溫室采摘機械臂的研究與應用現(xiàn)狀及展望

摘 要：針對當前國內(nèi)糧食需求量大、勞動力短缺的問題，迫切需要提高農(nóng)產(chǎn)品生產(chǎn)自動化水平。綜述了溫室采摘機械臂在國內(nèi)外的研究及應用現(xiàn)狀，并對關鍵技術包括目標定位技術及末端執(zhí)行器進行了總結;分析了采摘機械臂在農(nóng)業(yè)領域?qū)嶋H應用面臨的挑戰(zhàn)，包括通用性較低和制造成本高;最后對采摘機械臂的發(fā)展趨勢進行了展望。

關鍵詞：機械臂; 采摘; 農(nóng)業(yè); 溫室

中圖分類號：S233.74"""""""" 文獻標識碼：A""""" 文章編號：1002-204X（2024）08-0013-09

doi：10.3969/j.issn.1002-204x.2024.08.004

Research and Application Status and Prospect

of Greenhouse Picking Robot Arm

Liu Tianhong， Zhang Songchao*， Cai Chen， Chang Chun， Xue Xinyu

（1.Nanjing Institute of Agricultural Mechanization， Ministry of Agriculture and Rural Affairs， Nanjing， Jiangsu 210014）

Abstract In view of the current domestic grain demand and labor shortage， it is urgent to improve the automation level of agricultural production. The research and application status of greenhouse picking robot arm at home and abroad are reviewed， and the key technologies： target positioning technology and end-effector are summarized. The challenges faced in the practical application of the picking robot arm in the agricultural field are analyzed： low universality and high manufacturing cost. Finally， the development trend of picking robot arm is prospected.

Key words Mechanical arm; Pick; Agriculture; Greenhouse

我國作為農(nóng)業(yè)大國，雖然生產(chǎn)規(guī)模龐大，但是在某些領域內(nèi)機械化程度仍然較低，采用人工勞作的方式不僅勞動強度大、成本高，且由于人工操作缺乏精準性，可能會導致工作效率低下甚至損傷果實。依托目前快速發(fā)展的人工智能、精準識別、機器人技術，研制各種類型的機械臂來代替人工勞作已經(jīng)成為了現(xiàn)實。近年來，智能農(nóng)機和無人農(nóng)場技術在中國取得了顯著進展且隨著農(nóng)業(yè)4.0的到來，無人農(nóng)場將成為智慧農(nóng)業(yè)的重要組成部分[1]。在此背景下，溫室采摘機械臂的應用前景廣闊，不僅能夠提高農(nóng)業(yè)生產(chǎn)效率，還能解決勞動力短缺的問題。不斷改進溫室采摘機械臂，使其能夠完全代替人工進行勞作，是未來農(nóng)業(yè)發(fā)展的必然趨勢。

1 溫室采摘機械臂的研究及應用現(xiàn)狀

溫室內(nèi)種植的作物通常具有較高的經(jīng)濟價值，種植相比大田更為密集且溫室環(huán)境相較于室外更為穩(wěn)定，整體智能化程度較高，這使得溫室成為采摘機械臂工作的理想場所。近年來溫室采摘機械臂的發(fā)展速度顯著加快。當前主流的方法是利用機器視覺技術，通過分析圖像的像素分布、亮度和顏色等信息，將其轉化為數(shù)字信號。通過算法運算，使機械臂能夠分離并識別目標特征，從而實現(xiàn)對果實的精準識別。最后再由機械臂的末端執(zhí)行器進行采摘操作。

1.1 草莓采摘機械臂

由表1知，REN G Q等[2]設計了一種用于精確室內(nèi)農(nóng)業(yè)系統(tǒng)的移動機器人平臺（MRP），能夠監(jiān)測草莓的生長狀態(tài)并無損地收獲成熟的草莓。開發(fā)了一種基于規(guī)則的草莓生長場景分類算法，提高了收獲效率。使用YOLOv4-tiny模型進行草莓的成熟度檢測，該模型通過深度學習算法，結合RGB和深度圖像，計算每個草莓的三維位置，成熟草莓的平均檢測精度達到了96.4%。并使用氣動柔性機械爪（圖1、圖2），通過拖動和旋轉動作來采摘草莓，成功率為78%，損壞率為23%。

