基于采摘機器人觸覺的獼猴桃成熟度感知方法＊

王 雯，張葉清，張 靜，2，歐 月，李夢茹

（1.西南科技大學信息工程學院，四川 綿陽621010；2.中國科學技術大學信息科學技術學院，安徽 合肥230026）

1 引言

隨著中國農業自動化水平不斷提高，農業機器人因能有效解放勞動力，從而被大力推廣，且目前中國農業機器人中的收獲和采摘機器人被人們所重點關注[1]。現有的農業采摘機器人主要通過視覺感知對目標物體進行識別、定位和判別水果成熟度，而當目標為獼猴桃這類僅用視覺無法準確獲取成熟度信息的水果時，則可通過觸覺感知來實現。由于現階段采摘機器人觸覺感知能力不足，很大程度上限制了農業采摘機器人的發展，因此豐富農業機器人觸覺感知能力是必要的。

由于采摘機器人的觸覺感知能力不足，因而進行采摘作業時檢測獼猴桃成熟度有一定的難度。大多數檢測水果成熟度的方法是應用機器人視覺感官[2-5]，但對于僅用視覺無法準確獲取成熟度信息的水果則難以分辨。孟慶龍等[6]將光纖光譜技術應用于檢測獼猴桃硬度，從而判別獼猴桃成熟度，可做到無損快速檢測，若將其應用于采摘作業，因環境條件限制難以滿足。毛磊東等[7]利用三維壓力傳感器構建觸覺感知系統，對表面參數進行識別，可用于檢測物體的材質、檢測抓取狀態、判定滑移方向。但是，關于對獼猴桃成熟度感知方法的研究未見報道，而且以上實驗平臺多數對環境和條件有較高要求，難以將其適用于農業采摘環境中。

本文針對采摘機器人視覺感知的應用問題，提出將觸覺感知應用在辨別獼猴桃成熟度上。利用3D觸覺傳感器開展夾取獼猴桃的實驗，通過獲取夾取獼猴桃時其所受的接觸力時序模態特征，建立稀疏表征模型，再利用上升沿曲線到獼猴桃硬度之間的非線性映射，得到獼猴桃成熟度的估計等級。

2 觸覺傳感器力學模型

本研究采用3D觸覺傳感器進行觸覺感知，觸覺傳感器由多個感應點陣列組成，每個感應點由觸頭、力敏導電橡膠和柔性電極三部分組成。觸頭為半球形，當對傳感器施加壓力時，觸頭會發生形變，力敏導電橡膠可直接感受形變。隨著力敏導電橡膠上施加的壓力改變，其與柔性電極導電體的接觸狀況會發生變化，從而導致接觸電阻變化。壓力傳感器感應點受力模型如圖1所示。

圖1 傳感器感應點模型圖

3 研究試驗

3.1 實驗材料

本實驗采用品質優良的徐香獼猴桃，果形多為橢圓形，外表有毛，每顆80～140 g。因同一成熟期內的獼猴桃硬度有差異，以人手觸覺感知選取時可采成熟度期、食用成熟度期、生理成熟度期三種成熟度的獼猴桃各20個，去除有損傷和病蟲害的果實，并分別對三組的20個獼猴桃按照硬軟度進行編號。

3.2 實驗設備

壓力測試實驗裝置由R5機械臂、二指型末端執行器和3D觸覺傳感器組成。將壓力傳感器背部與手指指面貼合牢固，設置手指閉合速度，即夾取速度最小為20 mm/s；二指末端執行器行程為85 mm，完全閉合時位置為0 mm，設置手指每次夾取最終位置為47 mm（小于獼猴桃直徑，而不使獼猴桃被夾破）。

