李亞濤 周宇杰 王少卿 陳建能 賀磊盈 賈江鳴 武傳宇

收稿日期：2023-09-18 ????????????修訂日期：2023-12-14

基金項(xiàng)目：國(guó)家自然科學(xué)基金（52305289、U23A20175）、浙江省領(lǐng)雁計(jì)劃項(xiàng)目（2022C02052）、國(guó)家茶葉產(chǎn)業(yè)技術(shù)體系（CARS-19）、中國(guó)博士后科學(xué)基金（2023M733153）、浙江理工大學(xué)科研啟動(dòng)基金（22202328-Y）、福建省茶產(chǎn)業(yè)大數(shù)據(jù)應(yīng)用與智能化重點(diǎn)實(shí)驗(yàn)室開放基金資助項(xiàng)目

作者簡(jiǎn)介：李亞濤，男，博士后，主要從事機(jī)器人3D視覺和農(nóng)業(yè)機(jī)器人智能裝備技術(shù)研究。*通信作者：cywu@zstu.edu.cn

摘要：研制新一代履帶式名優(yōu)茶采摘機(jī)器人并以其為試驗(yàn)對(duì)象，在田間進(jìn)行龍井茶采摘試驗(yàn)，對(duì)其檢測(cè)、定位、末端采摘的精度以及各環(huán)節(jié)耗時(shí)進(jìn)行試驗(yàn)評(píng)估。結(jié)果表明，所研制的名優(yōu)茶采摘機(jī)器人檢測(cè)成功率為88.54%，定位成功率為84.07%，末端采摘成功率為87.22%，整機(jī)采摘成功率為61.30%，所采茶葉可滿足中端龍井茶要求。單芽采摘時(shí)間約1.51 s，1 h可采摘2 000多個(gè)，基本實(shí)現(xiàn)一臺(tái)機(jī)器替代一個(gè)工人的采摘效率。

關(guān)鍵詞：名優(yōu)茶采摘；機(jī)器人；采摘成功率；收獲時(shí)間

中圖分類號(hào)：S571.1；S225? ? ? ? ? ? ? ?文獻(xiàn)標(biāo)識(shí)碼：A? ? ? ? ? ? ? ? 文章編號(hào)：1000-369X（2024）01-075-09

Experimental Study on High-quality Tea

Plucking by Robot

LI Yatao1，2，3， ZHOU Yujie1， WANG Shaoqing1， CHEN Jianneng1，2，

HE Leiying1，2， JIA Jiangming1，2， WU Chuanyu1，2*

1. School of Mechanical Engineering， Zhejiang Sci-Tech University， Hangzhou 310018， China;

2. Key Laboratory of Transplanting Equipment and Technology of Zhejiang Province， Hangzhou 310018， China;

3. Fujian Key Laboratory of Big Data Application and Intellectualization for Tea Industry （Wuyi University）， Wuyishan 354300， China

Abstract： This study evaluated the performance of a newly developed track-type tea plucking robot on Longjing tea picking， including its detection accuracy， localization accuracy， end effector plucking accuracy， time consumption across each stage. The results show that the detection success rate of the developed robot was 88.54%， the localization success rate was 84.07%， the end effector plucking success rate was 87.22%， and the overall plucking success rate was 61.30%. The plucked tea leaves met the requirements of middle-grade Longjing tea. The single tea shoot plucking time was approximately 1.51 s， and the machine could pluck over 2 000 tea shoots per hour， basically achieving the picking efficiency of one machine replacing one worker.

Keywords： high-quality tea plucking， robot， plucking success rate， harvesting time

我國(guó)茶園面積已達(dá)333.03萬(wàn)hm2、茶農(nóng)人數(shù)6 000多萬(wàn)、產(chǎn)茶縣超過1 000個(gè)，其中100多個(gè)縣以茶產(chǎn)業(yè)為支柱產(chǎn)業(yè)[1-2]。但是，目前茶產(chǎn)業(yè)生產(chǎn)方式和技術(shù)水平與農(nóng)業(yè)現(xiàn)代化的推進(jìn)要求仍存在較大差距，突出問題就是名優(yōu)茶采摘嚴(yán)重依賴人工，而采摘是整個(gè)茶葉生產(chǎn)勞動(dòng)中作業(yè)次數(shù)最多、勞動(dòng)力消耗最大、勞動(dòng)強(qiáng)度最高的作業(yè)任務(wù)[3]。由于大部分年輕人不再愿意從事重復(fù)性采摘工作，勞動(dòng)力價(jià)格在不斷上漲，導(dǎo)致名優(yōu)茶采摘作業(yè)勞動(dòng)力日益緊缺，這嚴(yán)重制約了茶產(chǎn)業(yè)的發(fā)展，因此通過“機(jī)器換人”推行智能化采摘已成為名優(yōu)茶可持續(xù)發(fā)展的必然選擇[4]。

