融合2D激光雷達(dá)與航向姿態(tài)參考系統(tǒng)的采茶機(jī)仿形方法研究與試驗(yàn)

吳敏，郇曉龍，陳建能*，董春旺，邵柏愷，卞賢炳，范國(guó)帥

1.浙江理工大學(xué)機(jī)械工程學(xué)院，浙江 杭州 310018；2.浙江工業(yè)職業(yè)技術(shù)學(xué)院，浙江 紹興 312000；3.浙江省種植裝備技術(shù)重點(diǎn)實(shí)驗(yàn)室，浙江 杭州 310018；4.中國(guó)農(nóng)業(yè)科學(xué)院茶葉研究所，浙江 杭州 310008

我國(guó)是茶葉生產(chǎn)和消費(fèi)大國(guó)，目前茶園種植面積和茶葉產(chǎn)量均居世界第一位。鮮葉采摘是茶葉生產(chǎn)的重要環(huán)節(jié)，目前商業(yè)化的大宗茶采茶機(jī)主要有單人式、雙人式和自走式[1-3]。單人式和雙人式采茶機(jī)需要操作人員觀察茶樹(shù)葉片生長(zhǎng)狀態(tài)，人工調(diào)整采茶機(jī)切割位置，操作強(qiáng)度高、效率低[4]；自走式采茶機(jī)作業(yè)時(shí)，割刀離地高度固定，無(wú)法適應(yīng)茶樹(shù)葉面高度和茶園壟溝起伏變化，收獲質(zhì)量難以控制，成為制約大宗茶機(jī)械化收獲裝備在丘陵山區(qū)茶園推廣應(yīng)用的主要瓶頸。針對(duì)商業(yè)化大宗茶采茶機(jī)存在的問(wèn)題，一些學(xué)者開(kāi)展了相關(guān)研究。閆晶晶[5]設(shè)計(jì)了一款手扶式仿形采茶機(jī)，采用接觸式傳感器感知茶蓬面高度變化，但是容易造成茶樹(shù)損傷，測(cè)量結(jié)果受接觸力影響，數(shù)據(jù)變異大，茶鮮葉收獲質(zhì)量難以控制。湯一平等[6]基于RGB相機(jī)初步實(shí)現(xiàn)了采茶機(jī)自動(dòng)仿形功能，由于受自然光照影響，自然環(huán)境下圖像閾值分割準(zhǔn)確性低，影響了采茶機(jī)割刀仿形精度。趙潤(rùn)茂等[7]設(shè)計(jì)了基于超聲波測(cè)距的乘坐式自動(dòng)仿形采茶機(jī)，經(jīng)過(guò)田間試驗(yàn)驗(yàn)證了其仿形采收的有效性，然而超聲波雙點(diǎn)測(cè)距方式受茶蓬面葉片間隙影響，超聲波信號(hào)穿過(guò)葉片間隙到達(dá)鮮葉層下方時(shí)，茶蓬面測(cè)距信息失真，容易導(dǎo)致收獲鮮葉雜質(zhì)率偏高，鮮葉完整率偏低，仿形采收效果不佳。由此可知，目前大宗茶自動(dòng)仿形采茶機(jī)存在著易受接觸力、自然光照或茶蓬面葉片間隙影響，需要進(jìn)一步提升采茶機(jī)性能以改善大宗茶鮮葉采摘質(zhì)量。

