SLAM 技術及卷積神經網絡（CNN）技術支持下的自動修剪機器人設計*

劉 楊 ，林蘭珂 ，黃祖添 ，李映燁 ，莫瀟蓬 ，李婷婷 ，陳 皓

（桂林電子科技大學，廣西 桂林 541004）

0 引言

2021 年3 月15 日，習近平總書記在中央財經委員會第九次會議中提出：我國力爭2030 年前實現“碳達峰”，2060 年前實現“碳中和”。隨著園藝文化在全球各國逐漸興起，園林機械產品進入各個城市的千家萬戶，成為城市綠化和家庭園藝生活必不可少的好幫手[1]。目前市場上綠植外觀多樣，修剪設備種類也比較多，但在使用中需要較多的人工干預，修剪的效果對工人的技術水平要求也比較高。為實現修剪的精確性與智能化，機器人必須有能力在地圖上定位自己，并創建所需要修剪綠植的圖片形狀，同步定位與建圖需要應時而生，主要包括實現自主定位與建圖算法兩個任務。這兩個任務的實現需要機器人具備SLAM技術和圖像邊緣檢測算法[2]，還需具備卷積神經網絡（CNN）算法和機器視覺YOLOv3-spp算法的能力。

使用SLAM 技術和圖像邊緣檢測算法，可以使機器人在不需要人為控制的情況下完成修剪任務，實現自主導航和定位；利用卷積神經網絡（CNN）算法和機器視覺YOLOv3-spp 算法，可以使機器人準確識別花草、灌木等植物的形狀和位置，實現高精度修剪[3]；使用Canny 邊緣檢測算法可以有效提取圖像邊緣信息，進一步提高機器人的修剪效率和精度[4]。

機器人是當今最熱門的研究領域之一，需求巨大的自動修剪類機器人更是極具可研究性的方向。本文在已有研究的基礎上提出一種基于SLAM 技術及卷積神經網絡技術的自動修剪機器人，以解決現行市場上園林修剪機器人存在的弊端[5]，更好地方便人們的生活。

1 自動修剪機器人基本系統設計

自動修剪機器人總體上的結構需求分為以下兩個部分：1）硬件系統。一個機器人底盤、可伸縮機器臂、激光雷達、攝像頭、IMU 等傳感器以及一個可編程的微控制器和電池組。2）軟件系統。以樹莓派3B+（ROS Master）為主體，使用嵌入式技術為其安裝輕量級的、成熟的、易于控制的Linux 系統（如Ubuntu 18.04）。自動修剪機器人工作流程如圖1所示。

圖1 自動修剪機器人工作流程

硬件系統主要功能是接收遙控雷達信息、無線信號等，并且在Gmapping SLAM 技術的支持下引導機器人到達指定地點，使機器人在經過多重深度的算法學習后，能夠按照給定指令對園林花草進行精確工藝修剪，如圖2所示。

圖2 Gmapping SLAM自動尋航示例

軟件系統主要功能是給機器人提供Gmapping SLAM 導航、機器人視覺學習（卷積神經網絡（CNN）算法和機器視覺YOLOv3-spp 算法）、機器人動力控制和安全控制技術，并提供更友好、更簡便的交互（GUI界面或者Terminal終端）。

2 自動修剪機器人視覺系統設計

自動修剪機器人主要采用深度學習算法對植物進行識別。針對植物的不同部位，分別采用不同的視覺特征進行檢測，保證精準剪裁指定的區域與形狀，例如，分割算法中的邊緣檢測類Sobel 和Canny 兩種算法。Sobel 算子是一種常用的邊緣檢測算子，它基于圖像中像素值的梯度來識別邊緣；而Canny 邊緣檢測算法是在Sobel 算子的基礎上減少圖像噪聲，將像素分為強邊緣、弱邊緣和非邊緣三類，最終確定圖像中的邊緣。使用圖像邊緣檢測算法——Sobel 算子，來檢測植物的輪廓。結合深度學習和圖像分割算法進行植物的精確分割，以便機器臂能夠更精確地定位到目標位置[6]。Sobel算子示例與植物輪廓如圖3所示。

圖3 Sobel算子示例與植物輪廓

針對園藝植物初步的精確識別，保證了自動修剪機器人的修剪功能后續得以更簡便地操作。Canny邊緣檢測算法示例與植物邊緣成像如圖4 所示。

圖4 邊緣檢測算法示意圖

自動修剪機器人使用Canny 邊緣檢測算法將進一步獲取到園藝植物的輪廓，為自動修剪機器人主要功能——修剪功能的設計，提供進一步的技術支持，使其能夠針對不同的園藝形狀進行精確切割。

3 自動修剪機器人機械臂設計

機械臂主要組成部分：筒狀三重旋轉切割器、機械小臂、機械中臂、機械大臂以及膠管。機械臂的動力來自電動機，這使得它更環保且操作安靜。動力系統經過精確控制，可以使機械臂在不同的園藝表面上平穩運行，確保剪切質量。可通過遠程控制或預設程序來操控機械臂。不僅可以通過智能手機或計算機來輕松控制它，也可以根據需要進行編程，以滿足不同的剪切需求。機械臂還裝有多種傳感器，以感知周圍環境，從而能夠避開障礙物并確保操作安全[7]。安全性是設計的重要考慮因素之一。機械臂具備緊急停止按鈕，以應對突發情況。此外，它的傳感器系統能夠感知障礙物，并自動避免碰撞，確保使用過程中的安全性[8]。

