基于形态分析法的智能采摘机器人设计

郑辰俊，戴铭涵，吴倩茹，王旭，秦艳

（1.电子科技大学成都学院 智能制造工程系，四川成都，611731；
2.江苏联合职业技术学院 淮安生物工程分院，江苏淮安，223200）

随着人工智能领域的飞速发展，机器人在智慧农业方面的应用也日趋广泛。而水果采摘作为农业领域中比较重要的一环，提升采摘水果的效率，在节约人工成本、缩短采摘周期以及提升经济效益等方面具有积极的意义。因此，研究智能采摘机器人具有良好的应用价值和市场前景。

近年来，国内许多机构对采摘机器人的研究逐渐增加。例如：2020 年，南通科技职业学院王丽娟、刘志刚等开发了一种结构简单的单果采摘器，实现了不同种类水果的采摘功能[1]；
2021 年，绥化学院李作山和付江龙以立体视觉为基础，对采摘机器人的路径规划进行了研究，机器人的行进过程平滑，且确保了误差均在许可范围内[2]；
2022 年，河南工业职业技术学院岳鹏飞通过分析动力学数据，完成了采摘机器人机械臂的运动学建模与仿真，提升了机器人作业的效率[3]；
2023 年，陕西国防工业职业技术学院孙永芳在设计农业采摘机器人的运动控制系统时，运用了同步定位和建图(SLAM)技术，实现了机器人工作时对果实位置的准确判断和采摘[4]。从上述研究来看，智能化已经成为农业采摘机器人发展的必然趋势，且随着时间的推移，机器人的采摘效率、路径规划、视觉识别以及运动控制等方面的精度也将越来越准确。鉴于此，本文采用形态分析法对智能采摘机器人进行设计，通过该方法的拟合形成合理的设计方案，从而在缩短设计周期的同时，确保机器人各方面的性能满足使用要求。

形态分析法，是对采摘机器人的功能和技术手段进行排列组合，由此获得一系列设计方案，并优选出最佳方案的设计方法[5]。该方法的主要实现过程是：（1）建立功能和技术手段的对应关系。通过文献参考法，整理2019—2023 年相关采摘机器人的功能和设计方案[6~7]；
（2）建立形态分析矩阵。将步骤1 整理好的主要功能和方案以列表的形式，添加至指定位置，形成对应关系，从而完成矩阵的构建；
（3）设计方案的确定。形态分析矩阵的建立，能够获得大量的设计方案，故在这一系列设计方案中，从创造性、技术手段实现的可行性、经济性以及生产工艺等方面进行综合论证，选择出合理的设计方案。

1.1 智能采摘机器人形态分析矩阵构建

本文以采摘苹果的机器人为设计对象，首先建立形态分析矩阵。采用文献参考法整理的主要实现的功能包括：行走、果实采摘、果实放置、机器视觉、驱动系统、无线通信以及循迹避障等[6~7]，构建的形态分析矩阵如表1 所示。

表1 形态分析矩阵

形态分析矩阵的方案总数计算表达式为[5]：

式中，X1,X2,X3…。Xi为第i 个功能对应的技术方案数量。

将表1 所示的形态分析矩阵数据代入公式(1)，能够计算出获得的设计方案数量为864 种。故需要对各技术手段进行分析，确定合理的设计思路。

1.2 智能采摘机器人设计方案分析与确定

根据表1 所示的形态分析矩阵，确定最终设计方案方法是对每项功能对应的技术手段进行分析，从而确定每项功能的最终实施路径，最后构成整个机器人的设计方案。例如：就机器人的行走方式实现来看，由于种植苹果树的果园通常地形比较复杂，且树上的苹果分布不均，机器人需要根据苹果的生长情况进行采摘，滑轨和定向轮的形式、固定式都不适合。再考虑到移动的便捷性，采用万向轮的形式是比较合理的，因此可以选择实现的技术手段为万向轮结构。同理，对其他的功能和对应的技术手段进行分析，最终确定的设计方案如表2 所示。

表2 采摘机器人设计方案

完成智能采摘机器人方案的确定后，便可以根据表2 所示的方案进行系统设计。该设计主要包括3 个方面：三维模型的构建、硬件设计以及软件设计。系统设计的方法为功能和结构相统一的原理，即根据表2 所示的功能和技术手段，在设计中采用对应的结构。例如：机器人的驱动系统设计中，采取的技术手段为电机驱动，则根据机器人的运动学原理和电磁转矩的需求，确定无刷直流电机作为驱动机构，从而可以确定其结构的形状、尺寸、系统电路以及运行程序等。同理，完成其他部件的设计。

