农业生产规模化、自动化是现代农业的发展方向，而各种农业自动化设备的投入使用是实现农业现代化的重要技术手段。目前，农业种植环节的自动化程度相对较高，是农业自动化的重点研究领域，但采摘环节仍需要大量的劳动力，自动化程度较低，严重制约着我国农业现代化的发展。随着我国农业劳动力日益匮乏、劳动力成本不断增加，发展农业采摘自动化设备，即农业采摘机器人，已是当务之急。自 1968年美国学者 Schertz和 Brown首次提出将机器人技术应用于果蔬采摘以来，各种农业采摘机器人不断涌现[1-2]，虽然研究人员对农业采摘机器人设计不断地进行完善、改进，但受制于复杂的采摘外部环境限制，较为成熟的产品目前市场上还少见，因此有必要对农业采摘机器人的关键技术进行更加深入的分析。
1 农业采摘特点分析
1.1 采摘流程及要求当采摘机器人进行采摘作业时，首先要到达采摘位置，然后由机器视觉系统识别出成熟的果实并发出相关指令，继而采摘手执行一系列动作，包括夹持农产品、使果实与果梗分离、将果实放入收集容器中，完成单次果实采摘;而后采摘手复位，等待下次采摘指令;当前位置所有待采摘果实完成采摘后，采摘机器人进入下一采摘位，重复上述操作。农业采摘过程具有非结构化或半结构化的特点，导致其场景复杂度远远高于工业环境[3-4]，因此对采摘机械算法的鲁棒性以及机械的稳定性都提出了较高的要求，采摘过程中应能充分识别出成熟的果实，不能损伤果实，同时采摘机械的服务对象大多是农业人员，因此采摘机械还要具有工作可靠、操作简单的特点。
1.2 采摘农业环境 1.2.1 地形复杂化采摘机器人工作地形主要为温室内和户外[5]，温室内的地形相对平整些，但不论何种地形，均以凹凸土地为主，较为颠簸，需要充分考虑路面不平引起的振动问题。采摘机器人在移动过程中还需避让种植面积相对密集的果蔬植被，以果蔬植被为中心运动，采摘机器人的运动路径十分受限。 1.2.2 果实差异性采摘果实在形态、大小、成熟表现色、生长特性、果梗强度等方面均具有较大的差异性，如成熟表现色，西红柿、草莓等以红色为成熟色，黄瓜、青椒等以绿色为成熟色;果实生长特性，葡萄、樱桃等为成串生长，苹果、梨等为单个生长。果实的差异性使不同采摘机器人的识别系统、末端执行机构具有较大的差异，直接导致采摘机器人的通用性降低，影响采摘机器人的推广。同时果实还具有不定期成熟的特性，需要不定时地进行判断和收获，规律性差。 1.2.3 采摘位置多样化果实的生长位置可分为地下生长和地上生长，采摘机器人主要关注于地上生长果实的采摘。地上生长果实按与地面之间的高度又可分为地面生长、藤蔓生长、果树生长等，果实生长高度的不同对采摘机器人整体结构设计及末端执行器的驱动结构设计具有较大的影响。并且同一类果实甚至于同一棵树上的果实生长位置也具有较大随机性，且易被叶子遮挡。
2 采摘手设计
采摘手即采摘机器人的末端执行器，用来完成与目标果实的对接与果实采摘动作[8-9]，按与作用对象的对接方式不同可分为夹持式采摘手和包裹式采摘手。
2.1 夹持式采摘手夹持式采摘手不与果实直接接触，其作用对象为果实的果梗，一般由左右夹持手直接夹持果梗并切断，然后通过夹持果梗将果实放入收集容器中，如图 1所示。夹持式采摘手一般适用于小果实采摘，如果果实较大应增加相应的支撑结构。由于果梗较为纤细、短小、颜色与树木相近且易被叶子、其他果实遮挡，因此对于果梗的识别和定位难度较高，但由于其不直接作用于果实本身，采摘过程中不会对果实造成损伤。
2.2 包裹式采摘手包裹式采摘手的作用对象为果实外表面，可根据与果实接触面积的类型选用三点式接触包裹、三线式接触包裹、双面式接触包裹等，如图 2所示，在包裹果实后通过拉断或扭断果梗，完成果实分离。由于果实体积相对较大、颜色鲜艳，识别和定位较为容易，但部分果实质地柔软，包裹果实时易产生瘀伤，因此包裹式采摘手须严格控制包裹力的大小，设计难度增加，控制系统相对复杂。
