月季采摘直角坐标机器人的柔顺抓取技术

黄旺

（武汉工程大学机电工程学院，湖北 武汉 430205）

0 引言

我国作为一个农业大国，花卉的种植面积和产量都在逐年提高。2007—2016 年花卉种植面积增长了77.33%，鲜切花种植面积增长了49.19%[1]。切花月季为世界四大切花之一，在国内外均有广泛市场。现在的切花月季种植大多采用温室设施。但设施农业是劳动密集型产业，特别是农作物采摘大量依赖人工。而且在夏季大棚温湿度高，花农进行采收作业时工作环境恶劣。根据张唐娟等开窗措施对大棚温度的影响，夏季大棚内温度最高达到近50℃，采取通风措施后的温度下降也非常有限[2]。随着机器人自动化技术的发展，通过机器人来突破设施农业的发展瓶颈成了重要的研究方向[3-5]。而实现自动化采摘，开发一种适用于月季采摘机器人便有了广阔的市场需求。

1 采摘机器人系统设计

1.1 采摘机器人本体设计

工业机器人的结构形式多种多样，按关节布局形式可以分为串联和并联两类。一般串联机械臂通过关节手臂级联，可以实现更大的操作空间以及灵活性，所以相比于并联机构有更多应用场景，也更适合本文中月季采摘的需求。

串联机械臂的关节形式有旋转和直线两种，旋转关节可以改变末端执行器的转动自由度，给机器人提供更多灵巧性。在本文中为了降低机器人成本，使得摘花机器人能服务于更多花农，机器人本体的3 个关节都采用移动关节，机械结构通过采用成熟的滚珠丝杠滑台模组搭建而成，通过3 个相互垂直的模组滑台，组成了机器人的3 个可动自由度。摘花机器人的3 个关节都采用的滚珠丝杠传动，其具有传动精度高，传动效率高，磨损低等优点，而且它的结构简单，传动平稳，几乎没有噪声，并且还能够获得比较大的速比和力增益。

1.2 采摘机器人末端执行器设计

采摘机器人的末端执行器在采收阶段将与花株产生直接接触，可能会产生损伤，为此末端执行器需要具有一定的柔顺性。一般有两种设计方向使得末端执行器具有柔性：①采用具有柔性的机械结构，例如采用弹性介质手指，也就是使用气体或者液体来做为导能介质。②在手指上加入力传感器通过力反馈调节抓持力度。虽然通过结构实现的被动柔顺技术在无损采摘方面做的很好，但是一种被动柔顺机构只能在特定种类的作物上使用，没有广泛的适用性。因此，本文的采摘机器人采用力控制算法实现主动柔顺。

根据月季花直立生长的特点，采摘机器人的末端执行器需要具有一个自由度的直线运动实现夹持功能。同样的，这一部分也可以通过滚珠丝杠模组实现。通过在滑台上安装3D 打印的移动指，在滑台基座上安装固定指，丝杠带动滑台运动即可实现手指张合。末端执行器三维模型如图1 所示。

图1 末端执行器三维模型

月季花一般有较长的花梗，并且花朵作为最主要的产品，需要避免损伤。所以，采摘过程中，三自由度直角坐标机器人将末端执行器移动到花朵下方的花梗处，然后夹花手指闭合，稳固地夹持住花梗之后，末端执行器上还安装有伸缩导杆，导杆的末端安装有切花刀片，导杆将刀片伸到月季花的根部，斜插向下的切花刀片将会在预设位置切断花的花梗，最后机器人将采摘下来的月季花运送到采集篮中，一次完整的月季采摘机器人采摘工序就完成了。

1.3 采摘机器人控制系统设计

采摘机器人本体拥有3 个可控自由度，末端执行器拥有一个自由度，总共需要4 个电机作为驱动源。机器人本体的3 个自由度分别对应了笛卡尔坐标系的3 个坐标方向，采摘机器人在前述的采摘过程中需要精准定位于待采月季花的花梗处，而末端执行器夹花指同样需要精准定位避免给花梗施加过大的夹持力导致花梗出现损伤，影响了月季花的经济价值。综上，采摘机器人的驱动电机可以选择伺服电机或者步进电机。

步进电机在成本上有一定优势，但是在定位精度，响应时间，运动平顺性上与交流伺服相比有较大的差距。一般的两相混合式步进电机的每圈分辨率为200或者400，即步距角为1.8°或者0.9°。而伺服电机的位置控制精度由后端的位置编码器决定，23 位的编码器分辨率可以达到8388608。响应时间上，步进电机的额定转速低，加速时间长，相较而言，伺服电机能在几毫秒内达到3000r/min，可以使采摘机器人拥有更好的动态性能。而且步进电机在低转速时容易出现低频振动，采摘机器人在抓取时需要减速靠近，精准定位，出现低频振动将导致采摘失败。

采摘机器人需要能进行空间曲线运动以规避可能存在的障碍物，例如未成熟的月季花。对于能实现多轴联动的运动控制器，市面上常见的有具有运动控制功能的PLC，PCI 运动控制卡以及专用的运动控制器。其中倍福的基于EtherCAT（以太网控制自动化技术）总线型运动控制解决方案具有更强的性能以及布置灵活性。与传统的运动控制卡、运动控制模块相比，倍福的TwinCAT NC 最多能够控制255 个运动轴，并且支持几乎所有的硬件类型，具备所有单轴点动、多轴联动功能。并且，由于运动控制器和PLC 实际上工作于同一台PC，二者之间的通讯只是两个内存区之间的数据交换，其数量和速度都远非传统的运动控制器可比。这使得自定义轨迹运动时数据修改非常灵活，并且响应迅速。