馮青春等[3-5]于2012年設計了一款專門用于采收溫室內(nèi)高架栽培草莓的機械臂，采用聲納導航的四輪底盤和6自由度雙目視覺機械臂（圖3、圖4）。開發(fā)了一款吸附果實、抓取和電熱絲切割果梗的無損末端執(zhí)行器。在試驗中自動識別100個成熟草莓目標，成功采摘率為86%，平均每次采摘操作耗時31.3 s，單次操作時間較長。針對該機械臂的一些缺陷，馮青春等[3-5]又于2019年進行了改進，采用了遠近結合視野技術，遠視攝像頭識別成熟的草莓并獲取其位置，近視攝像頭用于準確定位果柄的切割點。重新開發(fā)了一套使用兩指抓握果梗，并使用上方切割器切斷果梗，全程無需接觸果實，最大限度保護了果實的完整。在試驗中，改進后的機器人成功采摘率為84%，平均每個草莓的采摘時間為10.7 s。

YA X等[6-7]設計了一款基于Thorvald Ⅱ底盤的5自由度草莓采摘機械臂（圖5），使用RGB-D相機和顏色閾值算法快速檢測和定位成熟草莓。開發(fā)了一款機械手，6個覆蓋手指可以同時打開，形成1個封閉的環(huán)，從下方“吞下”草莓，然后將莖推到切割區(qū)域切斷果梗的末端執(zhí)行器。在試驗中采摘單個草莓的平均采摘周期為7.5 s，成功率為53.6%，包括損壞的成功率為59.0%。

GE Y Y等[8-9]在溫室中使用深度學習和計算機視覺技術，精確確定了機械臂和夾持器應用中的三維水果位置。在各種相機類型中，飛行時間相機在精確3D表示方面表現(xiàn)更佳。研究人員調(diào)查了7種水果定位方法，發(fā)現(xiàn)從2D圖像和深度信息推導3D盒子的方法速度更快、效果更好，為選擇適用于采摘小尺寸樣本的相機和末端執(zhí)行器提供了依據(jù)。

PRETER A D等[10]開發(fā)了一款專門用于采摘高架草莓的6自由度機械臂（圖6），RGB攝像頭通過分析顏色，來確定草莓位置，并使用柔性機械手自下而上采摘高架草莓。該機械臂的樣機能夠在4 s內(nèi)采摘草莓。

1.2 番茄采摘機械臂

由表2知，GAO J等[11]設計了一款安裝在軌道上的6自由度櫻桃番茄采摘機械臂（圖7）。開發(fā)了一種氣動控制的尼龍機械指，集成了指狀夾持器、旋轉和伸縮氣缸、RGB-D相機等。對比了伸縮和旋轉兩種采摘方式，發(fā)現(xiàn)旋轉方法在施加力和干擾方面優(yōu)于伸縮的方法，為設計末端執(zhí)行器提供了借鑒。在試驗中采摘單個櫻桃番茄的平均循環(huán)時間為6.4 s。不同方向采摘櫻桃番茄的采摘成功率分別為84%（右）、83.3%（后）、79.8%（左）和69.4%（前），失誤原因主要是碰撞和定位誤差。

YAGUCHI H等[12]使用ur5機械臂和PS4雙目攝像機，末端執(zhí)行器采用三爪式機械手，通過抓取、旋轉和伸縮的方式來摘取果實。最終每次的采摘速度達到23 s。同課題組的CHEN X Y等[13]使用HRP2W人形機器人（圖8），在頭部和手部都安裝了RGB-D相機且雙手都采用了7自由度機械臂并配備特制剪刀，能夠同時剪切和抓取番茄。但目前還不能實現(xiàn)全自動化運行，該研究驗證了人形雙臂采收機器人的可行性。

劉繼展等[14-16]通過集成自設計的末端執(zhí)行器和Motoman商業(yè)機械臂（圖9），實現(xiàn)番茄采摘機器人的手臂協(xié)調(diào)控制。末端執(zhí)行器通過吸盤和機械爪來分離和固定目標番茄再用吹氣電磁閥吹氣分離果實。試驗結果表明，交替模式和復合模式的采摘成功率分別為70.0%和83.3%。同團隊的LI Z G等[17]對Motoman-sv3x機械臂以及3自由度的機械爪式末端執(zhí)行器進行了運動學分析，確定了此類機械臂能夠在溫室內(nèi)高效地進行采摘任務。