目前關(guān)于名優(yōu)茶智能采摘機(jī)器人樣機(jī)的設(shè)計(jì)方案多種多樣，但其主要由相機(jī)、機(jī)械臂、機(jī)械手、移動(dòng)底盤、計(jì)算機(jī)等“眼-臂-手-腳-腦”系統(tǒng)硬件設(shè)備組成。其中“眼”系統(tǒng)負(fù)責(zé)感知目標(biāo)對(duì)象的信息，對(duì)目標(biāo)作物進(jìn)行檢測(cè)定位[5-7]，由可以獲取田間名優(yōu)茶嫩梢彩色圖像和深度圖像的深度相機(jī)組成[8-9]；“臂”系統(tǒng)負(fù)責(zé)帶動(dòng)采摘機(jī)械手運(yùn)動(dòng)到指定位置，多采用XYZ式機(jī)械臂[10]、串聯(lián)式機(jī)械臂[11]、Delta式機(jī)械臂[12]；“手”系統(tǒng)負(fù)責(zé)實(shí)現(xiàn)名優(yōu)茶嫩梢的采摘[11，13-14]，需要結(jié)合名優(yōu)茶嫩梢自身特點(diǎn)進(jìn)行結(jié)構(gòu)設(shè)計(jì)；“腳”系統(tǒng)負(fù)責(zé)在田間帶動(dòng)整機(jī)自主移動(dòng)到不同的工作位置，常采用輪式[15]、履帶式[16]、軌道式[4]等高地隙底盤；“腦”系統(tǒng)負(fù)責(zé)將相機(jī)獲取的信息進(jìn)行處理實(shí)現(xiàn)名優(yōu)茶的檢測(cè)定位，然后控制機(jī)械臂運(yùn)動(dòng)到指定位置，給機(jī)械手發(fā)送指令進(jìn)行采摘[17]，由具備相應(yīng)算力的計(jì)算機(jī)設(shè)備組成。

由于田間名優(yōu)茶嫩梢與背景顏色相近、生長(zhǎng)密集、尺寸較小、形狀不規(guī)則、生長(zhǎng)高度不一等，對(duì)名優(yōu)茶的智能化采摘提出了挑戰(zhàn)。針對(duì)該問題，本研究對(duì)名優(yōu)茶采摘機(jī)器人的“眼-手-臂-腳-腦”各模塊系統(tǒng)進(jìn)行研究，進(jìn)而搭建新一代名優(yōu)茶采摘系統(tǒng)樣機(jī)，在田間進(jìn)行試驗(yàn)驗(yàn)證名優(yōu)茶收獲的有效性，并對(duì)相關(guān)采摘性能參數(shù)進(jìn)行統(tǒng)計(jì)分析，為助推名優(yōu)茶高效智能化采收提供了一種新裝備及其快速實(shí)現(xiàn)方法。

1 試驗(yàn)材料與方法

1.1 設(shè)備與材料

田間嫩梢采摘試驗(yàn)于2023年3月28—29日在浙江省杭州市中國(guó)農(nóng)業(yè)科學(xué)院茶葉研究所龍冠實(shí)業(yè)有限公司試驗(yàn)基地進(jìn)行，多云天氣，茶樹品種為龍井43。

田間采摘試驗(yàn)以履帶式名優(yōu)茶采摘機(jī)器人樣機(jī)為試驗(yàn)對(duì)象，如圖1所示，主要由深度相機(jī)、機(jī)械手、機(jī)械臂、移動(dòng)底盤、計(jì)算設(shè)備等“眼-手-臂-腳-腦”系統(tǒng)單元硬件設(shè)備組成。

1.1.1 名優(yōu)茶嫩梢的檢測(cè)與定位（眼單元）

考慮到田間嫩梢檢測(cè)速度需求，本研究采用YOLOv7網(wǎng)絡(luò)架構(gòu)對(duì)茶葉嫩梢檢測(cè)模型進(jìn)行訓(xùn)練。相較二階檢測(cè)器，YOLO作為一階檢測(cè)器具有檢測(cè)速度快、部署方便的優(yōu)點(diǎn)，滿足實(shí)際田間快速檢測(cè)需求。為了確定嫩梢的3D采摘位置，在嫩梢檢測(cè)的基礎(chǔ)上結(jié)合點(diǎn)云處理技術(shù)提出了一種基于局部點(diǎn)云處理定位方法[9]，如圖2所示。

