基于雙目機器視覺的菠蘿自動采收機設(shè)計何東健 張連兆 李 響等（207）

何東健 張連兆 李響 李萍 王滔鋆

摘要 由于菠蘿植株和菠蘿果實結(jié)構(gòu)的特殊性，目前國內(nèi)大部分菠蘿采摘主要以人工為主，機械化水平較低，采摘工作效率較低，工作環(huán)境較差，對手、手臂等身體部位有較大的傷害。設(shè)計了一種基于雙目視覺的自動菠蘿采收機，主要由分行器、行走裝置、雙目視覺系統(tǒng)、采摘裝置、輸送裝置、收集裝置、控制系統(tǒng)和電源供給裝置組成，對雙目視覺定位系統(tǒng)和主要機械部件進行了介紹，使用SolidWorks軟件對采收機進行三維建模，并對其進行了經(jīng)濟效益分析。實踐表明，該菠蘿自動采收機能滿足采摘需求，效率較高，經(jīng)濟效益較好。

關(guān)鍵詞 菠蘿;自動采收機;雙目機器視覺;結(jié)構(gòu)設(shè)計

中圖分類號 S220.2;TP23文獻標識碼 A

文章編號 0517-6611（2019）13-0207-04

doi：10.3969/j.issn.0517-6611.2019.13.063

開放科學（資源服務(wù)）標識碼（OSID）：

Design of Automatic Pineapple Harvesting Machine Based on Binocular Machine Vision

Abstract Due to the particularity of pineapple plant and pineapple fruit structure， most of the domestic pineapple picking is mainly artificial， the mechanization level is low， the picking work efficiency is low， the working environment is poor， and the body parts such as opponents and arms have greater damage. An automatic pineapple harvesting machine was designed， which composed of a binocular vision positioning part， a picking part， a conveying part， a collecting part， a hub motor selfpropelled platform and a central control part. Secondly， the 3D modeling and analysis of the picking machine was carried out with SolidWorks software. The design would effectively solve the problems of difficult pineapple harvesting and promote the development of the pineapple industry.

Key words Pineapple;Automatic harvesting machine;Binocular machine vision;Structure design

基金項目 2018年省級大學生創(chuàng)新創(chuàng)業(yè)訓練計劃項目（201803056）。

作者簡介 何東健（1957—），男，陜西漢中人，教授，博士，博士生導師，從事智能檢測與農(nóng)業(yè)信息技術(shù)研究。張連兆（1997—），男，山東莒縣人，從事機械電子工程研究。何東健和張連兆為共同第一作者。

收稿日期 2019-03-23;修回日期 2019-04-16

菠蘿作為一種重要的熱帶水果，在我國已有400余年的種植歷史，在廣東、海南、廣西、福建均有大面積種植。菠蘿果實品質(zhì)優(yōu)良，富含果糖、葡萄糖、維生素B和C、檸檬酸、蛋白酶及各類微量元素等[1]，深受人們青睞。菠蘿葉中含有豐富的纖維，是一種具有優(yōu)良殺菌性能的紡織材料[2-3]，并且在藥用領(lǐng)域具有抗腫瘤、降血糖、調(diào)血脂等作用[4-5]。我國菠蘿的種植面積大，在菠蘿生產(chǎn)過程中采摘是最重要的一個環(huán)節(jié)。目前，我國菠蘿主要依靠人工采摘，伴隨著我國城鎮(zhèn)化率的不斷提高，農(nóng)業(yè)人口向其他產(chǎn)業(yè)流動，菠蘿采摘作業(yè)面臨日益嚴重的勞動力緊缺與成本快速上升間的矛盾。此外，菠蘿葉緣帶有銳刺，人工采摘必須穿戴防護服在高溫下作業(yè)，勞動強度大，效率較低，導致菠蘿成本上升，經(jīng)濟效益降低，影響果農(nóng)的收入。

國內(nèi)外在菠蘿高效采摘方面開展了一些研究。劉玉杰等[6]提出了一種菠蘿半自動采摘機，人駕駛半自動菠蘿采摘機，由人控制控制平臺對菠蘿進行采摘，手動控制機械手對準后采摘，采摘效率較低;吳沛晟等[7]設(shè)計了一種菠蘿采摘機器人，采用履帶式自走平臺作為機身，雙目定位系統(tǒng)對菠蘿進行識別和定位，采摘機械手從菠蘿頂部抓取果實并擰斷果柄，但只能采摘單列菠蘿，采摘效率尚有待提高;陳章恒等[8]提出了一種菠蘿收集采摘車設(shè)計方案，但菠蘿生長高度在35 cm左右，壟高20 cm左右，2個行走輪采用橫桿連接，難以具體實施。目前，菠蘿采摘機自動化程度不高、采摘效率較低，尚需研究并開發(fā)能自動采摘菠蘿的裝置。