機械臂的設計使得維護非常簡便，易于操作者進行日常保養，如圖5 所示。零部件易于更換，因此維修和保養成本低廉[9]。建議定期檢查螺旋器和刀片等關鍵部件，以確保機械臂始終保持高效運行。

圖5 機械臂設計

如圖6 所示，機械臂的設計符合相關國家法規和標準，包括機械設備和園藝工具的安全標準，可確保用戶的安全，且具有合法性。機械臂的顏色設計參考國家標準GB 2893—2008《安全色》，黃色通常用于表示警告或注意。這意味著黃色常被用來引起人們的警惕，提醒他們注意潛在的危險或需要采取特別的安全措施。國家標準還規定了黃色的亮度和對比度要求，以確保黃色標志在各種照明條件下都能夠引起人們的注意。

圖6 機械臂詳細構造

4 技術推廣及應用

4.1 市場機會

園林藝術既包括對自然生態的保護和恢復，也包括人類文化和審美的表達，隨著社會經濟的發展，人們對園林藝術的需求也在不斷增長。這種需求不僅要不斷創新理念和表現方式，更需要高效和精準的技術支持。而經過智能技術融入的產品相比于傳統的園林設備會擁有更加高效和精準的表現，例如通過人工智能技術對植物進行智能化管理，達到更好的生長和美化效果；通過大數據和云計算技術對園林景觀數據進行采集和分析，使得園林設計更加合理。

就目前而言，自動化園林機器人行業在國內市場相對空白，隨著政府對環境友好型社會和可持續發展的重視，消費者也對機器人所帶來的智能化、便利性更加青睞，自動化園林機器人的需求正在不斷增長，并且隨著科技的不斷進步和成本的降低，真正實現走進千家萬戶。現行大數據背景下，智能技術的融入是必然趨勢，向著智能化發展將成為園林行業和園林設備行業的重要目標方向。自動化園林產業的發展與實現不僅可以滿足消費者的要求，也可以提高此行業的競爭力。

4.2 市場應用

根據不同的用戶需求和使用場景，機器人需要具備相應的功能，如自動澆水、植物生長監測、草坪修剪等。因此，本產品基于機器人的安全性和穩定性，在確保用戶使用體驗的同時，致力于解決高危、高空景區或公路上高大樹木的安全隱患問題，提供優質的售后服務，保證機器人的長期穩定運行。

4.3 風險控制

前期通過建立完善的技術測試和驗證機制，定期對產品進行測試和驗證，發現并解決技術問題。在實際應用過程中，用加強對技術團隊的培訓和激勵、吸引和留住高端技術人才等方法不斷解決可能出現的機器人算法不夠穩定、傳感器數據噪聲較大等問題，并且持續關注技術發展趨勢，及時調整技術路線，確保技術的領先性。

4.4 市場痛點與創新點

傳統的花草修剪方式效率較低、精度不一，在修剪過程中存在一定的安全隱患，并且隨著經濟的發展，人工成本呈現逐年升高趨勢。使用SLAM技術和圖像邊緣檢測算法，可以使機器人在不需要人為控制的情況下完成修剪任務，實現自主導航和定位；根據使用者的指令或預設參數，自動獲取花草樹木的生長狀態和修剪需要，實現定向的修剪，并通過攝像頭和傳感器等技術，自動調節切割區域和切割深度。利用卷積神經網絡（CNN）算法和機器視覺YOLOv3-spp算法，可以使機器人準確識別花草、灌木等植物的形狀和位置[10]，實現高精度修剪。使用Canny 邊緣檢測算法可以有效提取圖像邊緣信息，進一步提高機器人的修剪效率和精度，減少人工操作和干預。可以進行無間斷工作，并且速度比人工修剪更快，提高了修剪效率，減少了修剪時間和工作量。可根據使用者的需求和花草樹木的特性進行個性化定制，調整修剪的方式和范圍，從而實現更精細的修剪效果。自動修剪機器人可以使用清潔能源，避免人工修剪中使用的汽油或柴油等燃料對環境造成污染，同時也減少了人工修剪帶來的安全隱患。

5 結論

綜上所述，該機器人具有自動導航、視覺系統判定、智能化修剪等優點。項目組所研制的自動修剪機器人可通過搭載的Gmapping SLAM 技術進行地圖的柵格化探測與處理，并實時更新、保存一定范圍內的地圖，是自動化園藝機器人應對復雜多變的城市道路的最優解。機器人應用了卷積神經網絡（CNN）技術，搭配圖像邊緣檢測算法——Sobel 算子，可以有效地提高識別與判定植物的不同部位的能力，使機器人針對不同已知模塊進行相對應的處理，增強了該機器人園藝方面功能的豐富性及應用的拓展性。