首先根據(jù)RGB-D相機(jī)自身彩色傳感器和深度傳感器坐標(biāo)位置關(guān)系進(jìn)行圖像對(duì)齊，將RGB圖像中目標(biāo)檢測(cè)區(qū)域（x， y， w， h）內(nèi)的像素點(diǎn)坐標(biāo)（u， v）與Depth圖像的深度信息進(jìn)行映射，繼而結(jié)合相機(jī)參數(shù)獲取邊界框內(nèi)所有點(diǎn)在相機(jī)坐標(biāo)系下對(duì)應(yīng)的3D坐標(biāo)（x， y， z），實(shí)現(xiàn)局部目標(biāo)嫩梢區(qū)域點(diǎn)云的生成；之后通過對(duì)區(qū)域內(nèi)點(diǎn)云進(jìn)行直通濾波、體素濾波實(shí)現(xiàn)點(diǎn)云的預(yù)處理，以濾除無效點(diǎn)云，并使密集點(diǎn)云稀疏化以減少后期點(diǎn)云處理的計(jì)算量；然后通過點(diǎn)云聚類對(duì)各個(gè)目標(biāo)框內(nèi)的點(diǎn)云進(jìn)行分割，通過提取距離相機(jī)最近的子聚類作為嫩梢點(diǎn)云，并以嫩梢點(diǎn)云最低點(diǎn)為特征點(diǎn)，結(jié)合農(nóng)藝生長(zhǎng)特性沿茶壟生長(zhǎng)負(fù)方向延伸一定距離作為嫩梢的3D采摘點(diǎn)[17]。

1.1.2 名優(yōu)茶嫩梢采摘（手單元）

根據(jù)茶葉嫩芽主要分布在樹冠表層這一特點(diǎn)，自上而下的采摘方式可以有效減少老葉的干擾，結(jié)合輕量化、集成化的末端設(shè)計(jì)要求，本研究提出的嫩梢采摘末端機(jī)械手如圖3所示，主要由舵機(jī)、傳動(dòng)機(jī)構(gòu)、剪切機(jī)構(gòu)及負(fù)壓管組成。其中舵機(jī)作為源動(dòng)件驅(qū)動(dòng)傳動(dòng)機(jī)構(gòu)運(yùn)動(dòng)，通過舵機(jī)旋轉(zhuǎn)（轉(zhuǎn)角為30°）驅(qū)動(dòng)刀具在初始位置與剪切點(diǎn)之間運(yùn)動(dòng)以實(shí)現(xiàn)剪切刀具的張開與閉合（行程32 mm）。傳動(dòng)機(jī)構(gòu)

主要由連桿組成，其中二號(hào)連桿（長(zhǎng)度62 mm）與三號(hào)連桿（長(zhǎng)度19 mm）能夠有效形成省力杠桿以方便用較小的動(dòng)力帶動(dòng)滑軌運(yùn)動(dòng)；各連桿與其他構(gòu)件相互鉸接，通過滑軌帶動(dòng)兩側(cè)刀具做同步運(yùn)動(dòng)實(shí)現(xiàn)芽葉的剪切。負(fù)壓管與固定板連接，刀具剪切中心位于負(fù)壓管中軸線上，此外，負(fù)壓裝置、暫存盒與負(fù)壓管通過軟管連接，如圖3B和圖3C所示。當(dāng)控制刀具進(jìn)行剪切時(shí)，同步驅(qū)動(dòng)負(fù)壓系統(tǒng)（120 Pa）使負(fù)壓管內(nèi)與管口形成負(fù)壓，通過負(fù)壓吸附剪切的茶葉嫩梢到收集暫存盒中，方便剪切芽葉的收集[18-19]。其中剪切機(jī)構(gòu)由兩片刀具組成，左側(cè)刀具經(jīng)過線切割處理為分體式刀具，刀齒寬度2.63 mm，刀具厚度0.9 mm、刀齒長(zhǎng)度20.03 mm；右側(cè)為未經(jīng)線切割的一體式刀具。在剪切過程中，刀具的工作原理如下：當(dāng)嫩梢周圍無莖稈時(shí)（圖3D），由于茶葉節(jié)間的彈性模量較小，左側(cè)分體式刀具在不發(fā)生彎曲變形的情況下即可與右側(cè)刀具相配合完成頂芽采摘工作。而當(dāng)莖稈較長(zhǎng)與嫩梢采摘節(jié)間處于同一高度且緊鄰嫩梢時(shí)，左右兩側(cè)刀具在舵機(jī)動(dòng)力源的驅(qū)動(dòng)作用下相向轉(zhuǎn)動(dòng)并首先夾持莖稈，隨著刀具的繼續(xù)運(yùn)動(dòng)，由于莖稈彈性模量較大，與莖稈所接觸的分體式刀具的刀齒發(fā)生彎曲變形，而其他刀齒可與右側(cè)一體式刀具相配合完成嫩芽采摘，以此實(shí)現(xiàn)嫩梢和莖稈緊鄰時(shí)嫩梢的采摘。

