茶叶嫩梢采摘末端执行器的设计研究

许丽佳，刘琦,2，代建武，陈小虎

茶叶嫩梢采摘末端执行器的设计研究

许丽佳1，刘琦1,2，代建武1，陈小虎1

1. 四川农业大学机电学院，四川 雅安 625014；2. 华中科技大学电子信息与通信学院，湖北 武汉 430074

为了解决茶叶嫩梢的选择性采摘问题，以茶叶嫩梢的物理学特性为设计依据，设计了一种可夹提式采摘茶叶嫩梢的末端执行器，运用MATLAB软件的GUI模块及SolidWorks软件对采摘末端执行器的结构参数进行优选分析，并获得最佳组合参数，通过运动学仿真分析可行且满足夹持力要求；采摘末端执行器模型在茶园进行采摘试验，结果表明，一芽一叶的漏采率为2.8%、采摘完整率为91%；一芽两叶的漏采率<3%、采摘完整率为94%，试验结果验证该采摘末端的结构设计及其参数切实可行，为茶叶嫩梢的选择性采摘提供理论依据，并为后续茶叶嫩梢采摘机的研发提供技术支撑。

茶叶嫩梢；采摘机械手；末端执行器；运动学仿真

中国是茶叶生产大国，茶叶种植具有面积大、分布广、产量高等特点。2019年统计表明，中国18个主要产茶地区茶园种植面积为306.5万hm2，产值到达2 396亿元。在传统农业向现代农业转型的大背景下，研发绿色化和自动化、智能化程度高的大型茶叶机械是中国茶叶机械化生产发展的核心方向[1]，而茶叶采摘机械化已成必然趋势。嫩梢采摘是茶叶产业链中最耗时、耗力的环节，其耗费的人工成本占据茶农收益的50%，现有采茶机以采摘大宗茶叶为主，一刀切采摘模式无法选择性采摘嫩梢。近年来形成了一些名优茶采摘机的相关研究成果：如宋扬扬等[2]设计了一种履带式智能采茶机，利用SolidWorks软件三维建模对采茶机进行结构设计、运动分析和茶园试验；欧阳爱国等[3]为降低茶叶在收集板上的堆积并提高茶叶到集叶袋的输送能力，依据流场动力学原理对通风系统的结构进行流场仿真分析与优化设计；范元瑞等[4]利用单支链约束方程求解采摘机器人的采摘空间，建立其空间模型；蔡丽萍等[5]针对优质崂山茶的种植及生长特点，通过拍摄环境背景设置、两叶一针崂山茶的嫩梢识别、针尖的特征提取及定位等进行了方法研究，设置蓝光作为拍摄环境背景利用分块二值矩阵求和的方法进行针尖的识别；王立谦等[6]结合STM32和MSP430单片机设计了一种新的农业果实采摘机器人激光自动瞄准系统，并在系统设计过程中引入了PID算法，提高了果实采摘机器人的定位精度和自动化程度；刘灿[7]在全面理解自动采摘工作原理及结构组成的基础上建立核心部件采摘作业的有限元理论控制模型，创建符合实际的采摘结构三维物理模型；Dong等[8]采用图像特征（色泽和纹理）和Ada Boost改进的ELM（极限学习机）混合算法，明确了茶叶外形表象与人的感官感受间的非线性量化解析关系。即使上述文献对智能机械采摘作了诸多研究，选择性采摘嫩梢仍然是采茶机研发过程中的难点，而采摘末端执行器的设计则是其中的关键环节。

本研究以四川省雅安市名山区广泛种植的名山131茶树为研究对象，结合茶叶嫩梢的物理学特性（亦称力学特性，即夹提式拉断嫩梢叶柄所需的夹持力）及前期试验数据[9-10]，运用MATLAB软件的GUI模块及SolidWorks软件设计优选了一种适于该类茶叶嫩梢的夹提式采摘末端执行器，为后续各品种茶叶嫩梢采摘机的选择性采摘奠定理论基础。

