孫龍霞 呂寧 於鋒 葛迅一 胡雙燕

DOI： 10.3969/j.issn.1671-7775.2024.03.007

開放科學（資源服務）標識碼（OSID）：

摘要：針對工廠化蘑菇種植中人工采摘費時、費力等問題，研制了一款蘑菇采摘機器人.首先，采用模塊化設計了采摘機器人機械結構，基于D-H法推導機器人運動學正解和逆解，并進一步分析了采摘手臂的動力學性能；以采摘效率為目標建立了手臂尺寸的多目標優(yōu)化模型，并用遺傳算法求最優(yōu)解；然后建立Adams虛擬樣機模型，對優(yōu)化前后的機器人模型分別進行采摘動力學仿真試驗，結果表明，在電動機輸出轉矩相同情況下，大臂關節(jié)和小臂關節(jié)最大角速度分別提高22.9%和18.6%，單次采摘時間由1.60 s縮短到1.36 s ，速度提高15%；最后研制原理樣機并進行采摘試驗，試驗結果表明，所研制的機器人可適用于工廠化蘑菇種植模式下多層菇床中狹小、大面積作業(yè)的自動化采摘，單次蘑菇采摘時間約為2.0 s.

關鍵詞：? 蘑菇； 采摘機器人； 運動學分析； 多目標優(yōu)化； 動力學仿真

中圖分類號： TP237? 文獻標志碼：? A? 文章編號：?? 1671-7775（2024）03-0295-07

引文格式：? 孫龍霞，呂? 寧，於? 鋒，等. 蘑菇采摘機器人的結構設計及優(yōu)化［J］.江蘇大學學報（自然科學版），2024，45（3）：295-301，308.

收稿日期：?? 2023-11-01

基金項目：? 江蘇省現(xiàn)代農機裝備與技術示范推廣項目（NJ2021-37）； 江蘇省重點研發(fā)計劃項目（BE2022363）； 江蘇省農業(yè)科技自主創(chuàng)新項目（CX（20）3068）

作者簡介：?? 孫龍霞（1970—），女，江蘇通州人，研究員級高級工程師（njaurobot@njau.edu.cn），主要從事農業(yè)機械化技術的研究.

呂? 寧（2003—），女，安徽滁州人，本科生（共同一作，2178043589@qq.com），主要從事農業(yè)采摘機器人技術的研究.

Structure design and optimization of mushroom picking robot

SUN Longxia1， LYU Ning2， YU Feng1， GE Xunyi1， HU Shuangyan1

（1. Jiangsu Province Agricultural Machinery Application Center， Nanjing， Jiangsu 210036， China； 2. College of Artificial Intelligence， Nanjing Agricultural University， Nanjing， Jiangsu 210031， China）

Abstract： To solve the problems of picking mushrooms manually in the factory mushroom growing environment with consuming time and labor， a mushroom picking robot was designed and developed. The mechanical structure of the picking robot system was designed by the modular design method， and the positive and negative kinematics solutions of the robot were deduced based on the D-H coordinate method to analyze the dynamic performance of the picking arm. The multi-objective optimization model of picking arm size structure was established for maximizing the picking efficiency， and the optimal solution was obtained with rapid iteration by genetic algorithm. The Adams virtual prototype model was established， and the picking dynamics simulation tests of the robot model before and after optimization were conducted. The simulation results show that under the same motor output torque， the maximum angular velocities of the big arm joint and the small arm joint are increased by 22.9% and 18.6%， respectively， while the single picking time is shortened from 1.60 s to 1.36 s with the picking speed increased by 15%. The developed physical prototype is suitable for the large area automatic picking operation in the sall multi-layer mushroom bed under the factory mushroom growing mode， and the single picking time is 2.0 s.

