果實采摘機械手的設(shè)計與仿真-小車式帶果籃【三維SW】

喜歡這套資料就充值下載吧。資源目錄里展示的都可在線預(yù)覽哦。下載后都有，請放心下載，文件全都包含在內(nèi)，圖紙為CAD格式可編輯，有疑問咨詢QQ:414951605 或 1304139763p 附錄B 外文文獻及翻譯 自主農(nóng)業(yè)機器人的設(shè)計 摘要：本文對自主農(nóng)業(yè)機器人的發(fā)展進行了最先進的綜述，包括制導(dǎo)系統(tǒng)、溫室自動系統(tǒng)和水果采集機器人。本文設(shè)計了一種野外作物機器人機器選擇性收獲易損水果和蔬菜的一般概念。為了使機器人成為農(nóng)業(yè)生產(chǎn)的可行選擇，未來趨勢必須采取自主農(nóng)業(yè)機器人是重中之重。 一個模型機，含有這個設(shè)計的一部分，已經(jīng)被實現(xiàn)了，用于甜瓜的收獲。這臺機器由一個安裝在由拖拉機牽引的移動底盤上的笛卡爾機械手組成。兩個視覺傳感器被用來定位水果并引導(dǎo)機械手臂向它靠近。一個鉗子夾住甜瓜，把它從藤上分離出來。實時控制一個由黑板系統(tǒng)組成硬件架構(gòu)，其中包含了通過PC總線進行傳感、計劃和控制的自動模塊。大約85%的水果成功地定位并收獲了。 關(guān)鍵詞：機器人，自主，農(nóng)業(yè)，智能控制 介紹 機器人是一種可以用來執(zhí)行各種農(nóng)業(yè)任務(wù)的感知能力的機器，例如種植、移植、噴灑、修剪和選擇性收割。農(nóng)業(yè)機器人的出現(xiàn)有可能提高新鮮農(nóng)產(chǎn)品的質(zhì)量，降低生產(chǎn)成本，減少體力勞動的任務(wù)量。然而，復(fù)雜的農(nóng)業(yè)文化環(huán)境，結(jié)構(gòu)松散的基礎(chǔ)技術(shù)必須被解決。如：在三維連續(xù)變化的軌道上移動操作;難以探測和到達（由樹葉隱藏，并在樹枝間放置）的目標的隨機位置;水果大小和形狀的變化;易損壞的產(chǎn)品;以及惡劣的環(huán)境條件，如灰塵、灰塵、極端溫度和濕度。 水果的位置、大小、形狀和成熟度的不確定性需要一個復(fù)雜的感官系統(tǒng)，它必須識別在不斷變化的光照條件（云、太陽方向）中部分遮擋的水果，并確定一個特定的水果是否成熟。由可變車輛速度和不平坦地形引起的位置不確定需要速度和位置的監(jiān)測。因此，整個任務(wù)需要動態(tài)的、實時的環(huán)境解釋和對各種依賴于依賴的操作的控制。 摘要本文的目的是探討自主農(nóng)業(yè)機器人發(fā)展過程中所涉及的困難和復(fù)雜性;展示自主農(nóng)業(yè)-文化機器人的先進技術(shù);并為一個自主的野外作物機器人機器設(shè)計一個總體概念和設(shè)計。這一概念的初步實現(xiàn)將會被介紹。這篇文章是對未來的研究和開發(fā)（R&D）方向的總結(jié)，在商業(yè)機器人成為農(nóng)業(yè)活動的可行選擇之前，必須進行研究。 自動導(dǎo)航傳感器 與軍用或公共交通機器人相比，移動機器人的研究與構(gòu)建路徑相關(guān)，這是一種基于對環(huán)境的完全感知所選擇的路徑。 農(nóng)業(yè)機器人的技術(shù)指導(dǎo)通常是簡單的問題，如尋找下一排柑橘樹，下一犁耕犁，等等。