基于机器视觉的草莓采摘机械手设计

宁 彤，张 燕，梁 栋，吴 超

（海南大学机电工程学院，海南 海口 570228）

草莓是一种多年生草本植物，生长周期短，经济效益高，随着近些年草莓种植行业的发展以及病虫害防治技术的提高，草莓产业在我国得到空前的发展. 目前我国的草莓采摘主要靠人工采摘，劳动强度较大，成本高，费时费力［1］. 近些年来，随着工业化的高速发展和服务业的迅速崛起，大批农业劳动力逐渐转行，加上我国人口老龄化问题日益凸显，导致草莓的生产成本逐渐增加，严重影响了我国草莓产业的持续发展. 据统计，草莓采摘所花费的人力成本占草莓生产总成本的50%～70%，草莓生产过程40%的时间都耗费在采摘环节［2］.

20 世纪80年代开始，一些发达国家开始对草莓采摘机器人进行大量的试验研究. 杜沛松等［3］利用把手使机构在钢丝绳的控制下实现草莓的采摘与收集同步进行，使用棘轮与棘爪配合，使草莓收集装置每收集一颗草莓后旋转一定角度，避免果实之间的碰撞，有效保证草莓果实的品质. 王粮局等［4］提出了采摘草莓自下而上的方法，将草莓果实向上拢起，并对末端执行器进行重新设计，使其能够一次采摘多颗草莓，但采摘后草莓容易掉落，且需要对末端执行机构进一步优化.Harvest CROO Robotics 公司［5］开发和测试一种自动化草莓采摘机，以缓解草莓产业中面临的劳动力短缺问题. 该草莓采摘机是在设备上安装自动连续采摘轮，即皮策轮，由其发明者鲍勃·皮策命名，是该草莓采摘机的核心组件.

目前，虽然也有许多对草莓收获机械的研究，但大多数都停留在实验室，且大部分研究产品结构复杂，制造成本高. 因此，针对目前草莓采摘的机械存在智能化程度低的问题，笔者设计一种智能草莓采摘机械手. 整机结构紧凑，功能完善，制造成本低，工作效率高，对解决上述问题具有重要意义.

1 结构和工作原理

1.1 整机结构整机结构如图1 所示，主要由运动小车、微型气泵、微型电机、微型电机减速器、传动齿轮、传动丝杠、伸缩气缸、收集装置、高清摄像头、光源和末端执行器等组成. 整机安装在运动小车上，小车下方设置有电池、电机、智能控制器、减速器和锥齿轮，由智能控制器控制电池给电机通电或断电实现整机的前进、后退和停止［6］. 本设计主要针对高架草莓的采摘作业，将采摘过程及采摘路径简化，使末端执行器具有X、Y、Z3个方向的移动自由度，避免了因机械手关节多而导致定位误差增大，减少了机构运动过程中的误差. 同时，运用丝杠传动，增加了定位过程中的定位精度.

图1 草莓采摘机三维示意图

1.2 工作原理启动开关按钮，智能电机控制器控制电池给电机通电，电机转动通过锥齿轮传动驱动整机前进，待机器到达采摘位置，智能控制器控制CCD摄像机给待采摘的高架草莓拍照，然后将图片信息传送到数据处理中心，由2 个摄像头拍摄的图片信息计算出成熟草莓的空间位置［7-8］，并以空间坐标（X1，Y1，Z1）的形式暂存在数据处理中心，接着智能控制器会控制气泵给气缸充气，使末端执行器在Z方向伸长Z1，与待采摘草莓在Z方向处于同一水平线上；之后控制器控制微型电机转动，微型电机转动末端连接减速器，通过传动齿轮带动丝杠转动，根据丝杠的螺距d和前进的距离X1计算出要旋转的圈数，使末端执行器在X方向移动X1，到达预定位置；最后由智能控制器控制气泵给采摘气缸充气，使末端执行器在Y反方向伸长Y1，最后到达草莓的采摘位置，将草莓摘下.

由于成熟草莓果实鲜嫩多汁，易损坏，所以采摘方式采用剪刀剪断果柄，并夹持住将草莓果实放入收集箱收集［9］，收集箱采用多个抽屉式的收集箱，待收集箱快装满时，只需更换收集箱即可，不会影响采摘作业.

2 关键部件设计及分析

2.1 传动丝杠设计及分析

2.1.1 传动丝杠结构传动丝杠三维结构示意图如图2所示，两端分别设置固定块，固定块前端设置有轴承，由一根连杆连接，限定刀具滑座在X轴上的转动自由度，左固定块上端设置有微型电机，微型电机轴端设置有小齿轮，该齿轮与丝杠左端的齿轮啮合，从而将电机的转动转换为丝杠的转动，丝杠转动推动刀具滑座前进或后退.