Key words：? mushroom; picking robot; kinematic analysis; multi-objective optimization; dynamic simulation

食用菌具有極佳的食品價值，能夠提供優(yōu)質完全蛋白質、豐富的脂肪、維他命、微量元素以及21種氨基酸等，蘑菇蛋白優(yōu)于植物蛋白.其中褐菇（因肉質鮮嫩，營養(yǎng)價值和牛排相當，又名牛排菇）更具價值，70%～90%的營養(yǎng)可被人體吸收，還富含有谷類中所沒有的氨基酸、賴氨酸和色氨酸，以及素食中的葉酸和維他命B12等.2014—2019 年，中國食用菌總產量從3 270 萬t增加到近4 000 萬t，食用菌生產正經歷快速穩(wěn)定增長的過程［1-2］.隨著市場上褐菇需求量不斷增加，褐菇種植規(guī)模也不斷擴張，實現(xiàn)了規(guī)?；a，但菌菇采摘環(huán)節(jié)依舊采用人工采摘，自動化機械化程度低、采摘成本高、采摘費時、費力等問題也隨之凸顯［3-4］，因此基于工廠化種植模式下開發(fā)高效率的蘑菇采摘機器人具有極大的應用前景.文獻［5-7］發(fā)明了一種具有多元化吸觸手的蘑菇采摘設備，該采摘機器人利用負壓氣體驅動橡膠吸盤，適合在一定尺寸范圍內的蘑菇帽，針對不同尺寸的蘑菇需要經常性更換吸盤，因而不夠實用.文獻［8］研制了一種收獲溫室牡蠣蘑菇的機器人，采用RGB-D攝像機提供彩色圖像、深度和在低光條件下工作的光源，機器人收獲成功率達到86.8%，但這種采摘機器人存在照明不足的區(qū)域，蘑菇粘連的情況以及蘑菇表皮會出現(xiàn)破損［9］.文獻［10］則采用結構光SR300深度相機采集菇床圖像送入工業(yè)控制計算機進行原位測量，對褐菇進行精確測量與定位.文獻［11］提出了一種YOLO v5遷移學習識別定位褐菇，結合褐菇三維邊緣信息的直徑動態(tài)估測法實現(xiàn)褐菇尺寸的精確測量和中心點定位.但以上的研究都未能滿足在工廠種植模式下的快速、精準、無損的蘑菇采摘需求.

文中結合工廠化種植模式下的多層褐菇采摘需求，采用模塊化的設計方法進行蘑菇采摘機器人結構設計，使用D-H法建立機器人運動學模型，以最快采摘效率為目標函數(shù)建立優(yōu)化模型，采用遺傳算法求得手臂尺寸最優(yōu)解，并通過虛擬樣機軟件Adams驗證最優(yōu)解模型對性能的提升效果，最后開發(fā)出原理樣機進行蘑菇采摘試驗驗證.

1? 蘑菇采摘機器人設計

工廠化種植模式下，為提高空間利用率褐菇種植在多層菇床上.每一個菇房內布置2排菇架，菇架外通道寬度140 cm，單個菇架分為6 層，每層布置18個相互獨立的菇床，層間隔為60 cm，菇床架要求采摘機器人的最低工作高度小于50 cm，最高工作高度大于410 cm.為保證蘑菇采摘機器人可在過道中順利通過，機器人寬度應該小于過道寬度.為滿足工作高度和分層的需求，機器人應具備升降功能.當一個菇床內蘑菇采摘結束之后，機器人需要進行升降或者前進動作，因此采摘機械手臂應該安裝在一套可自動伸縮的導軌系統(tǒng)上，機器人行走時手臂和導軌系統(tǒng)收縮在平臺正上方，機器人采摘時導軌系統(tǒng)朝菇架一側推出，采摘機械手臂和末端采摘手爪則深入到夾層空間進行作業(yè)，如圖1所示.

根據(jù)以上需求，在同時比較了幾種機械手臂的布置方案后，占用立面空間較小的平面關節(jié)手臂作為采摘機械手臂的首選布置方案.同時分析采摘單個菇床的蘑菇時采摘機器人作業(yè)覆蓋平面圖，如圖2所示.蘑菇種植菇床邊界為矩形A2B2C2D2（A2B2=1 340 mm，A2C2=1 400 mm），手臂腰部安裝在導軌系統(tǒng)上，導軌系統(tǒng)x方向和y方向有效行程構成的區(qū)域為矩形A1B1C1D1（A1B1=A1C1=1 000 mm）.由此確定的手臂長度至少為A1A2，得到平面EFGHIJ內部空間為機器人采摘空間平面，能夠看出采摘空間平面可完全覆蓋蘑菇種植區(qū)域.