1.1.3 機(jī)械手運(yùn)動(dòng)（臂單元）

考慮到茶葉嫩梢生長(zhǎng)高度不一，Delta式機(jī)械臂采摘Z向空間有限，本研究采用X-Y-Z式機(jī)械臂進(jìn)行嫩梢采摘。以茶蓬面寬度和高度為參考指導(dǎo)機(jī)械臂水平和豎直方向行程的設(shè)計(jì)，其水平和豎直方向的行程分別為115 cm和60 cm，并結(jié)合嫩梢在茶園空間垂直方向的分布范圍確定機(jī)械臂垂直方向的行程為40 cm。考慮到相機(jī)視場(chǎng)有限，而相機(jī)深度在0.3～1.0 m時(shí)精度較高，當(dāng)目標(biāo)茶壟較寬時(shí)，可采用雙相機(jī)-雙臂對(duì)茶壟采摘區(qū)域進(jìn)行劃分，每一個(gè)相機(jī)和機(jī)械臂各負(fù)責(zé)一塊茶壟區(qū)域，以提高嫩梢的收獲效率。針對(duì)公共采摘空間可通過合理規(guī)劃采摘順序初步實(shí)現(xiàn)協(xié)同采摘。

1.1.4 底盤運(yùn)動(dòng)（腳單元）

名優(yōu)茶采摘樣機(jī)采用龍門架結(jié)構(gòu)橡膠履帶底盤，具有接地面積大、抓地力強(qiáng)、負(fù)載能

力強(qiáng)、驅(qū)動(dòng)力大的優(yōu)點(diǎn)，能夠滿足平原茶園和緩坡茶園的行進(jìn)需求。為確定運(yùn)動(dòng)底盤的關(guān)鍵參數(shù)，結(jié)合茶樹的農(nóng)藝生長(zhǎng)特征，對(duì)實(shí)際茶園中標(biāo)準(zhǔn)茶壟種植參數(shù)進(jìn)行測(cè)量，指導(dǎo)底盤關(guān)鍵參數(shù)的設(shè)計(jì)。其中以茶樹行溝的寬度為參考指導(dǎo)履帶式底盤中心寬度的設(shè)計(jì)，兩履帶中心間隔為153 cm；以茶樹的高度為參考指導(dǎo)底盤高度的設(shè)計(jì)，作業(yè)安裝平臺(tái)距離地面的高度為134 cm；以壟溝的寬度為參考指導(dǎo)履帶寬度的設(shè)計(jì)，橡膠履帶寬度為18 cm。此外，整機(jī)底盤采用電力驅(qū)動(dòng)，兩側(cè)履帶分別采用直流無刷電機(jī)驅(qū)動(dòng)，功率2 kW，通過控制器局域網(wǎng)總線各自獨(dú)立控制，可在茶園環(huán)境中輕松實(shí)現(xiàn)前進(jìn)、后退和轉(zhuǎn)彎功能。同時(shí)，底盤可通過遙控控制和上位機(jī)驅(qū)動(dòng)，方便人為操控駕駛和田間采摘過程的自動(dòng)行進(jìn)（速度5 km·h-1）。

1.1.5 名優(yōu)茶采摘決策（腦單元）

“腦”系統(tǒng)單元整機(jī)控制程序部署在移動(dòng)工作站上，工作站型號(hào)為戴爾Precision 7550，處理器為Intel? CoreTM i9-10855H CPU @ 2.40 GHz八核十六線程，機(jī)帶內(nèi)存為32 G，操作系統(tǒng)為Windows 10。

“腦”系統(tǒng)單元負(fù)責(zé)整機(jī)傳感信息的處理和執(zhí)行裝置控制命令的下發(fā)，將“眼”模塊獲取的嫩梢采摘點(diǎn)位姿信息通過手眼標(biāo)定轉(zhuǎn)換到“臂”模塊坐標(biāo)系下，然后驅(qū)動(dòng)“臂”模塊帶動(dòng)“手”模塊運(yùn)動(dòng)到目標(biāo)位置進(jìn)行嫩梢的采摘，然后給“腳”模塊發(fā)送信號(hào)行進(jìn)到下一個(gè)位置。其通過對(duì)各模塊的信息進(jìn)行分析、處理和控制，完成名優(yōu)茶采摘機(jī)器人的底盤行進(jìn)以及嫩梢的檢測(cè)、定位、運(yùn)動(dòng)和采摘?！澳X”系統(tǒng)單元由具備相應(yīng)算力的計(jì)算機(jī)設(shè)備以及驅(qū)動(dòng)器、控制器、可編程邏輯控制器等控制模塊組成，各系統(tǒng)模塊通過總線式結(jié)構(gòu)進(jìn)行數(shù)據(jù)通訊實(shí)現(xiàn)整機(jī)的系統(tǒng)集成。

