五自由度機械臂的番茄智能采摘機器人

邵 堃

(河南職業技術學院機電工程系，河南鄭州 450046)

我國作為農業大國，近幾年在農業生產方面取得了飛速發展，但同時我國也是人口大國，隨著傳統人口紅利的不斷消減，能夠參與到農業生產的勞動力越來越少。人工智能裝備的應用已經悄然進入到生活的方方面面，尤其在農業領域變化巨大，傳統的耕作方式不斷被改變，如大型耕耘機、播種機和收割機等，但在精細化的采摘作業環節，仍然需要大量的人力[1-3]。很多學者針對不同的作物設計了精細化的采摘設備，王燕等設計了四自由度采摘手，但其靈活性和作業范圍具有明顯的局限性[4]；張飛云設計了蘋果采摘機器人，主要針對戶外的果實采摘，在智能化設計方面還有一定的缺陷[5]。番茄是溫室大棚的主要經濟作物，產量豐富，但采摘屬于機械重復度的工作，且勞動強度大，尤其在收獲的高峰期，需要大量的采摘工人。為了適應現代農業的發展，充分利用無線定位、雙目視覺和智能控制等技術，設計了基于五自由度機械臂的番茄智能采摘機器人，通過雙目視覺系統和五自由度機械臂的配合工作，實現成熟番茄的采摘，通過控制精度測試和采摘試驗驗證了設計的有效性。

1 番茄采摘機器人的結構及工作原理

采摘機器人完全按照仿生學設計，模擬人工采摘番茄的全過程。在采摘的過程中，不斷地移動，通過眼睛尋找目標，并確定番茄的空間位置，同時，觀察番茄的顏色和大小來判斷成熟程度；最后，伸手去摘番茄并用手指切斷果梗，將番茄放入果筐中[6-8]。本研究設計的番茄智能采摘機器人完全模擬該過程，主要包括信息獲取、信息處理和執行三大系統。在結構上，采摘機器人主要包括移動履帶車平臺、機械手臂、雙目視覺系統和導航定位系統等。采摘機器人結構示意圖如圖1所示。

由于成熟番茄的顏色與背景顏色差別較大，在利用雙目視覺系統進行處理和定位時相對更容易些，精度更高。具體的工作流程為：(1)機器人通過定位導航系統確定所在空間的位置，并移動到所需作業的起始位置；(2)通過視覺攝像機逐株掃描(自上而下)番茄，并通過顏色和大小特征來判斷是否成熟；(3)若番茄達到采摘標準，通過雙目視覺攝像機定位果實三維中心坐標，并進行坐標系轉化到機械臂坐標系；(4)控制機械手臂各關節的運動，將末端執行器送至待采摘果實位置；(5)向末端執行器發送指令，握住番茄，并切斷果梗；(6)將果筐裝載番茄專用坐標作為末端執行器的終點，控制機械臂將番茄放入果筐；(7)繼續執行步驟(2)；(8)當沒有成熟待采摘番茄時，根據導航系統的設定繼續向前移動到下一株，并執行步驟(2)。

2 五自由度番茄采摘機械臂建模

為了保證作業的靈活性，采用五自由度方式設計機械手臂，由腰關節、肩關節、肘關節和腕關節組成，考慮單顆番茄的自質量不超過1 kg，且考慮控制的精度，本研究采用直流舵機對各關節進行驅動，同時為了減輕自身質量均取材炭纖維[9-10]。五自由度機械臂模型與運動分析如圖2所示。

各關節的姿態可表示如下：

(1)

(2)

(3)

基座的坐標與姿態可表示為(P0，R0)，具體如下：

那么能夠求出肩關節的坐標：

(4)

(5)

式中：P1、P4分別表示腕關節和肩關節的位置矢量。

根據公式(5)可得到2個關節的距離L，表示如下：

(6)

從圖2-b中可知，根據余弦定理能夠計算出肘關節角θ3：

(7)

當腕關節從w1移動到w2時，繞z軸轉過的角度為θ1，繞y軸轉過的角度為θ2(圖2)，則有：

(8)

(9)

(10)

由于手臂L4在采摘作業時跟水平面保持平行，所以容易求得θ4。得到4個關節的角度后，就可以通過控制直流舵機的轉動將末端執行器送到目標位置[11]。

3 番茄智能采摘機器人硬件平臺及坐標系轉換

3.1 番茄智能采摘機器人硬件平臺

番茄智能采摘機器人硬件主要由處理器平臺、雙目視覺系統、室內導航行走系統、五自由度機械臂、無線通信模塊和電源管理單元等組成。智能采摘機器人硬件平臺的構成如圖3所示。

機械臂的自由度越多，在作業過程中其靈活性越強，但這樣無形中也增加了控制難度、開發和制造成本，考慮到采摘番茄的實際需要，本方案設計了五自由度機械臂，能夠保證作業精度，滿足作業要求。機械臂的驅動方式有很多種，為了保證采摘精度，本研究使用了5個數字大扭力舵機MG996R，分別來控制基座旋轉、大小臂升降、腕部旋轉和末端執行器切割果梗等關鍵動作。由于番茄采摘作業的主要場景為溫室大棚，所以采用了室內導航系統對履帶車進行定位，并根據預先規劃的路徑控制行走電機，從而實現對機械臂等設備的運載。由于成熟的番茄與背景顏色色差較大，雙目視覺系統隨著履帶車運動，主要負責掃描番茄的大小和顏色對成熟番茄進行篩選。先將攝像機采集到的圖像進行從RGB到Lab的空間轉換，利用其中的a分量來進行灰度化，再對成熟果實分割和形態學等處理后得到其輪廓信息，根據事先標定好的雙目相機得到成熟番茄中心點三維坐標[12-13]。為了縮短開發時間，這里選用高集成度的雙目視覺模塊，通過安裝標定調試后，即可輸出雙目視覺坐標系下的目標坐標(x，y，z)。

