孫艷霞，陳燕飛，金小俊，于佳琳，陳 勇

（1.南京交通職業(yè)技術(shù)學(xué)院 軌道交通學(xué)院，南京 211188；2.南京林業(yè)大學(xué) 機(jī)械電子工程學(xué)院，南京 210037；3.北京大學(xué)現(xiàn)代農(nóng)業(yè)研究院，山東濰坊 261325）

0 引言

茶葉源于中國［1］。其中，產(chǎn)量、出口量和消費(fèi)量最大的茶類為綠茶［2］，名優(yōu)綠茶的產(chǎn)值占茶葉總產(chǎn)值的50%以上［3］。根據(jù)芽葉狀態(tài)的不同，高檔名優(yōu)綠茶的鮮葉可以分為3 類：完整單芽、一芽一葉和一芽?jī)扇~［4］。當(dāng)前茶葉嫩芽依靠人工進(jìn)行選擇性采摘，采摘成本已超過生產(chǎn)總成本的60%［5］。國內(nèi)外現(xiàn)有的采茶機(jī)械大都采用整體式的采摘原理，難以區(qū)分茶梢芽葉及其老嫩，選擇性差，且芽葉破損嚴(yán)重，僅適宜采收鮮葉外形要求不高的大宗茶。近年來，國內(nèi)外針對(duì)名優(yōu)綠茶智能采摘的難題，開展了相關(guān)研究，取得諸多進(jìn)展，但仍有一些問題尚待解決。名優(yōu)綠茶智能化采摘，核心在于如何在非結(jié)構(gòu)化的茶田環(huán)境下對(duì)茶葉嫩芽進(jìn)行有效識(shí)別，定位采摘點(diǎn)并完成采摘?jiǎng)幼鳌Ｖ饕獓@嫩芽智能識(shí)別、采摘點(diǎn)定位以及機(jī)器人本體研制3 個(gè)方面［6］。

1 嫩芽識(shí)別

將新梢從茶蓬中識(shí)別出來，再將嫩芽從新梢中識(shí)別出來，是嫩芽識(shí)別的目標(biāo)。新梢是枝條的一部分，嫩芽又是新梢的一部分，顏色連續(xù)漸變、界限不明晰，且芽葉交錯(cuò)遮擋，將新梢、嫩芽逐層從背景中識(shí)別出來，問題難度逐步增加。從復(fù)雜的自然背景中識(shí)別出嫩芽是實(shí)現(xiàn)智能采摘的先決條件。楊福增等以“午子仙毫”茶葉為研究對(duì)象，在室內(nèi)白色背景下拍攝單株茶葉枝條圖像，基于顏色與形狀特征實(shí)現(xiàn)了部分嫩梢的識(shí)別［7］。WANG 等［8］研究了結(jié)合顏色和區(qū)域生長的茶葉圖像分割算法，對(duì)色差較明顯的茶葉品種，能分割出老葉和新梢。ZHANG 等［9］利用改進(jìn)的BG算法對(duì)嫩芽與茶樹冠層進(jìn)行區(qū)分。ABESINGHE等［10］提出了一種基于Haar-cascade 分類器的嫩芽識(shí)別方法，該研究主要針對(duì)兩葉一芽的茶芽。韋佳佳等開展了自然環(huán)境下茶葉嫩芽識(shí)別方法的研究［11］，分別在RGB、YIQ、Lab、HSI 以及YCrCb 5 種顏色空間下利用色彩因子對(duì)嫩芽進(jìn)行分割，試驗(yàn)表明，這些色彩因子均可在自然環(huán)境下對(duì)茶葉嫩芽進(jìn)行有效識(shí)別。

基于顏色或形狀特征的嫩芽識(shí)別方法所用特征相對(duì)單一，且對(duì)光照條件及茶芽背景較為敏感。近年，研究人員陸續(xù)開展了基于人工智能技術(shù)的嫩芽識(shí)別和檢測(cè)方法。孫肖肖等［12］首次將深度學(xué)習(xí)中的目標(biāo)檢測(cè)算法應(yīng)用到嫩芽識(shí)別研究，試驗(yàn)結(jié)果表明，相較于傳統(tǒng)圖像處理技術(shù)，深度學(xué)習(xí)對(duì)復(fù)雜背景下的茶葉嫩芽識(shí)別率更高。許高建等［13］開展了基于Faster R-CNN 模型的嫩芽識(shí)別方法，識(shí)別率為85.14%。LI 等［14］利用YOLO 模型在RGB-D 圖像上檢測(cè)茶芽（一芽一葉）區(qū)域，精度可達(dá)93.1%。