激光雷達(dá)（Light detection and ranging，LiDAR）傳感器被廣泛應(yīng)用于農(nóng)業(yè)工程中，如靶標(biāo)葉面積估算[8]、玉米[9]和甜菜[10]株高測(cè)量、果樹(shù)樹(shù)冠信息提取[11]等，是一種非接觸式測(cè)距傳感器，具有提取信息范圍大、抗自然光性強(qiáng)的特點(diǎn)。本研究針對(duì)目前大宗茶自動(dòng)仿形采茶機(jī)存在的易受接觸力、自然光照或茶蓬面葉片間隙影響等問(wèn)題，采用室外2D-LiDAR獲取茶蓬面點(diǎn)云信息，并通過(guò)幾何變換關(guān)系獲取茶蓬面點(diǎn)云感興趣區(qū)域（Range of interest，ROI）。而室外LiDAR為了抵抗自然光照影響，采用飛行時(shí)間法測(cè)量原理（Time of Flight，ToF）[12]獲取目標(biāo)點(diǎn)云信息，其測(cè)距精度難以滿(mǎn)足采茶機(jī)仿形作業(yè)要求，為此提出了融合2D-LiDAR測(cè)距信息與航向姿態(tài)參考系統(tǒng)（Attitude and heading reference system，AHRS）感知加速度信息（Fusion of 2D-LiDAR ranging and acceleration，F(xiàn)LRA）的采茶機(jī)割刀仿形距離估計(jì)算法。在此基礎(chǔ)上，設(shè)計(jì)算法精度驗(yàn)證機(jī)構(gòu)及方法，通過(guò)室內(nèi)試驗(yàn)檢驗(yàn)算法的有效性；并研制了融合2D-LiDAR與AHRS感知的自動(dòng)仿形采茶樣機(jī)，開(kāi)展田間試驗(yàn)，驗(yàn)證茶鮮葉仿形采收效果，以期提升大宗茶鮮葉采收效率與質(zhì)量。

1 材料與方法

1.1 試驗(yàn)場(chǎng)地與設(shè)備

本研究田間試驗(yàn)地點(diǎn)為浙江省紹興市中國(guó)農(nóng)業(yè)科學(xué)院茶葉研究所嵊州綜合實(shí)驗(yàn)基地，茶樹(shù)蓬面較平整，鮮葉較整齊，茶蓬面高度為80～90 cm，蓬面寬度約100 cm；我國(guó)茶園大多屬于密植茶園，有些地區(qū)位于丘陵地帶，茶園中各隴茶樹(shù)間地勢(shì)起伏[13]，試驗(yàn)樣機(jī)采用高低間隙履帶式底盤(pán)作為載具，提升采茶機(jī)對(duì)丘陵地帶等茶園的行走能力；仿形采收末端單元采用文獻(xiàn)[7]中仿形采茶單元結(jié)構(gòu)，如圖1所示，前中后仿形采收單元交替布置，減小茶鮮葉漏采率。采摘試驗(yàn)于5—6月適采期進(jìn)行。

圖1 采茶機(jī)仿形采收末端Fig.1 Profiling end of tea picker

本研究室外2D-LiDAR采用上海思嵐科技有限公司的PRLIDAR S2型，采樣角度分辨率為0.12°，采樣周期為0.1 s，測(cè)距精度為±3 cm，有效測(cè)量距離0.05～10.00 m；慣性傳感器采用荷蘭XSENS公司生產(chǎn)的MTi-300型航向姿態(tài)參考系統(tǒng)，其中角度測(cè)量精度為0.05°，采樣頻率設(shè)置為50 Hz；計(jì)算單元采用NVIDIA Jetson AGX套件，安裝有Linux系統(tǒng)環(huán)境及機(jī)器人ROS操作系統(tǒng)；拉繩位移傳感器采用臺(tái)州量子電子科技有限公司生產(chǎn)的WXY31型，測(cè)量范圍為0～500 mm，測(cè)量精度為0.1 mm。

1.2 采茶機(jī)自動(dòng)仿形原理

如圖2所示，2D-LiDAR傳感器安裝于仿形采茶單元割刀機(jī)構(gòu)中部位置（圖2紅色原點(diǎn)處），與割刀同步運(yùn)動(dòng)，茶蓬面位于2D-LiDAR傳感器下方，由于2D-LiDAR采集數(shù)據(jù)角度范圍為360°，因此需提取茶蓬面ROI點(diǎn)云，然后進(jìn)一步處理點(diǎn)云信息。為獲取割刀兩側(cè)與茶蓬面的距離，以割刀兩側(cè)端點(diǎn)A、B豎直方向下方C、D點(diǎn)附近為茶蓬面ROI點(diǎn)云；在2D-LiDAR極坐標(biāo)系中，假設(shè)C、D點(diǎn)所對(duì)應(yīng)極角分別為β1、β2，則對(duì)應(yīng)ROI為（β1-Δβ，β1＋Δβ）與（β2-Δβ，β2＋Δβ）極角范圍的茶蓬面點(diǎn)云，其中2Δβ表示點(diǎn)云ROI范圍大小。

