柑橘采摘機器人的連續(xù)采摘路徑規(guī)劃*

唐 熙 ，羅 強，2 ，粟生強

（1.重慶三峽學(xué)院機械工程學(xué)院，重慶 404100；2.智能山地農(nóng)機技術(shù)研發(fā)中心，重慶 404100）

在柑橘生產(chǎn)作業(yè)中，采摘是最耗時、最費力的一個環(huán)節(jié)，約占作業(yè)量的40%，費用占成本的50%～70%[1]，且隨著我國人口老齡化問題的加重，柑橘的自動采摘受到了眾多高校和科研院所的重視?，F(xiàn)階段，柑橘采摘機器人還存在末端執(zhí)行器不能完全抓住柑橘或夾持力太大會對柑橘造成二次損傷等問題[2]，柑橘采摘機器人在進行工作時沒有對所有柑橘采摘路徑進行規(guī)劃，每完成一次采摘后都需要重新進行路徑規(guī)劃，導(dǎo)致采摘效率低。因此，研究柑橘采摘機器人的連續(xù)采摘最優(yōu)路徑具有重要意義。

1 采摘機器人研究現(xiàn)狀

采摘機器人分為末端執(zhí)行器、移動平臺、識別定位系統(tǒng)、采摘機械臂四大部分。采摘機器人通過移動平臺，實現(xiàn)在果園中的自由移動，通過識別定位系統(tǒng)識別果實種類、成熟度以及相對機器人的位置等信息，機械臂將末端執(zhí)行器移動到可采摘的位置，末端執(zhí)行器將果柄與果實分離，完成整個采摘過程。發(fā)達國家針對采摘機器人的相關(guān)研究在20世紀(jì)80年代開始，并針對蘋果、柑橘、葡萄等水果設(shè)計了專門的采摘機器人[3]。我國對采摘機器人的研究始于20世紀(jì)90年代中期，一直以來，一些高校、科研院所對采摘機器人都有相關(guān)研究，如中國農(nóng)業(yè)大學(xué)的張鐵中等針對我國常見的溫室里高壟畦作栽培的草莓，初步建立了草莓采摘機器人實驗系統(tǒng)，研制出了試驗樣機。

1.1 末端執(zhí)行器

因水果品種眾多，大小各異，末端執(zhí)行器在設(shè)計時需要考慮不同水果的物理特性和力學(xué)特性。例如：采用多指式進行夾取、吸盤吸取來提高末端執(zhí)行器夾取的穩(wěn)定性；采用仿生結(jié)構(gòu)設(shè)計，提高末端執(zhí)行器的適用性；在末端執(zhí)行器上安裝傳感器，避免過大的夾持力對水果造成損壞；采用柔性技術(shù)與新型材料，減小抓取過程中對果實的損傷。

1.2 識別定位系統(tǒng)

最初的采摘機器人對水果的識別定位采用的是線性CCD傳感器加上超聲波傳感器，通過最原始的顏色、邊緣、大小等特征對柑橘進行識別，存在識別誤差大、抗干擾能力弱、位置誤差大等問題。隨著計算機視覺與深度學(xué)習(xí)技術(shù)的突破，利用YOLO算法對柑橘進行識別[4]，通過RGBD深度相機測量柑橘與相機的距離，是現(xiàn)階段下一種可行且有效的識別定位方案，但是該方案也存在對硬件性能要求高、識別被遮擋柑橘的成功率較低等問題。

1.3 采摘機械臂

采摘機械臂多使用多自由度機械臂。國內(nèi)之前的工業(yè)機械臂市場長期被國外的ABB、KUKA等占領(lǐng)，但隨著國產(chǎn)電機技術(shù)和減速器技術(shù)的突破，在負(fù)載20 kg以下市場涌現(xiàn)了一大批的國產(chǎn)廠家，并提供了完善的驅(qū)動接口，通過簡單的命令就能實現(xiàn)機械臂的運動控制。在進行采摘作業(yè)時，機器人系統(tǒng)給到采摘機械臂的是目標(biāo)點的坐標(biāo)，需要機械臂逆解算出每個關(guān)節(jié)轉(zhuǎn)動的角度。

1.4 移動平臺

采摘機器人的移動底盤多采用電機驅(qū)動，通過搭載GPS、雷達、攝像頭、工控機等設(shè)備實現(xiàn)單點或多點導(dǎo)航，并在行進的過程中避開障礙物。移動平臺在室內(nèi)或在有GPS的情況下，能實現(xiàn)精準(zhǔn)導(dǎo)航，但是在戶外的果園中會存在導(dǎo)航信號丟失、續(xù)航時間短、傳感器受到干擾無法進行避障等問題。

2 路徑規(guī)劃算法

隨著科學(xué)技術(shù)的發(fā)展，機器人在生產(chǎn)與生活中得到了越來越多的應(yīng)用，機器人的路徑規(guī)劃算法也有了長足的發(fā)展，傳統(tǒng)路徑規(guī)劃算法如A*算法、D*算法、Dijkstra算法等，智能規(guī)劃算法如蟻群算法、遺傳算法、神經(jīng)網(wǎng)絡(luò)算法等，基于采樣的路徑規(guī)劃算法如快速拓展隨機數(shù)算法、快速行進算法等[5]。

