農(nóng)林業(yè)采收機器人在工作中所面臨的眾多問題

       針對農(nóng)林業(yè)采收機器人在工作中所面臨的眾多問題，采收機器人的研究仍面臨巨大的挑戰(zhàn)。

       (1)復(fù)雜的非結(jié)構(gòu)環(huán)境：農(nóng)林業(yè)采收機器人的工作地點往往處于農(nóng)田、果園和溫室壟間等具有坡度、坑洼地形、不可預(yù)見的障礙物的復(fù)雜地形環(huán)境中[5]。因此機器人想要完成工作必須具有優(yōu)良的導(dǎo)航避障能力、穩(wěn)定的爬坡行走能力。

       (2)自然環(huán)境下的作物信息獲取：采收機器人通過傳感獲取的各種信息都是在自然條件下進(jìn)行的，自然環(huán)境如光照、作物背景和枝葉遮擋等無關(guān)要素對于獲取信息的干擾非常嚴(yán)重，因此采收機器人信息系統(tǒng)對于作物信息篩選區(qū)分的成功率至關(guān)重要[1]。

       (3)作物的摘取與分揀：由于不同作物的生長情況和形狀特點各不相同，果實的生長位置、大小長短、易損程度也有很大區(qū)別，因此針對采收機器人的采收對象的不同，需要使用不同的末端執(zhí)行器以滿足不同的要求。

導(dǎo)航避障系統(tǒng)

       中國農(nóng)業(yè)大學(xué)湯修映等[42]提出了基于機器視覺和關(guān)節(jié)空間的黃瓜采收機器人障礙規(guī)避方法。該方法將障礙分為球體、正方體和長方體，再根據(jù)障礙類型將其歸類，構(gòu)造障礙保護(hù)圓和障礙保護(hù)點，采取過中間障礙點的三次多項式插值函數(shù)完成機器人相應(yīng)節(jié)段關(guān)節(jié)的運動。

       尹建軍等[43]提出了一種基于構(gòu)形空間的關(guān)節(jié)型機械臂避障路徑規(guī)劃方法。該方法利用空間映射原理，將關(guān)節(jié)型機械臂工作空間三維避障問題轉(zhuǎn)變?yōu)镽-R機械臂避開障礙圓的問題，用臨界關(guān)節(jié)角建立C-障礙空間的映射計算模型，將工作空間的位置避障轉(zhuǎn)換為構(gòu)形空間連桿的關(guān)節(jié)角計算。

       江蘇大學(xué)姬偉等[44]針對特殊環(huán)境下采摘機器人的實時避障問題，提出了一種基于改進(jìn)人工勢場法的障礙規(guī)避方法。此方法通過引入虛擬目標(biāo)點使搜索過程跳出傳統(tǒng)人工勢場法的局部最優(yōu)極小點，從而實現(xiàn)機器人實時避障。

末端執(zhí)行器

       浙江工業(yè)大學(xué)[64]采用氣動彎曲關(guān)節(jié)，設(shè)計了一款通過圓鋸片切割果梗的柑橘采摘末端執(zhí)行器。

       江蘇大學(xué)劉繼展等[65]改進(jìn)了一般番茄采摘機器人的吸盤式末端執(zhí)行器結(jié)構(gòu)，設(shè)計了一種以集成式真空發(fā)生器為核心的真空吸盤裝置，提高了果實吸附和采摘的成功率，減輕了吸附過程中對果實的損傷。

       浙江工業(yè)大學(xué)錢少明等[66]設(shè)計的黃瓜采摘末端執(zhí)行器針對黃瓜抓持的力學(xué)特性，建立了氣動驅(qū)動器氣壓值與抓持能力之間的關(guān)系。該末端執(zhí)行器由抓持器和切割器構(gòu)成，其中抓持器由兩個氣動柔性彎曲關(guān)節(jié)構(gòu)成，切割器由旋轉(zhuǎn)氣缸和刀片構(gòu)成。

       重慶理工大學(xué)王毅等[67]基于仿生學(xué)理念，模仿蛇的吞咽動作和上顎結(jié)構(gòu)，設(shè)計了以鉸鏈四桿機構(gòu)為構(gòu)型的末端執(zhí)行器。