圖2 茶蓬面點(diǎn)云ROI示意圖Fig.2 The point cloud ROI of tea canopy surface

如圖3A所示，提取茶蓬面ROI點(diǎn)云信息后，首先根據(jù)ROI坐標(biāo)信息計(jì)算采茶機(jī)割刀仿形距離的測(cè)量值（圖3A中AC和BD的距離）；然后通過(guò)AHRS感知割刀豎直方向加速度，建立割刀運(yùn)動(dòng)學(xué)方程，最優(yōu)估計(jì)采茶機(jī)割刀仿形距離；最后根據(jù)仿形距離信息控制電機(jī)實(shí)現(xiàn)采茶機(jī)割刀仿形運(yùn)動(dòng)，直至如圖3B所示完成仿形動(dòng)作，并在此基礎(chǔ)上，控制割刀向下運(yùn)動(dòng)切割深度 Δl開(kāi)始采收茶鮮葉，切割深度Δl根據(jù)待采收茶鮮葉長(zhǎng)勢(shì)設(shè)定。

圖3 采茶機(jī)割刀仿形原理圖Fig.3 Schematic diagram of cutter profiling of tea picker

1.3 茶蓬面2D-LiDAR點(diǎn)云預(yù)處理

1.3.1 ROI

2D-LiDAR的原始傳感器坐標(biāo)系為極坐標(biāo)系，為了便于計(jì)算，將2D-LiDAR的傳感器極坐標(biāo)系轉(zhuǎn)化為以 2D-LiDAR中心點(diǎn)O為原點(diǎn)，y軸指向極角0°的直角坐標(biāo)系，如圖4所示。假設(shè) 2D-LiDAR極坐標(biāo)系任意點(diǎn)坐標(biāo)為（ρ，θ），則其在直角坐標(biāo)系 xoy中坐標(biāo)為（ρsinθ，ρcosθ）。

圖4 2D-LiDAR坐標(biāo)系Fig.4 Coordinate system of 2D-LiDAR

如圖5所示，以2D-LiDAR所在xoy坐標(biāo)系為動(dòng)坐標(biāo)系，豎直方向坐標(biāo)系x'oy'為靜坐標(biāo)系。坐標(biāo)系xoy與x'oy'相差割刀水平傾角α，假設(shè)割刀寬度AB=l，割刀兩側(cè)端點(diǎn) A、B豎直方向交茶蓬面于點(diǎn)C、D；2D-LiDAR傳感器垂直交于割刀面于點(diǎn)E，假設(shè)OE=h。通過(guò)結(jié)構(gòu)幾何關(guān)系獲取茶蓬面ROI點(diǎn)云坐標(biāo)信息，以割刀左側(cè)端點(diǎn)為例，具體步驟如下：

圖5 仿形單元與茶蓬面ROI示意圖Fig.5 Schematic diagram of profiling unit and ROI of tea canopy surface

假設(shè)在極坐標(biāo)系下2D-LiDAR傳感器采集的任意點(diǎn)云極坐標(biāo)為（ρ，θ），轉(zhuǎn)化為x'oy'坐標(biāo)系坐標(biāo)為：

根據(jù)仿形單元結(jié)構(gòu)幾何關(guān)系知，在xoy坐標(biāo)系中，A點(diǎn)坐標(biāo)為（-l/2，h），根據(jù)坐標(biāo)轉(zhuǎn)換關(guān)系可知x'oy'坐標(biāo)系中A點(diǎn)坐標(biāo)為：

然后遍歷2D-LiDAR點(diǎn)云數(shù)據(jù)，當(dāng)δ=δmin時(shí)，即認(rèn)為確定點(diǎn)C點(diǎn)云坐標(biāo)；同理可確認(rèn)點(diǎn)D點(diǎn)云坐標(biāo)，從而確定2D-LiDAR采集數(shù)據(jù)的茶蓬面ROI點(diǎn)云范圍。

1.3.2 基于FLRA算法的采茶機(jī)割刀仿形距離估計(jì)