3.2 坐標系轉換

通過雙目視覺系統獲取的目標位置是在攝像機坐標系下，而執行機構是機械臂，所以須要對這2個坐標系統進行統一，假設目標P在雙目視覺下的坐標為(x，y，z)，在機械臂下的坐標為(X，Y，Z)，可以通過旋轉和平移的方式將雙目視覺坐標系變換到機械臂坐標下，設雙目視覺系統的旋轉矩陣為R，平移矩陣為T，那么存在關系式：

(11)

(12)

從式(12)可以看出，只要求出R和T中12個未知量就能找到雙目視覺坐標系和機械臂坐標系的關系，而(x，y，z)可通過雙目視覺系統直接獲取，為已知量；(X，Y，Z)為機械臂下坐標，可實際測量得到，通過4個不同坐標點的標定，即4個方程組的關系式便能求解出R和T。

求解出R和T后，就可將雙目視覺系統下的目標位置變換到機械臂坐標系下，五自由度機械臂系統根據成熟番茄的坐標求解出各關節的角度狀態，并控制舵機的轉動將末端執行器送到成熟番茄的位置，最終實現番茄的采摘和裝載動作。

4 結果與分析

番茄智能采摘機器人是一個復雜的系統，本研究重點對五自由度機械臂進行了設計，并通過雙目視覺系統定位被采摘果實目標的位置，機械臂的執行精度是決定采摘成敗的關鍵，采摘耗時則決定了工作效率。為此，在實驗室環境下，對設計的番茄智能采摘機器人的五自由度機械臂的運動軌跡精度進行測試。在機械手臂活動范圍內設置不同角度和不同距離的9個目標點(模擬番茄)，編號分別為1～9。采摘執行時間的定義為：識別定位、手臂運行和末端執行器工作的時間總和[15-16]。理論上講，驅動部件(舵機)的運行效率越高，執行作業的時間也就越短，但是考慮到保證部件的承受強度和對工作穩定性的實際需要，試驗均對驅動部件的工作進行了限制，水平軸運動速度為350 mm/s，垂直軸運行速度為 250 mm/s，旋轉軸運行速度為60°/s。在機械臂坐標系下測得的控制精度數據及誤差結果如表1所示。

表1中的數據結果表明，誤差和耗時與目標的距離成正比關系，距離越遠，誤差和耗時越大。在9個目標測試中最大的距離誤差僅為6.71 mm，平均誤差為4.38 mm，在實際的采摘過程，須要適當增大末端執行器的開口寬度；在運行時間方面，本研究采取了雙目識別(下一任務)與機械臂運動同步執行策略，單個目標的采摘平均耗時僅為7.41 s，大大提高了工作效率。

表1 精度控制誤差測量結果

為了驗證設計系統的工作性能，對機器人進行實際作業試驗，將其布局在溫室大棚內，并按照設定的前進距離為 10 m，番茄最高掛果高度為1.2 m，最低掛果為0.25 m，在此行程中共計有58顆成熟的果實待采摘(符合大小和顏色標準)。番茄智能采摘機器人設定好程序后，首先在初始位置對番茄進行掃描，當其工作范圍內無可采摘果實時，控制履帶向前移動2.0 m，繼續掃描，直到走完10 m的行程。記錄整個運行時間為546.7 s，成功采摘成熟番茄55顆，采摘成功率為94.82%，平均采摘單果的時長為9.94 s。結果表明，設計的五自由度機械臂的番茄智能采摘機器人工作穩定，雙目視覺系統能夠準確定位目標果實的位置坐標，且機械臂執行精度高，采摘效率達到9.94 s/顆，其中漏采摘了3顆，其主要原因是受番茄莖葉的遮擋，雙目系統的視覺角度受阻，無法正常掃描到成熟的果實，但高達94.82%的成功采摘率也完全符合設計要求。

5 結論

根據溫室大棚番茄采摘的實際需要，借助五自由度機械臂設計了番茄智能采摘機器人，介紹了智能采摘機器人的構成，并重點對五自由度采摘機械臂進行了建模，求解出各關節角度與目標坐標的關系，然后利用雙目視覺系統依據番茄的大小和顏色對成熟度進行篩選，并定位其坐標，再通過目標坐標系的轉換將其統一到機械臂坐標系中，最后通過控制各關節的舵機將末端執行器送至成熟番茄的位置進行采摘。通過機械臂的運動精度測試結果表明，機械臂的運動最大誤差距離僅為6.71 mm，雖存在一定的偏差，但可通過適當擴張末端執行器開口進行彌補，同時，在采摘實測試驗中，雙目視覺系統與五自由度機械臂工作配合流暢，采摘成功率達到94.82%，而且工作效率為9.94 s/顆，表現均優于人工采摘效果。