基于上述分析使用SolidWorks軟件模塊化建立蘑菇采摘機器人系統(tǒng)結構設計裝配模型，如圖3所示.該機器人主要由移動升降平臺、伸縮導軌系統(tǒng)、采摘機械手臂、柔性采摘手爪及傳感器感知系統(tǒng)組成.其中移動升降平臺，使用高強度雙柱鋁合金伸縮升降平臺，采用800 W的電動液壓泵驅動液壓桿和重載鏈條驅動平臺上升和下降.導軌系統(tǒng)則采用龍門式布置，選用內置雙軸心直線導軌和滑塊作為移動執(zhí)行機構，采用同步輪-同步帶作為傳動方案，同時選用合適扭矩的帶增量式編碼器的閉環(huán)步進電動機進行驅動，能夠有效提高導軌系統(tǒng)的平穩(wěn)性.采摘機械手臂采用平面二臂關節(jié)機器人設計方案，選用轉速高、功質比大的直流無刷伺服電動機配合緊湊輕量的諧波減速器驅動，降低了手臂質量從而提高響應速度和采摘效率.末端執(zhí)行器采用自主開發(fā)的柔性采摘手爪，經試驗測定可高效抓取蘑菇，同時不損傷蘑菇表面.

2? 運動學分析

2.1? 運動學正解

為了進一步優(yōu)化手臂的尺寸，首先需要通過運動學分析建立尺寸多目標優(yōu)化模型.文中建立如圖4所示蘑菇采摘機器人D-H坐標系［12］.其中X0Y0Z0為不動坐標系，是末端執(zhí)行器位置的參考坐標系，X8Y8Z8為固接在末端執(zhí)行器上用于表示末端位置和姿態(tài)的坐標系.

根據(jù)坐標系中各關節(jié)之間設定的參數(shù)，列出蘑菇采摘機器人的D-H參數(shù)，如表1所示.

根據(jù)D-H約定，相鄰兩個關節(jié)之間的運動變換矩陣Ai都可以表示為4個基本矩陣的乘積，由此通過簡單計算可得Ai如下：

A1=1000

0010

0-10d1

0001，

A2=1000

0100

001d2

0001，

A3=1000

0010

0-10d3

0001，

A4=100a4

00-10

010d4

0001，

A5=c5-s50a5c5

s5c50a5s5

0010

0001，

A6=c6-s60a6c6

s6c60a6s6

0010

0001，

A7=c7-s700

s7c700

0010

0001，

A8=1000

0100

001d8

0001，（1）

式中： ci表示cos θi；si表示sin θi.

計算得到正運動學矩陣方程：

T08=r11r12r13Px

r21r22r23Py

r31r32r33Pz

0001，（2）

式中： r11=c7（c5c6-s5s6）-s7（c5s6+s5c6）；

r12=-c7（c5s6+s5c6）+s7（c5c6-s5s6）；r13=0；

r21=c7（c5s6+s5c6）+s7（c5c6-s5s6）；

r22=c7（c5c6-s5s6）-s7（c5s6+s5c6）；r23=0；

r31=0；r32=0；r33=0;

Px=a4+a5c5+a6（c5c6-s5s6）；Py=d2+d3+a5s5+a6（c5s6+s5c6）；Pz=d1-d4-d8.