提取割刀下方茶蓬面ROI點(diǎn)云后，首先計(jì)算采茶機(jī)割刀仿形距離測(cè)量值，將極坐標(biāo)轉(zhuǎn)換到x'oy'坐標(biāo)系，假設(shè)圖5中C點(diǎn)附近極角范圍為2Δβ的ROI點(diǎn)云坐標(biāo)分別為（x'1，y'1）、（x'2，y'2）、（x'3，y'3）、……、（x'N，y'N），則ROI點(diǎn)云取平均后y'軸坐標(biāo)為：

式中，N為茶蓬面ROI點(diǎn)云數(shù)量。A點(diǎn)坐標(biāo)位置為：

式中，l為割刀長(zhǎng)度，mm；α為AHRS感知的割刀水平傾角，rad；h為2D-LiDAR中心與割刀面垂直方向距離，mm。由此可知，采茶機(jī)割刀左側(cè)仿形距離測(cè)量值Δh1為：

同理可計(jì)算采茶機(jī)割刀右側(cè)仿形距離測(cè)量值Δh2，mm。

由于該2D-LiDAR測(cè)距精度與實(shí)時(shí)性難以滿(mǎn)足自動(dòng)仿形采茶機(jī)采收要求，需進(jìn)一步提升采茶機(jī)割刀仿形距離測(cè)距精度與實(shí)時(shí)性。采茶機(jī)仿形作業(yè)過(guò)程中，割刀、2D-LiDAR及AHRS同步運(yùn)動(dòng)，通過(guò)AHRS獲取割刀豎直方向加速度信息。本研究中2D-LiDAR傳感器采集點(diǎn)云數(shù)據(jù)頻率為10 Hz，仿形作業(yè)過(guò)程中采茶機(jī)行駛速度約0.5 m·s-1，在人工修剪的茶園中，相鄰采樣時(shí)間間隔內(nèi)茶蓬面高度幾乎不變，且AHRS采樣頻率數(shù)倍于2D-LiDAR傳感器。根據(jù)卡爾曼濾波融合算法原理[14]，融合割刀豎直方向加速度數(shù)據(jù)與2D-LiDAR測(cè)量數(shù)據(jù)可實(shí)現(xiàn)割刀仿形距離最優(yōu)估計(jì)。圖 6所示為卡爾曼濾波融合算法遞推示意圖，在2D-LiDAR采樣間隔內(nèi)，利用割刀豎直方向加速度信息實(shí)現(xiàn)多次狀態(tài)遞推最優(yōu)估計(jì)采茶機(jī)割刀仿形距離。

圖6 卡爾曼濾波融合遞推示意圖Fig.6 Schematic diagram of Kalman filter fusion recursion

根據(jù)豎直方向加速度信息建立割刀豎直方向運(yùn)動(dòng)學(xué)方程為：

式中，T0為AHRS采樣時(shí)間間隔，s；xk為k時(shí)刻運(yùn)動(dòng)學(xué)模型估計(jì)的仿形距離，mm；為模型估計(jì)的仿形距離變化率，mm·s；ak為k時(shí)刻割刀豎直方向加速度，mm·s-2。

以Xk=為系統(tǒng)狀態(tài)向量，建立如公式（8）所示割刀豎直方向運(yùn)動(dòng)學(xué)狀態(tài)空間方程，采用離散狀態(tài)空間表示為：

式中，系統(tǒng)狀態(tài)變量為Xk=為狀態(tài)空間模型過(guò)程噪聲；Yk為輸出狀態(tài)變量；控制量uk為k時(shí)刻割刀豎直方向加速度；系統(tǒng)矩陣，輸入矩陣B=輸出矩陣C=[1 0]，直接轉(zhuǎn)移矩陣D=0。

式中，矩陣H=[1 0]為測(cè)量矩陣；vk為測(cè)量噪聲，mm。

卡爾曼濾波融合2D-LiDAR測(cè)量數(shù)據(jù)與AHRS加速度數(shù)據(jù)的具體過(guò)程如下：

式中，矩陣A為系統(tǒng)矩陣，AT為A的轉(zhuǎn)置；Q為過(guò)程噪聲協(xié)方差矩陣。

（3）計(jì)算k時(shí)刻卡爾曼增益：

早在2008 年西門(mén)子公司因違反《反海外腐敗法》被處罰金16 億美元，成為全球企業(yè)合規(guī)發(fā)展的一個(gè)里程碑事件。從那以后，強(qiáng)化合規(guī)管理、防范合規(guī)風(fēng)險(xiǎn)已經(jīng)成為越來(lái)越多企業(yè)管理創(chuàng)新的重要內(nèi)容。統(tǒng)計(jì)數(shù)據(jù)顯示，自2014 年初以來(lái)，已公開(kāi)宣布115 名國(guó)有集團(tuán)公司的決策層高管因貪污而受到調(diào)查，一些央企的主要負(fù)責(zé)人被調(diào)查或處罰。