1 采摘末端执行器的设计

1.1 茶叶嫩梢采摘机模型

针对复杂的茶园环境，本研究提出了茶叶嫩梢采摘机的整体方案（图1）。采摘机由履带式底座、机器视觉模块、微处理器模块、驱动模块、装配架、机械手和收集装置（包括可伸缩收集平台和真空箱）组成，其中，多个机械手采用3行4列形式固定在装配架上，机器视觉模块采用ZED深度感知摄像头对茶垄的纵深进行测距，微处理器模块获得茶垄纵深距离信号后，发生控制指令至各个对应的机械手，所有机械手随即采摘并自动收集嫩梢。其中，机械手由机械臂（包括大臂和小臂）及安装在其顶端的采摘末端执行器构成，如图2所示。采摘末端执行器通过对嫩梢的夹提式选择采摘，对比基于机器视觉的嫩梢识别定位及采摘[11]，可以较大程度地提高采摘效率并降低漏采率。

1.2 采摘末端执行器的结构设计

采摘末端执行器实现夹提式选择性采摘嫩梢，结合在实际采摘过程中的运动特性，本研究选取梯形式四杆机构，如图3所示。从图3可知，采摘末端执行器由前后位置对称的一对摇杆机构（包括齿轮摇杆和从动摇杆）、主/从动齿轮、2个夹持件、传动轴、舵机和箱体组成，其两侧齿轮摇杆的同步传动采用轴传动，舵机作为动力源，图3中的A、B、C、D四点即形成四杆机构。在两个夹持件之间的箱体用作安装末端执行器的零部件，舵机安装在箱体顶部，其通过传动部件（传动轴、相互啮合的主/从动齿轮和四杆机构）与2个夹持件相连。通过前期试验测试，选取具有防水抗氧化的铝合金作为夹持件材料。

当接收到来自机器视觉模块的茶垄纵深距离后，微处理器模块发送控制指令经驱动模块驱动各个机械手动作，在机械臂的带动下采摘末端执行器下降至待采高度，舵机随即通过传动部件使得2个夹持件闭合即可夹持嫩梢，在预设夹持力的作用下2个夹持件夹断嫩梢叶柄而无法夹断老叶叶柄，嫩梢采摘完毕后2个夹持件保持闭合并伴随机械臂的运动而上升，待上升至固定高度时，机械臂下方的收集平台向前伸出到指定位置，此时2个夹持件张开使得嫩梢在重力作用下落在可伸缩收集平台上，随后收集平台开始向后退回，当嫩梢随收集平台向后移动时将经过真空箱的吸附口从而被吸入箱内完成嫩梢的收集。此为一次完整的夹提式选择采摘过程，后续随着履带式底座沿茶垄方向缓慢前行并循环该采摘过程。

2 采摘末端执行器的参数设计

从图3中可知，采摘末端执行器的夹持力（即指舵机通过四杆机构作用在E点的力）与其结构参数有着密切关系，其结构参数主要包括2个夹持件的尺寸和传动部件的参数，其中，传动部件的参数包括由舵机带动所引起的四杆机构的转动角（图3-a）中对称的2个主动摇杆AD转动所形成的角度、传动角、齿轮半径和四杆机构的4个参数，即图3中的主动摇杆AD、连杆CD、从动摇杆BC以及AB段的长度。故需对采摘末端执行器的结构参数进行设计并优化，使得采摘末端执行器具备所需的夹持力上限值（指舵机通过四杆机构作用在E点处的力等于此值则嫩梢叶柄被夹断而老叶叶柄不能被夹断）。另外，茶叶嫩梢大多数生长在呈拱形的茶垄表面，经实地试验可知，在舵机带动下四杆机构的最大转动角为30°时较合适，若此角度过大会导致夹持茶叶数过多而采摘效果不佳，反之则夹持茶叶数过少而无法高效采摘。

图1 茶叶嫩芽采摘机模型

注：（a）机械手的结构模型；（b）机械手结构简图

图3 采摘末端执行器的结构设计图

2.1 夹持件的尺寸选择

据前期试验统计[10]可得，名山131茶树的一芽一叶叶柄的拉断力平均值为3.08 N、拉断力上限值为3.51 N，一芽两叶的拉断力平均值为5.51 N、拉断力上限值为7.40 N，茶叶老叶的拉断力下限值大于10 N。从图3可知，采摘末端执行器是夹提式采摘，通常一次夹取多片茶叶导致所需的安全夹持力会出现小范围浮动[12]，结合前期试验数据结果设置采摘末端执行器的夹持力上限值1=8 N，夹持件接触面选取抗水抗氧化的铝合金材料。