馮青春等[18-19]用能在地面和軌道上移動的軌道車作為其載體，集成了一個5自由度機械臂（圖10）。采用視覺伺服單元識別和定位成熟的果實，并根據(jù)果實的機械特性設計了抓剪一體式末端執(zhí)行器，以實現(xiàn)抓取和分離。通過田間試驗對新研制的機器人進行了性能評估，結果顯示其成功采摘率為83%，單次成功采摘周期為8 s。

于豐華等[20]用麥克納姆輪全向移動平臺作為機器人的移動底盤，采用由Raspberry Pi 4B控制器驅(qū)動的深度相機作為成熟番茄的識別裝置，并在底盤上平臺安裝風力補償風機用于提高被葉片遮擋的番茄識別率。設計了一種附有薄膜壓力傳感器的柔性手爪可以精準控制采摘力度防止番茄損傷。在試驗中第1次采摘成功率為86%，第2次成功率為96%。

1.3 其他溫室作物采摘機械臂

由表3知，CLEHNERT等[21]采用UR5機械臂與自制真空夾持器進行融合，使用振動刀片進行柄切割，實現(xiàn)辣椒采摘（圖11）。該研究通過一種新的磁解耦機制，使抓取和切割操作可以獨立進行，提高了操作的靈活性，試驗中成功率達到了76.5%。ARAD B等[22]設計了一款使用升降底盤將手臂定位在作業(yè)區(qū)域的采摘機械臂（圖12），其末端執(zhí)行器集成了RGB-D相機、LED照明、六指機械爪、振動刀片。在試驗中采收平均時間24 s，采摘成功率為61%。

早些年荷蘭的VAN HENTEN E J等[23-24]對黃瓜采摘機械臂進行研究，采用1個自主移動平臺、7自由度機械臂、末端執(zhí)行器和兩個視覺系統(tǒng)。末端執(zhí)行器采用熱切割的方式通過高頻電流切割黃瓜的莖，防止病毒在植物間傳播。在溫室測試中，機器人成功率為80%，平均每45 s采摘1根黃瓜。近些年國內(nèi)的紀超等[25-26]設計了一款4自由度搭載輔助光源的黃瓜采摘機械臂，末端執(zhí)行器使用柔性抓手和不銹鋼切刀。試驗中采摘成功率達85%，平均采摘時間為28.6 s。

KAI J等[27]提出了一種傳感物理模擬器，用于在實驗室中訓練機器人采摘樹莓，無需依賴季節(jié)性田間測試。該系統(tǒng)由6自由度機械臂和由Dynamixel電機驅(qū)動的硅膠夾持器組成。通過模擬機器人與易碎水果的交互，提高了抓握性能，在溫室樹莓試驗中取得了80%的成功率。該方法減少了對成本較高的田間試驗的依賴，為訓練采摘機器人提供了新的思路。

宋健等[28-29]早些年開發(fā)了一個具有4自由度的茄子采摘機械臂，采用基于直方圖的固定雙閾值法對G-B灰度圖像進行分割，提取果實目標的特征，如輪廓、面積、質(zhì)心等。在試驗中單攝像頭測距誤差在18 mm以內(nèi)，抓取成功率為89%，平均耗時37.4 s。

2 難點及關鍵技術

目前采摘機械臂面臨著幾個主要難點：①如何精準識別果實，在復雜的種植環(huán)境中分辨果實與背景的差異;②末端夾具的設計也是一個關鍵難點，必須確保在采摘過程中不損傷果實，同時具備足夠的靈活性和適應性。

2.1 目標識別技術

果實的目標識別技術是采摘機械臂的關鍵，視覺信息的準確、快速獲取意味著識別和定位的準確性，能夠為果實采摘奠定基礎。自然環(huán)境中的果實普遍存在著因果實重疊[30-31]、果實被葉片和枝條遮擋[32]、光照變化[33]從而導致圖像不清晰的情況[34]。根據(jù)顏色特征的不同，采摘對象可以分為顯著色差系果蔬和近色系果蔬。顯著色差果蔬的果實顏色與背景葉片有明顯差異，如番茄和草莓。色彩差異是區(qū)分果實和背景的重要依據(jù)，對于近色系果蔬，如黃瓜和西瓜，果實在成熟期與背景葉片的顏色差異不明顯，難以通過顏色特征識別果實。在可見光波段之外，尋找果實與背景葉片之間存在顯著反射特性差異的光譜波段是識別近色系果蔬的重要途徑[35]。