式中，H為觀測(cè)矩陣，HT是H的轉(zhuǎn)置；R是2D-LiDAR測(cè)量噪聲協(xié)方差矩陣。

（4）計(jì)算k采樣時(shí)刻系統(tǒng)狀態(tài)的后驗(yàn)估計(jì)：

（5）更新誤差協(xié)方差矩陣：

1.4 FLRA算法估計(jì)仿形距離精度驗(yàn)證裝置及方法

采茶機(jī)田間作業(yè)時(shí)，割刀與茶蓬面的仿形距離真值無(wú)法測(cè)量，F(xiàn)LRA算法精度無(wú)法評(píng)估。因此，本研究設(shè)計(jì)了精度驗(yàn)證裝置并開(kāi)展相關(guān)室內(nèi)試驗(yàn)。圖7所示為FLRA算法精度驗(yàn)證裝置，裝置上方安裝仿形收獲單元，仿形收獲單元兩側(cè)通過(guò)搖臂與絲桿滑塊連接，絲桿滑塊在豎直方向運(yùn)動(dòng)時(shí)改變割刀水平傾角與高度。裝置下方安裝模擬茶蓬面，模擬茶蓬面兩側(cè)同樣通過(guò)搖臂與絲桿滑塊連接，絲桿滑塊的運(yùn)動(dòng)可改變模擬茶蓬面水平傾角與高度，從而模擬實(shí)際仿形作業(yè)時(shí)割刀與茶蓬面位姿狀態(tài)。仿形收獲單元上安裝AHRS與2D-LiDAR傳感器，模擬茶蓬面底部安裝AHRS；仿形單元與模擬茶蓬面通過(guò)拉繩傳感器連接，拉繩傳感器一端可固定于仿形單元任意位置，另一端通過(guò)滑輪安裝在模擬茶蓬面水平槽中，在拉繩傳感器回復(fù)力作用下，拉繩傳感器拉繩始終保持與模擬茶蓬面垂直。

在實(shí)際茶園中，采茶機(jī)受地形的隨機(jī)起伏影響，割刀仿形距離及豎直方向加速度表現(xiàn)為隨機(jī)變化過(guò)程。為了室內(nèi)試驗(yàn)?zāi)軌蚰M割刀運(yùn)動(dòng)過(guò)程，提高室內(nèi)試驗(yàn)結(jié)果的可靠性，在調(diào)整并固定模擬茶蓬面后，通過(guò)試驗(yàn)裝置兩側(cè)的兩名操作人員推拉割刀所連接的絲桿滑塊，帶動(dòng)割刀上下運(yùn)動(dòng)，模擬仿形距離變化過(guò)程。由于兩名操作人員各自獨(dú)立推拉絲桿滑塊運(yùn)動(dòng)，割刀兩側(cè)運(yùn)動(dòng)不同步且推拉作用力隨機(jī)變化，因此割刀仿形距離及豎直方向加速度呈現(xiàn)隨機(jī)變化。

如圖7A所示，假設(shè)拉繩傳感器測(cè)量距離MN為lMN，由幾何關(guān)系可知M點(diǎn)豎直方向與模擬茶蓬面距離MF為：

圖7 算法精度驗(yàn)證裝置示意圖Fig.7 Algorithm accuracy verification device

式中，β為AHRS測(cè)量的模擬茶蓬面水平傾角，rad。為了測(cè)量真實(shí)割刀仿形距離，將拉繩傳感器安裝于割刀端點(diǎn)A、B處，假設(shè)拉繩傳感器測(cè)量值分別為lAC、lBD，則割刀兩側(cè)仿形距離分別為AC=lAC/cosβ、BD=lBD/cosβ，由于拉繩傳感器與傾角測(cè)量誤差很小，以此作為仿形距離真值。然后將2D-LiDAR直接測(cè)量的割刀仿形距離、FLRA算法最優(yōu)估計(jì)的割刀仿形距離分別與割刀仿形距離真值比較，結(jié)合誤差特征分析FLRA算法提升割刀仿形距離測(cè)距精度與實(shí)時(shí)性的有效性。

