蘑菇采摘机器人的结构设计及优化

孙龙霞 吕宁 於锋 葛迅一 胡双燕

DOI： 10.3969/j.issn.1671-7775.2024.03.007

开放科学（资源服务）标识码（OSID）：

摘要：针对工厂化蘑菇种植中人工采摘费时、费力等问题，研制了一款蘑菇采摘机器人.首先，采用模块化设计了采摘机器人机械结构，基于D-H法推导机器人运动学正解和逆解，并进一步分析了采摘手臂的动力学性能；以采摘效率为目标建立了手臂尺寸的多目标优化模型，并用遗传算法求最优解；然后建立Adams虚拟样机模型，对优化前后的机器人模型分别进行采摘动力学仿真试验，结果表明，在电动机输出转矩相同情况下，大臂关节和小臂关节最大角速度分别提高22.9%和18.6%，单次采摘时间由1.60 s缩短到1.36 s ，速度提高15%；最后研制原理样机并进行采摘试验，试验结果表明，所研制的机器人可适用于工厂化蘑菇种植模式下多层菇床中狹小、大面积作业的自动化采摘，单次蘑菇采摘时间约为2.0 s.

关键词：  蘑菇； 采摘机器人； 运动学分析； 多目标优化； 动力学仿真

中图分类号： TP237  文献标志码：  A  文章编号：   1671-7775（2024）03-0295-07

引文格式：  孙龙霞，吕  宁，於  锋，等. 蘑菇采摘机器人的结构设计及优化［J］.江苏大学学报（自然科学版），2024，45（3）：295-301，308.

收稿日期：   2023-11-01

基金项目：  江苏省现代农机装备与技术示范推广项目（NJ2021-37）； 江苏省重点研发计划项目（BE2022363）； 江苏省农业科技自主创新项目（CX（20）3068）

作者简介：   孙龙霞（1970—），女，江苏通州人，研究员级高级工程师（njaurobot@njau.edu.cn），主要从事农业机械化技术的研究.

吕  宁（2003—），女，安徽滁州人，本科生（共同一作，2178043589@qq.com），主要从事农业采摘机器人技术的研究.

Structure design and optimization of mushroom picking robot

SUN Longxia1， LYU Ning2， YU Feng1， GE Xunyi1， HU Shuangyan1

（1. Jiangsu Province Agricultural Machinery Application Center， Nanjing， Jiangsu 210036， China； 2. College of Artificial Intelligence， Nanjing Agricultural University， Nanjing， Jiangsu 210031， China）

Abstract： To solve the problems of picking mushrooms manually in the factory mushroom growing environment with consuming time and labor， a mushroom picking robot was designed and developed. The mechanical structure of the picking robot system was designed by the modular design method， and the positive and negative kinematics solutions of the robot were deduced based on the D-H coordinate method to analyze the dynamic performance of the picking arm. The multi-objective optimization model of picking arm size structure was established for maximizing the picking efficiency， and the optimal solution was obtained with rapid iteration by genetic algorithm. The Adams virtual prototype model was established， and the picking dynamics simulation tests of the robot model before and after optimization were conducted. The simulation results show that under the same motor output torque， the maximum angular velocities of the big arm joint and the small arm joint are increased by 22.9% and 18.6%， respectively， while the single picking time is shortened from 1.60 s to 1.36 s with the picking speed increased by 15%. The developed physical prototype is suitable for the large area automatic picking operation in the sall multi-layer mushroom bed under the factory mushroom growing mode， and the single picking time is 2.0 s.

Key words：  mushroom; picking robot; kinematic analysis; multi-objective optimization; dynamic simulation

