為提高葡萄采摘的自動化程度與效率，降低人工成本并適應(yīng)智慧農(nóng)業(yè)發(fā)展趨勢，設(shè)計了一款葡萄采摘機器人。基于現(xiàn)代設(shè)計方法學(xué)，對葡萄采摘機器人進行功能分解，明確其執(zhí)行、驅(qū)動、視覺、控制及支撐等核心模塊。本研究通過形態(tài)矩陣構(gòu)建多種設(shè)計方案，結(jié)合效用值分析法對方案進行系統(tǒng)評價，最終選定以履帶式行走裝置、直流電機驅(qū)動、齒輪傳動為核心，并集成多種視覺方案。該葡萄采摘機器人采用六軸機械臂結(jié)構(gòu)，通過蝸輪蝸桿傳動，末端執(zhí)行機構(gòu)配備柔性夾爪與剪切裝置，可精確夾持并剪切直徑 1~3mm 的葡萄枝，并完成了對控制系統(tǒng)的初步設(shè)計。基于現(xiàn)代設(shè)計方法學(xué)的葡萄采摘機器人設(shè)計為葡萄采摘自動化提供了可行的技術(shù)方案，其模塊化設(shè)計與低維護成本的特點使其具有較為廣闊的應(yīng)用前景。

　　關(guān)鍵詞

　　葡萄采摘機器人;現(xiàn)代設(shè)計方法學(xué);效用值分析法;控制系統(tǒng)設(shè)計;視覺檢測

　　0 引言

　　葡萄作為全球重要的經(jīng)濟作物之一，其種植面積與產(chǎn)量逐年增長，中國作為葡萄生產(chǎn)大國，2022 年種植面積已超過 8×10?hm²，產(chǎn)量已突破 1.4×10?t。但葡萄的采摘任務(wù)仍以傳統(tǒng)的人工采摘為主，存在勞動強度大、效率低、成本高等問題，尤其是在采摘作業(yè)的高峰期時，勞動力短缺的問題尤為突出。隨著人口老齡化的加劇和農(nóng)業(yè)勞動力的轉(zhuǎn)移，葡萄產(chǎn)業(yè)的可持續(xù)發(fā)展面臨嚴峻挑戰(zhàn)。在此背景下，研發(fā)高效、智能的采摘機器人成為解決上述問題的關(guān)鍵路徑，也是現(xiàn)代農(nóng)業(yè)裝備智能化轉(zhuǎn)型的重要研究方向。

　　近年來，眾多學(xué)者在農(nóng)業(yè)采摘機器人領(lǐng)域的研究取得了顯著進展，然而葡萄采摘作業(yè)因其復(fù)雜的生長環(huán)境(果實簇生、枝葉遮擋、光照環(huán)境多變等)和果實易損傷的特性，對機器人的感知、定位、抓取等核心技術(shù)提出的更高要求。國內(nèi)研究團隊針對葡萄采摘的特殊需求，在機械結(jié)構(gòu)、視覺算法、運動控制策略等方面展開了系統(tǒng)性的探索。葉銀海等研發(fā)了一種采運同步式雙機器人葡萄自動化采收系統(tǒng)，將采、運分別用 2 個機器人完成，在負責(zé)運輸?shù)臋C器人上放置更多的收集框，達到提高采摘效率的目的;馬聰?shù)忍岢隽嘶陬伾臻g和霍夫直線檢測算法融合的方法，提高棚架式葡萄圖像的采集率，該方法的葡萄果實串的正確識別率達到了 92%;楊語錄等設(shè)計并開發(fā)了一種基于 SCARA 的柔性葡萄采摘機械臂，該機械臂可更好的適應(yīng)不同場合下籬架式葡萄的采摘，具有更好的通用性。國內(nèi)葡萄采摘機器人仍處于快速發(fā)展階段，現(xiàn)有研究主要集中在葡萄采摘機器人的機械臂結(jié)構(gòu)優(yōu)化以及葡萄果視覺識別算法的改進上，但如何設(shè)計出高效可靠的葡萄采摘機器人機械結(jié)構(gòu)和優(yōu)化出更加精準的葡萄果識別算法，一直是葡萄采摘機器人設(shè)計需要攻克的難點。