为避免损伤旁侧嫩梢和平稳采摘，采摘末端执行器的夹提式采摘动作为圆弧状运动轨迹，且尽量呈水平状态。前期试验数据通过SPSS软件分析得到实际夹持力与突变值（突变值即叶柄在该值下产生不可恢复的损伤）的百分比关系为64%，即安全系数为0.64，运用SPSS软件对数据进行回归运算，可得夹持件夹持嫩梢叶柄时的接触面宽度（图3-b）与嫩梢所受的实际夹持力之间的回归方程：

=0.64×(1.555+2.523 8) ············（1）

根据式（1）以夹断嫩梢所需夹持力的平均值5.51 N计算出接触面宽度=4 mm，经多次试验选取夹持件的尺寸为176 mm×56 mm×90 mm，夹持件与茶叶接触面的面积为176 mm×4 mm。

2.2 传动部件的参数选择

为使得传动部件体积小、重量轻，选取一对齿轮的半径为20 mm、箱体长度为150 mm、箱体宽度为70 mm。在已知夹持件尺寸的情况下，为了得到预期的安全夹持力，需要对四杆机构的4个参数进行优化，故需建立四杆机构的数学模型并推导分析，在一定限制条件下进行优化以便获得最佳的组合参数值[13]。

2.2.1四杆机构的位移方程

图3中的B点位置不变，故以此点作为坐标原点建立对应的坐标系，四杆机构的结构模型如图4所示。在图4中，AB段的长度设为1，主动摇杆AD、连杆CD、从动摇杆BC的长度分别设为2、3和4。夹持件的采摘点即E点与C点在同一构件上（图3），故C点的运动轨迹、速度、加速度即为E点的运动轨迹、速度和加速度。图4中，E点的加速度越小则采摘末端执行器的夹持动作越稳定，E点的速度越大则采摘末端执行器的夹持效率越高。

注：（a）结构数学模型；（b）C点位置图解

设BD与BC之间的夹角为，BD与X正半轴之间的夹角为，C点的位置坐标（x，y），由该结构模型的几何关系可得C点的位移方程为：

2.2.2 四杆机构的速度及加速度方程

坐标原点B坐标为（x=0，y=0），C点、D点的水平方向和垂直方向的速度分别为V、V、V、V，D点的位置坐标为（x，y），由图4可得C点的速度方程为：

式中，1=x－x，2=y－y，3=x－x，4=y－y。

设B点在水平、竖直方向的速度分别为V、V，设C点、D点在水平/垂直方向的加速度分别为（a，a）、（a，a），则C点的加速度方程为：

2.2.3 四杆机构的传动角

四杆机构的传动效率与其传动角1呈正相关关系。主动摇杆AD与连杆CD之间的夹角即为四杆机构的传动角1，如图5所示。

由于整个机构的质量轻且转速低，故其惯性未计入，由图5可得传动角1计算如下：

式中，AC表示A、C两点间的距离。

由图5可知，在其余参数固定时，2或3增加会使传动角1增大，四杆机构的传动效率就增高，C点的夹持力（舵机通过四杆机构作用在C点的力）也就随之增大；在其余参数不变的情况下，4增加使AC增加则传动角1随之减小，四杆机构的传动效率降低，夹持力则随之减小。

2.2.4 四杆机构C点的夹持力

设采摘作业时舵机力矩为，连杆CD到A点的力臂即垂直距离为3（图5），前述已知采摘末端执行器的夹持力（即舵机通过四杆机构作用在E点的力）的上限值1=8 N，由图5可得3、为：

设连杆CD与X轴的水平夹角为3，由此可推导C点的夹持力和3计算如下：

2.3 传动部件的参数优化

前述已知四杆机构的转动角以及一对齿轮的半径，根据茶叶嫩梢的物理学特性，四杆机构的传动角1、4个参数（1、2、3、4）还需满足下述条件：（1）1+2≤3+4，其中，1最短、2最长；（2）舵机在E点的实际作用力需接近夹持力上限值1=8 N；（3）四杆机构的传动效率较高（传动角较大）；（4）夹持件的夹持动作为圆弧状运动轨迹，且尽量呈水平状态，以保证平稳采摘。

1、2、3、4的初始值均设为50 mm，利用MATLAB软件开发了用于优化此4个参数的GUI界面[14]，在该界面的控制区域内点击功能按钮，将会在图形显示区内显示出在当前参数下的采摘末端执行器的运动仿真，如图6所示。