2.2? 運動學逆解

逆運動學方程［13］可以描述為：已知（Px，Py，Pz），求解對應的手臂所對應的夾角和伸長量的值.根據(jù)識別定位相機的工作特性，采摘策略采用點陣列遍歷掃描的方法進行.因此當每次掃描識別之后，采摘機械手臂的腰部位置是由掃描點的位置確定，為已知條件.故靜坐標系導軌系統(tǒng)中y方向導軌運動量d3，x方向導軌運動量a4是確定的.結合機械結構本身尺寸所確定的導軌高度參數(shù)d1，固定導軌伸展運動量d2，腰部偏置量d4，手臂大臂長度a5，小臂長度a6，末端執(zhí)行手爪的旋轉角度θ7都是已知量，則有

Px=a4+a5cos θ5+a6（cos θ5cos θ6-sin θ5sin θ6），

Py=d2+d3+a5sin θ5+a6（cos θ5sin 6+sin θ5cos θ6），

Pz=d1-d4-d8，（3）

即簡化為兩個方程求解兩個未知量的問題.由此可較為容易求得逆運動學方程的解：

cos θ6=（Px-a4）2+（Py-d2-d3）2-a25-a262a5a6，

sin θ6=±1-cos2θ6，（4）

因此解得關節(jié)角度為

θ6=tan-1±1-cos2θ6cos θ6，

θ5=tan-1Py-d2-d3Px-a4-tan-1a6sin θ6a5+a6cos θ6.（5）

2.3? 手臂動力學分析

根據(jù)逆運動學解出的X坐標和Y坐標方程，對其求微分得到dX=Jdq，其中X=PxPy，表示末端位置信息；q=θ5θ6，表示廣義的關節(jié)變量；J為雅可比矩陣，反應末端速度隨位移量的變化關系，表示為

J=-a5sin θ5-a6sin（θ5+θ6）-a6sin（θ5+θ6）

a5cos θ5+a6cos（θ5+θ6）a6cos（θ5+θ6）.（6）

由（6）式可進一步可得到方程X·=Jq·，則手臂上任意點線速度和角速度都可以通過雅克比矩陣和關節(jié)變量的導數(shù)來表示，設分別有Jvi和Jωi，v為線速度，ω為角速度，i表示連桿數(shù)，即為5和6，則有以下關系：

vi=Jvi（q）q·，ωi=Jωi（q）q·.（7）

系統(tǒng)總動能：

Ek=12（mvTv+ωTIω）=12q·TD（q）q·（8）

式中： m為手臂的總質量；I為轉動慣量矩陣，D（q）為慣性矩陣，其對稱且正定，D（q）=∑［miJvi（q）TJvi（q）+Jωi（q）TRi（q）IiRi（q）TJωi（q）］，其中Ri表示連桿質心到旋轉中心的距離.系統(tǒng)總勢能為Ep，由于采摘手臂為平面關節(jié)機器人手臂，則整個單層采摘過程中無勢能變化，因此Ep=G（q），G（q）為系統(tǒng)的重力矢量.

利用拉格朗日動力學方程可得到廣義驅動力F與廣義關節(jié)變量q之間的關系：

F=ddtEkq·-Ekq+Epq，（9）

求得對應的關節(jié)力矩τ=D（q）q··，進而求得手臂總能耗E=∫τq·.

3? 手臂優(yōu)化模型建立及分析

為實現(xiàn)對機器人結構模型的優(yōu)化，采用最高采摘效率為優(yōu)化目標，在給定的優(yōu)化變量下對相關目標函數(shù)進行優(yōu)化求取最優(yōu)解［14］.在圖2中，外側矩形表示菇床單元組成的平面，內側矩形表示導軌系統(tǒng)x、y方向有效行程組成的平面.M（Mx，My）點為相機掃描點，N（Nx，Ny）點為采摘過程中手臂腰部所在的位置.采摘手臂腰部從原始位置O（0，400）點開始，通過導軌系統(tǒng)x方向電動機，y方向電動機，大臂電動機及小臂電動機協(xié)同動作，控制安裝在手臂末端的相機沿直線運動掃描、辨識、測量采摘空間Pn中的蘑菇尺寸，當掃描蘑菇尺寸滿足采摘設定的條件時掃描動作立即停止.手爪進行采摘動作，采摘結束之后N點運動到O點，同時手臂關節(jié)運動成一條直線，M點到達蘑菇放置區(qū)，放下蘑菇之后進行下一次掃描和采摘.