2.1 三维模型的构建

采摘机器人三维模型，主要根据设计方案确定的基本结构进行布局、零部件形态和尺寸的确定、零件之间的配合以及整体的装配等操作。以行走机构和果实采摘机构为例，采用万向轮作为移动方式，考虑到果园地形的复杂性，万向轮能实现复杂地形的快速准确移动，需要一定的抗震功能，故该机构除了万向轮外，还需要设置增加强度性能和抗震性能的支架，万向轮机构的三维模型如图1 所示。对于采摘苹果的机械臂和机械爪而言，动作过程中需要满足运行平稳、运动精度以及适应不同的运动轨迹等要求，本文采用四杆机构作为连接装置，在大臂起始端设置电机模块控制机械臂的转向。在末端执行器选择三指的机械爪，方便采摘苹果的力度控制。将摄像头设置于机械臂的小臂处，方便苹果大小识别。机械臂和机械爪的三维模型，如图2 所示。同理，系统其余主要的零件如图3 ～图4所示。

图1 万向轮机构三维模型

图2 机械臂和机械爪三维模型

图3 果实放置桶

图4 摄像头

采摘机器人整体装配模型如图5 所示。

图5 机器人整体装配模型

2.2 硬件设计

2.2.1 主控芯片的确定

智能采摘机器人正常工作时，系统需满足的要求包括：（1）较快的运行速度和较高的稳定性；
（2）系统需要适时进行信号的传输、反馈信号的检测以及人机交互；
（3）系统节能性良好，即具有低功耗特点。因此，为达到上述要求，根据文献[8]的研究结论，该机器人的主控芯片可以确定为STM32F407，其系统电路如图6 所示。

图6 STM32F407 主控芯片

2.2.2 驱动系统的设计

采摘机器人在运行时，涉及驱动系统主要包括两个方面：（1）万向轮运行的驱动；
（2）机械臂和机械爪的驱动。该驱动包括对四杆机构的驱动控制整个机械臂的运行轨迹，大臂起始端的驱动控制机械臂的转向，对手腕的驱动控制机械爪的摆动。

当机器人在动作时，驱动系统工作的步骤是：（1）系统发送指令，让采摘机器人开始工作（如运行、采摘某棵树上某个区域的苹果）；
（2）系统通过控制机器人的驱动装置，让机器人运动到指定区域；
（3）系统对四杆机构、大臂起始端以及手腕等位置的驱动装置发送指令，执行采摘苹果动作。

从上述内容可知，采摘机器人的驱动系统较多，且不同的位置，驱动装置也不相同。限于篇幅，本文以万向轮机构的驱动系统为例进行阐述。机器人在果实采摘过程中，行走的地形比较复杂，且存在随机的坑洼地形。但整体而言，运行的场所通常面积不大，距离也有限。因此，采用无刷直流电机进行驱动[9]，比较合适。因为该电机转矩较大、调速范围较广且调速方式为无级调速，能够根据场所情况适时选择合适的转速保持复杂地形的顺利行走，其驱动结构采用双驱动形式，驱动系统的控制电路如图7 所示。

图7 万向轮驱动系统

2.2.3 循迹避障系统设计

采摘机器人的行走过程，需要适时进行循迹和避障。这也是该机器人运行的基本功能。对于该功能而言，本文选择目前应用较为广泛的红外传感系统来实现循迹。原因在于机器人工作的时间通常为白天，果树林的环境会导致光线分布趋于复杂。需要对不同照度的光线具有较好适应能力的传感器才能确保循迹的准确性[8]，而红外传感器具有上述特点，是一种比较合理的选择。其系统电路设计，如图8 所示。

图8 红外传感系统设计

此外，机器人在采摘水果的过程中，经常会遇到果树以及路面各种障碍。故机器人还需要具有避障功能。而避障的要求，既需要识别较远的障碍物，又需要在某些障碍物突然出现的时候，能够及时停车。故对识别的距离和精度都有较高的要求。为满足上述使用要求，可以选择RB URF02 超声波传感器[8]。因此，确定了红外和超声波传感器相结合的循迹避障系统。

2.3 软件设计

机器人系统的软件设计，主要是采摘苹果时，对苹果的大小进行识别和判断。只有当判断苹果大于某个阈值时，机器人才会对其进行采摘。故机器视觉是系统软件设计的重要方面，本文也以机器视觉为例，对软件设计进行阐述。

2.3.1 算法的选择机器视觉的核心问题在于算法的选择。常用的可选算法有YOLOv5s、YOLOv3s 以及改进YOLOv5s 等。三种算法对苹果识别的检测精度如表3 所示。