然而，由于機器人在一個充滿敵意和不可預(yù)知的環(huán)境中運行（斜坡、山丘、泥、巖石），所以對農(nóng)用機器人的自動移動控制是非常困難的。由于移動區(qū)域相對較大（1公里），這一情況更加復(fù)雜。盡管需要的系統(tǒng)不太精確（對于工業(yè)操作來說，cm與mm），但是整個系統(tǒng)的分辨率必須非常高才能獲得必要的精度。 由Tillet [33]提出了一份關(guān)于農(nóng)業(yè)系統(tǒng)的自動導(dǎo)航傳感器的回顧。它包括了機械傳感、超聲波、無線電頻率、陀螺儀、前導(dǎo)電纜和光學系統(tǒng)?；诓煌膫鞲蟹椒ǎ鹤詣痈飨到y(tǒng)的光學技術(shù)，已經(jīng)開發(fā)出了一套自動導(dǎo)航系統(tǒng)。用于檢測皺紋的照片探測器;紅外傳感器作為旋轉(zhuǎn)[21]的指示器; 一種以激光為動力的草坪拖拉機[12]和定位傳感系統(tǒng)，基于激光[29]，[23];被動雷達信標[4]和地理定位系統(tǒng)[30]。微型計算機用于計算拖拉機位置誤差和不同的控制算法，例如，開/關(guān)[36];比例，模糊[34]，用于定位和設(shè)置正確的轉(zhuǎn)向角度。分布式控制系統(tǒng)似乎最適合實時響應(yīng)，由Brandon 5實現(xiàn)。 溫室自主系統(tǒng) 由于環(huán)境相對可控并且比外部農(nóng)業(yè)環(huán)境更有條理，溫室內(nèi)車輛的自主操作更容易。 AGV在溫室中的實施有助于減少自動噴涂的危害，提高工作舒適度和勞動效率，并可能提高操作的準確性。 已經(jīng)開發(fā)了幾種用于溫室運輸操作的原型自動四輪車，例如紅外制導(dǎo)[36]; 領(lǐng)導(dǎo)有線網(wǎng)絡(luò)路由[20]：在這兩個指導(dǎo)是完全自治的，但是，所有任務(wù)仍然是手動執(zhí)行。 在日本開發(fā)了一個完整的自主機器人的初步研究，其中一個多用途操縱器（番茄采摘器和選擇性噴霧器）連接到一個AGV上[22]。 收割機器人 在將機器人應(yīng)用于各種農(nóng)業(yè)收獲任務(wù)方面進行了廣泛的研究：柑橘[15]、[16]、[18];蘋果[19],[28];西紅柿[22];蘆筍[17];黃瓜[1]; 西瓜[2],[9];葡萄[31]。這些研究集中于自然環(huán)境中的物體檢測、夾具和機械手的設(shè)計和運動控制。在水果采摘機器人上的研發(fā)并不是針對自動制導(dǎo)的，盡管有幾輛自動駕駛的汽車被建議使用[27]：在一個專用平臺上安裝的水果選擇器，要么是在中間的配置中，要么是一個自動的系統(tǒng)，它可以管理樹木。 水果位置 一些傳感技術(shù)已被調(diào)查用于水果檢測：視覺[28]; 紅外[8],[13];結(jié)構(gòu)光[3],[38]。在所有的水果中，只有85%被鑒別出來，而不管它的傳感技術(shù)或算法。 夾具和機械手設(shè)計和運動控制。 平均2秒的采摘周期是農(nóng)業(yè)機器人的常見需求。由于工作空間相對較大，這意味著執(zhí)行器必須有很高的速度。另一方面，執(zhí)行機構(gòu)的精確度可能不如工業(yè)操作（cm而不是mm）。然而，由于物體的尺寸和位置的變化，末端執(zhí)行器必須具有足夠的適應(yīng)性，從而為機器人提供必要的順應(yīng)性，[31]、[35]。 