2.1.1 國內(nèi)研究現(xiàn)狀

紀超等[35-36]研究了基于顏色和形態(tài)特征的草莓采摘信息獲取方法，并對草莓果實采摘信息獲取方法進行了試驗，結果表明草莓識別成功率為94.2%，采摘點定位準確率為93%。通過研究立體種植模式下小型西瓜果實、莖、葉片的光譜反射特性差異，開發(fā)了基于近紅外圖像的小型西瓜釆摘信息獲取方法，識別成功率達86%。馮青春等[37-38]對如何提高果實的目標識別率進行了大量研究。提出了一種基于高動態(tài)范圍成像技術的番茄植株圖像色彩校正方法，以克服復雜自然光照條件對作業(yè)對象色彩穩(wěn)定呈現(xiàn)的客觀限制。對番茄植株主莖動態(tài)跟蹤和立體測量方法進行了研究，提高了對葉、果和花等目標的搜索效率[39]。針對黃瓜采摘機器人遠景定位精度不高以致切傷果實和莖蔓的問題，設計了一種基于機器視覺具有空間位置反饋功能的末端執(zhí)行器，采用遠近景組合閉環(huán)定位方法對采摘目標進行閉環(huán)定位，解決了采摘機器人一次遠景定位誤差較大的問題[40]。袁挺等[41]基于近紅外圖像的黃瓜果實與莖葉的信息表達方法，分析了黃瓜采摘深度圖像信息的特點，有效實現(xiàn)了近色系生物信息的圖像識別。

GUAN Z X等[42]提出了一種方法，利用YOLOv5來確定番茄與果梗之間的位置關系，從而減少需要關注的果梗區(qū)域。接著，將果梗邊緣框的中心確定為采摘點。雖然空間約束提高了識別的準確性，但對于過短或被覆蓋的莖仍然難以識別。MIAO Z H等[43]結合了傳統(tǒng)的圖像處理技術和YOLOv5網(wǎng)絡，并通過莖ROI的空間約束來提升番茄和莖的識別精度。最終，采摘位置的平均偏差達到了2 mm。但在復雜光照和背景干擾下，莖的識別準確率較低。BAI Y H等[44]提出了一種基于機器學習的圖像分析算法，用于在復雜環(huán)境中自動識別和定位成簇番茄的采摘點。研究將Hough圓檢測、空間對稱樣條插值法、支持向量機（SVM）算法結合使用，實現(xiàn)了在復雜環(huán)境中對簇生番茄的準確識別和采摘點定位。但所有的番茄圖像都在同一天和同一場景下拍攝，結構相似，算法的魯棒性需要在不同階段或地區(qū)的更多樣本上驗證。MAO S H等[45]提出了一種基于多路徑卷積神經(jīng)網(wǎng)絡（MPCNN）、顏色成分選擇和支持向量機（SVM）的黃瓜識別方法。該方法的正確識別率超過90%，誤識別率低于22%，正確與錯誤識別比率超過4，表現(xiàn)出良好的識別效果，但在葉片遮擋的情況下仍需進一步優(yōu)化。

2.1.2 國外研究現(xiàn)狀

國外對于果實目標識別方法的研究較少。LEHNERT C等[46]使用Kinect Fusion算法結合RGB-D數(shù)據(jù)進行場景注冊，通過顏色分割和聚類提取甜椒的準確表示，并通過非線性最小二乘法擬合超橢球體來估計甜椒的6DOF姿態(tài)。未來的改進方向包括利用Kinect Fusion提供的額外信息進行碰撞規(guī)避，以及優(yōu)化攝像頭軌跡以獲取初始點云。BENAVIDES M等[47]提出一種使用計算機視覺來定位番茄果柄的技術，解決番茄和果柄的自動檢測和定位問題，以便機器人能夠準確采摘。但需要進一步研究以提高系統(tǒng)的魯棒性和適應性，并將其應用于不同類型的采摘機器人。TSOULIAS N等[48]使用LiDAR激光掃描儀，通過幾何和輻射特征來檢測蘋果。提出的方法在蘋果檢測和大小估計方面表現(xiàn)出高精度，但在葉子遮擋的情況下，檢測精度可能受到影響，需要進一步優(yōu)化算法以提高在復雜環(huán)境中的魯棒性。