實(shí)驗(yàn)室白色背景下的茶葉嫩芽形態(tài)比較理想，能獲得較高的識(shí)別率。而自然環(huán)境下，茶葉背景多變，受天氣、光線、茶葉生長狀態(tài)及茶葉姿態(tài)的影響，嫩芽識(shí)別更為復(fù)雜。在自然背景中識(shí)別出茶葉嫩芽是智能采茶機(jī)器人的第一步也是關(guān)鍵一步。隨著人工智能技術(shù)的發(fā)展，基于深度學(xué)習(xí)的嫩芽識(shí)別研究逐漸取代傳統(tǒng)圖像處理技術(shù)，為實(shí)現(xiàn)智能采摘提供了研究基礎(chǔ)［15］。

2 采摘點(diǎn)定位

采摘單芽、一芽一葉或者一芽二葉，分別對(duì)應(yīng)不同的采摘點(diǎn)。由于茶蓬背景復(fù)雜且芽葉相互交錯(cuò)遮擋，采摘點(diǎn)深度信息的獲取極具挑戰(zhàn)性。國內(nèi)對(duì)嫩芽采摘點(diǎn)的精準(zhǔn)定位開展了初探性研究。張浩等［16］率先提出了一種基于主動(dòng)計(jì)算機(jī)視覺的茶葉嫩梢定位方法，采用光柵投影技術(shù)獲取嫩梢三維坐標(biāo)，再通過圖像處理探尋嫩梢質(zhì)心點(diǎn)，該質(zhì)心點(diǎn)即視為嫩梢中心點(diǎn)，而在實(shí)際采摘中，通常將嫩芽與茶枝的交匯點(diǎn)作為采摘點(diǎn)。YANG 等［17］基于YOLO-v3 構(gòu)建了嫩芽采摘點(diǎn)識(shí)別模型，通過檢測(cè)一芽一葉和一芽?jī)扇~區(qū)域，確定芽葉與茶枝交匯點(diǎn)的位置，試驗(yàn)結(jié)果表明采摘點(diǎn)定位準(zhǔn)確率超過90%。CHEN 等［18］同樣基于深度學(xué)習(xí)開展了針對(duì)高山茶葉的采摘點(diǎn)定位研究，利用區(qū)域卷積神經(jīng)網(wǎng)絡(luò)和全卷積網(wǎng)絡(luò)，采摘點(diǎn)定位準(zhǔn)確率為79%。

茶園現(xiàn)場(chǎng)環(huán)境復(fù)雜，實(shí)現(xiàn)名優(yōu)茶自動(dòng)采摘難度大，能否準(zhǔn)確定位采摘點(diǎn)關(guān)系到茶葉的品質(zhì)，因此采摘點(diǎn)的定位是茶葉采摘的核心和關(guān)鍵點(diǎn)。由于嫩芽的形態(tài)、顏色等物理特征差異性大，且分布交錯(cuò)密集，利用傳統(tǒng)的圖像處理技術(shù)很難對(duì)采摘點(diǎn)進(jìn)行定位，隨著人工智能技術(shù)的日漸成熟，基于深度學(xué)習(xí)的人工智能技術(shù)越來越多地應(yīng)用于采摘點(diǎn)研究。