食用菌具有极佳的食品价值，能够提供优质完全蛋白质、丰富的脂肪、维他命、微量元素以及21种氨基酸等，蘑菇蛋白优于植物蛋白.其中褐菇（因肉质鲜嫩，营养价值和牛排相当，又名牛排菇）更具价值，70%～90%的营养可被人体吸收，还富含有谷类中所没有的氨基酸、赖氨酸和色氨酸，以及素食中的叶酸和维他命B12等.2014—2019 年，中国食用菌总产量从3 270 万t增加到近4 000 万t，食用菌生产正经历快速稳定增长的过程［1-2］.随着市场上褐菇需求量不断增加，褐菇种植规模也不断扩张，实现了規模化生产，但菌菇采摘环节依旧采用人工采摘，自动化机械化程度低、采摘成本高、采摘费时、费力等问题也随之凸显［3-4］，因此基于工厂化种植模式下开发高效率的蘑菇采摘机器人具有极大的应用前景.文献［5-7］发明了一种具有多元化吸触手的蘑菇采摘设备，该采摘机器人利用负压气体驱动橡胶吸盘，适合在一定尺寸范围内的蘑菇帽，针对不同尺寸的蘑菇需要经常性更换吸盘，因而不够实用.文献［8］研制了一种收获温室牡蛎蘑菇的机器人，采用RGB-D摄像机提供彩色图像、深度和在低光条件下工作的光源，机器人收获成功率达到86.8%，但这种采摘机器人存在照明不足的区域，蘑菇粘连的情况以及蘑菇表皮会出现破损［9］.文献［10］则采用结构光SR300深度相机采集菇床图像送入工业控制计算机进行原位测量，对褐菇进行精确测量与定位.文献［11］提出了一种YOLO v5迁移学习识别定位褐菇，结合褐菇三维边缘信息的直径动态估测法实现褐菇尺寸的精确测量和中心点定位.但以上的研究都未能满足在工厂种植模式下的快速、精准、无损的蘑菇采摘需求.

文中结合工厂化种植模式下的多层褐菇采摘需求，采用模块化的设计方法进行蘑菇采摘机器人结构设计，使用D-H法建立机器人运动学模型，以最快采摘效率为目标函数建立优化模型，采用遗传算法求得手臂尺寸最优解，并通过虚拟样机软件Adams验证最优解模型对性能的提升效果，最后开发出原理样机进行蘑菇采摘试验验证.

1  蘑菇采摘机器人设计

工厂化种植模式下，为提高空间利用率褐菇种植在多层菇床上.每一个菇房内布置2排菇架，菇架外通道宽度140 cm，单个菇架分为6 层，每层布置18个相互独立的菇床，层间隔为60 cm，菇床架要求采摘机器人的最低工作高度小于50 cm，最高工作高度大于410 cm.为保证蘑菇采摘机器人可在过道中顺利通过，机器人宽度应该小于过道宽度.为满足工作高度和分层的需求，机器人应具备升降功能.当一个菇床内蘑菇采摘结束之后，机器人需要进行升降或者前进动作，因此采摘机械手臂应该安装在一套可自动伸缩的导轨系统上，机器人行走时手臂和导轨系统收缩在平台正上方，机器人采摘时导轨系统朝菇架一侧推出，采摘机械手臂和末端采摘手爪则深入到夹层空间进行作业，如图1所示.

根据以上需求，在同时比较了几种机械手臂的布置方案后，占用立面空间较小的平面关节手臂作为采摘机械手臂的首选布置方案.同时分析采摘单个菇床的蘑菇时采摘机器人作业覆盖平面图，如图2所示.蘑菇种植菇床边界为矩形A2B2C2D2（A2B2=1 340 mm，A2C2=1 400 mm），手臂腰部安装在导轨系统上，导轨系统x方向和y方向有效行程构成的区域为矩形A1B1C1D1（A1B1=A1C1=1 000 mm）.由此确定的手臂长度至少为A1A2，得到平面EFGHIJ内部空间为机器人采摘空间平面，能够看出采摘空间平面可完全覆盖蘑菇种植区域.

基于上述分析使用SolidWorks软件模块化建立蘑菇采摘机器人系统结构设计装配模型，如图3所示.该机器人主要由移动升降平台、伸缩导轨系统、采摘机械手臂、柔性采摘手爪及传感器感知系统组成.其中移动升降平台，使用高强度双柱铝合金伸缩升降平台，采用800 W的电动液压泵驱动液压杆和重载链条驱动平台上升和下降.导轨系统则采用龙门式布置，选用内置双轴心直线导轨和滑块作为移动执行机构，采用同步轮-同步带作为传动方案，同时选用合适扭矩的带增量式编码器的闭环步进电动机进行驱动，能够有效提高导轨系统的平稳性.采摘机械手臂采用平面二臂关节机器人设计方案，选用转速高、功质比大的直流无刷伺服电动机配合紧凑轻量的谐波减速器驱动，降低了手臂质量从而提高响应速度和采摘效率.末端执行器采用自主开发的柔性采摘手爪，经试验测定可高效抓取蘑菇，同时不损伤蘑菇表面.