只有一個移動的農(nóng)業(yè)機器人的例子，對于葡萄樹的修剪[32]。然而，這僅僅是在實驗室條件下實現(xiàn)的。系統(tǒng)的計算效率和警戒線的彎曲程度限制了機器人手臂可以移動的最快速度，并且仍然正確地定位末端執(zhí)行器。這個系統(tǒng)是由兩個安裝在眼睛上的追隨者的攝像機引導(dǎo)的。至少80%的位置更新被放置在±1 cm，速度在7.5厘米/秒到12.3厘米/秒之間。然而，在此技術(shù)應(yīng)用之前，必須進行廣泛的研究。 概要 本文開發(fā)了自主控制農(nóng)業(yè)機器人的傳感、智能控制和控制元件。在溫室里，由于相對容易的環(huán)境，系統(tǒng)更先進的車和幾種原型車已經(jīng)被演示。 然而，原型水果收獲機已經(jīng)發(fā)展起來了，重點一直放在定位、接觸和采摘水果的關(guān)鍵問題上，而不是自主指導(dǎo)。盡管如此，已經(jīng)開發(fā)和實施了一些用于現(xiàn)場指導(dǎo)和轉(zhuǎn)向控制的算法。 然而，對于一個完全自主的農(nóng)業(yè)機器人的開發(fā)，只涉及自動車輛制導(dǎo)和農(nóng)業(yè)任務(wù)的執(zhí)行，只有初步的研究。 自主野外作物機器人機的設(shè)計 傳感系統(tǒng) 該傳感系統(tǒng)由傳感器組成，以檢測果實，確定水果的成熟度和機器人的位置。 為了在不可預(yù)測的農(nóng)業(yè)環(huán)境中進行強有力的操作，機器人必須為每一項任務(wù)配備一個冗余的多傳感器系統(tǒng)。 車輛的位置。 “持續(xù)更新車輛的位置對于精確地控制車輛的行駛方向和精確的目標攔截至關(guān)重要（因為車輛在不平坦的地形中前進，其速度不穩(wěn)定）。真正的距離必須來自于在目標探測時的載波位置和截擊時間的位置之間的坐標。 視覺似乎是最適合沿著這一行精確制導(dǎo)的技術(shù)。 通過計算在第25、6行中生成的所有直線的消失點，可以推導(dǎo)出標題錯誤信息。 輪式移動機器人可以估計當前機器人點和方向通過積累使用編碼器的旋轉(zhuǎn)輪子,陀螺羅盤,等等。然而,由于固有的傳感器不準確,粗糙表面(導(dǎo)致滑)和估計的錯誤積累隨著機器人一個額外的位置傳感器是至關(guān)重要的。這個傳感器可以是一個全局傳感器，例如，激光，GPS提供絕對位置或傳感器，通過連續(xù)的環(huán)境對環(huán)境的感知來提供相對位置。在這兩種情況下，都必須開發(fā)算法來糾正固有的累積錯誤。 水果的位置：視覺傳感器往往是最合適的技術(shù)，用于處理隨機部分遮擋目標的各種尺寸、形狀和顏色。實時專用的成像硬件對于實時響應(yīng)是至關(guān)重要的。使用兩個級別的圖像傳感器：一個用于全局路徑規(guī)劃（遠視），另一個用于本地指導(dǎo)（近視）。為了進一步提高檢測的可靠性和準確性，必須使用不同類型的傳感器，并必須開發(fā)傳感器融合技術(shù)來合并信息。 水果成熟：必須確定有選擇性的收獲。目前正在探索幾種非破壞性的技術(shù)來評估水果的質(zhì)量（視覺、核磁共振、聲音、近紅外），然而，大多數(shù)這些系統(tǒng)還沒有作為商業(yè)單位的28種。此外，一旦可行，就必須為實時操作開發(fā)算法。 控制 專用和獨立的控制器必須為車輛制導(dǎo)、操縱器運動控制、夾具和傳感器活動而使用。 