3 采茶機(jī)器人本體研究

國外對(duì)茶葉的外形、嫩度和觀賞性等要求不高，對(duì)名優(yōu)茶采摘機(jī)械研究較少。KRISHANTHA等［19］研究了能夠選擇性采摘嫩芽的便攜式機(jī)械，但對(duì)嫩芽的識(shí)別仍然依賴人眼判斷。日本雖然實(shí)現(xiàn)了茶園生產(chǎn)的高度機(jī)械化，但是其研制的采茶機(jī)械主要用于大宗茶。國內(nèi)農(nóng)業(yè)機(jī)器人技術(shù)起步較晚，復(fù)雜非結(jié)構(gòu)化的農(nóng)業(yè)環(huán)境使得機(jī)器人應(yīng)用相對(duì)困難［20］，目前尚無成熟適用的產(chǎn)品。采茶機(jī)器人一個(gè)重要的研究?jī)?nèi)容為機(jī)器人本體的研制，包括行走機(jī)構(gòu)、采摘機(jī)構(gòu)以及末端執(zhí)行器。行走機(jī)構(gòu)的設(shè)計(jì)旨在適應(yīng)茶園復(fù)雜變化的環(huán)境；采摘機(jī)構(gòu)決定茶葉采摘的工作空間以及采摘的穩(wěn)定性；末端執(zhí)行器則確定嫩芽的摘取方式，對(duì)嫩芽是否損傷有著直接的影響。

3.1 行走機(jī)構(gòu)

我國南北方茶園地勢(shì)差異大，南方多為開闊的大規(guī)模茶園，地勢(shì)相對(duì)平坦；北方茶園規(guī)模小，地勢(shì)陡峭，大部分為小面積的平坦地或山間開辟的梯田。同時(shí)，由于地域差異，南北方的土質(zhì)也不盡相同。因此，采茶機(jī)器人行走機(jī)構(gòu)的設(shè)計(jì)需要考慮不同土質(zhì)和田間環(huán)境。

3.1.1 四輪小車行走機(jī)構(gòu)

汪琳等［21］設(shè)計(jì)了一款基于SCARA 機(jī)械手的采茶機(jī)器人，以四輪小車為機(jī)器人行走機(jī)構(gòu)，如圖1所示，行走機(jī)構(gòu)以不銹鋼管作為支撐，并采用L型角撐板對(duì)支撐柱加固，提高了車體結(jié)構(gòu)的剛度和穩(wěn)定性。郝淼［22］設(shè)計(jì)的機(jī)器人移動(dòng)控制平臺(tái)，如圖2所示，采用四輪設(shè)計(jì)，每個(gè)輪子裝有獨(dú)立輪轂電機(jī)，茶葉采摘過程中，機(jī)器人橫跨茶壟。四輪小車行走機(jī)構(gòu)結(jié)構(gòu)簡(jiǎn)單、輕便、節(jié)能，在平坦的茶園平穩(wěn)性優(yōu)，易于移動(dòng)和轉(zhuǎn)向控制，相對(duì)更適用于地勢(shì)平坦的南方茶園。

圖1 SCARA 機(jī)械手的采茶機(jī)器人Fig.1 Tea plucking robot with SCARA manipulator

圖2 四輪采茶機(jī)器人Fig.2 Four wheel tea plucking robot

3.1.2 履帶式行走機(jī)構(gòu)

圖3所示為楊化林等設(shè)計(jì)的名優(yōu)茶采摘機(jī)器人［23］，主要由3 部分組成：機(jī)械結(jié)構(gòu)、視覺識(shí)別系統(tǒng)和運(yùn)動(dòng)控制系統(tǒng)，履帶機(jī)構(gòu)可以平穩(wěn)地運(yùn)行于茶樹之間，同時(shí)車身系統(tǒng)采用電力驅(qū)動(dòng)代替燃油機(jī)，在一定程度上減少了負(fù)載，使行走機(jī)構(gòu)更為輕便。秦廣明等［24］開發(fā)了一款自走式4CZ-12智能采茶機(jī)器人，如圖4所示，采用液壓履帶高地隙作業(yè)底盤為機(jī)器人的行走機(jī)構(gòu)，采摘機(jī)械手位于車身前端，該機(jī)器人包含智能嫩芽識(shí)別及控制系統(tǒng)，可實(shí)現(xiàn)名優(yōu)茶葉無人自動(dòng)采摘。宋揚(yáng)揚(yáng)等［25］同樣研究了一款基于履帶式行走機(jī)構(gòu)的采茶機(jī)，由履帶底盤、傳動(dòng)機(jī)構(gòu)和采茶機(jī)頭等機(jī)構(gòu)組成，如圖5所示，該機(jī)器人以履帶底盤為載體，搭載采茶機(jī)實(shí)現(xiàn)茶葉采摘，但需要人工輔助前進(jìn)和轉(zhuǎn)向。與四輪結(jié)構(gòu)相比，履帶式的行走機(jī)構(gòu)可適用于多種地形和土質(zhì)，行走平穩(wěn)性更優(yōu)。但結(jié)構(gòu)復(fù)雜，機(jī)構(gòu)重量大，轉(zhuǎn)向性能弱。