2.2 末端執(zhí)行器

末端執(zhí)行器是采摘機械臂進行最終操作的部件，對于不同形狀不同硬度的果實需要進行針對性設計，在保證不損傷果實的前提下盡可能地簡化結構來提升采摘效率[49]。目前主流的末端執(zhí)行器通常采用吸盤或柔性機械爪固定果實，再用刀片或者熱切割的方式進行果實與果柄的分離。也有直接使用機械爪通過拽拉、扭擰、彎折等方式直接分離果實，但這對果實的形狀以及硬度要求較高，所以應用較少。

劉繼展等[50]對于番茄采摘的末端執(zhí)行器進行了大量研究。開發(fā)了一款裝置，配置了真空吸持裝置、機械爪固定裝置和由光纖激光器、聚焦透鏡等構成的果梗激光切割裝置，并以此為平臺先后開展了番茄表面特性和夾持碰撞[51-54]、果梗激光切割[55]、真空吸持拉動建模與控制[16，56]等研究。馮青春等[18]設計了一款充氣套筒番茄采摘末端執(zhí)行器，先用套筒固定果實，然后套筒充氣形成氣墊，最后進行旋轉分離，能夠在不損傷果實的情況下分離番茄。LUO Y等[57]基于番茄的特性，設計了一款硅膠柔性機械爪，通過視覺識別番茄直徑并控制柔性機械爪開合程度，確保不會對不同直徑的番茄造成損傷。錢少明等[58]對黃瓜的抗壓特性、表面摩擦系數(shù)和果柄切斷阻力進行了研究，為設計末端執(zhí)行器提供了基礎數(shù)據(jù)，并設計了一種集成了氣動抓持器和切割器的末端執(zhí)行器。在試驗中黃瓜抓持成功率為90%，果柄切斷成功率為100%，平均時間3 s。

OKA K等[59]設計了電弧熱切割系統(tǒng)（EATCS）和溫度弧熱切割系統(tǒng)（TATCS），并測試了性能。在試驗中溫度弧熱切割系統(tǒng)配備0.5 mm鎳鉻絲在1.5 s內(nèi)完成收割，效果顯著優(yōu)于電弧熱切割系統(tǒng)。JUN J等[60]在1個番茄采摘機器人研究中開發(fā)了一種有花紋的吸盤，能夠更好地適應番茄的圓形表面，減少對果實的損傷。

3 展望

隨著越來越多的學者對采摘機械臂進行研究，采摘機械臂的技術已經(jīng)日益成熟，然而卻難以真正實現(xiàn)普及，絕大部分的農(nóng)戶仍然使用手工采摘的方式。本文總結分析了目前采摘機械臂難以普及的幾個問題并提出了展望。

3.1 降低成本

目前采摘機械臂仍是一種高精尖的產(chǎn)品，研發(fā)成本、制造成本較高，2022年中國自動采摘機器人的單價約為55.9萬元，而當前農(nóng)業(yè)生產(chǎn)以個體經(jīng)營為主，如果價格太高，就很難普及[61]。且機械臂的操作者和維護者是農(nóng)民，這就要求采摘機械臂要便于操作，自動化程度要高，且要便于維護。

3.2 一機多用化

想要推進機械臂的普及還必須實現(xiàn)一機多用化，例如更換不同的末端執(zhí)行器即可實現(xiàn)果實搬運、作物病蟲害監(jiān)測、精準施藥等。推進一機多用化其實也是在變相地降低機械臂的成本，且對于這農(nóng)業(yè)機械臂來說季節(jié)性影響極大，這也避免了一種機械臂一年中只使用了一小段時間而產(chǎn)生的資源浪費。但目前采摘機器人技術的發(fā)展仍處于原理、結構各異的競相探索階段，難以實現(xiàn)一機多用，這就需要學界與業(yè)界、裝備與農(nóng)藝的深度結合，共同推動逐步形成一套結構標準來實現(xiàn)各種零件的互通[14]。

3.3 多機協(xié)同化

隨著農(nóng)業(yè)4.0的到來，無人農(nóng)場將會逐步出現(xiàn)，在這類農(nóng)場中將會有各類的機械臂機器人進行采摘、搬運、監(jiān)測、施藥、藥液傳輸?shù)雀黝惞ぷ鳎踔猎诠S化生產(chǎn)中還會進一步完成分選、清洗和包裝等作業(yè)，這就需要實現(xiàn)多機協(xié)同作業(yè)。因此路徑導航、車距控制、信息共享，以及用于自動充電及藥液傳輸?shù)臋C械臂接口對接控制等技術，將大大促進多機協(xié)同化的發(fā)展，為農(nóng)業(yè)4.0的到來作好準備。

參考文獻：

[1] 李道亮，李震. 無人農(nóng)場系統(tǒng)分析與發(fā)展展望[J]. 農(nóng)業(yè)機械學報，2020，51（7）：1-12.

