作品展示

基于多分类检测与连杆机构的猕猴桃采摘机器人，采用最新的YOLOv5深度学习网络，将猕猴桃根据遮挡情况分为多类进行标注与检测，后根据检测结果规划猕猴桃采摘顺序，保证了机器人作业效率与安全性。可实现猕猴桃的识别、定位与采摘。结构上采用平行四连杆机械臂与空间多连杆末端执行器。经过实地测试采收率可以达到80%以上，平均每个猕猴桃的采摘时间约为3s，整个机器人采用锂电池驱动，充满电可以持续工作约5小时，该设备已经在眉县、周至县、杨凌示范区等猕猴桃主要产地进行了实地验证，可以满足猕猴桃采收需求。

（1）采用平行四连杆机器人结构，三个伺服电机与谐波减速机均位于机器人重心下方，提高了机器人的稳定性，减轻伺服电机负载。零件均采用铝板加工，降低了制作成本，提升了对恶劣环境的抵抗能力。 （2）充分利用猕猴桃生长特点，采用RGB-D相机仰视获取猕猴桃色彩与深度信息。利用YOLO算法同时对猕猴桃果实与果萼进行识别，增加了猕猴桃识别与定位的精度。 （3）将猕猴桃根据遮挡情况分为多类进行标注与检测，后根据检测结果规划猕猴桃采摘顺序，保证机器人安全工作的前提下提高机器人作业效率。 （4）采用仿人采摘动作的多连杆末端执行器，通过先将猕猴桃旋转一定角度再拉拽的方式进行采摘，大幅度减少猕猴桃采摘所需要的力，同时也减轻了果实的损伤率。

基于改进型轻量化深度学习网络，创新性提出对猕猴桃果实与果萼进行同时识别，使得猕猴桃识别准确率与识别速度显著提升，解决了果实机械果实采摘中识别困难的问题，为猕猴桃的定位提供了更多参考信息。在识别果实的同时对猕猴桃树枝以及固定枝条的铁丝进行识别，为后续机器人作业提供了路径规划依据。提出基于RGB-D相机的果实定位算法，将猕猴桃RGB信息与空间三维点云信息进行像素级精确匹配，使得猕猴桃的空间定位误差小于5mm，为猕猴桃的机械化采收提供的精确的位置信息，解决了猕猴桃机械化采摘中定位困难的问题。设计了平行四连杆四自由度多关节机械臂，结构稳定且加工难度低，采用谐波减速机与绝对值伺服电机，使得机械臂在保证定位精度小于1mm。采用了履带式底盘结构，保证了机器人在潮湿的猕猴桃地中平稳前进灵活运动。末端执行器创新性使用多连杆机构，实现果实抓紧采取一步完成，提高了猕猴桃采摘速度的同时降低了机械臂成本。

猕猴桃采摘是整个猕猴桃生产环节中最重要的部分，所用劳动力约占整个生产过程所用劳动力的35%~45%，且具有季节性强、周期性短、劳动强度大、劳动力成本高但却采摘效率低下的特点。而随着我国老龄化趋势严重，劳动力资源日益紧缺，人工采摘成本不断提高，严重制约了我国猕猴桃产业的进一步发展。发展果园采摘机械化技术，对提高生产效率节省人工成本具有重要意义。