图2 传动丝杠三维示意图

2.1.2 传动丝杠分析传动丝杠是整机的重要组成部分，左端设置有微型电机，为分析微型电机转动时对丝杠精确度和稳定性的影响，采用SOLIDWORKS simulation 软件进行有限元分析. 丝杠工作时主要受微型电机转动时产生的震动影响，且刀具座以及刀具的重力40 N. 为了便于分析2 个主要影响因素各自对整机精确度的影响，分别将2 个因素单独进行分析. 由于重力是地球引力作用的结果，非外加载荷，在静应力分析时选择引力，其分析结果如图3所示.

图3 丝杠应力、位移和应变分析

由图3 可知，丝杠整体结构没有明显的应力应变集中，但由于刀座和刀具自身重力的影响，刀具伸缩杆有向下的位移Δ，故在实际工作时，需测出采摘刀具尖端的位移ΔX的值，计算出待采摘草莓的空间位置的Z坐标（Z1）上加上ΔX，即丝杠上升的高度为Z1+ΔX.

丝杠受微型电机转动时产生的震动频率分析图（图4）中可以看出，丝杠本身受振动变形的影响较小，气缸套前端受振动影响较大，并且随着频率的增加，受影响的程度越来越大. 由此可推知，在采摘刀具处的振动幅度会更大，所以在选择微型电机时，尽量选用低频电机.

图4 丝杠及刀具座振型分析

从频率响应中的累积有效质量参与系数（图5）可以得出：在频率约为3 350 Hz之前，累积有效质量参与在x和z方向比较稳定，y方向上升趋势较大，在频率为3 350 ～4 139 Hz 之间，累积有效质量参与在x，y和z3个方向上均有小幅变化，之后趋于稳定［10］.

图5 频率与累积有效质量参与系数（CEMPF）

2.2 采摘刀具设计及分析

2.2.1 采摘刀具结构采摘刀具主要由动刀片和定刀片组成，动刀片通过连杆与伸缩气缸连结，动刀片和定刀片下端面均设置有夹持块，如图6所示. 剪刀闭合时，两夹持块之间有小缝隙，以夹持草莓果柄，在剪刀剪断草莓果柄的同时，剪刀下端面的夹持块将草莓果柄夹持住，是草莓不会掉落摔坏. 完成采摘后气缸Ⅱ收缩，使采摘刀具沿Y轴方向回到初始位置，然后气缸Ⅰ收缩，采摘刀具连同丝杠下降到最低位置，剪刀打开，草莓果实连同果柄经斜面落到收集箱收集. 草莓果实鲜嫩多汁，易损坏，故在本设计中采用剪刀剪断果柄的采摘方式.

图6 采摘刀具结构示意图

2.2.2 采摘刀具分析由图7 末端执行器振型分析可知，末端执行器尖端受振动影响较大，产生微小的扭曲变形，随着频率增加，变形程度越来越大. 在实际操作中，这种变形表现为采摘刀具在空间位置上产生微小的位移，影响采摘精度. 因此，应尽量选择低频的电机，此外，还应增大整机的质量，增加整机稳定，减轻振动对采摘作业的影响.

图7 末端执行器振型分析

建立末端执行器与模式号关系折线统计图，如图8 所示. 从图8 中可以看出，频率增加，周期减小，斜率基本保持不变，末端执行器频率模式号与频率基本上呈线性变化，说明模式号对频率的影响不大.

图8 末端执行器频率模式号

3 机器视觉系统设计

本设计采用双目立体视觉定位系统，通过对光学系统、图像采集及特征提取［11］进行分析，选择适合的硬件设备，实现对空间中草莓的识别和定位［12］，再配合末端执行器进行相应的作业，以减轻果农在草莓采摘活动中的作业强度.

3.1 光源选择对于机器视觉系统来说，光源的选择至关重要，好的光源应该尽可能突出目标的特征；在待检测的目标物体与其他物体之间产生明显的区别，增加对比度；同时要有足够的亮度和稳定性. 常见的光源有卤素灯、荧光灯、氙气灯和LED等，其相应特性如表1所示.

表1 常见光源特性对比

综合比较各种光源的特性，选用LED灯作为补偿光源.