3.1? 優(yōu)化變量

蘑菇采摘機器人手臂系統(tǒng)的大臂和小臂的長度尺寸不但決定了采摘區(qū)域面積，而且還關系手臂質量、采摘軌跡長度等因素，從而將進一步影響到采摘機器人的采摘效率，優(yōu)化前手臂尺寸a5=300 mm，a6=300 mm.因此選定機器人手臂結構參數(shù)設計的優(yōu)化問題優(yōu)化變量為x=（a5，a6）.

3.2? 約束條件

根據(jù)菇床和導軌系統(tǒng)設計的結構尺寸，在求解過程中需要保證P點在圖2中A2B2C2D2矩形平面內，保證C點在內側矩形范圍內.因此得到邊界約束條件為

-670 mm≤Px≤670 mm，

0 mm≤Py≤1 400 mm，

-450 mm≤Cx≤450 mm，

0 mm≤Cy≤1 000 mm.（10）

同時旋轉手臂受物理尺寸限制，達不到整個圓周360°旋轉，因此根據(jù)電動機、減速器的安裝尺寸以及有限元軟件對分析的手臂尺寸參數(shù)分析結果可以確定手臂關機的允許轉角范圍為

-π≤θ5≤π，

-56π≤θ6≤56π.（11）

對于優(yōu)化變量（a5，a6），采摘手臂的伸直尺寸L=A1A2應該保證能夠覆蓋全部的采摘區(qū)域，同時過長的采摘手臂將會導致手臂靈活度下降和轉動慣量增加，不利于快速加減速等動力學表現(xiàn).因此采摘機械手臂應具有各自的長度范圍，由此得到變量約束條件：

Lmin≤a5+a6≤Lmax，

a5min≤a5≤a5max，

a6min≤a6≤a6max.（12）

3.3? 目標函數(shù)

優(yōu)化目標為蘑菇采摘機器人的采摘效率最大，即手臂末端的相機沿直線運動遍歷采摘空間Pn中的蘑菇時所需的總時間最短.機器人關節(jié)電動機選型依據(jù)合理的安裝尺寸，選取輸出轉矩最大的電動機，因此可保證導軌x方向速度vx，導軌y方向速度vy，腰部關節(jié)角速度ω5和肘部關節(jié)角速度ω6的值確定，優(yōu)化時間最小，則有以下目標函數(shù)

min f1=minCxvx，

min f2=minCy-400vy，

min f3=minθ5ω5，

min f4=minθ6ω6.（13）

實際控制中4個電動機同時動作，因此單次采摘時間應該選取4個目標函數(shù)中最大的一個作為模型解.基于以上分析得出采摘機械手臂的優(yōu)化模型：

min F（x）=min∑PnP1max［f1（x）， f2（x）， f3（x）， f4（x）］，（14）

且x滿足x=（a5，a6）.遺傳算法［15］被廣泛應用在求解這類多參數(shù)，多目標函數(shù)的非線性優(yōu)化問題中，算法能夠快速迭代，找到全局最優(yōu)解.文中采用MATLAB遺傳算法工具箱進行求解，設置Lmin=455 mm，Lmax=600 mm，a5min=200 mm，a5max=300 mm，a6min=200 mm，a6max=300 mm.初始化種群數(shù)量100 個，遺傳停止迭代步數(shù)200 次，采用單點交叉算子和均勻變異算子，交叉概率和變異概率分別設置0.8和0.2，設置交叉和變異分布系數(shù)均為20，以保證種群多樣性.通過多次試驗，其優(yōu)化收斂曲線如圖5所示.

從圖5能夠看出，最短時間函數(shù)F（x）在最開始迭代50次內快速收斂，對掃描空間Pn的遍歷時間下降到267.2 s附近，之后200次內求解總時間基本不發(fā)生波動，說明求解得到了比較好的全局最優(yōu)解.對應該最優(yōu)解的優(yōu)化變量值： a5=246.4 mm，a6=268.7 mm.考慮實際加工和安裝，尺寸圓整為246和269 mm.