在图6-a中，当4个参数（1、2、3、4）固定时，夹持力（其负号代表方向，绝对值越大则表示夹持强度越大即越大，下同）随着C点水平位移X的增大其趋于减小（后期略有所增加），1=35 mm、2=60 mm、4=50 mm且X固定时设置3=35 mm、37 mm、38 mm，从图中可知随着3的增加也增加，3=38 mm、X=15 mm时达到极大值；在图6-b中，当1=35 mm、3=35 mm、4=50 mm且X固定时，设置2=55 mm、60 mm、65 mm，由图可知随着2的增加也增加，2越大受X的影响越小，当2=65 mm时=–4 N基本恒定（即不受X的影响）；以此类推，当1、2、3、X固定时，从图6-c中可知随着4的减小则越大，4越小受X的影响越小，4=45 mm时=–4 N基本恒定（不受X的影响）；从图6-d—图6-f中可知，当4个参数均固定时C点加速度随着X的增大而增大，当4个参数中的任意3个参数（以图6-d为例，1、2、3）和X固定而第4个参数4（以图6-d为例）逐渐减小，从3幅图中可知随着第4个参数4（以图6-d为例）的增加C点加速度也减小。图7中的箭头表示2个夹持件由张开到闭合的运动方向，当采摘末端执行器进行采摘运动时，C点的水平位移、速度、加速度均发生变化。在最佳组合参数下，图7-a中横、纵坐标即C点坐标（x，y），该图中的C点运动轨迹呈圆弧状，X=16 mm时C点运动轨迹处于最低点（茶叶嫩梢位置）即采摘末端执行器闭合夹采茶叶嫩梢，C点运动至最高点表示采摘末端执行器处于最大转动角状态；C点速度、加速度、夹持力与其水平位移X之间的曲线分别如图7-b、图7-c、图7-d所示，从图中可知当X=16 mm时C点的速度达到极大值、加速度达到极小值而夹持力达到极大值，随着采摘末端执行器逐渐闭合则C点加速度单调减小、C点速度先减小后逐渐增加、夹持力先减小后增大，在X=42 mm处C点的速度和夹持力均达极小值，是源于舵机带动四杆机构动作时各杆之间的夹角出现了持续变化。从图7-c可知在X=16 mm处C点加速度为极小值，即2个夹持件闭合夹采嫩梢，此时采摘末端执行器处于最平稳状态；在图7-d中，当X=16 mm时=–3.5 N（即最大，负号仅表示其方向），此时对应舵机通过四杆机构作用在E点的力1为8 N，由X=16 mm及对应的传动角1代入式（6）计算，可得此时舵机力矩为840 N·mm。

注：（a）不同3值时的C点夹持力曲线；（b）不同2值时的C点加速度曲线；（c）不同4值时的C点夹持力曲线；（d）不同4值时的C点加速度曲线；（e）不同2值时的C点加速度曲线；（f）不同3值时的C点加速度曲线

Note: (a) Clamping force curve of C-point for different3values. (b) Clamping force curve of C-point for different2values. (c) Clamping force curve of C-point for different4values. (d) Acceleration curves of C point for different4values. (e) Acceleration curves of different2values. (f) Acceleration curves of C point different3values

图6 不同四杆机构参数下的仿真曲线

Fig.6 Simulation curves under different four-bar mechanism parameters

注：（a）C点运动轨迹；（b）C点速度曲线；（c）C点加速度曲线；（d）C点夹持力F'曲线

2.4 运动仿真

为验证上述采摘末端执行器结构设计及其参数的可行性，用三维建模软件Solidworks对虚拟样机进行实体建模[15]并导入Motion板块中进行仿真分析。

根据前期试验参数及茶叶嫩梢物理学特性数据，设置舵机的角速度为8.055 rad·s-1，在采摘过程中施加一个8 N的反向压力作用于采摘末端执行器的夹持件（图3-a中的E点），以便反向验证其可行性及运动轨迹等，仿真获得采摘末端执行器C点加速度和舵机力矩的曲线如图8所示。