　　本文通過形態(tài)矩陣構(gòu)建出多種葡萄采摘機器人設(shè)計方案，利用效用值分析法對各方案進行評分從而選出最優(yōu)設(shè)計方案，最后根據(jù)最優(yōu)設(shè)計方案的要求設(shè)計出適合葡萄采摘環(huán)境的葡萄采摘機器人的機械結(jié)構(gòu)，并給出控制模塊和識別模塊的設(shè)計方案，達成了模塊化設(shè)計與降低維護成本的目的，為葡萄采摘自動化提供了可行的技術(shù)方案。且該方案低功耗、高適應(yīng)性的特點還可拓展至其他果蔬采摘場景，在推動智慧農(nóng)業(yè)裝備產(chǎn)業(yè)化進程中具有重要的應(yīng)用價值。

　　1 葡萄采摘機器人方案設(shè)計

　　1.1 葡萄采摘機器人設(shè)計的具體要求

　　現(xiàn)代設(shè)計方法學(xué)是研究產(chǎn)品設(shè)計的過程、規(guī)律及設(shè)計中思維和工作方法的一門綜合性學(xué)科。對比傳統(tǒng)設(shè)計方法以經(jīng)驗、感性和靜態(tài)的方式進行設(shè)計，現(xiàn)代設(shè)計方法具有更加科學(xué)、理性和動態(tài)的特點。本研究通過對葡萄種植園的實地考察，與葡萄采摘工人進行交流后，依據(jù)現(xiàn)代設(shè)計方法學(xué)為葡萄采摘機器人設(shè)計制定了要求期望明細表。

　　1.2 總功能分解

　　葡萄采摘機器人的總功能是指對葡萄園中的葡萄果實進行采摘、裝車、運輸全過程，為清楚地展示葡萄采摘機器人各工作部分與周圍環(huán)境的關(guān)系，本研究建立技術(shù)過程流程圖。

　　在技術(shù)過程流程圖中，環(huán)境是指葡萄種植園及周遭環(huán)境，其余技術(shù)系統(tǒng)指的是葡萄采摘機器人對能源和控制等相關(guān)的技術(shù)要求，其中點畫線表示該機械系統(tǒng)內(nèi)部與外部的聯(lián)系，虛線內(nèi)表示葡萄采摘機器人的整體模塊分類，其他信息指的是其余非視覺信息，如夾持住葡萄后影響控制機械臂完成裝籃的相關(guān)信息等。

　　為了更直接地展示葡萄采摘機器人系統(tǒng)各部分的功能，建立功能結(jié)構(gòu)樹。將葡萄采摘機器人的總功能分為執(zhí)行功能、驅(qū)動功能、視覺功能、控制功能、支撐部分。

　　1.3 葡萄采摘機器人設(shè)計方案的確定

　　根據(jù)葡萄采摘機器人的功能樹，采取系統(tǒng)組合的方法，建立葡萄采摘機器人組合的形態(tài)矩陣，將可能的方法進行列舉排列，計算出可能的解法，并在所有的解法中找出符合項目實際意義的執(zhí)行方案。當不考慮工作環(huán)境和其條制約的情況下，設(shè)計方案一共有 4×2×3×2×3×3=432 種。

　　結(jié)合實際的工作環(huán)境，本研究對初始方案做了細致的比較與排除，最終得到 2 種可實施的方案。

　　方案 1：運動方式采用履帶式，能量轉(zhuǎn)化裝置采用直流電機，傳動方式采用齒輪傳動，前后及側(cè)方與末端執(zhí)行機構(gòu)都安裝有視覺相機。此方案利用安裝在葡萄采摘機器人前方與側(cè)邊的視覺相機采集視覺信息，通過控制程序及相關(guān)算法控制葡萄采摘機器人進行前后及避障運動，行進到適合葡萄采摘的大致位置;安裝在末端執(zhí)行機構(gòu)上方的視覺相機采集葡萄果實及葡萄枝的位置，通過控制程序及相關(guān)算法，利用機械臂將末端執(zhí)行機構(gòu)中刀片與夾爪移動至適合進行采摘的位置。在完成上述 2 個步驟后，再通過控制程序控制夾爪及刀片閉合，對葡萄枝進行剪切工作，在剪斷葡萄枝的同時，刀片下方的夾爪夾持住斷面下方葡萄枝，再進行裝車。