車輛制導(dǎo)：該控制系統(tǒng)必須實現(xiàn)車輛的轉(zhuǎn)向和控制整體車輛的運行：停止起動; 前進速度等。 機械手控制：負責對每個執(zhí)行機構(gòu)的精確控制，并采用閉環(huán)的反饋。 夾鉗控制：夾持器調(diào)整手腕并掌握動作。 傳感器控制：由于全局檢測設(shè)備不能完全準確地控制任務(wù)，執(zhí)行機構(gòu)通常需要完成傳感操作28。 因此，必須使用主動感應(yīng)，例如，將鼓風機引導(dǎo)到一個有光的水果位置，以不同的角度拍攝額外的圖像。 智能控制系統(tǒng)和算法 基于傳感器的控制應(yīng)用程序需要一個靈活的、實時的多任務(wù)處理和并行編程，它可以集成感知、計劃和控制。因此，智能控制系統(tǒng)，是設(shè)計為分布式獨立傳感、規(guī)劃和控制模塊[10]。 圖1黑板機器人控制器的示意圖. 由于它對復(fù)雜和不合理的結(jié)構(gòu)問題很有用，并且使用了機會主義推理，所以使用了黑板方法[11]。這對于在動態(tài)農(nóng)業(yè)環(huán)境中進行健壯的操作是很重要的，例如，由于云或陰影的變化需要不同的圖像處理例程;而水果分布的變化意味著激活不同的運動控制算法。對于問題的每個部分和解決方案的每個階段，都可以選擇最佳的知識表示和解決方案策略。定性和定量的方法可以結(jié)合。 農(nóng)業(yè)機器人黑板系統(tǒng)（圖1）包括來自兩個視覺傳感器（遠及近）、距離編碼器的數(shù)據(jù)、車輛的位置以及機器人傳感器提供的當前機器人/夾具狀態(tài)的信息。控制模塊由幾個獨立的進程來表示，它們并行運行，控制不同 硬件設(shè)備，如機器人馬達、汽車方向盤和控制。 為了減少復(fù)雜性，智能控制器被劃分為兩個層次結(jié)構(gòu)：一個高級的規(guī)劃板和一個低級的控制板。 由于它的復(fù)雜性，并且它提供了關(guān)于機器人環(huán)境的最重要的信息來源，所以視覺系統(tǒng)必須是一個獨立的獨立模塊。必須使用專用的實時圖像處理硬件和軟件。為規(guī)劃引入了傳感器的層次結(jié)構(gòu) （遠視）和控制（接近視覺）水平。必須將額外的傳感模塊納入水果檢測、水果成熟度測定和車輛指導(dǎo)。 專用運動控制板必須處理所有編碼器輸入解碼、控制信號的數(shù)字濾波和模擬電機指令的生成與機械手控制有關(guān)。此外，運動控制器必須提供限制和緊急停止開關(guān)。必須使用額外的專用電機控制單元來控制車輛，并發(fā)出移動和速度命令。 機器瓜收獲機的實施 系統(tǒng)設(shè)計 這個機器人瓜收割機由一個安裝在移動平臺上的機器人手臂組成，它是由一個拖拉機牽引的（圖2）。這個平臺是一個長方形的鋼架，后面有兩個輪子。前端與牽引器的牽引桿相連。該平臺分為兩個領(lǐng)域。前面的區(qū)域包含一個視覺傳感器（遠攝相機），并提供了一個清晰的視野，可以看到整個床的位置來檢測迎面而來的瓜類。安裝在平臺上的鼓風機清除了西瓜上的葉子，露出了被樹冠遮蓋的瓜。 一個笛卡爾的機械手位于第二個區(qū)域，就在第一個區(qū)域的后面。機械手的工作空間是150萬到150萬。這使得人們可以在床上的任何位置，以及在兩邊的平臺上放置的特殊的傳輸裝置。夾具的垂直間隙是0.9 m，足夠選擇一個水果，并將其裝進平臺兩側(cè)的傳輸器中。