2025-05-26 12:00:59
【导语】传统番茄采摘依赖人工,成本高且劳动力短缺。随着农业科技的发展,番茄采摘机器人应运而生,它凭借创新的机械臂和底盘设计,实现高效、精准的自动采摘。本文将详细介绍这款采摘机器人的系统设计、技术难点与创新点,以及如何通过视觉导航、机械臂控制和模块化设计,解决了农业采摘中的诸多挑战。
以前摘番茄全靠人工,累人还费钱,年轻人都不爱干这活儿。现在农业界直接放大招 —— 番茄采摘机器人横空出世!
这机器人超牛(niú),分(fēn)采摘(zhāi)和(hé)底(dǐ)盘(pán)两(liǎng)部(bù)分(fēn)。采摘(zhāi)系(xì)统(tǒng)有(yǒu) “神(shén)器(qì)三(sān)件(jiàn)套(tào)”:机(jī)械(xiè)臂(bì)像(xiàng)八(bā)爪(zhǎo)鱼(yú),灵(líng)活(huó)抓(zhuā)番(fān)茄(jiā);末(mò)端(duān)手(shǒu)比(bǐ)老(lǎo)果(guǒ)农(nóng)还(hái)温(wēn)柔(róu);视(shì)觉(jué)平(píng)台(tái)自(zì)带(dài) “火(huǒ)眼(yǎn)金(jīn)睛(jing)”,番(fān)茄(jiā)藏(cáng)哪(nǎ)都(dōu)能(néng)秒(miǎo)定(dìng)位(wèi)。
底(dǐ)盘(pán)更(gèng)是(shì) “走位大师”,四个轮子想咋动就咋动。窄垄、地滑都不怕,各种模式切换自如,还有算法 “导航”,稳稳不跑偏。
俩系统联手,自动摘果又快又准,零失误!以后番茄碰上它,只能 “束手就擒”!——摘不到番茄说番茄酸团队
第 1 章 系统概述及作品难点与创新点
1.1 研究背景
果蔬是人们生活必需品,中国果蔬种植面积和产量全球领先。番茄营养丰富,是重要经济作物,我国种植面积和产量持续增长,2022 年种植面积超 116 万公顷,产量近 7000 万吨,占世界总产量 1/3 以上。
但番茄簇状生长、相互触碰,采摘基本靠人工,机械化水平低。采摘人工成本占总成本 50%-70%,劳动力短缺让成本不断攀升,且工人多为中老年,体力负担重。我国设施农业发达,设施番茄种植便于管理、提供稳定环境,契合机器人作业。国家大力推进农业机械化,研发番茄采摘机器人对减轻劳动强度、提升生产水平意义重大。
1.2 作品难点及创新点
1.2.1 难点
1.2.2 创新点
第 2 章 方案设计与论证
2.1 四转四驱移动底盘和自主导航控(kòng)制(zhì)技(jì)术(shù)方(fāng)案(àn)
2.1.1 移(yí)动(dòng)底(dǐ)盘(pán)方(fāng)案(àn)
方(fāng)案(àn)一(yī):前(qián)轮(lún)转(zhuǎn)向(xiàng) + 后(hòu)轮(lún)驱(qū)动(dòng),阿(ā)克(kè)曼(màn)转(zhuǎn)向(xiàng)结(jié)构(gòu),稳(wěn)定(dìng)性(xìng)好(hǎo)但(dàn)转(zhuǎn)弯(wān)半(bàn)径大(dà)。
方(fāng)案(àn)二(èr):四(sì)轮(lún)独(dú)立(lì)驱(qū)动(dòng) + 转(zhuǎn)向(xiàng),双(shuāng)电(diàn)机(jī)控(kòng)制(zhì),结(jié)构(gòu)简(jiǎn)单(dān)、转(zhuǎn)弯(wān)灵(líng)活(huó)。
温(wēn)室(shì)垄(lǒng)窄(zhǎi)、地(de)形(xíng)复(fù)杂(zá),方(fāng)案(àn)二(èr)更(gèng)适(shì)配(pèi),故(gù)采用(yòng)此(cǐ)方(fāng)案(àn)。
2.1.2 自(zì)主导(dǎo)航(háng)方(fāng)案(àn)
方(fāng)案(àn)一(yī):惯(guàn)性(xìng)导(dǎo)航(háng),依(yī)赖(lài)加(jiā)速(sù)度(dù)计(jì)和(hé)陀(tuó)螺(luó)仪(yí),存(cún)在(zài)误(wù)差(chà)累(lèi)积(jī)问(wèn)题(tí)。
方(fāng)案(àn)二(èr):视(shì)觉(jué)导(dǎo)航(háng),通(tōng)过(guò)相(xiāng)机(jī)采集环(huán)境(jìng),用目标检测算法定位,成本低、适应性强。
方案三:激光雷达导航,高精度但价格高、功耗大。
综合考虑成本与环境适配性,选择视觉导航方案二。
2.2 番茄视觉识别与定位方案
方案一:RGB-D 相机 + 卷积神经网络 + 点云处理,检测定位精准。
方案二:RGB-D 相机 + 卷积神经网络,仅识别无位姿检测。
方案三:RGB-D 相机 + 传统图像处理,难应对复杂遮挡。