　　方案 2：采用的運動方式為輪式，能量轉(zhuǎn)化裝置采用小型汽油機，該方案的葡萄采摘機器人采用車輪作為運動方式，制動方式為盤式制動，且傳動方式為皮帶傳動。此方案通過兩側(cè)的視覺相機檢測葡萄簇后，通過控制程序控制車體靠近目標位置，再由末端執(zhí)行機構(gòu)上方的視覺相機檢測信息，控制機械臂完成采摘，其實現(xiàn)功能的過程與方案 1 大致相同。

　　1.4 設(shè)計方案的評價與選擇

　　本文采用效用值分析法進行方案的評價與選擇。作為系統(tǒng)工程學(xué)的重要評價方法之一，效用值分析法主要是將待評價的目標看作 1 個系統(tǒng)，為滿足該系統(tǒng)，會提出一個總目標，記為 E。總目標下會劃分出更細的分目標，記為 E?和 E?，為 1 級分目標;1 級分目標會存在更細的分目標，即 E?的分目標記為 E??和 E??，即 E 的 2 級分目標;同時 2 級分目標也會存在更細的分目標，即 E??的分目標記為 E???和 E???，即 E 的 3 級分目標。以此類推，最終會形成一個呈樹狀結(jié)構(gòu)的目標分級，即目標樹。其中最末級別的評價目標是總目標的具體評價目標，即評價標準。

　　建立評價目標樹時應(yīng)選擇起決定作用的設(shè)計要求與條件作為主要目標，且各個目標之間應(yīng)當相互獨立。由于各級別評價目標在同級別中的重要程度不同，以加權(quán)系數(shù)來表示各評價目標的重要程度，通常取 0~1 之間的數(shù)字來表示，各級別評價目標的加權(quán)系數(shù)之和應(yīng)為 1。

　　在確定評價目標樹和加權(quán)系數(shù)之后，針對各方案相應(yīng)的分目標進行評價打分。在效用值分析法中，常以 0~10 分來評價該分級評價目標的價值，可以將分級評價目標的分數(shù)(s)乘以對應(yīng)的加權(quán)系數(shù)(p)得到該分級評價目標的加權(quán)分價值(l)，則該方案的總價值(V)則可以通過計算各分級評價目標的加權(quán)價值之和來表示。

　　對比數(shù)據(jù)得出 V?>V?，即表示方案 1 更優(yōu)，因此選擇能量轉(zhuǎn)化裝置采用直流電機，能量傳遞模式采用齒輪傳動，行走裝置采用履帶，末端執(zhí)行機構(gòu)安裝有視覺相機的葡萄采摘機器人的設(shè)計方案作為本次研究的最終設(shè)計方案。

　　2 葡萄采摘機器人的結(jié)構(gòu)設(shè)計

　　葡萄采摘機器人主要包括末端執(zhí)行機構(gòu)、機械臂和車體 3 部分，其整體結(jié)構(gòu)三維圖展示了各部分的布局，主要設(shè)計參數(shù)也已明確。

　　2.1 車體部分的設(shè)計

　　葡萄采摘機器人車體部分主要由導(dǎo)向輪、支撐輪、張緊機構(gòu)、電機固定架和車架等部分構(gòu)成。本方案采用履帶作為行走部件，可根據(jù)不同地面環(huán)境選擇合適的履帶型號，且設(shè)計有張緊結(jié)構(gòu)來保證履帶的正常工作;驅(qū)動輪作為整個行走機構(gòu)的動力來源，其尺寸比其余承重輪大，有配合履帶傳動的凸起結(jié)構(gòu)，且單側(cè)履帶與一個驅(qū)動輪配合;底部四組承重輪，采用兩輪為一組的配隊方式，提升整個車體結(jié)構(gòu)的承重能力，保證履帶運行的可靠性。

　　2.2 機械臂部分的設(shè)計

　　本方案目標為進行葡萄采摘作業(yè)，由于葡萄果實所在高度不統(tǒng)一，需要機械臂來調(diào)整末端執(zhí)行機構(gòu)的高度。本設(shè)計中，將機械臂的結(jié)構(gòu)主要分為底座部分、大臂和小臂 3 個部分，設(shè)計出一個六軸機械臂。一般葡萄果穗距離地面的距離在 1.2～1.6m，故設(shè)計的機械臂高度加上車體部分在 1.5m 左右。常見的葡萄枝的粗細在 1～3mm，為避免無法完全切斷葡萄枝，設(shè)計的末端執(zhí)行機構(gòu)的刀片錯位距離為 0.1mm，即刀片突出于夾持平臺 0.1mm。