一個氣動夾具通過一個靈活的關(guān)節(jié)連接到機器人手臂上，以吸收由水平運動引起的側(cè)向載荷，這是由水平運動產(chǎn)生的。 操縱器是由 帶編碼器反饋的電氣直流伺服電機。第二個（近）的視覺傳感器安裝在一個恒定高度的夾鉗上的選擇區(qū)域。它可以被看作是一種直觀的架構(gòu)，它提供了引導(dǎo)選擇機制的最終信息。近景相機位于較小的高度，視野狹窄。 電機控制：電機與信號放大器連接，它執(zhí)行伺服電機控制協(xié)議，對軟件。為了與放大器交互，使用基于PC的運動控制接口卡（Galil DMC-600）。機械臂沿著三個軸的位置由一個計算機程序控制，所以它可以被發(fā)送到任何想要的位置 跟蹤邊界。為了防止在程序失敗的情況下運行，在三個軸的兩端都安裝了近距離傳感器來限制旅行。當機械臂到達其中一個傳感器時，會自動產(chǎn)生一個“默”停止信號，所有的馬達都會被關(guān)閉。 為了避免碰撞到地面，一個額外的傳感器被連接到Z軸上。如果地面（或任何其他障礙物）到達垂直向下運動時，也會產(chǎn)生緊急停止信號。 此外，DMC卡有一個8位的輸入輸出端口，用于牽引運動控制（停啟動）和夾具/刀具控制。 圖2所示 原型機瓜收獲機原型設(shè)計. a. 側(cè)視圖; b. 主視圖; c.俯視圖; d. 圖片 瓜果檢測：“視覺硬件由兩個攝像頭和一個實時圖像處理系統(tǒng)組成。這種視覺傳感器是一種NEC NC-15 CCD相機，配備了一個FUJINON 6毫米自動光圈鏡頭和自動黑/白平衡。它提供了顏色NTSC和RS-170的輸出，分辨率為683 x 492。圖像處理硬件是一個基于pc的Matrox圖像系列板，它利用了一個增加處理速度的管道結(jié)構(gòu)。對遠攝相機進行了不同的成像技術(shù)：gre層次;顏色;紅外結(jié)構(gòu)光。目前的灰色-層次和顏色的算法使用了感興趣的對象的反射、形狀和大小信息。采用全球閾值技術(shù)進行分割。 車輛運動：一種增量式光學編碼器（Renco，R-250）用于確定航空母艦所走過的路徑。編碼器每一次旋轉(zhuǎn)產(chǎn)生256個脈沖。這些脈沖是特殊硬件解碼卡的輸入。解碼方案的輸出是一個字節(jié)，它的值與計數(shù)脈沖相等，因為最后的解碼器重置完成了。重置用于將計數(shù)器的值設(shè)置為零。解碼器的精度是0.92個脈沖/厘米。解碼器輸出字節(jié)通過標準的并行打印機端口傳輸?shù)絇C上。 這種牽引機附在機器人平臺上，由一個特殊的液壓馬達驅(qū)動，它提供了一個恒定的速度。電機是連接在一起的，以提供使機器人向前和向后移動的能力。運動方向是由一個特殊的電氣開關(guān)建立的，它有一個控制輸入線連接到DMC控制器的輸出端口。這使得控制軟件能夠控制液壓馬達。這個程序可以發(fā)出三個動作命令，向前，向后，停止激活或停止機器人運動。操縱器校正由操作員提供。 軟件實現(xiàn)：控制軟件的兩個層次。 一種類似于VAL語言的低級的DMC軟件，用于低水平的機械手控制和一個高級的控制程序，在C編程局域網(wǎng)中編程，并在微軟C（ver.C語言下開發(fā)。6.00)。為了實現(xiàn)全面的多任務(wù)處理能力，它是在05/2操作系統(tǒng)下運行的。多處理是通過在對比中運行幾個過程實現(xiàn)的。進程間通信是使用共享內(nèi)存、隊列和信號量實現(xiàn)的。 