3.3 實驗方法

將3D觸覺傳感器裝置置于采摘機器人末端執行器手指指面，手指與水平桌面平齊，且距離大致為獼猴桃高度一半。采用程序控制末端執行器，每次實驗時手指的開合位置、速度、力度均保持一致，速度勻速且緩慢，位置和力度合適，不使獼猴桃受到損傷。依次對3組獼猴桃進行壓力測試實驗，當3D觸覺傳感器就緒時，啟動末端執行器對獼猴桃進行夾取。提取手指與獼猴桃未接觸時至夾取穩定后3D觸覺傳感器的壓力值，計算數據，繪制獼猴桃受力大小隨時間變化的曲線。將同一成熟度的獼猴桃受力曲線進行分析對比，得到同一成熟度下獼猴桃受力范圍。獼猴桃壓力測試實驗如圖2所示。

圖2 獼猴桃壓力測試實驗示意圖

3.4 感知效果

隨機選取10個獼猴桃進行壓力測試實驗。用末端執行器手指夾取獼猴桃，對獼猴桃進行受力分析，得到獼猴桃稀疏表征模型，由曲線關系判斷獼猴桃成熟度，并驗證。

4 結果與分析

4.1 壓力測試分析

在壓力測試實驗中獼猴桃表面受力的時序模態如圖3所示。將該特征集通過最值濾波算法進行邊沿提取，建立稀疏表征模型。利用上升沿曲線建立特征模型到獼猴桃硬度之間的非線性映射，可分別測量計算出可采成熟度、食用成熟度、生理期成熟度3組獼猴桃的上升斜率，如表1所示。

由圖3可知，機械爪未接觸到獼猴桃時，觸覺傳感器受到的壓力幾乎為0，在接觸到獼猴桃時，受力突然變得很大，然后逐漸減小，又趨于平緩。

圖3 獼猴桃時序模態

由表1可知，不同獼猴桃曲線上升斜率有差異，可采成熟度期獼猴桃曲線斜率基本大于食用成熟度期的獼猴桃，食用成熟度期獼猴桃曲線斜率大于生理成熟度期獼猴桃。三種成熟度抓取上升斜率k范圍分別為13.28～23.17、5.67～13.93、3.29～6.99，且平均值分別為17.54、10.48、4.81。

表1 獼猴桃1～20號夾取上升斜率

對比參數可知，不同成熟度期獼猴桃抓取上升斜率差異呈梯形，成熟度越高上升斜率均值越高，且各成熟度斜率范圍存在交叉，是由于不同獼猴桃半徑、高度等有所不同，但整體趨勢與成熟度關系成正比，即以同樣的速度夾取獼猴桃時，硬度越大的獼猴桃上升斜率越大，越快達到力度的尖峰值，再逐步下降，最終趨于平緩。

4.2 感知效果分析

隨機選取10個獼猴桃進行壓力測試試驗，分別建立10個獼猴桃的稀疏表征模型，由上升沿曲線測量和計算各獼猴桃的上升斜率。10組獼猴桃的上升斜率如表2所示。

分別對10個獼猴桃以人的觸覺感知對獼猴桃成熟度進行初步驗證，再采用紫外/可見光譜技術和BP網絡檢測獼猴桃糖度[8]，以確定獼猴桃成熟度。結果表明，獼猴桃7屬于未熟期；獼猴桃3、5屬于可采成熟期；獼猴桃2、6、8、9屬于可食用成熟期；獼猴桃1、4、10屬于生理成熟期。即測試準確度為85%，能有效感知獼猴桃成熟信息。

表2 測試獼猴桃數據

表2（續）

5 結論

本文提出了一種基于觸覺的獼猴桃成熟度感知方法，克服了傳統的僅用視覺感知難以判斷獼猴桃這類水果成熟度的不足。通過3D觸覺傳感器實時采集抓取接觸力，提取觸覺感知信息并建立稀疏表征模型，再利用上升沿曲線的非線性映射，最終得到獼猴桃成熟度的估計等級。經驗證該感知方法簡便有效，可有效解決因視覺無法感知判斷獼猴桃成熟度的問題。豐富了機器人觸覺感知能力的應用，從而擴大了機器人感知技術的應用市場。后續研究將分析采摘機器人抓取水果時的滑動感知以及抓取的穩定性。