針對上述問題，根據(jù)菠蘿種植間距均勻、行距較大、果實碩大、果實生長在菠蘿植株的頂部、果柄較長、成熟時菠蘿果實與果柄連接處較脆等實際種植環(huán)境及菠蘿自身的生理特點，筆者設(shè)計了一種菠蘿自動采收機，以期實現(xiàn)菠蘿的自動采摘和收集，提高菠蘿采摘的機械化水平，促進菠蘿種植業(yè)的發(fā)展，應對勞動力短缺、勞動成本上升的困境，提高果農(nóng)的經(jīng)濟效益。

1 菠蘿的物理特性及采摘需求分析

1.1 菠蘿的物理特性

菠蘿果實呈橢球體形狀，橫向直徑為11～13 cm，縱向直徑為14～17 cm，果實平均質(zhì)量為0.98 kg。菠蘿植株距壟上面高度約35.4 cm，壟高約20 cm，果實與果柄連接處直徑約2.53 cm。隨機選取10株成熟菠蘿進行測定，菠蘿果實橫向直徑、果實縱向直徑、果實質(zhì)量、植株高度及果實連接處果柄直徑如表1所示。

辛寶英等[9]隨機選取10個帶植株的菠蘿對與果實連接處的果柄進行切斷力測試，10次測定的平均值為30.8 N，由于切斷力受刀刃鋒利程度和機械效率的影響，將切斷力放大12倍，得出所需切斷力為36.96 N。

1.2 采摘需求分析

根據(jù)菠蘿種植和果實特性，設(shè)計的菠蘿自動采收機具有能自動完成自主行走、果實識別、采摘、輸送、收集等基本功能，且需要滿足以下基本要求：①作業(yè)過程不損傷菠蘿植株和菠蘿果實;②具有較高的識別率，漏摘率小于2%;③采摘機的采摘效率高于人工采摘2倍。

2 菠蘿自動采收機的總體方案設(shè)計

設(shè)計的菠蘿自動采收機適于在一畦兩行菠蘿種植模式下進行采摘作業(yè)，菠蘿自動采收機整體結(jié)構(gòu)示意圖如圖1所示，主要由分行器、行走裝置、雙目視覺系統(tǒng)、采摘裝置、輸送裝置、收集裝置、控制系統(tǒng)和電源供給裝置等組成。

菠蘿采收機工作過程如下：輪轂電機由蓄電池供電，在控制系統(tǒng)的控制下勻速行走，分行器對行分開菠蘿植株葉子，安裝在采摘裝置正上方的雙目視覺系統(tǒng)，實時采集菠蘿種植行圖像并傳輸給工控機進行菠蘿果實識別與定位，當菠蘿到達攝像頭視野中央且與攝像頭的距離最小時，菠蘿到達采摘裝置推手前方，控制系統(tǒng)控制步進電機調(diào)節(jié)升降平臺和刀片高度，使刀片對準果柄處且推手推手推動菠蘿果實，對果實進行采摘，采摘完成后推手和刀片復位;采摘下來的菠蘿果實落到傳送帶上，被傳送帶輸送到后方的收集裝置。菠蘿自動采收機的工作流程如圖2所示。

3 菠蘿自動采收機關(guān)鍵部件設(shè)計

3.1 雙目視覺定位系統(tǒng)設(shè)計

采用2個藍色妖姬T3200攝像頭構(gòu)成雙目視覺系統(tǒng)，攝像頭分辨率為640×480，通過相機云臺安裝在機架上，以識別菠蘿果實并定位。

3.1.1 相機標定。

為了消除畸變并獲得相機的內(nèi)外部參數(shù)，需要對相機進行標定。李斌等[10] 分別用MATLAB 標定工具箱和Opencv1.1+C++進行標定試驗，結(jié)果表明MATLAB標定工具箱標定的相機誤差較小，且操作方便，故該研究使用MATLAB2016a自帶的toolbox_calab工具箱對相機進行標定[11]。用左、右2個攝像頭對標準黑白棋盤進行不同角度的拍照，共獲得96幅圖像（每個相機48幅）用于標定。通過標定得到旋轉(zhuǎn)矩陣R、平移矩陣T、左右側(cè)相機內(nèi)參和左右側(cè)相機畸變系數(shù)。