實現(xiàn)了幾個獨立的線程（子進程）：程序（用戶界面線程——系統(tǒng)的主要執(zhí)行過程），MT（makox線程），RCT（機器人控制線程——控制著鉗子的移動和軌跡規(guī)劃），RIT（機器人的內(nèi)部線程——將來自不同線程的命令傳輸?shù)綑C器人控制器），ET（編碼器線程）。它們各自獨立運作，有自己的目的地，并控制著自己的系統(tǒng)部分。每一個輸入依賴的過程都有自己的控制變量，這些變量是共享的，可以通過程序來改變。 系統(tǒng)操作和評價方法 對兩種不同的操作模式進行了評價：步進模式（脫機）和連續(xù)模式（在線）。在階梯模式下，拖拉機沿著行前進，在每批水果上停留。然后，機器人手臂接近每一種水果，并挑選出它們。一旦所有成熟的水果被采摘下來，拖拉機就會進入下一批。在連續(xù)模式下，機器人手臂向水果移動，然后在牽引器沿行移動時跟隨它。 進行了三種不同的實驗：成像、水果采摘和在線模式測試。在兩個不同的季節(jié)，在兩個不同的地點分別進行了兩個不同的西瓜品種的田間試驗：恩塔瑪（約旦河谷;益格里亞（以色列谷）和基布茲。在春季（4月）和夏季（7月），1993年的季節(jié)里。 主要的成像分析包括黑白（B&W），灰層次成像[8]。然而，由于只有80%的水果在這種模式下被檢測到，額外的圖像處理技術(shù)被評估：顏色，紅外線和結(jié)構(gòu)光。所有的成像實驗都是在連續(xù)模式下進行的操作,即。 表1視覺和激光系統(tǒng)檢測結(jié)果的總結(jié) 當拖拉機沿著瓜床前進時，圖像被折斷了。所有的分析都是獨立進行的。與機器人的操作沒有任何聯(lián)系。 所有的水果采摘實驗都是用B&W成像技術(shù)在步進模式下進行的。 此外，在實驗室中進行了在線模式測試，以確定可以達到的最大性能。在這些實驗中，為系統(tǒng)提供了理想的視覺條件。這包括在野外通常覆蓋真正的瓜類的葉子，以及要捕捉的目標的白色著色。在實驗過程中，“球”（球）被放置在不同距離的地面上。這個實驗的目的是定義兩個相鄰目標之間的最小數(shù)量和最小的距離，使機器人能夠在不停止的情況下抓住目標。實驗的另一個目的是確定取一個甜瓜的平均時間，并將其移植到傳送帶上。 所有的在線實驗都是針對兩種不同的拖拉機速度10和5厘米/秒進行的;與最大和最小的拖拉機速度相對應(yīng)）和兩種不同的機械手速度（75和37.5厘米/秒）。因此，對每個西瓜的設(shè)置進行了四種類型的實驗。 性能結(jié)果 傳感性能 結(jié)果表明灰色水平和基于顏色的算法在測試的品種中有相同的數(shù)量，并且檢測到大約80%個水果（表1）。水果的提及（水果和它的葉子直徑的比值）是關(guān)鍵的參數(shù)：檢測結(jié)果改善了更大的水果。非檢測病例是樹葉遮擋（12%）和小瓜，直徑小于10厘米（6%）。一些錯誤檢測的案例是由大的明亮的葉子和/或由塑料薄膜的明亮圖案引起的。 該算法的執(zhí)行時間是可以接受的，因為它處于估計的平均機器人收獲周期[9]的范圍內(nèi)。 激光系統(tǒng)探測到的西瓜更少。然而，這是由于該算法沒有針對實時系統(tǒng)進行優(yōu)化，因此在分析過程中，由于長時間的計算，部分視頻幀被忽略了。最終，激光系統(tǒng)算法應(yīng)該比其他成像技術(shù)快得多。因此，所提出的結(jié)果只能被認為是初步的。 由于沒有專門的研究系統(tǒng)，僅對紅外成像[8]進行了初步分析。