2  运动学分析

2.1  运动学正解

为了进一步优化手臂的尺寸，首先需要通过运动学分析建立尺寸多目标优化模型.文中建立如图4所示蘑菇采摘机器人D-H坐标系［12］.其中X0Y0Z0为不动坐标系，是末端执行器位置的参考坐标系，X8Y8Z8为固接在末端执行器上用于表示末端位置和姿态的坐标系.

根据坐标系中各关节之间设定的参数，列出蘑菇采摘机器人的D-H参数，如表1所示.

根据D-H约定，相邻两个关节之间的运动变换矩阵Ai都可以表示为4个基本矩阵的乘积，由此通过简单计算可得Ai如下：

A1=1000

0010

0-10d1

0001，

A2=1000

0100

001d2

0001，

A3=1000

0010

0-10d3

0001，

A4=100a4

00-10

010d4

0001，

A5=c5-s50a5c5

s5c50a5s5

0010

0001，

A6=c6-s60a6c6

s6c60a6s6

0010

0001，

A7=c7-s700

s7c700

0010

0001，

A8=1000

0100

001d8

0001，（1）

式中： ci表示cos θi；si表示sin θi.

计算得到正运动学矩阵方程：

T08=r11r12r13Px

r21r22r23Py

r31r32r33Pz

0001，（2）

式中： r11=c7（c5c6-s5s6）-s7（c5s6+s5c6）；

r12=-c7（c5s6+s5c6）+s7（c5c6-s5s6）；r13=0；

r21=c7（c5s6+s5c6）+s7（c5c6-s5s6）；

r22=c7（c5c6-s5s6）-s7（c5s6+s5c6）；r23=0；

r31=0；r32=0；r33=0;

Px=a4+a5c5+a6（c5c6-s5s6）；Py=d2+d3+a5s5+a6（c5s6+s5c6）；Pz=d1-d4-d8.

2.2  运动学逆解

逆运动学方程［13］可以描述为：已知（Px，Py，Pz），求解对应的手臂所对应的夹角和伸长量的值.根据识别定位相机的工作特性，采摘策略采用点阵列遍历扫描的方法进行.因此当每次扫描识别之后，采摘机械手臂的腰部位置是由扫描点的位置确定，为已知条件.故静坐标系导轨系统中y方向导轨运动量d3，x方向导轨运动量a4是确定的.结合机械结构本身尺寸所确定的导轨高度参数d1，固定导轨伸展运动量d2，腰部偏置量d4，手臂大臂长度a5，小臂长度a6，末端执行手爪的旋转角度θ7都是已知量，则有

Px=a4+a5cos θ5+a6（cos θ5cos θ6-sin θ5sin θ6），

Py=d2+d3+a5sin θ5+a6（cos θ5sin 6+sin θ5cos θ6），

Pz=d1-d4-d8，（3）

即简化为两个方程求解两个未知量的问题.由此可较为容易求得逆运动学方程的解：

cos θ6=（Px-a4）2+（Py-d2-d3）2-a25-a262a5a6，

sin θ6=±1-cos2θ6，（4）

因此解得关节角度为

θ6=tan-1±1-cos2θ6cos θ6，

θ5=tan-1Py-d2-d3Px-a4-tan-1a6sin θ6a5+a6cos θ6.（5）

2.3  手臂動力学分析

根据逆运动学解出的X坐标和Y坐标方程，对其求微分得到dX=Jdq，其中X=PxPy，表示末端位置信息；q=θ5θ6，表示广义的关节变量；J为雅可比矩阵，反应末端速度随位移量的变化关系，表示为

J=-a5sin θ5-a6sin（θ5+θ6）-a6sin（θ5+θ6）

a5cos θ5+a6cos（θ5+θ6）a6cos（θ5+θ6）.（6）

由（6）式可进一步可得到方程X·=Jq·，则手臂上任意点线速度和角速度都可以通过雅克比矩阵和关节变量的导数来表示，设分别有Jvi和Jωi，v为线速度，ω为角速度，i表示连杆数，即为5和6，则有以下关系：

vi=Jvi（q）q·，ωi=Jωi（q）q·.（7）

系统总动能：

Ek=12（mvTv+ωTIω）=12q·TD（q）q·（8）

式中： m为手臂的总质量；I为转动惯量矩阵，D（q）为惯性矩阵，其对称且正定，D（q）=∑［miJvi（q）TJvi（q）+Jωi（q）TRi（q）IiRi（q）TJωi（q）］，其中Ri表示连杆质心到旋转中心的距离.系统总势能为Ep，由于采摘手臂为平面关节机器人手臂，则整个单层采摘过程中无势能变化，因此Ep=G（q），G（q）为系统的重力矢量.