采摘末端执行器呈圆弧状运动如图3-a所示，图8中的虚线为舵机带动采摘末端执行器运动1个周期的力矩变化曲线呈对称分布，在[0，0.13 s]对应采摘末端执行器的闭合运动学仿真，[0.14 s，0.26 s]对应采摘末端执行器的张开运动学仿真。从图8可知舵机力矩随时间先减小后增大，在0.13 s附近2个夹持件闭合采摘嫩梢，此时舵机力矩达到最大值845 N·mm，依据式（6）所得的舵机力矩为840 N·mm，理论计算结果略小于实际仿真结果，其原因在于式（6）计算过程中忽略采摘末端执行器自身重量以及运动惯性的影响，当然其重量通常较小。另外，在采摘末端执行器运动过程中舵机力矩最小值为43 N·mm，这也是因为采摘末端执行器不仅受舵机力矩的驱动，还受其自身重量以及运动惯性的影响所致。另外，鉴于采摘作业过程中部件之间还存在摩擦力以及其他阻力，实际应用中舵机力矩要大于虚拟仿真所得的舵机力矩最大值845 N·mm；图8中的实线为采摘末端执行器运动1个周期的C点加速度的变化曲线，从图中可知，C点加速度随时间呈减小趋势，加速度越小采摘越平稳即0.13 s附近出现最小值，即采摘末端执行器采摘茶叶嫩梢时具有最好的平稳性，此时C点加速度为6 738 mm·s-2，从图7-c可知对应C点加速度为5 000 mm·s-2，两者之间的误差在于理论计算过程中忽略了采摘末端执行器自身重量以及运动惯性的影响。综上所述，仿真结果与理论计算相符合，验证了机构的正确性及可行性。

3 茶园试验

3.1 试验方法

为验证所设计的采摘末端执行器的实际采摘性能，本研究选取DS32250金属舵机，根据JB/T 6281—2007采茶机相关规定，以采摘末端执行器的实际夹持力、嫩梢漏采率、嫩梢完整率为主要检测指标[17]，制作模型如图9所示。

注：（a）3月份采摘作业；（b）8月份采摘作业

试验舵机角速度设为8.055 rad·s-1，四杆机构的转动角为30°，在3月下旬对一芽一叶、一芽两叶的嫩梢以及老叶各自进行了72组试验，记录样本数据并按照试验指标进行分类统计。

嫩梢漏采率计算如下：

采收嫩梢完整率1计算如下：

式中，为采收嫩梢数，1为采收无损嫩梢数，2为漏采嫩梢数。

3.2 性能试验

将采摘末端执行器模型在雅安市某茶园进行采摘试验（图9）。依据试验结果（表1），若F小于最小值时，该模型无法采摘对应茶叶组；若2.76 N<<4.51 N，该模型仅能采摘一芽一叶嫩梢组；当>3.51 N，会降低一芽一叶嫩梢组的采摘质量；若7.80 N<<13.70 N，会降低所有嫩梢组的采摘质量且无法采摘老叶；若F>27.20 N，会采摘所有茶叶且易对夹持件造成物理损伤，一芽一叶的平均漏采率小于2.8%、平均采摘完整率约91%，一芽两叶的平均漏采率小于3%、平均采摘完整率约94%，满足实际选择性采摘要求，且与前期试验结果基本吻合。为了进一步验证设计的正确性，8月份对同一片茶园同一品种茶叶进行采摘试验，如图9-b所示，两次试验采摘效果对比如图10所示。由图10可知，该模型3月份的嫩梢漏采率、嫩梢完整率均明显优于8月份的采摘效果，其原因在于3月份采摘的是春茶，此时茶树修剪整齐，嫩梢长势较好数量众多且大多数覆盖在茶垄表面，而8月份是采茶的晚期，茶树经采摘多次且长势不均匀，嫩梢参差不齐，嫩梢数量不多且少数嫩梢覆盖在茶垄表面，此时末端执行器的选择性采摘效果不显著。