在柑橘采摘路徑規(guī)劃問題上，文獻[6]在RRT算法的基礎(chǔ)上，利用了柯西分布的方法，在進行啟發(fā)式采樣時，降低了采樣的盲目性；在進行局部搜索時，引入目標(biāo)引力來動態(tài)調(diào)節(jié)步長，提高了算法的效率。文獻[7]利用基于Value-Based的強化學(xué)習(xí)的“Q學(xué)習(xí)算法”，設(shè)計了采摘機械手控制系統(tǒng)，實現(xiàn)了機械臂的路徑規(guī)劃與采摘過程中的避障。文獻[8]將蘋果采摘的采摘路徑規(guī)劃問題轉(zhuǎn)化為三維空間中的“旅行商問題”進行求解，并提出了一種有限域自適應(yīng)信息素更新的改進蟻群算法，當(dāng)蘋果數(shù)量為250個時，改進的蟻群算法搜索到的最優(yōu)路徑長度是普通蟻群算法的94.3%。目前，采摘機器人采摘果實的采摘軌跡研究主要集中在每次采摘單個果實過程中的避障問題與計算優(yōu)化[9]，機器人在采摘過程中會一直進行往復(fù)運動，但是這樣會極大地降低采摘效率。對此，本研究采用蟻群算法求解柑橘采摘路徑規(guī)劃問題。

3 蟻群算法

蟻群算法是國外學(xué)者Dorigo在博士期間受螞蟻覓食行為啟發(fā)而發(fā)現(xiàn)的規(guī)劃算法。螞蟻在覓食的過程中會在路徑上留下信息素，信息素的濃度與路徑的長度成反比，即從起點到終點螞蟻走過的路徑越短信息素濃度越高[10]，螞蟻選擇該路徑的概率越大，這樣蟻群就能找到一條最短路徑。蟻群算法流程圖如圖1所示。

圖1 蟻群算法流程圖

3.1 三維柑橘模型

在柑橘采摘時，柑橘分布在一個三維空間中，柑橘在空間中的三維坐標(biāo)就是路徑規(guī)劃算法中的目標(biāo)點，以實際中的一棵柑橘樹為例，在Matlab中建立一個200 cm×200 cm×200 cm的三維坐標(biāo)系，柑橘數(shù)目為15，且柑橘離地最少為50 cm。

在不考慮柑橘枝干遮擋的情況下，柑橘i到柑橘j的最短距離為：

其中，xi，yi，zi為當(dāng)前柑橘i在空間的坐標(biāo)；xj，yj，zj為柑橘j在空間中的坐標(biāo)。

3.2 狀態(tài)轉(zhuǎn)移概率函數(shù)

每個螞蟻都是隨機放置一個柑橘坐標(biāo)作為出發(fā)點，并開始尋找下一個柑橘的坐標(biāo)，螞蟻從柑橘i到柑橘j的狀態(tài)轉(zhuǎn)移概率為：

其中，allowedk表示螞蟻k還沒有到達的柑橘目標(biāo)點的集合，α是累計的信息素因子，β是螞蟻的啟發(fā)式因子，ηij(t)是啟發(fā)式函數(shù)，表達式如下：

信息素濃度和啟發(fā)式函數(shù)共同影響狀態(tài)轉(zhuǎn)移概率，如果i到j(luò)的距離越近，對應(yīng)的i到j(luò)路徑上的信息素濃度就會越大，螞蟻選擇這條路徑的概率越大。

3.3 信息素更新

τij(t)為t時刻信息素在從柑橘i到柑橘j的濃度：

其中，S為螞蟻的總數(shù)，ρ為信息素的揮發(fā)系數(shù)，取值范圍是0＜ρ≤1。

其中，Q為螞蟻k的信息素總量，Lk為螞蟻k從i到j(luò)的路徑長度。

螞蟻每次到達一個點后，局部的信息素會進行更新，當(dāng)螞蟻遍歷完所有的路徑點之后，會更新全局的信息素濃度，將當(dāng)前路徑與之前保存的路徑進行比較，并將最優(yōu)的路徑存下，螞蟻將繼續(xù)按照設(shè)置的參數(shù)進行路徑迭代，當(dāng)達到最大迭代次數(shù)后，輸出柑橘采摘的最優(yōu)路徑。

4 仿真驗證

本實驗使用的硬件平臺CPU為AMD Ryzen7 5800X，RAM為16 GB，使用的仿真使用的軟件為Matlab2018a。在Matlab中建立三維空間坐標(biāo)系，并按照柑橘坐標(biāo)在三維圖中進行繪制，如圖2所示。根據(jù)實驗與相關(guān)文獻，當(dāng)信息素因子α=2.1、信息素總量Q=30、啟發(fā)式因子β=5、螞蟻數(shù)量S=31、信息素?fù)]發(fā)系數(shù)ρ=0.5時，蟻群算法得到的路徑最短，迭代次數(shù)最少，最終的柑橘采摘最優(yōu)路徑如圖3所示。

圖2 Matlab三維坐標(biāo)系中的柑橘位置

圖3 柑橘采摘路徑

5 結(jié)語

課題組結(jié)合國內(nèi)外采摘機器人的研究現(xiàn)狀，對采摘機器人的移動平臺、識別定位系統(tǒng)、采摘機械臂和末端執(zhí)行器進行了分析。運用Matlab軟件建立了柑橘在三維空間中的坐標(biāo)模型，利用蟻群算法多次迭代和參數(shù)優(yōu)化，計算出了柑橘采摘的最優(yōu)路徑，為實現(xiàn)柑橘等水果的連續(xù)采摘提供了研究基礎(chǔ)。但整個規(guī)劃中沒有考慮到柑橘枝干等障礙物的存在，在實際應(yīng)用中還需要優(yōu)化完善。