利用拉格朗日动力学方程可得到广义驱动力F与广义关节变量q之间的关系：

F=ddtEkq·-Ekq+Epq，（9）

求得对应的关节力矩τ=D（q）q··，进而求得手臂总能耗E=∫τq·.

3  手臂优化模型建立及分析

为实现对机器人结构模型的优化，采用最高采摘效率为优化目标，在给定的优化变量下对相关目标函数进行优化求取最优解［14］.在图2中，外侧矩形表示菇床单元组成的平面，内侧矩形表示导轨系统x、y方向有效行程组成的平面.M（Mx，My）点为相机扫描点，N（Nx，Ny）点为采摘过程中手臂腰部所在的位置.采摘手臂腰部从原始位置O（0，400）点开始，通过导轨系统x方向电动机，y方向电动机，大臂电动机及小臂电动机协同动作，控制安装在手臂末端的相机沿直线运动扫描、辨识、测量采摘空间Pn中的蘑菇尺寸，当扫描蘑菇尺寸满足采摘设定的条件时扫描动作立即停止.手爪进行采摘动作，采摘结束之后N点运动到O点，同时手臂关节运动成一条直线，M点到达蘑菇放置区，放下蘑菇之后进行下一次扫描和采摘.

3.1  优化变量

蘑菇采摘机器人手臂系统的大臂和小臂的长度尺寸不但决定了采摘区域面积，而且还关系手臂质量、采摘轨迹长度等因素，从而将进一步影响到采摘机器人的采摘效率，优化前手臂尺寸a5=300 mm，a6=300 mm.因此选定机器人手臂结构参数设计的优化问题优化变量为x=（a5，a6）.

3.2  约束条件

根据菇床和导轨系统设计的结构尺寸，在求解过程中需要保证P点在图2中A2B2C2D2矩形平面内，保证C点在内侧矩形范围内.因此得到边界约束条件为

-670 mm≤Px≤670 mm，

0 mm≤Py≤1 400 mm，

-450 mm≤Cx≤450 mm，

0 mm≤Cy≤1 000 mm.（10）

同时旋转手臂受物理尺寸限制，达不到整个圆周360°旋转，因此根据电动机、减速器的安装尺寸以及有限元软件对分析的手臂尺寸参数分析结果可以确定手臂关机的允许转角范围为

-π≤θ5≤π，

-56π≤θ6≤56π.（11）

对于优化变量（a5，a6），采摘手臂的伸直尺寸L=A1A2应该保证能够覆盖全部的采摘区域，同时过长的采摘手臂将会导致手臂灵活度下降和转动惯量增加，不利于快速加减速等动力学表现.因此采摘机械手臂应具有各自的长度范围，由此得到变量约束条件：

Lmin≤a5+a6≤Lmax，

a5min≤a5≤a5max，

a6min≤a6≤a6max.（12）

3.3  目标函数

优化目标为蘑菇采摘机器人的采摘效率最大，即手臂末端的相机沿直线运动遍历采摘空间Pn中的蘑菇时所需的总时间最短.机器人关节电动机选型依据合理的安装尺寸，选取输出转矩最大的电动机，因此可保证导轨x方向速度vx，导轨y方向速度vy，腰部关节角速度ω5和肘部关节角速度ω6的值确定，优化时间最小，则有以下目标函数