[2] REN G Q， WU T H， LIN T， et al. Mobile robotics platform for strawberry sensing and harvesting within precision indoor farming systems[J]. Journal of Field Robotics， 2023： 1-19.

[3] 馮青春，鄭文剛，姜凱，等. 高架栽培草莓采摘機器人系統(tǒng)設計[J]. 農(nóng)機化研究，2012，34（7）：122-126.

[4] FENG Q C， WANG X， ZHENG W G， et al. New strawberry harvesting robot for elevated-trough culture[Z]. 2012： 1-8.

[5] FENG Q C， CHEN J， ZHANG M， et al. Design and Test of Harvesting Robot for Table-top Cultivated Strawberry[C]//2019 WRC Symposium on Advanced Robotics and Automation （WRC SARA）： IEEE， 2019.

[6] YA X， CHENG P， GRIMSTAD L， et al. Development and field evaluation of a strawberry harvesting robot with a cable-driven gripper[J]. Computers and Electronics in

Agriculture， 2019， 157： 392-402.

[7] YA X， GE Y Y， GRIMSTAD L， et al. An autonomous strawberry‐harvesting robot： Design， development， integration， and field evaluation[J]. Journal of Field Robotics，

2019， 37： 202-224.

[8] GE Y Y， YA X， JOHAN F P. Three-dimensional location methods for the vision system of strawberry-harvesting robots： development and comparison[J]. Precision Agriculture， 2022， 24： 764-782.

[9] GE Y Y， YA X， TENORIOG L， et al. Fruit Localization and Environment Perception for Strawberry Harvesting Robots[J]. IEEE Access， 2019， 7： 147642-147652.

[10] PRETER A D， ANTHONIS J， BAERDEMAEKER J D. Development of a Robot for Harvesting Strawberries[J]. Ifac-papersonline， 2018， 51： 14-19.

[11] GAO J， ZHANG F， ZHANG J X， et al. Development and evaluation of a pneumatic finger-like end-effector for cherry tomato harvesting robot in greenhouse[J]. Computers and Electronics in Agriculture， 2022， 197： 106879.

[12] YAGUCHI H， NAGAHAMA K HASEGAWA T， et al. Development of An Autonomous Tomato Harvesting Robot with Rotational Plucking Gripper[C]//2016 IEEE/RSJ International Conference on Intelligent Robots and Systems （IROS）： IEEE， 2016： 652-657.

[13] CHEN X Y， CHAUDHARY K， TANAKA Y. Reasoning-Based Vision Recognition for Agricultural Humanoid Robot toward Tomato Harvesting[C]//2015 IEEE/RSJ International Conference on Intelligent Robots and Systems （IROS）： IEEE， 2015： 6487-6494.

[14] 劉繼展. 溫室采摘機器人技術研究進展分析[J]. 農(nóng)業(yè)機械學報，2017，48（12）：1-18.

[15] LIU J Z， LI Z G， WANG F Y， et al. Hand-Arm Coordination for a Tomato Harvesting Robot Based on Commercial Manipulator[C]// Proceeding of the IEEE，International Conference on Robotics and Biomimetics （ROBIO）： IEEE， 2013： 2715-2720

[16] 劉繼展. 番茄采摘機器人真空吸持系統(tǒng)分析與優(yōu)化控制研究[D]. 鎮(zhèn)江：江蘇大學，2010.

[17] LI Z G， LIU J Z， LI P P， et al. Analysis of Workspace and Kinematics for a Tomato Harvesting Robot[C]//2008 International Conference on Intelligent Computation Technology and Automation （icicta）： Ieee， 2008： 823-827.

[18] FENG Q C， WANG X N， WANG G H， et al. Design and test of tomatoes harvesting robot[C]//2015 IEEE International Conference on Information and Automation： IEEE， 2015.