表1 采摘试验结果

4 小结

本研究基于茶叶嫩梢的物理学特性，以及采摘要求，设计了一种嫩梢采摘末端执行器，结合前期试验数据设置采摘末端执行器的有关参数，即夹持件接触面宽度=4 mm，夹持件尺寸176 mm×56 mm×90 mm，夹持件与茶叶接触面的面积为176 mm×4 mm，舵机角速度为8.055 rad·s-1，四杆机构的转动角为30°，一对齿轮半径为20 mm，且传动部件呈梯形状的四杆机构并建立其数学模型；在四杆机构的4个参数（1，2，3，4）取值范围内，以1最大、采摘平稳、夹持件圆弧状运动轨迹以及夹持力上限值8 N为目标进行多目标优化，获得最优参数1=35 mm、2=60 mm、3=35 mm和4=50 mm；随后运用Soildworks 2014软件对采摘末端执行器装配，对其进行了虚拟运动及仿真分析，得到此参数下的运动性能与理论计算基本吻合；最后将采摘末端执行器模型应用于茶园采摘试验，以实际夹持力、嫩梢漏采率以及嫩梢完整率为主要检测指标，进一步验证了实际采摘效果良好，较好地解决了茶叶嫩梢采摘过程中的选择性采摘问题。当然，本研究选取了夹持件接触面宽度、四杆机构4个参数、齿轮半径、接触面材料、夹持件形状、运动轨迹、夹持力等进行分析研究，在今后的研究中为了更加精确建模，可综合考虑传动部件材料、部件之间的摩擦力和阻力、视觉测距、控制算法等，以及其他结构参数对嫩梢采摘末端执行器采摘效果的影响。

注：（a）嫩梢漏采率对比；（b）嫩梢完整率对比

[1] 王文明, 肖宏儒, 宋志禹, 等. 茶叶生产全程机械化技术研究现状与展望[J]. 中国农机化学报, 2020, 41(5): 226-236.

Wang W M, Xiao H R, Song Z Y, et al. Research status and prospects of tea production mechanization technology [J]. Journal of Chinese Agricultural Mechanization, 2020, 41(5): 226-236.

[2] 宋扬扬, 李为宁, 李兵, 等. 履带式智能采茶机的设计与试验[J]. 农机化研究, 2020, 42(8): 123-127.

Song Y Y, Li W N, Li B, et al. Design and test of crawler type intelligent tea picker [J]. Journal of Agricultural Mechanization Research, 2020, 42(8): 123-127.

[3] 欧阳爱国, 邵福, 舒盛荣, 等. 一种单轨悬挂式采茶机结构设计及通风管流场仿真分析[J]. 江苏农业科学, 2019, 47(20): 236-240.

Ouyang A G, Shao F, Shu S R, et al. Structural design of a monorail suspended tea picker and simulation analysis of flow field in its ventilation tube [J]. Jiangsu Agricultural Sciences, 2019, 47(20): 236-240.

[4] 范元瑞, 马智斌, 杨化林. 名优茶采摘机器人工作空间分析[J]. 机械与电子, 2019, 37(8): 73-75, 80.

Fan Y R, Ma Z B, Yang H L. Analysis of working space of famous tea picking robot [J]. Machinery and Electronics, 2019, 37(8): 73-75, 80.

[5] 蔡丽萍, 赵丽清, 龚丽农, 等. 优质崂山茶嫩芽识别方法的研究[J]. 青岛农业大学学报(自然科学版), 2018, 35(1): 76-81.

Cai L P, Zhao L Q, Gong L N, et al. Study on identification method of high quality laoshan tea buds [J]. Journal of Qingdao Agricultural University (Natural Science), 2018, 35(1): 76-81.

[6] 王立谦, 汪小志, 林卫国. 农业激光自动采摘定位机器人控制系统设计: 基于PID控制[J].农机化研究, 2015, 37(9): 211-216.

Wang L Q, Wang X Z, Lin W G. Design of agricultural laser automatic picking positioning robot control system based on PID control [J]. Journal of Agricultural Mechanization Research, 2015, 37(9): 211-216.

[7] 刘灿. 一种自动采摘结构模型有限元研究[J]. 农机化研究, 2020, 42(5): 51-55, 93.

Liu C. Finite element analysis of an automatic picking structure model [J]. Journal of Agricultural Mechanization Research, 2020, 42(5): 51-55, 93.

[8] Dong C W, Zhu H K, Zhao J W, et al. Sensory quality evaluation for appearance of needle-shaped green tea based on computer vision and nonlinear tools [J]. Journal of Zhejiang University-Science B (Biomedicine & Biotechnology), 2017, 18(6): 544-548.

[9] 林燕萍, 金心怡, 郝志龙, 等. 茶树嫩梢力学特性与粗纤维试验[J]. 茶叶科学, 2013, 33(4): 364-369.

Lin Y P, Jin X Y, Hao Z L, et al. Experiment on mechanical properties and crude fiber of tea leaf [J]. Journal of Tea Science, 2013, 33(4): 364-369.