min f1=minCxvx，

min f2=minCy-400vy，

min f3=minθ5ω5，

min f4=minθ6ω6.（13）

实际控制中4个电动机同时动作，因此单次采摘时间应该选取4个目标函数中最大的一个作为模型解.基于以上分析得出采摘机械手臂的优化模型：

min F（x）=min∑PnP1max［f1（x）， f2（x）， f3（x）， f4（x）］，（14）

且x满足x=（a5，a6）.遗传算法［15］被广泛应用在求解这类多参数，多目标函数的非线性优化问题中，算法能够快速迭代，找到全局最优解.文中采用MATLAB遗传算法工具箱进行求解，设置Lmin=455 mm，Lmax=600 mm，a5min=200 mm，a5max=300 mm，a6min=200 mm，a6max=300 mm.初始化种群数量100 个，遗传停止迭代步数200 次，采用单点交叉算子和均匀变异算子，交叉概率和变异概率分别设置0.8和0.2，设置交叉和变异分布系数均为20，以保证种群多样性.通过多次试验，其优化收敛曲线如图5所示.

从图5能够看出，最短时间函数F（x）在最开始迭代50次内快速收敛，对扫描空间Pn的遍歷时间下降到267.2 s附近，之后200次内求解总时间基本不发生波动，说明求解得到了比较好的全局最优解.对应该最优解的优化变量值： a5=246.4 mm，a6=268.7 mm.考虑实际加工和安装，尺寸圆整为246和269 mm.

4  虚拟样机性能仿真试验

为了验证优化过程的有效性，在多体动力学仿真软件Adams View中建立导轨系统及采摘机械手臂的虚拟样机模型，如图6所示.模型中简化了相关零部件的物理尺寸，根据物理样机的实际材料设置、质量、惯性张量等属性设定样机的相关物理属性［15］；根据实际的约束和运动驱动施加相关运动副约束和运动驱动方程.

对优化前手臂尺寸和优化后手臂尺寸模型依次进行仿真，仿真同一位置的单次采摘结果，设置仿真步数为200 次，仿真时间设定为3.0 s（前期理论计算单次采摘结果在2.5 s以内），测量仿真过程中关节速度特性曲线，得到如图7、8所示的结果.

由图结果对比可知，优化之后手臂动力学响应变得更迅速.经过优化，大臂和小臂的尺寸缩短，从而减小了质量及转动惯量，在相同电动机扭矩输出下具有更大的角加速度.小臂关节角速度从最大角速度118（°）/s增大到140（°）/s，增幅达到18.6%.小臂关节角速度从最大角速度122（°）/s增大到150（°）/s，增幅达到22.9%；单次采摘时间由1.60 s缩短到1.36 s，缩短用时15%.

5  机器人样机采摘试验

依据设计和优化过程中确定的结构参数，研制了面向工厂化种植条件下的蘑菇采摘机器人样机，如图9所示.

采用VC++编写上位机控制软件，并依照工厂种植条件下的菇床尺寸，使用铝型材搭建了1：1模拟菇床.将采摘过程划分为以下关键动作：导轨伸出，手臂到达采摘起始点；4个电动机协同动作，手臂开始按照既定的路径进行点扫描；相机识别到蘑菇；手臂运动到采摘位置；末端手爪升降气缸向下动作，手爪充气抓紧蘑菇；末端手爪气缸上升，蘑菇脱离菇床；4个电动机协同动作，手爪返回放置蘑菇位置；手爪吸气张开，蘑菇落入指定位置；手爪准备进行下一次采摘作业.整个过程如图10所示.

采摘试验显示电动机协调动作的时间在1.5 s左右，当相机识别到蘑菇之后，气动手爪充气抓取蘑菇需要0.5 s，单次蘑菇采摘需要2.0 s，开发的机器人能够满足采摘需求，相比人力采摘能够节省劳动力.

6  结  论

1） 针对工厂化种植条件下蘑菇人工收获迫切需要解决的问题，进行了采摘机器人设计需求分析；针对实际环境中的限制条件，进行了蘑菇采摘机器人的模块化设计.

2） 采用D-H方法建立了机器人运动学分析坐标系，分析并得到了蘑菇采摘机器人的运动学正解和逆解；在此基础上，通过建立动力学方程分析了机器人手臂动力学性能，得到了关节旋转角度、角速度、机械手臂动能之间的关系.

3） 通过建立多目标优化函数，遗传算法快速求解得到大臂长度246 mm，小臂长度269 mm的优化值，最短的遍历时间为229.5 s；虚拟样机仿真表明，优化后大小臂速度分别提升22.9%和18.6%，单次采摘时间缩减15%.