3.2 相机及镜头选择高架草莓的栽培高度是在离地面1～1.2 m 的位置，由于草莓果实连着果柄处于下垂状态. 取采摘视场范围为350 mm×250 mm，最小采摘精度取1 mm，考虑到软件性能不稳定以及存在机械误差，此处选择三倍的像素单位对应一个测量精度值，即所需横向分辨率为3×350/1=1 050（像素），纵向分辨率为3×250/1=750（像素）. 选择Point Grey公司的FL3-U3系列CCD相机，型号FL3-U3-13S2C-CS，有效分辨率：1 024×768.

镜头是机器视觉系统中的重要部件，适宜的镜头不仅能够提高成像质量，还可以提高采摘作业质量.在选择镜头时，应与所选的CCD相机的靶面尺寸相一致.

3.3 图像采集与特征提取图像采集是在草莓果实成熟时期进行拍摄，所有照片都是在有LED 光源补偿下拍摄的. 通过2 个平行设置的彩色CCD 相机，模拟人的双眼进行拍摄. 自然界的色光都是由红（R）、绿（G）、蓝（B）3种颜色组成，可以过线性变换或非线性变换来计算不同类型的色彩空间，然后对这些彩色图像进行分割. 由于这些彩色空间无法超越其他彩色图像，故本设计采用一组正交颜色特征{I1，I2，I3}［13］进行彩色图像分割，该方法是由OHTA 在试验中总结得出.OHTA 颜色空间与传统的颜色空间相比，能与RGB颜色空间进行线性换算，避免了非线性空间与RGB颜色空间换算时出现问题，且计算简单.

OHTA与RGB颜色空间的互换关系式为

其中，I1，I2，I3为OHTA正交颜色特征；I2'，I3'为OHTA正交颜色特征的另一种表示.

通过上式计算，把传统的彩色图像（RGB 颜色空间）转换为OHTA 颜色空间中特征颜色的灰度图像［14］，再分别对上述的I1，I2，I3，I2'，I3'5个颜色特征进行单一阈值的图像分割性能检验，选择最优的一个颜色特征进行图像分割. 采用局部阈值算法对灰度图像进行二值化处理以凸显草莓果实轮廓，进而识别目标.

3.4 降噪处理由于机器作业环境比较复杂，在进行图像采集时不可避免地受到环境噪声的影响，从而影响果实轮廓的提取精度，导致果实真实形状和二值图像之间产生差异. 为提高轮廓提取算法的精度，需对图像进行降噪滤波处理，常用的降噪滤波方法有中值滤波、均值滤波和维纳滤波等. 中值滤波采用非线性滤波计算，需进行多次滤波处理，计算速度低；维纳滤波的算法是线性的，但是算法形式复杂，在实际处理中，对噪声函数的分布不清晰，导致处理后的图像边缘信息缺失. 因此，选择均值滤波进行降噪处理，其算法主要采用邻域平均法，邻域平均法是典型的线性滤波算法. 其原理：在一个像素点（x，y）邻近选择n个像素组成模板，将模板中像素的算术平均值

作为处理后的平均灰度［15］.

在实际的草莓生长情况中，草莓的分布是随机的. 因此，特征目标是随机的多个区域. 把具有相同特征的区域划分出来，用纹理表示，并将纹理部分提取出来. 图像分割算法有多种，且大都存在一些缺陷.笔者选择一种基于Otsu 改进的自适应阈值分割算法，该算法的优点是具有线性的时间复杂度，计算过程简单，便于电脑实时处理图像和控制程序，实现草莓的自动化采摘并且提高工作效率.

4 小 结

设计了一种专门针对高架草莓的收获机械手，运用机器视觉技术，使采摘机械手能够自动识别和定位成熟草莓果实并进行采摘作业. 主要有以下特点：

1）利用三维建模软件构建草莓采摘机的整机模型，介绍了整机运行的工作原理，并对草莓采摘机的关键部件进行结构设计以及SOLIDWORKS simulation 软件有限元分析. 结果表明，传动丝杠会随着振动频率的增加，受影响的程度变大，但其振动频率稳定于标准值；采摘刀具的末端执行器频率模式号与频率基本上呈线性变化，说明模式号对频率的影响不大.

2）采用双目立体视觉定位系统，通过对光学系统、图像采集及特征提取进行分析，选择适合的硬件设备，可以实现对空间中草莓的识别和定位. 在图像采集中，利用正交颜色特征进行彩色图像分割，采用局部阈值算法对灰度图像进行二值化处理以凸显草莓果实轮廓，进而识别目标. 选择了一种基于Otsu 改进的自适应阈值分割算法进行图像的降噪处理.

对草莓收获机械的结构进行简化，在满足作业要求的前提下，避免了冗杂的硬件结构. 同时，对关键部件进行应力及位移分析，研究了机器在工作中可能出现的最大影响，对草莓机械化作业具有一定的理论指导意义.