1.2 試驗(yàn)方法

基于上述采摘樣機(jī)進(jìn)行名優(yōu)茶采摘試驗(yàn)的具體流程如圖4所示。（1）對(duì)所有硬件設(shè)備進(jìn)行初始化，之后控制底盤在田間前進(jìn)并進(jìn)行相機(jī)數(shù)據(jù)流的讀??；（2）通過深度相機(jī)進(jìn)行嫩梢數(shù)據(jù)流的獲取，主要包含嫩梢的彩色圖像信息和深度信息；（3）在嫩梢彩色圖像上通過加載訓(xùn)練好的嫩梢深度學(xué)習(xí)模型進(jìn)行嫩梢區(qū)域的檢測(cè)，如果檢測(cè)到目標(biāo)則控制底盤停止進(jìn)行后續(xù)操作，否則繼續(xù)前進(jìn)獲取新的數(shù)據(jù)流；（4）根據(jù)檢測(cè)到的嫩梢區(qū)域位置信息，獲取相應(yīng)的深度信息生成目標(biāo)區(qū)域的點(diǎn)云，然后通過手眼標(biāo)定結(jié)果將相機(jī)坐標(biāo)系下的目標(biāo)區(qū)域點(diǎn)云轉(zhuǎn)換至機(jī)械臂坐標(biāo)系下，之后對(duì)點(diǎn)云進(jìn)行處理，并沿機(jī)械臂z軸反方向使用提出的定位算法對(duì)嫩梢采摘位置進(jìn)行3D定位；（5）對(duì)目標(biāo)進(jìn)行越界判斷，之后分配雙臂各自的運(yùn)動(dòng)空間并依次運(yùn)動(dòng)到目標(biāo)采摘位置；（6）控制末端執(zhí)行器進(jìn)行嫩梢采摘，采摘后通過負(fù)壓裝置對(duì)嫩梢進(jìn)行收集，之后將末端執(zhí)行器復(fù)位，然后進(jìn)行下一個(gè)目標(biāo)的采摘，直至當(dāng)前位置所有采摘空間內(nèi)的嫩梢目標(biāo)全部采摘完畢后機(jī)械臂復(fù)位到原始位置避免干涉下次圖像采集；（7）根據(jù)用戶命令，確定是否結(jié)束采摘或者控制底盤繼續(xù)以5 km·h-1的速度運(yùn)動(dòng)到下一采摘位置進(jìn)行采摘。

2 結(jié)果與分析

在茶園中進(jìn)行全自動(dòng)化名優(yōu)茶采摘試驗(yàn)，控制底盤共計(jì)運(yùn)動(dòng)到10個(gè)不同的采摘位置后進(jìn)行嫩梢采摘，分別對(duì)各個(gè)采摘位置中檢測(cè)、定位、末端采摘3個(gè)階段的收獲嫩梢個(gè)數(shù)與采摘速度進(jìn)行統(tǒng)計(jì)分析。

2.1 采摘精度

各階段嫩梢的數(shù)量統(tǒng)計(jì)結(jié)果如表1所示。在10次不同采摘位置的采摘試驗(yàn)中，目標(biāo)視場(chǎng)下分布嫩梢共約323個(gè)，其中成功檢測(cè)到的嫩梢有286個(gè)，檢測(cè)成功率為88.54%。在檢測(cè)到的286個(gè)嫩梢中，共有16個(gè)嫩梢沒有深度信息導(dǎo)致無法定位，其中有9個(gè)嫩梢因超過設(shè)定的深度獲取閾值而沒有深度信息，7個(gè)嫩梢由于光照影響而無深度信息。在獲取到深度信息的嫩梢（270個(gè)）中，成功定位的嫩梢有227個(gè)，定位成功率為84.07%。在定位失敗的嫩梢中，18個(gè)嫩梢因?yàn)辄c(diǎn)云數(shù)量較少，點(diǎn)云預(yù)處理失??；12個(gè)嫩梢由于固定的聚類閾值，導(dǎo)致聚類失敗，未獲得定位結(jié)果；13個(gè)嫩梢由于被老葉大面積遮擋，致使在嫩梢點(diǎn)云提取過程中誤提取到老葉點(diǎn)云，導(dǎo)致定位錯(cuò)誤。在227個(gè)成功定位的嫩梢中，符合采摘標(biāo)準(zhǔn)并成功采摘的嫩梢共有198個(gè)，末端執(zhí)行器采摘成功率87.22%。在采摘失敗的嫩梢（29個(gè)）中，10個(gè)因?yàn)槌霾烧臻g導(dǎo)致未能進(jìn)行采摘，8個(gè)由于附臂未成功收集，11個(gè)由于采摘誤差導(dǎo)致嫩梢芽葉分離或者采摘到一芽二葉，不滿足名優(yōu)茶的采摘標(biāo)準(zhǔn)。在目標(biāo)視場(chǎng)下的全部323個(gè)嫩梢中，最終采摘到198個(gè)的嫩梢符合名優(yōu)茶采摘標(biāo)準(zhǔn)，部分如圖5所示，名優(yōu)茶采摘全過程整機(jī)采摘成功率為61.30%。