[19] FENG Q C， ZOU W， FAN P F， et al. Design and test of robotic harvesting system for cherry tomato[J]. International Journal of Agricultural and Biological Engineering， 2018， 11： 96-100.

[20] 于豐華，周傳琦，楊鑫，等. 日光溫室番茄采摘機器人設計與試驗[J]. 農(nóng)業(yè)機械學報，2022，53（1）：41-49.

[21] LEHNERT C， MCCOOL C， SA I， et al. Performance improvements of a sweet pepper harvesting robot in protected cropping environments[J]. Journal of Field Robotics， 2020， 37： 1197-1223.

[22] ARAD B， BALENDONCK J， BARTH R， et al. Development of a sweet pepper harvesting robot[J]. Journal of Field Robotics， 2020， 37： 1027-1039.

[23] VAN HENTEN E J， HEMMING J， VAN TUIJL B A J， et al. An Autonomous Robot for Harvesting Cucumbers in Greenhouses[J]. Autonomous Robots， 2002， 13（3）： 241-258.

[24] VAN HENTEN E J， VAN TUIJL B A J， HEMMING J， et al. Field Test of an Autonomous Cucumber Picking Robot[J]. Biosystems Engineering， 2003， 86： 305-313.

[25] 紀超，馮青春，袁挺，等. 溫室黃瓜采摘機器人系統(tǒng)研制及性能分析[J]. 機器人，2011，33（6）：726-730.

[26] 馮青春，紀超，張俊雄，等. 黃瓜采摘機械臂結構優(yōu)化與運動分析[J]. 農(nóng)業(yè)機械學報，2010，41：44-48.

[27] KAI J， PIRES C， HUGHES J. Lab2Field transfer of a robotic raspberry harvester enabled by a soft sensorized physical twin[J]. Communications Engineering， 2023， 2.

[28] 宋健，孫學巖，張鐵中，等. 開放式茄子采摘機器人設計與試驗[J]. 農(nóng)業(yè)機械學報，2009，40（1）：143-147.

[29] 宋健. 茄子采摘機器人結構參數(shù)的優(yōu)化設計與仿真[J]. 機械設計與制造，2008（6）：166-168.

[30] 苗中華，沈一籌，王小華，等. 自然環(huán)境下重疊果實圖像識別算法與試驗[J]. 農(nóng)業(yè)機械學報，2016，47（6）：21-26.

[31] LV J D， WANG Y J， NI H M， et al. Method for discriminating of the shape of overlapped apple fruit images[J]. Biosystems Engineering， 2019， 186： 118-129.

[32] 劉振宇，丁宇祺. 自然環(huán)境中被遮擋果實的識別方法研究[J]. 計算機應用研究，2020，37（S2）：333-335，339.

[33] 何斌，張亦博，龔健林，等. 基于改進YOLOv5的夜間溫室番茄果實快速識別[J]. 農(nóng)業(yè)機械學報，2022，53（5）：201-208.

[34] 金壽祥，周宏平，姜洪喆，等. 采摘機器人視覺系統(tǒng)研究

進展[J]. 江蘇農(nóng)業(yè)學報，2023，39（2）：582-595.

[35] 紀超. 溫室果蔬采摘機器人視覺信息獲取方法及樣機系統(tǒng)研究[D]. 北京：中國農(nóng)業(yè)大學，2014.

[36] 袁挺，紀超，張震華，等. 基于近紅外圖像的溫室小型西瓜采摘信息獲取技術[J]. 農(nóng)業(yè)機械學報，2012，43（7）：174-178，155.

[37] 馮青春，王秀，李軍輝，等. 基于高動態(tài)范圍成像的溫室番茄植株圖像色彩矯正方法[J]. 農(nóng)業(yè)機械學報，2020，51（11）：235-242.

[38] FENG Q C， CHENG， et al. Design of structured-light vision system for tomato harvesting robot[J]. International Journal of Agricultural and Biological Engineering， 2014， 7（2）： 19-26.

[39] 馮青春，王秀，劉繼展，等. 基于視覺伺服的溫室番茄植株主莖跟蹤與測量方法[J]. 農(nóng)業(yè)機械學報，2020，5（11）：221-228.

[40] 馮青春，袁挺，紀超，等. 黃瓜采摘機器人遠近景組合閉環(huán)定位方法[J]. 農(nóng)業(yè)機械學報，2011，42（2）：154-157.