4? 虛擬樣機性能仿真試驗

為了驗證優(yōu)化過程的有效性，在多體動力學仿真軟件Adams View中建立導軌系統(tǒng)及采摘機械手臂的虛擬樣機模型，如圖6所示.模型中簡化了相關零部件的物理尺寸，根據(jù)物理樣機的實際材料設置、質量、慣性張量等屬性設定樣機的相關物理屬性［15］；根據(jù)實際的約束和運動驅動施加相關運動副約束和運動驅動方程.

對優(yōu)化前手臂尺寸和優(yōu)化后手臂尺寸模型依次進行仿真，仿真同一位置的單次采摘結果，設置仿真步數(shù)為200 次，仿真時間設定為3.0 s（前期理論計算單次采摘結果在2.5 s以內），測量仿真過程中關節(jié)速度特性曲線，得到如圖7、8所示的結果.

由圖結果對比可知，優(yōu)化之后手臂動力學響應變得更迅速.經過優(yōu)化，大臂和小臂的尺寸縮短，從而減小了質量及轉動慣量，在相同電動機扭矩輸出下具有更大的角加速度.小臂關節(jié)角速度從最大角速度118（°）/s增大到140（°）/s，增幅達到18.6%.小臂關節(jié)角速度從最大角速度122（°）/s增大到150（°）/s，增幅達到22.9%；單次采摘時間由1.60 s縮短到1.36 s，縮短用時15%.

5? 機器人樣機采摘試驗

依據(jù)設計和優(yōu)化過程中確定的結構參數(shù)，研制了面向工廠化種植條件下的蘑菇采摘機器人樣機，如圖9所示.

采用VC++編寫上位機控制軟件，并依照工廠種植條件下的菇床尺寸，使用鋁型材搭建了1：1模擬菇床.將采摘過程劃分為以下關鍵動作：導軌伸出，手臂到達采摘起始點；4個電動機協(xié)同動作，手臂開始按照既定的路徑進行點掃描；相機識別到蘑菇；手臂運動到采摘位置；末端手爪升降氣缸向下動作，手爪充氣抓緊蘑菇；末端手爪氣缸上升，蘑菇脫離菇床；4個電動機協(xié)同動作，手爪返回放置蘑菇位置；手爪吸氣張開，蘑菇落入指定位置；手爪準備進行下一次采摘作業(yè).整個過程如圖10所示.

采摘試驗顯示電動機協(xié)調動作的時間在1.5 s左右，當相機識別到蘑菇之后，氣動手爪充氣抓取蘑菇需要0.5 s，單次蘑菇采摘需要2.0 s，開發(fā)的機器人能夠滿足采摘需求，相比人力采摘能夠節(jié)省勞動力.

6? 結? 論

1） 針對工廠化種植條件下蘑菇人工收獲迫切需要解決的問題，進行了采摘機器人設計需求分析；針對實際環(huán)境中的限制條件，進行了蘑菇采摘機器人的模塊化設計.

2） 采用D-H方法建立了機器人運動學分析坐標系，分析并得到了蘑菇采摘機器人的運動學正解和逆解；在此基礎上，通過建立動力學方程分析了機器人手臂動力學性能，得到了關節(jié)旋轉角度、角速度、機械手臂動能之間的關系.

3） 通過建立多目標優(yōu)化函數(shù)，遺傳算法快速求解得到大臂長度246 mm，小臂長度269 mm的優(yōu)化值，最短的遍歷時間為229.5 s；虛擬樣機仿真表明，優(yōu)化后大小臂速度分別提升22.9%和18.6%，單次采摘時間縮減15%.

[WT5HZ]參考文獻（References）[WT5”BZ]

［1］? 李玉. 后疫情時代中國食用菌產業(yè)的可持續(xù)發(fā)展［J］. 菌物研究， 2021，19（1）：1-5.

LI Y. The sustainable development of edible fungi industry in China in the post epidemic era［J］. Journal of Fungal Research， 2021，19（1）：1-5.（in Chinese）

［2］? LI C T， XU S. Edible mushroom industry in China： current state and perspectives［J］. Applied Microbiology and Biotechnology， 2022，106（11）：3949-3955.