圖3 采茶機(jī)器人Fig.3 Tea plucking robot

圖4 4CZ-12 機(jī)器人Fig.4 4 CZ-12 robot

圖5 采茶機(jī)Fig.5 Tea plucking machine

3.1.3 軌道式行走機(jī)構(gòu)

輪式及履帶式行走機(jī)構(gòu)都不可避免受茶園地形影響而產(chǎn)生顛簸。為克服這一問題，臨安舉辦的全自動(dòng)采茶機(jī)演示會(huì)上展出了一款軌道式采茶機(jī)［26］，行走機(jī)構(gòu)為鋪設(shè)固定于地面的軌道，其余裝置則橫跨于茶樹上方。軌道式行走機(jī)構(gòu)不會(huì)隨地形地勢(shì)的變化發(fā)生顛簸，但整體結(jié)構(gòu)大，鋪設(shè)軌道工程量大，且只能應(yīng)用于預(yù)鋪軌道的茶園，適用度低。

3.2 采摘機(jī)構(gòu)

3.2.1 并聯(lián)機(jī)構(gòu)

高鳳等［27］開展了名優(yōu)茶采摘機(jī)器人并聯(lián)采摘機(jī)構(gòu)的研究，并研制了樣機(jī)，如圖6（a）所示，采摘機(jī)構(gòu)由4 個(gè)執(zhí)行臂組成，通過球鉸連接，能夠始終保持平行四邊形的運(yùn)動(dòng)特征。范元瑞等［28］也研究了基于并聯(lián)采摘機(jī)構(gòu)的自動(dòng)采茶機(jī)，如圖6（b）所示，整體結(jié)構(gòu)包括動(dòng)靜兩平臺(tái)、驅(qū)動(dòng)臂、從動(dòng)臂、執(zhí)行電機(jī)及末端執(zhí)行機(jī)構(gòu)等，該研究同時(shí)開展了虛擬仿真分析。并聯(lián)機(jī)構(gòu)的特點(diǎn)是剛度大，結(jié)構(gòu)穩(wěn)定，運(yùn)動(dòng)精度高，整體結(jié)構(gòu)輕便，運(yùn)動(dòng)慣性小。但也存在工作空間小，空間求解復(fù)雜等問題。

圖6 采茶機(jī)器人并聯(lián)采摘機(jī)構(gòu)Fig.6 Parallel plucking mechanism for tea plucking robot

3.2.2 升降機(jī)構(gòu)

當(dāng)前采摘機(jī)構(gòu)的研究主要為并聯(lián)機(jī)構(gòu)。但并聯(lián)機(jī)構(gòu)結(jié)構(gòu)復(fù)雜，不易設(shè)計(jì)。湯一平等［29］研制了一款升降式采摘機(jī)構(gòu)，由電動(dòng)機(jī)、滾珠絲杠、滑塊以及減速器等組成，伺服電動(dòng)機(jī)驅(qū)動(dòng)升降采摘機(jī)構(gòu)運(yùn)動(dòng)，滑塊為直線導(dǎo)軌上的運(yùn)動(dòng)副，通過滾珠絲桿的轉(zhuǎn)動(dòng)沿直線導(dǎo)軌上下運(yùn)動(dòng)。升降式機(jī)構(gòu)結(jié)構(gòu)相對(duì)簡(jiǎn)單，但反應(yīng)速度慢，工作空間小。