2.2 采摘速度

各個(gè)階段的采摘時(shí)間統(tǒng)計(jì)結(jié)果如表2所示。為了獲取到更高質(zhì)量的嫩梢點(diǎn)云，在相機(jī)數(shù)據(jù)流獲取過程中使用高動(dòng)態(tài)范圍成像（High-dynamic range，HDR）技術(shù)對(duì)不同曝光的多個(gè)畫面進(jìn)行合成，使得在相機(jī)數(shù)據(jù)流獲取階段較為耗時(shí)（約0.671 s），這主要與相機(jī)

（結(jié)構(gòu)光相機(jī)）的成像原理有關(guān)。同時(shí)，也可以通過減少HDR的曝光次數(shù)縮減數(shù)據(jù)流獲取的時(shí)間。嫩梢檢測(cè)模型平均每幀的檢測(cè)時(shí)間約為0.064 s，滿足田間嫩梢快速檢測(cè)需求。10個(gè)位置處共有270個(gè)嫩梢有深度信息，定位共耗時(shí)0.942 s，平均每個(gè)嫩梢耗時(shí)約3.49 ms，滿足嫩梢的定位效率需求。不同位置處的嫩梢定位耗時(shí)不一，這主要是因?yàn)椴煌恢锰幍狞c(diǎn)云數(shù)量不同所致。底盤每次運(yùn)動(dòng)時(shí)間為0.60 s，共移動(dòng)10個(gè)采摘位置耗時(shí)315.590 s，末端共計(jì)采摘次數(shù)209次，平均采一個(gè)芽葉時(shí)間約1.51 s。對(duì)比嫩梢采摘全過程，發(fā)現(xiàn)機(jī)械臂的運(yùn)動(dòng)采摘過程最為耗時(shí)，平均為每個(gè)1.44 s，是造成名優(yōu)茶嫩梢采摘耗時(shí)的主要原因。這主要與嫩梢的生長(zhǎng)密度和機(jī)械臂的安全運(yùn)動(dòng)速度有關(guān)，不同位置處嫩梢生長(zhǎng)密度不一、運(yùn)動(dòng)距離不同也是導(dǎo)致不同位置嫩梢耗時(shí)不同的主要因素。

3 討論

針對(duì)試驗(yàn)結(jié)果，分別從名優(yōu)茶采摘機(jī)器人的硬件結(jié)構(gòu)、感知算法和控制系統(tǒng)對(duì)采摘結(jié)果進(jìn)行分析。

硬件結(jié)構(gòu)：本試驗(yàn)基于嫩梢的定位精度需求選用結(jié)構(gòu)光相機(jī)進(jìn)行信息采集，點(diǎn)云精度符合嫩梢定位需求，但結(jié)構(gòu)光相機(jī)幀率極低，而實(shí)際田間非結(jié)構(gòu)化環(huán)境下，會(huì)存在微風(fēng)或其他干擾物的影響，嫩梢在相機(jī)采集過程中發(fā)生晃動(dòng)，影響嫩梢原始點(diǎn)云數(shù)據(jù)的生成，從而極大地影響定位的精度。后續(xù)可添加遮風(fēng)、避光等裝置減少外界環(huán)境的干擾。同時(shí)，試驗(yàn)發(fā)現(xiàn)機(jī)械臂在快速運(yùn)動(dòng)過程中容易產(chǎn)生反作用力致使平臺(tái)振動(dòng)，后續(xù)可通過對(duì)機(jī)械臂的運(yùn)動(dòng)軌跡進(jìn)行研究，并結(jié)合全局最優(yōu)采摘路徑實(shí)現(xiàn)密集目標(biāo)的快速、穩(wěn)定采摘運(yùn)動(dòng)。此外，目前試驗(yàn)采用的末端尺寸較大，由于茶葉生長(zhǎng)密集，在控制末端下降過程中會(huì)碰撞莖稈引起嫩梢位置偏移導(dǎo)致采摘誤差。在后續(xù)的研究中可以對(duì)該末端進(jìn)行輕量化設(shè)計(jì)并開發(fā)新的避障算法以實(shí)現(xiàn)更精準(zhǔn)地采摘。

