双臂快速葡萄采摘机器人在水平棚架栽培中的开发研究

作者及发表信息

本研究由江苏大学现代农业装备与技术重点实验室的Yingxing Jiang、Jizhan Liu（通讯作者）、Jie Wang、Wuhao Li、Yun Peng和Haiyong Shan合作完成，于2022年9月20日发表在Frontiers in Plant Science期刊（DOI: 10.3389/fpls.2022.881904）。

学术背景

研究领域与背景

本研究属于农业机器人技术领域，聚焦于水平棚架（horizontal trellis）栽培模式下鲜食葡萄的自动化采摘问题。葡萄是全球重要的经济作物，2020年全球葡萄产量达5000万吨，其中中国占2000万吨。然而，传统人工采摘效率低、劳动强度大，且水平棚架葡萄的采摘高度（1.8米）和果实易损性进一步增加了机械化难度。现有单臂采摘机器人存在效率低（平均25秒/串）、灵活性差等问题，无法满足产业需求。

研究目标

开发一种双臂高速葡萄采摘机器人，解决以下关键问题：
1. 效率瓶颈：单臂机器人采摘周期长，需提升至接近人工效率（目标<10秒/串）。
2. 环境适应性：水平棚架下葡萄串间距小、垂直悬挂，需精准识别和避障。
3. 损伤控制：鲜食葡萄对完整性要求高，需降低采摘过程中的机械损伤。

研究方法与流程

1. 机器人系统设计

硬件架构

• 视觉系统：采用Intel RealSense D435i深度相机（RGB分辨率1920×1080，深度分辨率1280×720，视场角69°×42°），安装在机器人顶部，实现全局视野覆盖。
  
• 机械臂：两台Techsoft TB6-R5六自由度机械臂（负载5 kg，重复定位精度±0.05 mm），对称布置于机身两侧，工作空间覆盖棚架范围（2.5 m宽×2 m高）。
  
• 末端执行器：自主研发“剪切-夹持”（cut-clip）一体化装置，采用弧形手指和橡胶垫设计，可容忍视觉定位误差（水平容差±15 mm）。
  
• 移动平台：配备履带底盘和SICK LMS-111二维雷达，实现自主导航。
  

软件架构

基于ROS（Robot Operating System）构建控制系统，集成以下模块：
- 视觉识别：通过HSV阈值分割提取葡萄串几何轮廓，基于深度值（100–800 mm）过滤背景，预测茎秆切割点坐标（公式：( x_k = x_0, y_k = y_0 + \frac{h}{2} + h’, z_k = z_0 )）。
- 任务分配：采用“对称空间分割法”（symmetric space segmentation），以相机视野中心为界，左/右机械臂分别处理负/正x坐标区域。
- 防碰撞策略：划分“危险区”与“安全区”，在危险区采用“主从异步”（asynchronous master-slave）协作模式，避免双臂干涉。

2. 关键技术

高速采摘技术

• “单眼-双臂”视觉伺服（one-eye and dual-arm visual servo）：单相机同时服务双臂，通过深度阈值分割（depth threshold segmentation）确定采摘顺序。
  
• 容错组合：视觉算法（基于轮廓的茎秆预测）与末端执行器（弧形手指设计）协同，容忍叶片遮挡（遮挡率≤40%时仍可识别）。
  

3. 实验验证

室内精度实验

• 样本：30组不同遮挡程度（0–5%、6–20%、21–40%）的葡萄串模型。
  
• 结果：
  
  • 视觉识别误差：最大（15.147 mm, 13.689 mm, 16.330 mm）。
    
  • 机械臂定位误差：左臂（x: 2.885 mm, y: 3.972 mm, z: 2.715 mm），右臂（x: 2.471 mm, y: 3.289 mm, z: 3.775 mm）。
    
  • 平均采摘时间：8.45秒/串，成功率73.3–93.3%（随遮挡增加下降）。
    

田间性能实验

• 地点：中国江苏句容某水平棚架葡萄园（品种：巨峰）。
  
• 结果：
  
  • 识别成功率：86.7%。
    
  • 采摘成功率：83%，平均周期9秒/串，损伤率%。
    
  • 对比优势：显著优于现有番茄（87.5%，30秒/串）和苹果（72%，>30秒/串）采摘机器人。
    

主要结果与结论

结果分析

1. 效率提升：双臂并行操作将采摘周期缩短至9秒/串，接近人工效率。
   
2. 环境鲁棒性：叶片遮挡≤20%时，成功率保持86.7%，满足实际需求。
   
3. 技术创新：“单眼-双臂”架构降低硬件成本，容错设计减少对高精度算法的依赖。
   

研究价值

• 科学价值：为密集种植环境下的果实采摘提供了多臂协作的理论框架。
  
• 应用价值：推动葡萄产业自动化，缓解劳动力短缺问题，尤其适用于亚洲广泛采用的水平棚架模式。
  

研究亮点

1. 首创双臂架构：首次将双机械臂应用于葡萄采摘，效率较单臂提升3倍。
   
2. 硬件-算法协同容错：通过末端执行器设计与视觉预测结合，降低对遮挡的敏感性。
   
3. 全流程自动化：从识别、路径规划到采摘无需人工干预，适合商业化推广。
   

不足与展望

当前机器人运动路径优化不足，未来将研究非结构化环境下的最小路径规划，并探索更多果蔬的通用采摘适配性。