根據(jù)標定得到的數(shù)據(jù)，用Opencv中stereoRectify（）函數(shù)[12]完成立體校正，然后用InitUndistortRecitifyMap（）函數(shù)計算出圖像校正所需要的映射矩陣，進而對左右圖像進行畸變校正，其中平移矩陣T和左右相機內(nèi)參需要轉(zhuǎn)置后使用。

3.1.2 果實對象圖像分割。

進行菠蘿果實目標定位，首先要將菠蘿目標從背景中分割出來。常用的圖像分割方法有基于閾值的分割方法、基于區(qū)域的分割方法、基于邊緣的分割方法以及基于特定理論的分割方法等[13] 。為了實現(xiàn)實時識別菠蘿果實，圖像分割應具有良好的分割準確率，且算法復雜度低、耗時少。

對福建省漳州市龍海市菠蘿生產(chǎn)進行考察，該地區(qū)對菠蘿進行了套袋處理，且白色紙對菠蘿進行了包裹如圖3a所示。將原始圖像經(jīng)均值偏移濾波后將其變換到HSV顏色空間[14]，果實和葉子的色相（H）分布如圖3b所示。由圖3b可知，因包裹后的菠蘿果實和葉子顏色差異較大，故用色相將菠蘿果實從背景中分割出來。分割過程如圖3所示，具體步驟如下：①將圖像變換到HSV顏色空間;②采用大津法計算分割閾值[13]，并進行二值化;③一次開閉運算消除噪聲;④為提高計算速度，故尋找果實目標上、下、左、右像素點，確定果實形心的大致位置。

3.1.3 菠蘿果實定位。

雙目測距原理圖如圖4所示。P為目標點，坐標為（x，y，z），相機焦距為f，左右相機光軸之間的距離為B，OL和OR為相機光心，Pleft和Pright為在兩相機上的成像點。以左相機OL-XLYLZL為參考坐標系，假設(shè)世界坐標系與左相機的坐標系重合，Ol-XlYlZl為左側(cè)相機的圖像坐標系。由于相機在同一平面內(nèi)，所以Pleft和Pright的Y坐標值相等，由三角形幾何關(guān)系得到：

式中，Xleft和Xright分別為相對于左右相機圖像坐標系橫坐標值;Y為左右圖像坐標系下的縱坐標值;f和B均為常數(shù);x、y、z為P點相對于左相機坐標系下的坐標值;OL為坐標原點。將公式（1）、（2）、（3）聯(lián)立變形，得：

即可求得P點坐標（x，y，z）。

由于左側(cè)相機固定在采摘裝置正上方，與采摘裝置推手距離為D，則可得到菠蘿果實相對于采摘裝置推手的距離d=D-z，然后升降平臺上升，使采摘裝置推手到達菠蘿果實高度，然后對菠蘿果實進行采摘。

3.2 主要機械部件設(shè)計

為了保證菠蘿自動采收機的協(xié)調(diào)、工作，根據(jù)圖2所示總體方案，分別進行采摘裝置、輸送裝置和收集裝置設(shè)計。

3.2.1 采摘裝置設(shè)計。

成熟菠蘿果實與果柄連接處較脆，故采用掰折方式將菠蘿果從果柄處掰斷。連桿機構(gòu)應用十分廣泛，在眾多工農(nóng)業(yè)機械和工程機械中得到廣泛應用[15]，因此優(yōu)先考慮連桿機構(gòu)作為采摘裝置的傳動裝置。采摘裝置結(jié)構(gòu)簡圖如圖5所示，主要由頂端有推手的推桿、擺桿、連桿、曲柄和步進電機組成。步進電機每旋轉(zhuǎn)1周，使推手對菠蘿施力后回到初始位置D。在推手的另一側(cè)安裝有刀具，以暫時固定菠蘿主莖桿，且可切斷果柄連接部分考慮到菠蘿果實大小及葉子的影響，根據(jù)試驗，推手行程為20 cm。采摘裝置裝在一個可升降的平臺上，根據(jù)雙目視覺定位系統(tǒng)得到的菠蘿高度，將采摘裝置升降至對應位置，然后對菠蘿進行采摘。

