类型a：学术研究报告

作者及机构
本研究由西北农林科技大学（Northwest A&F University）机电工程学院的Yinggang Shi、Shiteng Jin、Yiming Zhao、Yujia Huo、Li Liu及通讯作者Yongjie Cui*合作完成，发表于期刊《Computers and Electronics in Agriculture》2023年第204卷（107549页），在线发布于2022年12月14日。

学术背景
本研究属于农业机器人领域的应用研究，聚焦于番茄采摘自动化中机械臂的优化问题。传统工业机械臂在农业采摘中存在体积大、质量重、惯性高、成本昂贵、控制复杂及缺乏安全防护机制等问题，尤其无法感知碰撞力，可能对工人或植株造成伤害。此外，现有采摘机械臂的末端定位精度不足（番茄采摘误差0.5~4 mm），且缺乏仿人操作的力反馈能力（如按压或摩擦枝条）。研究团队旨在设计一种轻量化、力感知的六自由度（6-DOF）番茄采摘机械臂，结合“全局-局部”（global-local）视觉伺服系统，提升定位精度与安全性。

研究流程与方法
1. 力感知系统设计
- 原理：基于关节电机电流与阻力矩的关系（公式1-2），通过电流跳变间接估计碰撞力大小与位置（公式3-6）。
- 实现：开发模块化关节（图9），集成无刷直流电机、谐波减速器、霍尔传感器等，质量仅900克。通过电流监测电路实时采集相位电流，当跳变值超过阈值（如1200 mA）时触发急停（图5）。
- 验证实验：搭建力感知检测平台（图14），使用铝合金负载传感器碰撞机械臂，记录40组数据。结果显示力与位置估计平均误差为7.6%（表2），满足农业应用需求（误差<10%）。

1. 视觉伺服系统开发

   • 全局视觉：双目相机识别成熟番茄并标记坐标（图6），通过HSV图像处理与形态学分析定位目标。
     
   • 局部视觉：单目相机（安装于机械爪末端）控制末端执行器接近目标，确保横向/纵向偏差≤2.5 mm，番茄像素占比≥98%（图7）。
     
   • 轨迹规划：采用D-H参数法（表1）建立机械臂运动学模型（公式7-8），结合五阶多项式插值（公式9）优化路径，减少传统插值算法57.4%的误差。
     

2. 原型机构建与测试

   • 机械臂设计：采用碳纤维管与3D打印部件（图10），总质量6044克，末端重复定位误差1.3 mm（图20）。
     
   • 田间实验：在陕西温室番茄园进行实际采摘测试（图23），3条垄道共采摘297次，平均成功率93%，单果采摘时间17.4秒（表3）。碰撞实验中，机械臂76.6%情况下模拟人工按压枝条行为（表4）。
     

主要结果
1. 力感知性能：系统可准确估计碰撞力（平均误差7.6%），阈值设为48 N以避免损伤番茄（分离层抗拉强度9.7~28.1 N）。
2. 定位精度：全局-局部视觉伺服将平均重复定位误差降至1.3 mm（图22），较无反馈控制提升57.4%。
3. 采摘效率：实际作业成功率93%，且能主动避障或仿人操作（图24），验证了轻量化设计与控制算法的实用性。

结论与价值
本研究通过力感知与视觉伺服技术的融合，解决了农业机械臂的轻量化、安全性与精度问题。其科学价值在于：
1. 提出基于电流反馈的力感知模型，为低成本农业机器人提供安全解决方案；
2. 开发“全局-局部”视觉伺服系统，显著提升动态环境下的定位精度；
3. 原型机验证了高效自动化采摘的可行性（单果17.4秒），推动果蔬采摘机器人实用化。

亮点与创新
1. 方法创新：首次将关节电流跳变检测应用于农业机械臂的实时力感知，成本低于六维力传感器。
2. 技术整合：结合双目与单目视觉优势，实现从粗定位到精调的全流程控制（图6-7）。
3. 应用价值：轻量化设计（总重6 kg）与高成功率（93%）为温室自动化采摘提供了可靠工具。

其他价值
研究还揭示了机械臂在碰撞后的行为策略（如避障或仿人操作），为后续人机协作研究奠定基础。局限性包括未优化操作速度与长期稳定性，未来需进一步改进识别算法与路径规划。