感知算法：試驗(yàn)發(fā)現(xiàn)嫩梢的檢測(cè)精度未達(dá)到模型訓(xùn)練測(cè)試集的精度，這是因?yàn)樘镩g實(shí)際部署的嫩梢檢測(cè)模型樣本為上一年在中國(guó)農(nóng)業(yè)科學(xué)研茶葉研究所嵊州茶葉綜合實(shí)驗(yàn)基地采集的春茶樣本圖像，由于不同產(chǎn)地、不同時(shí)間的茶葉樣本，其特征存在差異，實(shí)際試驗(yàn)時(shí)的茶樹嫩梢與建立數(shù)據(jù)集時(shí)的嫩梢數(shù)據(jù)集特征存在差異，導(dǎo)致嫩梢檢測(cè)精度有所下降。后續(xù)試驗(yàn)需考慮隨時(shí)間變化的嫩梢生長(zhǎng)特征的變化，結(jié)合茶葉本身的生長(zhǎng)特性對(duì)模型進(jìn)行遷移學(xué)習(xí)以提高不同時(shí)間段茶葉嫩梢檢測(cè)算法的精度。

控制系統(tǒng)：田間采摘試驗(yàn)依賴視覺進(jìn)行檢測(cè)和定位，從而指引機(jī)械臂進(jìn)行采摘作業(yè)。目前在整個(gè)視覺手眼采摘系統(tǒng)中為開環(huán)控制，未引入視覺伺服反饋，因此雖然各環(huán)節(jié)的精度滿足需求，但由于誤差累積，最終整體流程采摘精度魯棒性不足，極大地影響最終整體采摘的成功率。在后續(xù)研究中可引入視覺伺服反饋機(jī)制或在末端執(zhí)行器套筒末端增加新的傳感器進(jìn)行反饋提升田間嫩梢采摘整機(jī)的魯棒性。

田間試驗(yàn)結(jié)果表明，新一代名優(yōu)茶采摘機(jī)器人檢測(cè)成功率為88.54%，定位成功率為84.07%，末端采摘成功率為87.22%，整機(jī)采茶成功率為61.30%，所采茶葉可滿足中端龍井茶葉要求。此外，采摘機(jī)器人單幀圖像嫩梢檢測(cè)耗時(shí)0.064 s，每個(gè)嫩梢定位耗時(shí)約3.49 ms，采摘一個(gè)嫩梢的時(shí)間約1.51 s，即1 h可以采摘2 000多個(gè)，一天可采2 kg左右的芽葉，基本達(dá)到一臺(tái)機(jī)器替代一個(gè)工人的采摘效率。

參考文獻(xiàn)

[1]楊亞軍. 堅(jiān)持問題導(dǎo)向 推動(dòng)我國(guó)茶業(yè)高質(zhì)量發(fā)展——我國(guó)茶產(chǎn)業(yè)發(fā)展現(xiàn)狀與建議[J]. 中國(guó)茶葉， 2023， 45（1）： 1-5.

Yang Y J. Adhere to problem orientation and promote high-quality development of China's tea industry： current situation and suggestions of tea industry development in China [J]. China Tea， 2023， 45（1）： 1-5.

[2]梅宇， 張朔. 2022年中國(guó)茶葉生產(chǎn)與內(nèi)銷形勢(shì)分析[J]. 中國(guó)茶葉， 2023， 45（4）： 25-30.

Mei Y， Zhang S. Analysis of China's tea production and domestic sales in 2022 [J]. China Tea， 2023， 45（4）： 25-30.

[3]陸德彪， 尹軍峰. 我國(guó)名優(yōu)綠茶機(jī)械化采摘的意義與實(shí)現(xiàn)路徑[J]. 中國(guó)茶葉， 2018， 40（1）： 1-4.

Lu D B， Yin J F. Significance and realization of mechanized picking of high-quality green tea in China [J]. China Tea， 2018， 40（1）： 1-4.

[4]周宇杰， 吳強(qiáng)， 賀磊盈， 等. 名優(yōu)茶采摘機(jī)器人的系統(tǒng)設(shè)計(jì)與試驗(yàn)[J]. 機(jī)械工程學(xué)報(bào)， 2022， 58（19）： 12-23.

Zhou Y J， Wu Q， He L Y， et al. Design and experiment of intelligent picking robot for famous tea [J]. Journal of Mechanical Engineering， 2022， 58（19）： 12-23.

[5]方夢(mèng)瑞， 呂軍， 阮建云， 等. 基于改進(jìn)YOLOv4-tiny的茶葉嫩芽檢測(cè)模型[J]. 茶葉科學(xué)， 2022， 42（4）： 549-560.