3.2.2 輸送裝置和收集裝置設(shè)計。

菠蘿果實呈橢球形狀易發(fā)生滾動，故在傳送帶上增加擋板實現(xiàn)菠蘿果實的穩(wěn)定輸送（圖6）。根據(jù)表1中菠蘿的相關(guān)參數(shù)，設(shè)計傳送帶寬度為200 mm，擋板間距為150 mm，擋板高度為60 mm。

4 經(jīng)濟效益分析

菠蘿種植方式一般為品字形種植，菠蘿自動采收機可同時采摘一畦兩列，設(shè)采收機行進速度為V，采摘用時為t，根據(jù)調(diào)研數(shù)據(jù)，菠蘿平均株距為D=35.8 cm，則平均每17.9 cm采摘1個菠蘿，初樣設(shè)計的菠蘿采收機行進速度V為0.1 km/h，假設(shè)每天工作10 h，則每天可采摘5 586個菠蘿，除去從采收機中取出菠蘿等用時，每天可采摘5 000個菠蘿，約4 900 kg，約為人工采摘工作效率的2倍;按照0.11元/kg的采摘工費計算，每天可節(jié)省882元。菠蘿每年采摘3季，每季采摘時間大約45 d，則每臺采收機一年可節(jié)省72 000元人工采摘費，設(shè)備經(jīng)濟價值非常大。

5 結(jié)語

針對菠蘿采收面臨勞動力成本高、效率低的問題，在探究菠蘿物理特性的基礎(chǔ)上，提出基于雙目視覺的菠蘿采收機整體方案，設(shè)計了雙目視覺系統(tǒng)，并提出一種菠蘿果實定位方法，對采摘裝置、輸送裝置結(jié)構(gòu)和工作參數(shù)進了分析和計算，使用SolidWorks軟件對采摘機進行三維建模。經(jīng)濟效益分析表明，設(shè)計的菠蘿采收機能滿足采摘需求，可取得良好的經(jīng)濟效益，為菠蘿采收機的進一步優(yōu)化設(shè)計與推廣使用奠定了基礎(chǔ)。

參考文獻

[1] 劉世彪，彭小列，田儒玉.世界熱帶五大名果樹[J].生物學通報，2003，38（3）：11-13.

[2] 郁崇文，張元明.菠蘿葉纖維的性能研究[J].中國紡織大學學報，1997，23（6）：17-20.

[3] 劉恩平，郭安平，郭運玲，等.菠蘿葉纖維的開發(fā)與應用現(xiàn)狀及前景[J].紡織導報，2006（2）：32-35.

[4] 王偉，丁怡，邢東明，等.菠蘿葉酚類成分研究[J].中國中藥雜志，2006，31（15）：1242-1244.

[5] 王金萍，王宏英，杜力軍，等.菠蘿葉中新的酰胺類成分[J].中國中藥雜志，2007，32（5）：401-403.

[6] 劉玉杰，郭安福，姜濤.菠蘿半自動采摘機的結(jié)構(gòu)設(shè)計[J].安徽農(nóng)業(yè)科學，2018，46（14）：194-197.

[7] 吳沛晟，華京.菠蘿采摘機器人的實用化設(shè)計[J].蘭州工業(yè)學院學報，2016，23（3）：58-61.

[8] 陳章恒，張維元，張路遙，等.菠蘿收集采摘車的設(shè)計[J].科技創(chuàng)新與應用，2018（10）：96-97.

[9] 辛寶英，施俊俠，廖湘湘，等.菠蘿采摘機械手結(jié)構(gòu)設(shè)計[J].農(nóng)業(yè)技術(shù)與裝備，2014（14）：12-14.

[10] 李斌，王海峰，黃文倩，等.菠蘿采收機械低成本雙目視覺平臺搭建與田間試驗[J].農(nóng)業(yè)工程學報，2012，28（S2）：188-192.

[11] 汪珍珍.基于MATLAB與opencv相結(jié)合的雙目立體視覺測距系統(tǒng)[D].天津：天津理工大學，2013.

[12] 王浩，許志聞，謝坤，等.基于OpenCV的雙目測距系統(tǒng)[J].吉林大學學報（信息科學版），2014，32（2）：188-194.

[13] 何東健，耿楠，龍滿生，等.數(shù)字圖像處理[M].3版.西安：西安電子科技大學出版社，2015.

[14] 黃春艷，楊國勝，侯艷麗.基于顏色直方圖和空間信息融合的圖像分割算法[J].計算機工程與應用，2005（3）：85-87，107.

[15] 孫恒，陳作模，葛文杰.機械原理[M].8版.北京：高等教育出版社，2013.