［3］? 王飛濤，樊春春，李兆東，等. 機器人在設施農業(yè)領域應用現(xiàn)狀及發(fā)展趨勢分析［J］. 中國農機化學報， 2020，41（3）：93-98.

WANG F T， FAN C C， LI Z D， et al. Application status and development trend of robots in the field of facility agriculture［J］. Journal of Chinese Agricultural Mecha-nization， 2020，41（3）：93-98.（in Chinese）

［4］? 伍榮達，陳天賜，張世昂，等. 果蔬采摘機器人關鍵技術研究進展［J］. 機電工程技術， 2021，50（9）：128-132.

WU R D， CHEN T C， ZHANG S A， et al. Research progress on key technologies of fruit and vegetable picking robots［J］. Mechanical & Electrical Engineering Technology， 2021，50（9）：128-132.（in Chinese）

［5］? JOHN V， JOHN R. Mushroom harvester： United States， US 9 974 235 B2［P］.2018-05-22.

［6］? JOHN VAN， JOHN R. Graze harvesting of mushrooms： United States， US 9 730 394 B2［P］.2017-08-15.

［7］? KUCHINSKIY N A. Development of an autonomous robotic mushroom harvester［D］. Canada： The University of Western Ontario， 2016.

［8］? RONG J， WANG P， YANG Q， et al. A field-tested harvesting robot for oyster mushroom in greenhouse［J］. Agronomy， 2021，11（6）：10-12.

［9］? OLIVEIRA F， TINOCO V， MAGALHES S， et al. End-effectors for harvesting manipulators-state of the art review［C］∥IEEE International Conference on Autonomous Robot Systems and Competitions （ICARSC）， 2022： 98-103.

［10］? 王玲，徐偉，杜開煒，等. 基于SR300深度相機的褐蘑菇原位測量技術［J］. 農業(yè)機械學報， 2018，49（12）：13-19.

WANG L， XU W， DU K W， et al. Portabella mushrooms???? measurement in situ based on SR300 depth camera［J］. Transactions of the CSAM， 2018，49（12）：13-19. （in Chinese）

［11］? 盧偉，鄒明萱，施浩楠，等. 基于YOLO v5-TL的褐菇采摘視覺識別-測量-定位技術［J］. 農業(yè)機械學報， 2022，53（11）： 341-348.

LU W， ZOU M X， SHI H N， et al. Techonlogy of visual identification-measuring-location for brown mushroom picking based on YOLO v5-TL［J］. Transactions of the Chinese Society for Agricultural Machinery， 2022，53（11）：341-348.（in Chinese）

［12］? ANTONOV A V， FOMIN A S. Inverse kinematics of a 5-DOF hybrid manipulator［J］. Automation and Remote Control， 2023，84（3）：317-330.

［13］? XIE S X， SUN L N， WANG Z H， et al. A speedup method for solving the inverse kinematics problem of robotic manipulators［J］. International Journal of Advanced Robotic Systems， 2022，19（3）：1-10.

［14］? 章永年，王美思，吳陽，等. 五連桿足式機器人腿部機構多目標優(yōu)化算法［J］. 農業(yè)機械學報， 2016，47（10）：398-404.

ZHANG Y N， WANG M S， WU Y， et al.Multi-objective optimization algorithm of robot leg based on planar five-bar mechanism［J］. Transactions of the Chinese Society for Agricultural Machinery，2016，47（10）：398-404.（in Chinese）

［15］? 祁若龍，周維佳，王鐵軍. 一種基于遺傳算法的空間機械臂避障軌跡規(guī)劃方法［J］. 機器人， 2014，36（3）：263-270.

QI R L， ZHOU W J， WANG T J. An obstacle avoidance trajectory planning scheme for space manipulators based on genetic algorithm［J］. Robot， 2014，36（3）：263-270.（in Chinese）

[JY，2][HT5SS]（責任編輯? 祝貞學）