圖8 算法精度驗(yàn)證裝置實(shí)物及硬件組成Fig.8 Physical object of algorithm accuracy verification device and hardware composition

1.5 田間試驗(yàn)方法

圖9為融合2D-LiDAR與AHRS的采茶樣機(jī)及其系統(tǒng)硬件連接圖。作業(yè)過(guò)程中，采用FLRA算法估計(jì)采茶機(jī)割刀仿形距離，并采用非線性微分跟蹤器（Nonlinear tracking differentiator，NTD）的PID控制律控制割刀仿形運(yùn)動(dòng)[7,15-16]，開(kāi)展自動(dòng)仿形采茶樣機(jī)田間試驗(yàn)，驗(yàn)證自動(dòng)仿形采茶樣機(jī)采收效果。駕駛采茶機(jī)在茶園內(nèi)沿茶壟方向以0.5 m·s-1左右速度行駛約50 m距離，若干組試驗(yàn)后，統(tǒng)計(jì)收獲鮮葉總質(zhì)量，利用對(duì)角線四分法獲取鮮葉500 g，進(jìn)行鮮葉分離處理，然后統(tǒng)計(jì)分析一芽三葉及以下鮮葉比例、雜質(zhì)率和完整率等參數(shù)。

圖9 多傳感器感知自動(dòng)仿形采茶機(jī)及硬件組成Fig.9 Automatic profiling tea picker with multi-sensor perception and hardware composition

2 結(jié)果與討論

2.1 算法精度驗(yàn)證室內(nèi)試驗(yàn)

圖 10為2D-LiDAR直接測(cè)量值、FLRA算法估計(jì)值及拉繩傳感器測(cè)量真值的輸出曲線，其中數(shù)據(jù)采樣頻率為50 Hz，共采樣801個(gè)點(diǎn)。為了獲取更高角度分辨率，2D-LiDAR采用10 Hz采樣頻率，此時(shí)測(cè)量曲線與真值曲線之間存在較大延遲，數(shù)據(jù)平滑度較差；FLRA算法處理數(shù)據(jù)頻率為50 Hz，算法估計(jì)數(shù)據(jù)頻率更高，因此在2D-LiDAR采樣間隔時(shí)間內(nèi)，可通過(guò)算法實(shí)時(shí)預(yù)測(cè)割刀仿形距離，輸出估計(jì)數(shù)據(jù)延遲更小；輸出曲線各周期的峰值、斜率等參數(shù)各不相同，模擬了實(shí)際茶園仿形采收時(shí)仿形距離、豎直方向加速度的隨機(jī)變化過(guò)程。對(duì)所有采樣數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析，2D-LiDAR測(cè)量值與真值之間的誤差均值為36.53 mm，誤差標(biāo)準(zhǔn)差為23.21 mm，其誤差均值超過(guò)2D-LiDAR標(biāo)稱(chēng)誤差精度，主要原因是2D-LiDAR采樣頻率遠(yuǎn)低于真值采樣頻率，難以實(shí)時(shí)反應(yīng)割刀運(yùn)動(dòng)所引起的仿形距離變化；FLRA算法估計(jì)值與真值之間誤差均值為8.56 mm，誤差標(biāo)準(zhǔn)差為6.31 mm，提升了仿形距離的測(cè)距精度。綜上可知，F(xiàn)LRA算法不僅有效提升了采茶機(jī)割刀仿形距離的測(cè)距精度，而且提高了獲取仿形距離的實(shí)時(shí)性。

圖10 FLRA算法精度驗(yàn)證試驗(yàn)輸出曲線Fig.10 Output curve of FLRA algorithm accuracy verification test

2.2 田間試驗(yàn)