[WT5HZ]参考文献（References）[WT5”BZ]

［1］  李玉. 后疫情时代中国食用菌产业的可持续发展［J］. 菌物研究， 2021，19（1）：1-5.

LI Y. The sustainable development of edible fungi industry in China in the post epidemic era［J］. Journal of Fungal Research， 2021，19（1）：1-5.（in Chinese）

［2］  LI C T， XU S. Edible mushroom industry in China： current state and perspectives［J］. Applied Microbiology and Biotechnology， 2022，106（11）：3949-3955.

［3］  王飞涛，樊春春，李兆东，等. 机器人在设施农业领域应用现状及发展趋势分析［J］. 中国农机化学报， 2020，41（3）：93-98.

WANG F T， FAN C C， LI Z D， et al. Application status and development trend of robots in the field of facility agriculture［J］. Journal of Chinese Agricultural Mecha-nization， 2020，41（3）：93-98.（in Chinese）

［4］  伍荣达，陈天赐，张世昂，等. 果蔬采摘机器人关键技术研究进展［J］. 机电工程技术， 2021，50（9）：128-132.

WU R D， CHEN T C， ZHANG S A， et al. Research progress on key technologies of fruit and vegetable picking robots［J］. Mechanical & Electrical Engineering Technology， 2021，50（9）：128-132.（in Chinese）

［5］  JOHN V， JOHN R. Mushroom harvester： United States， US 9 974 235 B2［P］.2018-05-22.

［6］  JOHN VAN， JOHN R. Graze harvesting of mushrooms： United States， US 9 730 394 B2［P］.2017-08-15.

［7］  KUCHINSKIY N A. Development of an autonomous robotic mushroom harvester［D］. Canada： The University of Western Ontario， 2016.

［8］  RONG J， WANG P， YANG Q， et al. A field-tested harvesting robot for oyster mushroom in greenhouse［J］. Agronomy， 2021，11（6）：10-12.

［9］  OLIVEIRA F， TINOCO V， MAGALHES S， et al. End-effectors for harvesting manipulators-state of the art review［C］∥IEEE International Conference on Autonomous Robot Systems and Competitions （ICARSC）， 2022： 98-103.

［10］  王玲，徐伟，杜开炜，等. 基于SR300深度相机的褐蘑菇原位测量技术［J］. 农业机械学报， 2018，49（12）：13-19.

WANG L， XU W， DU K W， et al. Portabella mushrooms     measurement in situ based on SR300 depth camera［J］. Transactions of the CSAM， 2018，49（12）：13-19. （in Chinese）

［11］  卢伟，邹明萱，施浩楠，等. 基于YOLO v5-TL的褐菇采摘视觉识别-测量-定位技术［J］. 农业机械学报， 2022，53（11）： 341-348.

LU W， ZOU M X， SHI H N， et al. Techonlogy of visual identification-measuring-location for brown mushroom picking based on YOLO v5-TL［J］. Transactions of the Chinese Society for Agricultural Machinery， 2022，53（11）：341-348.（in Chinese）

［12］  ANTONOV A V， FOMIN A S. Inverse kinematics of a 5-DOF hybrid manipulator［J］. Automation and Remote Control， 2023，84（3）：317-330.

［13］  XIE S X， SUN L N， WANG Z H， et al. A speedup method for solving the inverse kinematics problem of robotic manipulators［J］. International Journal of Advanced Robotic Systems， 2022，19（3）：1-10.

［14］  章永年，王美思，吴阳，等. 五连杆足式机器人腿部机构多目标优化算法［J］. 农业机械学报， 2016，47（10）：398-404.

ZHANG Y N， WANG M S， WU Y， et al.Multi-objective optimization algorithm of robot leg based on planar five-bar mechanism［J］. Transactions of the Chinese Society for Agricultural Machinery，2016，47（10）：398-404.（in Chinese）

［15］  祁若龍，周维佳，王铁军. 一种基于遗传算法的空间机械臂避障轨迹规划方法［J］. 机器人， 2014，36（3）：263-270.

QI R L， ZHOU W J， WANG T J. An obstacle avoidance trajectory planning scheme for space manipulators based on genetic algorithm［J］. Robot， 2014，36（3）：263-270.（in Chinese）

[JY，2][HT5SS]（责任编辑  祝贞学）