Fang M R， Lü J， Ruan J Y， et al. Tea buds detection model using improved YOLOv4-tiny [J]. Journal of Tea Science， 2022， 42（4）： 549-560.

[6]Yan L J， Wu K H， Lin J， et al. Identification and picking point positioning of tender tea shoots based on MR3P-TS model [J]. Frontiers in Plant Science， 2022， 13： 962391. doi： 10.3389/fpls.2022.962391.

[7]Zhang L， Zou L， Wu C Y， et al. Locating famous teas picking point based on Shi-Tomasi algorithm [J]. Computers， Materials & Continua， 2021， 69（1）： 1109-1122.

[8]Li Y T， He L Y， Jia J M， et al. High-efficiency tea shoot detection method via a compressed deep learning model [J]. International Journal of Agricultural and Biological Engineering， 2022， 15（3）： 159-166.

[9]Li Y T， He L Y， Jia J M， et al. In-field tea shoot detection and 3D localization using an RGB-D camera [J]. Computers and Electronics in Agriculture， 2021， 185： 106149. doi： 10.1016/j.compag.2021.106149.

[10]Han Y， Xiao H R， Qin G M， et al. Developing situations of tea plucking machine [J]. Engineering， 2014， 6（6）： 268-273.

[11]許麗佳， 劉琦， 代建武， 等. 茶葉嫩梢采摘末端執(zhí)行器的設(shè)計(jì)研究[J]. 茶葉科學(xué)， 2021， 41（5）： 705-716.

Xu L J， Liu Q， Dai J W， et al. Design of end effector for picking tea shoots [J]. Journal of Tea Science， 2021， 41（5）： 705-716.

[12]Chen C L， Lu J Z， Zhou M C， et al. A YOLOv3-based computer vision system for identification of tea buds and the picking point [J]. Computers and Electronics in Agriculture， 2022， 198： 107116. doi： 10.1016/j.compag.2022.107116.

[13]羅坤， 吳正敏， 曹成茂， 等. 茶鮮葉嫩梢捏切組合式采摘器設(shè)計(jì)與試驗(yàn)[J]. 農(nóng)業(yè)工程學(xué)報(bào)， 2022， 38（13）： 1-9.

Luo K， Wu Z M， Cao C M， et al. Design and experiment of the combined pinch and cut picker for tea fresh leaf tips [J]. Transactions of the Chinese Society of Agricultural Engineering， 2022， 38（13）： 1-9.

[14]賈江鳴， 葉玉澤， 程培林， 等. 手持式名優(yōu)茶嫩梢采摘機(jī)械手設(shè)計(jì)與試驗(yàn)優(yōu)化[J]. 農(nóng)業(yè)機(jī)械學(xué)報(bào)， 2022， 53（5）： 86-92.

Jia J M， Ye Y Z， Cheng P L， et al. Design and experimental optimization of hand-held manipulator for picking famous tea shoot [J]. Transactions of the Chinese Society for Agricultural Machinery， 2022， 53（5）： 86-92.

[15]孫艷霞， 陳燕飛， 金小俊， 等. 名優(yōu)綠茶智能化采摘關(guān)鍵技術(shù)研究進(jìn)展[J]. 包裝與食品機(jī)械， 2022， 40（3）： 100-106.

Sun Y X， Chen Y F， Jin X J， et al. Review on key technologies of intelligent plucking of high-quality green tea [J]. Packaging and Food Machinery， 2022， 40（3）： 100-106.

[16]Yang H L， Chen L， Ma Z B， et al. Computer vision-based high-quality tea automatic plucking robot using Delta parallel manipulator [J]. Computers and Electronics in Agriculture， 2021， 181： 105946. doi： 10.1016/j.compag.2020.105946.

[17]Li Y T， Wu S K， He L Y， et al. Development and field evaluation of a robotic harvesting system for plucking high-quality tea [J]. Computers and Electronics in Agriculture， 2023， 206： 107659. doi： 10.1016/j.compag.2023.107659.

[18]Zhu Y P， Wu C Y， Tong J H， et al. Deviation tolerance performance evaluation and experiment of picking end effector for famous tea [J]. Agriculture， 2021， 11（2）： 1-18.

[19]陳建能， 李杭， 任萍， 等. 螺紋管吸附式名優(yōu)茶采收器設(shè)計(jì)與試驗(yàn)[J]. 農(nóng)業(yè)機(jī)械學(xué)報(bào)， 2023， 54（5）： 131-139.

Chen J N， Li H， Ren P， et al. Design and experiment of threaded tube adsorption type famous tea harvester [J]. Transactions of the Chinese Society for Agricultural Machinery， 2023， 54（5）： 131-139.