如圖11A所示，按照1.5章節(jié)所述方法開(kāi)展采茶機(jī)田間試驗(yàn)，經(jīng)過(guò)5組試驗(yàn)后，共收獲鮮葉約 30 kg，粗略計(jì)算采收效率為180～210 kg·h-1，仿形采收過(guò)程中，自動(dòng)仿形采茶樣機(jī)工作正常，茶蓬面切割面整齊，切口平整。自動(dòng)仿形采收試驗(yàn)完成后，利用對(duì)角線四分法對(duì)采收的全部鮮葉縮分[17]，取如圖11B所示500 g采收鮮葉樣本進(jìn)行統(tǒng)計(jì)分析。

圖11 采茶樣機(jī)作業(yè)場(chǎng)景及采收樣本Fig.11 Operational scene of tea picker and picking samples

表1為文獻(xiàn)[7]中超聲波傳感器的仿形采茶原型機(jī)與本研究融合2D-LiDAR與AHRS感知的自動(dòng)仿形采茶機(jī)田間試驗(yàn)的對(duì)比數(shù)據(jù)。田間試驗(yàn)結(jié)果表明，在本研究茶園試驗(yàn)條件下，鮮葉采收結(jié)果良好，系統(tǒng)數(shù)據(jù)傳輸準(zhǔn)確可靠，融合2D-LiDAR與AHRS的自動(dòng)仿形采茶樣機(jī)受茶蓬面葉片間隙影響小，采收鮮葉在完整率、雜質(zhì)率（收獲的鮮葉中老梗、老葉等雜質(zhì)的質(zhì)量比）和一芽三葉及以下嫩梢比例等方面優(yōu)于超聲波傳感器感知采茶機(jī)，采收效果符合采茶機(jī)作業(yè)的質(zhì)量標(biāo)準(zhǔn)和大宗綠茶的制作要求；由于采茶機(jī)仿形單元結(jié)構(gòu)不變，鮮葉采收率變化較小。

表1 不同傳感器的仿形采茶機(jī)田間試驗(yàn)統(tǒng)計(jì)數(shù)據(jù)Table 1 Statistical data of field test of profiling tea picker with different sensors

3 結(jié)論

為了提高大宗茶鮮葉自動(dòng)仿形采收的收獲效率與質(zhì)量，研制了融合室外2D-LiDAR與AHRS的自動(dòng)仿形采茶樣機(jī)，提出了基于FLRA算法的采茶機(jī)割刀仿形距離估計(jì)方法，提升了仿形距離測(cè)距的精度與實(shí)時(shí)性。室內(nèi)試驗(yàn)結(jié)果表明，2D-LiDAR采樣頻率為10 Hz時(shí)，輸出的測(cè)量數(shù)據(jù)存在較大延遲，經(jīng)過(guò)FLRA算法迭代遞推，仿形距離數(shù)據(jù)更新頻率提升至50 Hz，數(shù)據(jù)延遲很小，能夠滿(mǎn)足采茶機(jī)實(shí)時(shí)性要求；此外，提出的FLRA算法比直接采用2D-LiDAR的測(cè)距精度高，仿形距離估計(jì)誤差為8.56 mm。在茶園試驗(yàn)條件接近的情況下，仿形距離估計(jì)精度越高，越有利于割刀準(zhǔn)確定位切割采收，提升茶鮮葉的采收質(zhì)量。田間試驗(yàn)結(jié)果表明，在本研究茶園試驗(yàn)條件下，研制的融合2D-LiDAR與AHRS的自動(dòng)仿形采茶機(jī)工作性能良好，通過(guò)對(duì)試驗(yàn)樣本數(shù)據(jù)統(tǒng)計(jì)分析，鮮葉采收效率達(dá)180～210 kg·h-1，割刀覆蓋蓬面上鮮葉的平均采收率92.38%，平均芽葉完整率為85.34%，平均雜質(zhì)率為4.93%，一芽三葉及以下嫩梢占90.72%，符合采茶機(jī)作業(yè)的質(zhì)量標(biāo)準(zhǔn)和大宗綠茶的制作要求，與超聲波傳感器的自動(dòng)仿形采茶機(jī)相比，提升了鮮葉完整率，降低了鮮葉雜質(zhì)率。未來(lái)將持續(xù)改進(jìn)采茶機(jī)仿形單元結(jié)構(gòu)，實(shí)現(xiàn)采茶機(jī)割刀對(duì)茶蓬面的全覆蓋，以期進(jìn)一步提升茶鮮葉的采收率。