[41] 袁挺，李偉，譚豫之，等. 溫室環(huán)境下黃瓜采摘機器人信息獲取[J]. 農(nóng)業(yè)機械學報，2009，40（10）：151-155.

[42] GUAN Z X， LI H， ZUO Z J， et al. Design a Robot System for Tomato Picking Based on YOLO v5[J]. Ifac-papersonline， 2022， 55： 166-171.

[43] MIAO Z H， YU X Y， LI N， et al. Efficient tomato harvesting robot based on image processing and deep learning[J]. Precision Agriculture， 2022， 24： 254-287.

[44] BAI Y H， MAO S H， ZHOU J， et al. Clustered tomato detection and picking point location using machine learning-aided image analysis for automatic robotic harvesting[J]. Precision Agriculture， 2022， 24： 727-743.

[45] MAO S H， LI Y H， MA Y， et al. Automatic cucumber recognition algorithm for harvesting robots in the natural environment using deep learning and multi-feature fusion[J]. Computers and Electronics in Agriculture， 2020， 170： 105254.

[46] LEHNERT C， SA I， MCCOOL C， et al. Sweet pepper pose detection and grasping for automated crop harvesting[C]//2016 IEEE International Conference on Robotics and Automation （ICRA）： IEEE， 2016.

[47] BENAVIDES M， CANTON-GARBIN M， SANCHEZ

-MOLINA J A， et al. Automatic Tomato and Peduncle Location System Based on Computer Vision for Use in Robotized Harvesting[J]. Applied Sciences， 2020， 10： 5887.

[48] TSOULIAS N， PARAFOROS D S， XANTHOPOULOS G， et al. Apple Shape Detection Based on Geometric and Radiometric Features Using a LiDAR Laser

Scanner[J]. Remote Sensing， 2020， 12： 2481.

[49] 李國利，姬長英，翟力欣. 果蔬采摘機器人末端執(zhí)行器研究進展與分析[J]. 中國農(nóng)機化學報，2014，35（5）：231-236，240.

[50] 劉繼展，李萍萍，李智國. 番茄采摘機器人末端執(zhí)行器的硬件設計[J]. 農(nóng)業(yè)機械學報，2008（3）：109-112.

[51] 劉繼展，白欣欣，李萍萍. 番茄果實蠕變特性表征的Burger's修正模型[J]. 農(nóng)業(yè)工程學報，2013：249-255.

[52] 劉繼展，白欣欣，李萍萍，等. 果實快速夾持復合碰撞模型研究[J]. 農(nóng)業(yè)機械學報，2014，45（4）：49-54，172.

[53] 劉繼展，李萍萍，李智國，等. 面向機器人采摘的番茄力學特性試驗[J]. 農(nóng)業(yè)工程學報，2008，24（12）：66-70.

[54] 李智國，劉繼展，李萍萍. 機器人采摘中番茄力學特性與機械損傷的關系[J]. 農(nóng)業(yè)工程學報，2010，26（5）：112-116.

[55] 劉繼展，徐秀瓊，李萍萍. 果實采摘中果梗激光切割分析與實驗[J]. 農(nóng)業(yè)機械學報，2014，45（1）：59-64.

[56] 劉繼展，李萍萍，倪齊，等. 番茄采摘機器人真空吸盤裝置設計與試驗[J]. 農(nóng)業(yè)機械學報，2010，41（10）：170-173，184.

[57] LUO Y， WANG J Z， XING J H， et al. Design of a Flexible End-Effector for a Tomato Harvesting Robot[C]//2023 IEEE International Conference on Unmanned Systems （ICUS）： I EEE， 2023.

[58] 錢少明，楊慶華，王志恒，等. 黃瓜抓持特性與末端采摘執(zhí)行器研究[J]. 農(nóng)業(yè)工程學報，2010，26（7）：107-112.

[59] OKA K， BACHCHE S. Performance testing of thermal cutting systems for sweet pepper harvesting robot in greenhouse horticulture[J]. 2013， 7（1）： 36-51.

[60] JUN J， KIM J， SEOL J， et al. Towards an Efficient Tomato Harvesting Robot： 3D Perception， Manipulation， and End-Effector[J]. IEEE Access， 2021， 9： 17631-17640.

[61] 宋健，張鐵中，徐麗明，等. 果蔬采摘機器人研究進展與展望[J]. 農(nóng)業(yè)機械學報，2006（5）：158-162.

責任編輯：周慧