3.3 末端執(zhí)行器

采摘末端執(zhí)行器的研究多集中于果蔬采摘［30］，圖7所示為ZHU 等［31］設(shè)計(jì)的一款嫩芽采摘末端執(zhí)行器，通過法蘭固定在并聯(lián)機(jī)械手的移動(dòng)平臺(tái)上，利用齒輪傳動(dòng)、鋼絲繩驅(qū)動(dòng)2 個(gè)特殊形狀的刀片完成剪切。尚凱歌研究了一款類似“剪刀”結(jié)構(gòu)的茶葉采摘手爪，如圖8所示，通過微型氣缸驅(qū)動(dòng)四桿機(jī)構(gòu)，從而控制執(zhí)行器刀片的剪切動(dòng)作。原艷芳等［32］設(shè)計(jì)了一款圖9所示的末端執(zhí)行器，整體結(jié)構(gòu)為曲柄滑塊剪切機(jī)構(gòu)，剪切后的茶葉通過真空裝置，從內(nèi)筒的兩端吸入容納箱。范元瑞［33］設(shè)計(jì)了一款指型采摘器，利用電磁鐵驅(qū)動(dòng)滑塊擺桿機(jī)構(gòu)，實(shí)現(xiàn)推桿的往復(fù)運(yùn)動(dòng)，從而控制指端擺桿的開合，達(dá)到采摘的目的，如圖10 所示。

圖7 剪切機(jī)構(gòu)Fig.7 Shearing mechanism

圖8 采摘手爪Fig.8 Plucking claw

圖9 末端執(zhí)行器Fig.9 End effector

圖10 指型采摘器Fig.10 Fingertip of the picker

目前末端執(zhí)行器采用的剪切式采摘設(shè)計(jì)，存在著過度機(jī)械損失問題。手工采摘一芽一葉或者一芽二葉時(shí)，一般采用“提手采”方法。新梢并不是被指甲掐斷，而是被拇指和食指指肚輕巧地掰斷下來［34］。為符合制作高檔次名優(yōu)綠茶對(duì)鮮葉標(biāo)準(zhǔn)的要求，末端執(zhí)行器的設(shè)計(jì)需要盡量模仿手工折斷新梢的動(dòng)作。劉俊鋒等［35］研制了一款仿人工采摘的“提手采”仿生采摘指，如圖11 所示，該采摘指以提拉氣缸及夾持氣缸為驅(qū)動(dòng)裝置，控制采摘指的定位、固定和提拉等動(dòng)作，采摘指模擬人工采茶動(dòng)作，先定位采摘點(diǎn)，再將茶葉的莖拉斷。

圖11 仿生采摘指Fig.11 Bionic plucking finger

4 結(jié)語

智能采茶機(jī)器人關(guān)鍵性技術(shù)的研究包括嫩芽識(shí)別、采摘點(diǎn)定位以及機(jī)器人本體設(shè)計(jì)?，F(xiàn)有技術(shù)雖有突破，但仍存在嫩芽識(shí)別精度差、定位不準(zhǔn)和采摘損傷芽頭等問題。對(duì)于嫩芽識(shí)別，當(dāng)前研究?jī)H能識(shí)別出包含嫩芽的區(qū)域，不能精準(zhǔn)定位一芽一葉或一芽?jī)扇~。采摘點(diǎn)定位方面，目前諸多研究并無有效深度信息的介入，如何在茶葉非連續(xù)性的表面進(jìn)行三維建模，并獲取理想精度的深度信息是采摘點(diǎn)定位研究下一步面臨的重要問題。茶園環(huán)境復(fù)雜，現(xiàn)有的算法實(shí)時(shí)性較差，樣機(jī)效率低，無法滿足實(shí)際生產(chǎn)需求。因此，智能化采茶關(guān)鍵技術(shù)的研究具有重要的意義，所涉及的機(jī)械、電子、自動(dòng)控制和人工智能等領(lǐng)域的技術(shù)都極具挑戰(zhàn)性。同時(shí)，復(fù)雜多擾動(dòng)環(huán)境下，大數(shù)量、柔性易損和密集交錯(cuò)的多目標(biāo)智能識(shí)別、精準(zhǔn)定位與無損采摘，不僅是茶葉生產(chǎn)的個(gè)性技術(shù)問題，也是相關(guān)學(xué)科領(lǐng)域具有普遍意義的共性科學(xué)難題。