设施番茄枝叶遮挡多,方案一兼顾速度与精度,被选用。
2.3 机械臂与末端手方案
2.3.1 机械臂方案
方案一:多自由度协作机械臂,控制复杂、逆解难。
方案二:四自由度两轴伸缩机械臂,工作空间大、成本低、控制简便。
考虑种植环境与成本,选择方案二。
2.3.2 末端手方案
方案一:绳驱式扭转末端手,多舵机控制,抓取灵活。
方案二:剪切一体式末端手,难切断短果梗,影响保鲜。
方案三:气吸式末端手,吸力不足,采摘成功率低。
因番茄果梗短、大小不均,采用方案一。
2.4 系统集成
2.4.1 底盘系统
由轮组、电池组、控制系统构成。轮组模块化设计,电池居中供电,预留安装孔便于升级。
2.4.2 采摘系统
含三级伸缩机械臂、3 自由度末端手、旋转升降平台及控制系统。机械臂采用绳排式伸缩,结构轻巧,底部连接板实现与底盘快速连接。
第 3 章 原理分析与硬件电路图
采摘机器人分为移动底盘和机械臂两大控制系统,通过模块化设计,包含单片机与底盘控制、上位机与机械臂控制、视觉、通信、语音、电源等模块,各模块分工协作。
3.1 单片机与底盘运动控制模块
选用 Arduino mega2560 核心板作为底盘控制器,它具备 54 路数字、16 路模拟 I/O 口,4 路 UART 接口及 I2C 接口,能满足多模块信号处理需求,支持 OLED 屏实时监控状态。核心板参数:3.3V/50mA 供电,256KB Flash、8KB SRAM、4KB EEPROM,16MHz 工作时钟。
3.2 上位机与机械臂运动控制(zhì)模(mó)块(kuài)
上(shàng)位(wèi)机(jī)采用(yòng)基(jī)于(yú) Ubuntu 系(xì)统(tǒng)的(de)高(gāo)性(xìng)能(néng)电(diàn)脑(nǎo),作(zuò)为(wèi)机(jī)械(xiè)臂(bì)控(kòng)制核心,负责算法处理、数据存储与交互。通过 RS485 串口的 Modbus 协议与下位机通信。电脑(nǎo)双(shuāng)系(xì)统(tǒng)协(xié)同工作:Windows 系统调试电机与夹爪,Ubuntu 系统借助 MoveIt! 在 Rviz 和 Gazebo 环境中仿真并控制机械臂运动。
3.3 Realsense L515 相机
选用英特尔 Realsense L515 深度相机,集成 RGB 与深度传感器,通过 USB 3.1 连接主机,基于 ToF 技术获取彩色与深度图像。其 70x55 视野、低功耗且兼容多系统,体积小、重量轻,固定于机(jī)械臂上,为番茄识别定位提供视觉数据。
3.4 通信模块
通信系统整合 485、蓝牙、SBUS、TCP 指令。电机控制上,底盘 8 个电机与机械臂 4 个伺服电机采用 485 通信,手抓舵机通过 485 转 PWM 模块适配。底盘支持双模式控制:遥控器模式下,SBUS 接收机转换信号驱动底盘;上位机模式中,蓝牙模块或 ESP32 开发板传输导航指令。此外,定制拓展板实现核心板信号扩展与固定。
3.5 语音识别模块
引入 ASR-PRO 离线语音芯片,降低操作门槛,农民通过唤醒词和指令即可操控底盘,无需专业培训,兼顾易用性与成本。
3.6 电源模块
电源模块采用双电压供电:控制通讯系统 24V、驱动系统 48V,经优化电源转换效率、降噪抗干扰,保障硬件稳定运行。
第 4 章 软件设计与流程
4.1 视觉导航参数信息获取
机器人垄间自主导航的核心是精准获取导航线,采用基于直线模型的视觉导航算法,通过 “图像采集 - 处理 - 导航线提取” 三步实现。
4.1.1 图像采集
为应对农业环境光照变化与底盘抖动,调整 RealSense L515 相机参数:调节焦距保证清晰成像,调大光圈缩短曝光时间,确保图像质量。
4.1.2 图像处理
运用 Otsu 算法结合 Canny 边缘检测进行垄间轮廓检测。Otsu 算法自动选取阈值实现图像二值化,Canny 算法检测边缘,二者结合解决传统边缘检测的阈值问题,适应不同光照条件。
4.1.3 获取并跟踪导航线
通过行扫描点检测算法获取垄体边界离散点,经多项式拟合得到道路中心离散点,将相机坐标转换为世界坐标,提取横向与角度偏差参数,由上位机传输至主控板,驱动机器人沿导航线行进。
4.2 四转四驱底盘控制系统
底盘通过 MODBUS 协议控制 8 个电机实现运动,转向电机采用位置控制确保角度精准,驱动电机用速度控制结合模糊 PID 算法减小误差。设计斜向转向、四转四驱阿克曼、原地转向三种模式:斜向转向提升横向稳定性;四转四驱适配窄垄;原地转向利用 360 度轮组实现。
支持遥控器与上位机双控制模式:遥控器通过云卓 H12 拨杆切换模式;上位机基于 QT 开发,可跨平台运行,实现电脑或手机操(cāo)控(kòng)。针对四转四驱模式,以底盘速度与角度误差为输入,经模糊 PID 动态调整参数,通过转角逆运动学模型控制轮组,保障精准走位。