3 采摘识别系统
采摘识别系统采用机器视觉识别系统，机器视觉可以赋予机器人类眼睛一样的视觉功能，是涉及计算机图形学、图像处理技术、信号分析与检测等诸多领域的交叉学科[10]，主要包括图像采集、图像分析、智能决策与执行三个模块，目前机器视觉技术已经广泛应用于农业生产的各个环节。采摘识别系统是基于视觉识别和空间几何计算，即通过对果轴、质心或采摘点等特征的识别，结合几何计算得到目标的位置和姿态，继而对采摘手发出指令。但是由于果实特性差异性较大，每一种果实几乎都要单独设定一套算法，增加了运行成本。
3.1 系统组成 3.1.1 硬件部分硬件部分包括光源、相机、图像采集卡、处理器等，其中相机是核心感光元件，其本质是借助 CCD(Charge Coupled Device)或CMOS(Complementary Metal-Oxide-Semiconductor)图像传感器将光电信号转变为电信号，获取目标二维图像，相机数量可以根据识别系统的算法进行选择。 3.1.2 软件部分主要指的是图像处理与分析算法，是识别系统的核心，也是研究人员研究的重点内容[11-12]，包括图像处理算法、模式识别算法、深度学习算法等。在单目视觉系统的基础上逐步发展出了基于视差原理的双目立体视觉，利用成像设备从不同的位置获取目标两幅图像，再通过计算图像对应点之间的位置偏差可获取目标三维几何信息，充分模拟了人类双眼的视觉原理，具有较好的识别定位效果，当下已成为了国内外研究人员的研究热点之一。
3.2 识别流程采摘识别系统的识别流程如图 3所示，首先对目标对象的图像信息进行采集，运用图像处理技术对采集到的样本图像进行处理，以提高图像质量;然后将目标对象从图像背景中分割出来，运用相关特征计算方法提取特征信息，如颜色、轮廓等;最后定位果实及采摘点的三维空间位置，并将位置信息发送给采摘手。
4 结论
农业采摘自动化是现代农业发展的必然趋势，但由于农业产品本身及农业环境的复杂性，真正能够较大规模投入使用的农业采摘机器人还很少见。农业采摘机器人在未来的发展中一定要提高其通用性及可靠性，采摘手应能适应多种农产品的采摘作业且柔性化程度要好，减少对农产品的损伤，兼具一定的防遮挡功能;识别系统同样应能识别多种农产品，识别精度、识别率要高，识别速度、决策速度要快。农业采摘机器人的设计除不断追求技术创新外，更重要的是要结合实际情况，设计出真正能够投入使用具有一定市场价值的农业采摘机器人。
参考文献：
[1] Preter A D,Anthonis J,Baerdemaeker J D.Development of a Robot for Harvesting Strawberries[J].IFAC-PapersOnLine,2018,51(17):14-19.
[2] Xiong Ya,Peng Cheng,Lars Grimstad,et al.Development and field evaluation of a strawberry harvesting robot with a cable-driven gripper[J]. Computers and Electronics in Agriculture,2019,157.
[3] 刘继展 . 温室采摘机器人技术研究进展分析 [J]. 农业机械学报， 2017，48(12)：1-18.
《农业采摘机器人关键技术分析》来源：《南方农机》，作者：谢颖佳 ， 常萍萍 ， 樊小霞