EtherCAT 是一种实时以太网现场总线技术采用了主从介质访问方式，主站控制所有从站发送或者接收数据。以太网通信速度快，数据量大等特点使运动控制性能得到了极大的提升，传统的伺服驱动方式系统实时性能差，经常达不到协同工作的要求。将工业以太网通信技术引入传统运动控制系统，来实现多轴伺服控制系统的快速、精确的控制。

最终选用倍福嵌入式控制器CX5120 作为主控制器，结合支持EtherCAT 协议的伺服控制器完成采摘机器人控制系统的搭建。实现了三轴联动的直线、圆弧和空间螺旋插补。

2 基于YOLOv4 算法的采摘目标识别

YOLOv4 是由Alexey Bochkovskiy 等人提出的单阶段目标检测算法，通过采用单个神经网络对输入的整张图片进行回归运算，对图像中的目标进行位置框定同时对该目标进行分类。该算法的特点是速度快，泛化能力强，可实现端到端的目标检测，同时还能达到较高的准确率。该算法在YOLOv3 的基础上对输入端，BackBone 基准网络，Neck 中间层，Head 输出层添加了一些新的改进思路，使得其速度与精度都得到了极大的性能提升。通过使用YOLOv4 目标检测算法，可以对种植基地的花卉进行自动识别，判断其开放程度，选择处于适宜花期的花卉进行有针对性的采摘，同时通过目标框标定其位置，为机器人的采摘提供位置信息。对不同花期的花卉进行分类以及目标检测能够极大地提高花卉的采摘效率，降低采摘成本。

3 柔顺抓取路径规划

在机器人采摘过程中，由于工作环境十分复杂，待采花株与未成熟花株交错，采摘机器人的机械臂和末端执行器容易与之发生碰撞，使其受到机械损伤，降低花株的质量，影响之后的储存运输以及销售。为实现无损采摘作业，采摘机械臂需要对采摘目标进行准确定位，并且规划出无碰撞运动路径，避开非成熟花株等障碍物，顺利采摘到目标花株。因此，机械臂无碰撞路径规划是月季采摘作业自动化的重要前提。针对采摘目标以及周围环境的位置基本固定下的采摘路径规划问题，通过双目视觉感知采摘环境，利用双目视觉软件完成目标的识别与定位。以三自由度直角坐标机械臂作为采摘机械臂，使用RRT 算法作为采摘机械臂路径规划算法。为获得机械臂无碰撞路径，首先对机械臂及障碍物模型进行合理简化，构建障碍物碰撞检测模型。其次采用RRT 算法规划机械臂采摘路径，采用目标引力思想，提高RRT 算法的搜索效率。最后引入遗传算法和平滑处理等手段对RRT 算法生成的路径进行优化，获得最优路径或近似最优路径。

4 柔顺抓取控制算法

在采摘过程中，关键的采摘工序是机械臂末端执行器稳固抓取待采花株的花梗，以便伸缩导杆切断花梗以及后续的移动回收步骤。在该工序中，机器人与花株直接接触，是最容易产生目标机械损伤的步骤。为此需要采摘末端执行器具有力控制功能，避免过大的抓持力损伤花梗，同时过小的抓持力也会导致花枝在回收过程中松脱从而导致采摘失败。

基于位置阻抗控制算法是一种常用的机器人与环境交互的力控制算法，由Hogan 于1984 年首次提出[6]。该算法通过机器人在接触位置的反馈力，动态地调整机器人的跟踪位置从而实现力控制，在外在表现上实现柔顺特性。阻抗控制通过将被控对象的动态特性模拟成理想二阶系统，通过调整对应的质量、阻尼以及刚度3 个参数实现期望的力交互特性。传统的阻抗控制算法给被控对象施加了模拟刚性，导致机器人与环境交互时的接触力与参考值之间会产生稳态误差，从而导致阻抗控制无法实现精确的力控制。为此，在本文中通过在机器人末端执行器的移动指上添加压力传感器，通过压力传感器的反馈压力值以及末端执行器移动指的位移值来估计接触对象的刚度以及位置，动态地调整阻抗控制的位置跟踪值，从而降低采摘机器人抓取中的抓持力稳态误差，避免花梗在抓取中产生损伤。

对于接触对象的位置，根据力传感器的反馈再读取对应的产生接触力的位置就是采摘对象的位置。但是力传感器的信号中经常会混杂噪音，为此可以通过设置一定的阈值，当力反馈信号超过阈值时，系统判断末端执行器与采摘对象产生了接触。阈值的设置需要审慎，阈值设置过大会导致识别的接触位置出现较大偏差导致抓持力控制出现偏差，阈值设置过小会导致不能规避传感器噪音导致的干扰。此阈值可以通过实验样机多次调试得到。

为了实现抓取对象的刚度值在抓取过程中的快速估计，使用梯度下降法设计了刚度参数的在线离散迭代公式，经过在MATLAB 中的仿真模拟，使用的估计方法能在1s 内收敛，通过调整迭代步长参数，估计器能有效抵偿力传感器的噪声影响，具有实用性。

5 结语

本文介绍了一种适用于观赏用月季采摘的直角坐标机器人，首先介绍了机器人本体的构型、关节传动原理、末端执行器的结构形式。其次介绍了控制系统结构，机器人的主控制器选用倍福运动控制器，机器人的驱动源在综合对比了步进电机与伺服电机后采用后者。再次概述采摘目标的识别与定位，采用YOLOv4 算法实现。之后是基于RRT 的柔顺抓取路径规划，并采用了遗传算法进行对生成的路径集进行筛选以优化路径。最后是末端执行器的柔顺抓取控制算法，采用了阻抗控制算法并结合在线的环境参数估计实现低稳态误差的力控制。本文介绍的采摘机器人具有一定的实用价值以及经济价值。