表3 三种算法的检测精度（%）

从表3 所示的三种算法平均精度来看，因为采摘机器人仅是对苹果轮廓和大小进行识别，识别对象比较简单，且特征明显。故三种算法都具有较高的检测精度。从三种算法平均精度本身的比较来看，改进YOLOv5s 算法精度要略高于其余两种算法。主要体现在当一些树枝和树叶对苹果存在不完全遮挡情形下，该算法的识别精度要优于其他两种。因此，本文在算法选择中，确定改进YOLOv5s 为基本算法。较之于YOLOv5 算法而言，该算法主要是对YOLOV5 算法中的网络结构、策略以及训练三个方面进行改进。其CIoU函数损失计算表达式为[10]：

式中，ρ2(b,bgt)为真实框和预测框中心点的欧式距离；
c为两框对角线长度；
υ为测试框高的相似性参数；
α为比例权重参数；
ωgt为真实框的宽度；
hgt为真实框的高度。

2.3.2 识别效果追踪

采摘机器人的视觉测试平台为Windows 10，处理器为11th Gen Intel(R) Core(TM) i5-11300H 3.10GHz，显卡型号为Intel(R)Iris(R)Xe Graphics，编程软件为Python 3.10。

在训练模型上，选取苹果图片训练集10000 张，验证集5000张以及测试集3000张。部分识别的情况如图9所示，测试结果如表4 所示。

图9 苹果大小识别

表4 测试结果

从表4 所示的测试结果来看，采用改进YOLOV5 算法后，通过训练，识别的平均准确率达到了96%。该识别精度达到了预期的要求，表明采取改进的YOLOV5 算法是比较合理的。

基于形态分析法设计的智能采摘机器人性能是否满足要求，需要进行一定的测试。鉴于此，本文按照等比缩放原则制作了机器人的模型，并开展了一些测试。测试流程为：（1）将机器人放置于某果树林场景中；
（2）初始化机器人控制系统的参数；
（3）设定机器人的运行路径和采摘目标；
（4）根据路径和采摘目标，进行模拟作业操作；
（5）对整个过程中的部分性能进行测试、反馈以及参数调整。主要测试的内容包括：（1）行走机构对果树林地面的适应性。即机器人能否在果树林的地面平稳和快速地进行直线、转向、掉头等动作；
（2）循迹和避障精度。机器人在行进中，是否能够按照既定路线准确地到达目的地，且在行进中遇到障碍物时能否及时判断和避开；
（3）果实采摘效率。机器人能否完成正常采摘果实的动作以及能否达到既定的效率（按照预设的小时采摘水果个数进行计量）；
（4）系统控制精度以及指令响应速度等。具体的测试结果如表5 所示。

表5 性能测试结果

从表5 所示的采摘机器人部分性能测试结果来看，各项主要性基本满足要求。万向轮机构能够适应果树林的地面，可以按照既定路线正常行进。而系统整体的控制精度都比较良好，响应速度也较快，表明主控系统的各模块设计比较合理。由此可知，采用形态分析法得出的设计方案是行之有效的。

智能采摘机器人设计中，本文采用形态分析法建立矩阵，并通过分析得出了较为合理的结构设计方案。根据该设计方案完成了机器人的结构设计，并建立了三维模型，实现了硬件和软件的设计。对机器人模型进行性能测试，测试结果达到了预期的目标，验证了形态分析法设计的可行性。下一步工作，可以结合形态分析矩阵筛选出更加合理的方案，完成采摘机器人的进一步优化设计。

猜你喜欢 万向轮设计方案驱动 基于可持续理念旧建筑改造设计方案探讨建材发展导向(2022年10期)2022-07-28基于模糊PI控制的驱动防滑仿真系统分析汽车实用技术(2022年7期)2022-04-20屈宏斌：未来五年，双轮驱动，砥砺前行房地产导刊(2020年11期)2020-12-28基于万向轮的AGV原地转向阻力研究装备制造技术(2020年3期)2020-12-25万向轮在扭王块模板拆装过程中的运用广东土木与建筑(2020年5期)2020-06-03拉杆箱平底万向轮振动分析机电工程技术(2020年2期)2020-03-26数据中心ECC设计方案研究铁道通信信号(2019年8期)2019-10-10轨旁ATC系统门控柜接收/驱动板改造铁道通信信号(2019年4期)2019-10-10四轮式全向移动机器人设计中国工程机械学报(2016年4期)2016-12-12高压电力系统规划设计方案探讨电子制作(2016年21期)2016-05-17