這一分析表明，在田地里不同的物體——瓜、葉和地——的溫差很大程度上取決于白天的時間，在日落之后達到最大值。與在可見光譜中獲得的圖像不同，在瓜地的位置上，葉子是主要的錯誤來源，所以在紅外光譜中分辨出瓜和葉子并不是特別困難;這可以通過設(shè)定閾值來實現(xiàn)。在這種情況下，錯誤的來源是由開闊的地面斑塊引起的，其溫度與瓜類的溫度是相互的。需要進一步的研究來評估紅外成像對甜瓜位置的潛在影響。將紅外成像與常規(guī)視覺相結(jié)合，可以進一步提高甜瓜的檢測效果。 必須進一步研究基于顏色的方法。問題是，瓜類和葉子之間的光譜差異是相互依賴的，有時葉子會像成熟的水果一樣出現(xiàn)黃色，這可能是錯誤檢測的原因。高質(zhì)量的彩色攝像機應(yīng)該用于改善圖像采集;顏色必須校準。彩色分割技術(shù)可以在未來應(yīng)用?；陬伾停ɑ谛螤畹模┗叶确椒梢越M合起來，以提高檢測結(jié)果。為此，必須開發(fā)傳感器融合技術(shù)。 必須開發(fā)一種自適應(yīng)分割技術(shù)。這可以通過對被懷疑是成熟果實的圖像區(qū)域的局部獨立分割來實現(xiàn);這些地區(qū)必須根據(jù)其高平均強度來確定。必須進一步研究人工照明和遮陽效果?？諝獗ǖ挠绊懯蔷薮蟮模c視覺的相互作用需要更多的調(diào)查。必須開發(fā)視覺和空氣爆炸活動的硬件同步。 表2直線瓜的實驗數(shù)據(jù)（在線） 圖 3直線瓜的實驗數(shù)據(jù)（離線） 運動控制性能： 在水果采摘實驗中，大約85%的成熟水果被成功地收獲了。對現(xiàn)場結(jié)果的分析正在進行中。 目前，只有在實驗室中進行的在線模式測試已經(jīng)被分析了： 在表2中，可以讓機器人在沒有停止的情況下沿著行前進的最小距離。當速度減小時，最小距離減小。然而，由于在運動的開始和結(jié)束時的延遲和減速所造成的延遲，更大的選擇時間并沒有相應(yīng)的減少。 當這些瓜被放置的距離小于最小值的時候，機器人就產(chǎn)生了一個停止信號，然后停止，直到所有的瓜都被撿起來。拖拉機的前進運動在機械臂工作空間中所有的瓜都被摘走后自動恢復(fù)。在早期版本的控制中 不支持停止算法，結(jié)果機器人錯過了部分西瓜。 同樣的甜瓜設(shè)置也進行了離線模式的實驗。由于拖拉機的速度不影響整體性能，所以所有的實驗都是在10厘米/秒的拖拉機速度下進行的。結(jié)果在表3中進行了總結(jié)。 一般來說，隨著機器人的速度增加，平均周期時間會減少。平均采摘時間非常大（40 s），而隨后的西瓜之間的距離是50厘米。在這種情況下，當我們移動到一個甜瓜的時候，下一個甜瓜離遠的相機視野太遠了，遠不能被遠攝相機檢測到。因此，拖拉機必須返回到遠傳感器的工作空間里的甜瓜。有了這個甜瓜的設(shè)置，在線操作模式比離線模式快3-4倍。 瓜類通常是成群的，每組9個西瓜。當瓜類在集群中，機器人必須停下來撿起所有的水果。表4展示了不同瓜果的結(jié)果。最好的結(jié)果（每瓜8秒）的速度（5厘米/秒）小于最大速度（10厘米/秒）。拖拉機的高速運轉(zhuǎn)使得在采摘過程中需要停止，從而減慢了整體的性能。這證明了最優(yōu)速度參數(shù)并不總是最大的速度參數(shù)。平均選擇時間取決于機器人和機械手的速度。當機器人必須停止時（為了不漏掉瓜類），平均采摘時間幾乎沒有增加，因為大部分時間在停止時被“浪費”了。 這些循環(huán)時間驗證了模擬結(jié)果[9]。