結(jié)論與展望

       經(jīng)過50多年的發(fā)展，農(nóng)林業(yè)采收機器人的研究已經(jīng)取得了長足的進(jìn)步，無論是機型種類，還是在關(guān)鍵技術(shù)方面，無論是國內(nèi)，還是國外，農(nóng)林業(yè)采收機器人的研究和開發(fā)都方興未艾。在日本、美國和西班牙等農(nóng)林業(yè)機器人發(fā)達(dá)國家，采收機器人研究開發(fā)較早，開發(fā)的機型較多，但是，大多數(shù)仍未達(dá)到產(chǎn)業(yè)化水平。國內(nèi)研究開發(fā)較晚，但是，在國家和相關(guān)地方政府和科技部門的大力支持下，在采收機器人的研發(fā)方面做了大量有益的研發(fā)工作，取得了一定的研究成果，距離產(chǎn)業(yè)化還有一定的差距。未來國內(nèi)外的學(xué)者仍將致力于農(nóng)林業(yè)采收機器人的實用化和產(chǎn)業(yè)化研究。

目前農(nóng)林業(yè)采收機器人的研究仍存在一些問題亟待解決。

       (1)末端執(zhí)行器。機器人采收作物的收獲率、作物的完整程度以及采收完成后對原植株的損壞程度也是制約農(nóng)林業(yè)采收機器人投入實際生產(chǎn)的重要原因。采收機器人的采收過程需要仿照人工作業(yè)，但是機械采摘末端執(zhí)行器的設(shè)計限制了采收機器人在復(fù)雜環(huán)境下采收的成功率和采收下的作物的完好程度。同時農(nóng)林業(yè)采收機器人的采收要盡量避免采收過程中對農(nóng)作物植株的損傷，破壞性的采收是不可取的。因此，采收機器人末端執(zhí)行器的設(shè)計既要考慮到末端執(zhí)行器在枝葉間運動的靈活性，又要考慮采摘手爪對果蔬進(jìn)行采收作業(yè)時接觸力的大小、摘取的方式，以保證果蔬的完好。

       (2)圖像識別技術(shù)。目前對于采收作物的圖像識別技術(shù)已有了較多的研究，但是面對自然環(huán)境下生長的農(nóng)作物，光照、枝葉遮擋和果實熟度等都是采收機器人工作時需要考慮的干擾因素，因此采收機器人對于成熟作物的識別率與識別速度始終難以達(dá)到較高的水平，這也導(dǎo)致機器人難以投入實際的農(nóng)林業(yè)生產(chǎn)。采收機器人準(zhǔn)確識別成熟作物的速度與精度是提升機器人作業(yè)效率的關(guān)鍵。利用高效的算法和先進(jìn)的傳感器，將數(shù)據(jù)采集設(shè)備與視覺系統(tǒng)結(jié)合，提高視覺系統(tǒng)對信息的處理速度，同時利用機器學(xué)習(xí)和深度學(xué)習(xí)等技術(shù)不斷提高對成熟果實作物的識別精度將會成為未來圖像識別技術(shù)的發(fā)展方向。

       (3)導(dǎo)航定位技術(shù)。隨著精準(zhǔn)農(nóng)業(yè)、設(shè)施農(nóng)業(yè)的發(fā)展，高架栽培、溫室栽培等新型栽培方式將逐漸取代傳統(tǒng)的露天種植。而采收機器人在壟間的路徑規(guī)劃與障礙規(guī)避速度會對采收機器人的作業(yè)速度產(chǎn)生極大影響。采用人工神經(jīng)元網(wǎng)絡(luò)技術(shù)，結(jié)合機器學(xué)習(xí)等方法提高機器人對復(fù)雜環(huán)境的識別和處理能力將是未來導(dǎo)航定位技術(shù)發(fā)展的關(guān)鍵。

       (4)柔性結(jié)構(gòu)。目前，農(nóng)林業(yè)采收機器人基本都是針對特殊作物研究制造的特型機器人，泛用性差。采收機器人的設(shè)計和制造不應(yīng)只滿足于單種類的作物，應(yīng)該提高機器人的泛用性，通過更換末端執(zhí)行器和控制程序能夠完成多種類型的作物收獲作業(yè)，甚至是將播種、施肥和噴藥等多種農(nóng)林業(yè)生產(chǎn)作業(yè)集成到一臺機器人上。

       (5)機器人本體設(shè)計。目前，農(nóng)林業(yè)采收機器人由于所需的傳感器、圖像采集設(shè)備等儀器以及本體造價等原因?qū)е缕涑杀靖甙骸Ｒ虼耍瑢Σ墒諜C器人結(jié)構(gòu)的簡化既能有效降低其生產(chǎn)成本，又能提高機器人在復(fù)雜環(huán)境下工作靈巧性。同時簡化操作能讓農(nóng)林業(yè)采收機器人能夠更快地在農(nóng)林業(yè)生產(chǎn)中得到普及。