果有哪些方法？近年来，随着深度学习的迅速发展和崛起，尤其在视觉方向取得了巨大的成就，相比传统的识别算法，深度学习在对目标识别的特征描述上能力更强。因此，开发基于深度学习算法视觉识别功能的分拣、采摘机器人或者专业采摘工具具有重大意义。本文以苹果、荔枝、脐橙、皇帝柑四类水果为研究对象，运用基于改进的SSD深度学习模型检测技术对这4类水果进行检测识别研究。自然环境下的水果识别检测是利用计算机视觉技术获取水果目标位置信息，并将获得的位置信息传递给水果采摘机器人的机械手臂，从而能够精确地进行后续的水果采摘工作。因此，水果的目标检测是水果采摘自动化领域的重要组成部分，近些年来，很多传统水果检测识别算法相继提出。方法一、利用不同深度架构[13-14]的CNN不断刷新图像分类、识别的精确率。方法二、利用尺度多层感知器和卷积神经网络两种特征提取算法分割，但是只针对单类水果进行识别；方法三、利用参数优化和结构约简的LeNet模型对田间环境下的猕猴桃进行自主特征学习，但对于遮挡和重叠果实没有达到很好的效果；方法四、采用Faster R-CNN深度卷积神经网络分别构建甜椒和柑橘检测系统，但其目标检测框过大；方法五、基于CNN的SSD（Single Shot Detector）深度学习物体检测方法，实现兼顾速度的同时提高了检测的精度。而经过基于改进的SSD深度学习模型检测技术可提高各类水果的识别效率和准确率。此外基于标注框的检测技术，也可以很好地解决重叠水果的目标分割问题，从而为水果自动本发明属于水果图片分类领域，具体是指基于alexnet的卷积神经网络的水果图片分类算法。背景技术：2.近年来，随着电子科技的快速发展和互联网的快速普及，智能手机、数码相机等电子产品的使用门槛越来越低。图像作为一种高效信息的传播媒介，无论是在本地还是在各类社交平台，都无时无刻不在增长。因此，给各类图像扫描分析、赋予标签、分类归档就显得尤为重要了。3.同时，计算机科学和信息技术的持续发展，逐渐将人工智能引领进我们的生活，为我们生活带来了很多便利。而识别图像识别和分类正是人工智能领域中重要的组成部分，也是现阶段深度学习中比较热门的课题。4.水果在我们生活中常见、普遍而且品种众多、样式复杂，具有极强的多样性，研究水果分类识别算法，具有重要的意义。技术实现要素：5.本发明的目的是克服水果自动识别技术中现有不同分类器对不同水果种类的分类效果不均衡，提供一种基于深度学习算法实现水果分类识别的方法，从而提高水果图片识别的准确度。6.本发明采用的技术方案为：一种基于深度学习算法实现水果分类识别的方法，所述智能识别方法包括以下步骤：7.步骤一：构建一个合理的预测模型，建立样本数据集，分别为：训练集、验证集和测试集。8.步骤二：通过各搜索引擎和数据库搜索相关的水果图像样本，下载到本地。9.步骤三：参考卷积神经网络模型alexnet，进行一些精简和优化实现的，经过大量的训练和调试后，得出的最佳参数。10.步骤四：返回pycharm，使用tensorflow调用模型，对测试集进行分类测试。11.本发明有益效果：12.(1)本算法模型共架设了8个网路层次，使用了relu作为激励函数，relu激励函数可以在网络的更深层次中发挥作用