　　底座部分：采用渦輪蝸桿傳動將電機的水平轉(zhuǎn)動轉(zhuǎn)化為主軸豎直方向的旋轉(zhuǎn)，從而帶動固定在主軸上的機械臂部分旋轉(zhuǎn)。

　　大臂部分：采用平行四邊形原理保證了大臂運動的穩(wěn)定性，兩側(cè)電機分別控制大臂部分的旋轉(zhuǎn)和小臂方向的旋轉(zhuǎn)。

　　小臂部分：采用將電機集中布置在尾部的方案，避免了將電機放置于關(guān)節(jié)處導(dǎo)致的重量分布不均勻和關(guān)節(jié)處受力過大的問題，通過 3 個電機分別控制軸 1、軸 2、軸 3 旋轉(zhuǎn)，3 個電機的傳動采用同心且中空的軸進行傳動，起始位置通過交錯的齒輪傳動方式連接，末端的腕部采用斜齒輪方式連接，其中軸 3 與末端執(zhí)行機構(gòu)相連接。

　　2.3 末端執(zhí)行機構(gòu)的設(shè)計

　　末端執(zhí)行機構(gòu)是通過舵機提供夾爪夾持的動力，頂部安裝有視覺相機對葡萄果實與葡萄枝進行識別，夾爪上側(cè)安裝有夾持嚙合面與夾爪平行但不同面的切斷裝置。夾爪夾持動力由安裝在底部的舵機提供，頂部留有 2 個定位孔可安裝視覺相機。在夾爪的上側(cè)安裝有刀片，其嚙合時刀片互相接觸的平面與夾爪互相接觸的平面有 1mm 的錯位。

　　3 葡萄采摘機器人控制系統(tǒng)的設(shè)計

　　3.1 控制程序總體設(shè)計

　　葡萄采摘機器人需要實現(xiàn)動態(tài)環(huán)境下的精準采摘與自主導(dǎo)航，其控制系統(tǒng)需要滿足高實時性、低功耗及復(fù)雜環(huán)境適應(yīng)性的要求。基于分層控制理論，將系統(tǒng)劃分為感知模塊、決策模塊與執(zhí)行模塊，各模塊通過實時通信協(xié)議 ROS Topic 協(xié)同工作。

　　本方案采用模塊化設(shè)計的原則，將各功能模塊獨立開發(fā)，通過標準化接口實現(xiàn)數(shù)據(jù)的交互，便于后期維護與功能擴展。其次，引入多傳感器數(shù)據(jù)融合(MSDF)算法，確保單一傳感器失效時，系統(tǒng)仍能正常運行。為保證機械臂運動控制與避障響應(yīng)的時效性，采用 RT-Thread 實時操作系統(tǒng)(RTOS)，以確保任務(wù)調(diào)度周期≤10ms。

　　3.2 模塊系統(tǒng)設(shè)計方案

　　感知模塊設(shè)計

　　視覺定位：采用 Intel RealSense D435 深度相機(分辨率 1280×720，幀率 30fps)，結(jié)合改進的 HSV-ORB 特征融合算法，在復(fù)雜光照條件下將葡萄簇的識別準確率提升至 94.2%(傳統(tǒng) HSV 算法準確率為 89.5%)。

　　力反饋：末端集成 ATI Mini40 六維力傳感器(量程 ±120N，精度 ±0.1N)，通過動態(tài)閾值調(diào)整策略，實時調(diào)整剪切夾持葡萄枝過程中的力的大小。

　　環(huán)境感知：采用 RPLIDARA2 激光雷達(掃描頻率 10Hz，探測半徑 16m)與 IMU(BMI088，采樣率 200Hz)組合，實現(xiàn)果園動態(tài)障礙物檢測(精度 ±2cm)與車體姿態(tài)的實時矯正。

　　數(shù)據(jù)融合：基于卡爾曼濾波(KF)融合視覺與激光雷達數(shù)據(jù)，構(gòu)建果園的三維柵格地圖(分辨率 0.1m)，并通過點云配準(ICP)算法更新目標位置，定位誤差≤1.5cm。

　　決策模塊設(shè)計

　　路徑規(guī)劃：采用 RRT*-APF 混合算法(快速探索隨機樹結(jié)合人工勢場)，對比傳統(tǒng) RRT 算法，該算法的功耗更低，生成路徑更短。