[10] 许多. 智能采茶机机械结构及控制系统设计[D]. 雅安: 四川农业大学, 2018.

Xu D. Design of intelligent tea picking machine’s mechanical structure and control system [D]. Ya'an: Sichuan Agricultural University, 2018.

[11] 孙晓锋. 名优茶智能化采摘中新梢识别及其中心点确定的方法研究[D]. 南京: 南京林业大学, 2014.

Sun X F. Researches on high-quality tea flushes identification and centering method for intelligent plucking [D]. Nanjing: Nanjing Forestry University, 2014.

[12] 潘周光. 茶叶梗茎剪切特性与嫩度关系的试验研究[J]. 茶叶科学, 2008, 28(6): 425-428.

Pan Z G. Study on the relation of the tenderness and shearing properties of tea shoot [J]. Journal of Tea Science, 2008, 28(6): 425-428.

[13] 姬江涛, 杨林辉, 金鑫, 等. 行星轮系滑道式钵苗栽植机构设计与参数优化[J]. 农业工程学报, 2018, 34(18): 83-92.

Ji J T, Yang L H, Jin X, et al. Design and parameter optimization of planetary gear-train slip type pot seedling planting mechanism [J]. Transactions of the Chinese Society of Agricultural Engineering, 2018, 34(18): 83-92.

[14] 陆鑫, 李恒, 徐丽明, 等. 双臂式茶叶采摘机器人的改进设计[J]. 农机化研究, 2015, 37(2): 101-106.

Lu X, Li H, Xu L M, et al. Mode analysis and optimization of variable pitch screw shaft for high-speed rice transplanter [J]. Journal of Agricultural Mechanization Research, 2015, 37(2): 101-106.

[15] 李兵, 李为宁, 柏宣丙, 等. 基于EDEM的茶叶揉捻机参数优化及试验研究[J]. 茶叶科学, 2020, 40(3): 375-385.

Li B, Li W N, Bai X B, et al. Parameter optimization and experimental study of tea twisting machine based on EDEM [J]. Journal of Tea Science, 2020, 40(3): 375-385.

[16] 秦广明, 赵映, 肖宏儒, 等. 4CZ-12智能采茶机器人设计及田间试验[J]. 中国农机化学报, 2014, 35(1): 152-156,169.

Qin G M, Zhao Y, Xiao H R, et al. 4CZ-12 intelligent tea harvest robot design and field experiment [J]. Journal of Chinese Agricultural Mechanization, 2014, 35(1): 152-156, 169.

[17] 邓佳, 王鹏, 周彦君, 等. 四川采茶机械化应用现状与展望[J]. 四川农业与农机, 2019(6): 20-21.

Deng J, Wang P, Zhou Y J, et al. Application status and prospect of tea picking mechanization in sichuan [J]. Sichuan Agriculture and Agricultural Machinery, 2019(6): 20-21.

Design of End Effector for Picking Tea Shoots

XU Lijia1, LIU Qi1,2, DAI Jianwu1, CHEN Xiaohu1

1. College of Mechanical and Electrical Engineering, Sichuan Agricultural University, Ya'an 625014, China; 2. Huazhong University of Science and Technology, Wuhan 430074, China

In order to solve the selective picking of tea shoots, based on the physical characteristics of tea shoots, an end effector of picking tea shoots with clip was designed in this study. The GUI module of MATLAB software and SolidWorks software were used to optimize the structural parameters of the picking end effector，and the optimal combination structural parameters were obtained. The kinematics simulation analysis was feasible and met the requirements of clamping force. The model of picking end effector was tested in tea garden, and the results show that the missed picking rate of one bud and one leaf was 2.8%, and the picking integrity rate was 91%. While the missed picking rate of one bud and two leaves was <3%, and the picking integrity rate was about 94% in March. The experimental results verified that the structural design and parameters of the picking end effector are feasible, which provided a theoretical basis for the selective picking of tea shoots, and a technical support for the subsequent research and development of tea shoot picking machine.

tea shoot picking, picking manipulator, picking end effector, kinematics simulation

S571.1

A

1000-369X(2021)05-705-12

2020-11-27

2021-02-15

国家级创新训练计划项目（201910626024）

许丽佳，女，教授，主要从事农业机器人、农业信息检测与控制技术的研究，583458957@qq.com

（责任编辑：赵锋）