因此，在模擬結(jié)果的基礎(chǔ)上，可以在模擬結(jié)果的基礎(chǔ)上，將兩個手臂平行于一個定制的園藝實踐[9]，從而達到2秒的平均收獲周期時間。 表4.聚類瓜的實驗數(shù)據(jù)（在線） 結(jié)論和未來趨勢 一種機器人野外作物機器人已經(jīng)被簽署，有選擇性地收獲容易受傷的水果和蔬菜。整體設(shè)計可以很容易地適應(yīng)，以促進其他任務(wù)，如收獲類似的作物、選擇性噴灑和移植。已經(jīng)建立了一個收獲瓜的原型機，并進行了實地測試。 大多數(shù)用于水果檢測的感官系統(tǒng)和算法都能檢測到80%到85%。必須使用多個傳感器來提高檢測的可靠性和準確性。通過采用融合多種信息的傳感器融合技術(shù)，可以獲得更完整的現(xiàn)場知識。必須制定和實施戰(zhàn)略，確定何時以及如何使用傳感器，以及如何組合大量信息。主動傳感可以進一步提高性能。 有兩種技術(shù)是完全發(fā)展移動選擇性收割機的技術(shù)：成熟的測定和3-D動態(tài)機器人制導(dǎo)。成熟的傳感器是依賴于水果的，因此很可能是限制因素，因為每個特定的應(yīng)用程序都必須針對每個特定的應(yīng)用程序。 另一個必須研究的問題是，當?shù)妆P在運動的時候，機器人手臂的控制可以接近并抓住果實。由于底盤在不斷變化的地形中移動，所以必須在不確定的情況下為對象跟蹤開發(fā)算法。摘要基于疊加法，建立和實現(xiàn)了初步算法，這是人類在修改正在進行的運動時所使用的策略的數(shù)學模型。 這些問題的成功發(fā)展將導(dǎo)致開發(fā)一種移動的、自主的機器人機器。毫無疑問，這將是一種突破——對高度易腐農(nóng)產(chǎn)品的機械化，并改善農(nóng)業(yè)生產(chǎn)。這種系統(tǒng)的經(jīng)濟可行性將會因機器人的多種用途而得到增強，例如用于收獲其他作物的應(yīng)用，以及執(zhí)行諸如移植等額外任務(wù)。增加收獲后的任務(wù)，如分級和排序也會增加這種經(jīng)濟潛力。 沒有共識的可行性農(nóng)業(yè)機器人作為一種替代方法為手工操作[27]:雖然所有可用會同意,沒有劃算的產(chǎn)品在市場上完全獨立操作,有些人會認為,與迅速發(fā)展的計算機和傳感器,它只是一個問題 時間和金錢;而另一些人則認為，農(nóng)業(yè)文化機器人在經(jīng)濟上永遠不會實用。然而，隨著勞動力成本的上升，對高質(zhì)量的新鮮農(nóng)產(chǎn)品的需求，以及電腦的成本不斷下降，另一方面，盈虧平衡點可能比預(yù)期的更接近。盡管如此，所有人都認為這一領(lǐng)域的研發(fā)是令人興奮和具有挑戰(zhàn)性的。 致謝 這項研究得到了贈款的支持。美國-1254-87和美國-1682-89，美國-以色列兩國農(nóng)業(yè)研究和發(fā)展基金，部分由Paul Ivanier機器人研究中心提供支持。我要感謝我的所有同事，他們?yōu)橘F賓羅姆人的成功發(fā)展做出了貢獻，也感謝了本文提出的許多想法。瑪莎卡德納斯-韋伯，梅尼本迪，尤里。多布林，阿默斯赫茨羅尼;艾薩克沃爾夫，尤瑟夫格爾曼，瓦迪姆羅戈津;教授瑪;最后但并非最不重要的是，我對大洋兩岸的領(lǐng)導(dǎo)人表示最深切的感謝，他們對這些概念進行了理解，并成功地完成了這個項目——尤里佩珀和巴迪邁爾斯教授。