　　運動控制：機械臂逆運動學(xué)求解基于幾何解析法(計算耗時 < 1ms)，結(jié)合關(guān)節(jié)空間 PID 控制器(比例系數(shù) Kp=2.5，積分系數(shù) KI=0.01)，實現(xiàn) ±0.1mm 的重復(fù)定位精度。

　　執(zhí)行模塊設(shè)計

　　機械臂關(guān)節(jié)：Maxon EC60 無刷伺服電機(額定扭矩 0.64N?m，峰值扭矩 1.92N?m)配合 Harmonic Drive 減速器(減速比 1∶100)，實測關(guān)節(jié)響應(yīng)時間≤50ms。

　　末端執(zhí)行機構(gòu)：柔性夾爪采用 Shape Memory Alloy(SMA)驅(qū)動，夾持力 0.1～5.0N 連續(xù)可調(diào)，適應(yīng)不同直徑葡萄枝(1~3mm)的剪切需求。

　　移動底盤：基于 ROS 的 DWA 局部路徑規(guī)劃算法，在模擬葡萄園崎嶇地形(坡度≤15°)中導(dǎo)航成功率 98.5%，最大行進速度 0.8m/s。

　　3.3 控制流程設(shè)計

　　主程序采用有限狀態(tài)機(FSM)模型，具體流程包括初始化階段、目標檢測、路徑規(guī)劃、力控采摘和異常處理等環(huán)節(jié)。

　　初始化階段：傳感器自檢、機械臂歸零、地圖加載。

　　目標檢測：視覺相機快速掃描環(huán)境，若檢測到成熟葡萄簇(飽和度閾值 H∈[0,30]，S>100)，觸發(fā)采摘任務(wù)。

　　路徑規(guī)劃：決策模塊生成機械臂的運動軌跡與底盤導(dǎo)航路徑。

　　力控采摘：末端執(zhí)行機構(gòu)接觸葡萄枝后，根據(jù)力傳感器反饋動態(tài)調(diào)整夾持力度。

　　異常處理：若接觸力超限或?qū)Ш狡x路線，系統(tǒng)進入安全模式并重新開始規(guī)劃。

　　3.4 驗證結(jié)果

　　本研究通過 MATLAB/Simulink 搭建機械臂動力學(xué)模型，驗證軌跡跟蹤精度;利用 Gazebo 仿真環(huán)境測試導(dǎo)航算法的可行性。實驗表明，采摘成功率達 92%，單果平均耗時約 5s，優(yōu)于人工采摘效率。

　　4 結(jié)論

　　葡萄采摘作為農(nóng)業(yè)生產(chǎn)中的關(guān)鍵環(huán)節(jié)，長期面臨勞動力短缺、效率低下及成本高的問題。本研究基于現(xiàn)代設(shè)計方法學(xué)，提出并開發(fā)了一種適用于復(fù)雜果園環(huán)境的葡萄采摘機器人，旨在推動農(nóng)業(yè)裝備的智能化轉(zhuǎn)型。通過功能分解與形態(tài)矩陣構(gòu)建，明確了機器人的核心模塊，并采用效用值分析法篩選出最優(yōu)設(shè)計方案。最終方案采用履帶式行走裝置、直流電機、齒輪傳動及六軸機械臂結(jié)構(gòu)，集成多模態(tài)感知與實時控制技術(shù)，提升了葡萄采摘效率與適應(yīng)性。

　　盡管本研究取得了階段性的成果，但仍存在一定的局限性。例如，在實際果園試驗中，復(fù)雜的光照與枝葉遮擋可能導(dǎo)致視覺識別率波動;機械臂在密集的葡萄簇中的避障功能仍需進一步優(yōu)化。未來工作將聚焦于深度學(xué)習(xí)算法的引入以提高復(fù)雜果園環(huán)境適應(yīng)性，同時探索輕量化材料與能源優(yōu)化策略，延長機器人的續(xù)航能力。此外，通過大規(guī)模的實際試驗累積數(shù)據(jù)，完善機器人對不同葡萄品種與種植模式的兼容性，將是推動其產(chǎn)業(yè)化的關(guān)鍵。

　　推薦閱讀：采摘機器人方向優(yōu)秀論文選題參考50個

如果您現(xiàn)在遇到期刊選擇、論文內(nèi)容改善、論文投稿周期長、難錄用、多次退修、多次被拒等問題，可以告訴學(xué)術(shù)顧問，解答疑問同時給出解決方案 。