日本设施农业葫芦科果蔬和芦笋采收机器人研究现状
1 葫芦科果蔬采收机器人
1.1 黄瓜采收机器人
黄瓜是日本葫芦科中种植面积最大的蔬菜。在日本,黄瓜以个数计价,价格较高,生长速度与其他果蔬相比较快,需每天采收以保证其商业价值。黄瓜采收机器人的设计是典型农机农艺结合的案例。黄瓜的种植一般采用立体栽培的方式,然而该方式并不利于采收机器人作业。科研人员开发出一种黄瓜收获机器人,由视觉传感器、六自由度机械臂、末端执行机构和行走装置组成。通过简化黄瓜机器人的控制机构以便于机器人收割,并设计了一种便于果叶分离的栽培方法——坡架栽培,将传统栽培方法倾斜并用支杆压住茎叶(图1),经试验发现,黄瓜架倾角为65°时最易于机器人工作。基于农机农艺结合,由于黄瓜的颜色与茎叶颜色相似,视觉识别机构是此采收机器人的研发难点。
图1 坡架栽培模式下的黄瓜采收识别示意图
Fig. 1 Cucumber harvesting and recognition under slope cultivation mode
为有效识别黄瓜,岛根大学Fujiura等开发了一套视觉系统,主要由三个镜面反射传感器、一个3D视觉传感器和一台计算机组成,在机器人前进时,无需3D视觉传感器扫描即可通过光电传感器检测到黄瓜。通过开发的镜面反射传感器,在检测到黄瓜后停止行驶,随后3D视觉传感器仅扫描黄瓜的近场进行采收识别。图5左侧显示了镜面反射传感器的工作原理,从激光二极管发出红外激光束(功率:5 mW,波长:830 nm),每个镜面反射传感器的中下部两处使用半透半反镜,上部传感器使用全反射镜,这样来自激光二极管的激光束被分成三束。来自作物表面的反射光通过透镜聚焦在每个镜面反射传感器中的光电二极管上,每个光电二极管的输出信号通过模数转换器输送至计算机。为区分反射光和太阳光,激光束以10 kHz的频率发射。当激光束穿过黄瓜中心时,会因黄瓜表皮的镜面反射产生变大的光电二极管的输出信号,根据这种现象可以检测黄瓜信号的波形,以此判断黄瓜的大概位置。随后采收机器人使用3D视觉传感器获得黄瓜的3D图像数据。在处理3D图像数据时,首先使用3D图像和光电电压提取黄瓜的像素,果实上方较薄的部分被判断为果柄,图像中的其他物体被判断为茎、叶或杆。他们尝试了3D图像在果蔬识别中的应用,结果表明当彩色相机难以从绿色茎叶背景下识别黄色的时候,3D图像可以提供更多有效信息且便于计算机理解黄瓜的位置信息。近年来,以利用Intel开发的Realsense系列RGBD相机或光学雷达(Lidar)可以低成本地采集深度图像,Fujiura等的研究解决了识别算法问题,新产品的应用可以使图像采集系统更轻便高效。
黄瓜采收机器人系统是农机农艺结合的典型案例,通过坡架栽培模式使黄瓜个体与茎叶分布于不同空间,随后使用镜面反射传感器获得黄瓜的大概位置实现初步快速检测,最后使用3D图像判断黄瓜的采收切割点。
1.2 瓜果采收机器人
同属葫芦科的哈密瓜、西瓜等大型水果因其要求机械手至少具有10 kg级别的承重能力,少有相关采收机器人的研究,更多的研究是关于采收末端执行机构。北海道大学Roshanianfard开发了一种可以采摘哈密瓜、西瓜和南瓜的机械手,最终评估集中在8个参数,包括工作空间、系统分辨率、收获可能性区域、准确性、可重复性、收获成功率、周期时间和损坏率。试验结果表明,其抓取成功率和损害率分别为92%和0%,最终系统的收获面积和收获长度为0.286 m2和 0.8 m,可以满足瓜果的采收工作。由于该机械手需结合拖拉机后悬挂,在温室内限制了其应用场景。
2 芦笋采收机器人
作为一种高利润蔬菜,芦笋在日本一直有扩大生产的趋势,然而芦笋采收需要长时间弯腰劳作,劳动力成本高。芦笋日均成长约10 cm,需要每天收获。此外,芦笋与亲本同为绿色,采收需要识别其大小尺寸,所以视觉部分的选取通常是二维激光雷达。Sakai等先后开发了基于激光雷达和机械臂的芦笋采收机器人。试验显示,基于激光雷达的芦笋识别检测成功率为75%,激光雷达扫描时间为2 s,机器人采取时间为2.4 s。Funami等改进了制定采收决策的算法,使机械臂可以绕过非目标芦笋进行采收,当非采收目标芦笋的密度小于25颗/m2的时候,决策成功率超过95%。由于激光雷达识别技术不依赖于芦笋颜色,该识别采收技术有在白芦笋上应用的潜力。
Inaho株式会社于2022年推出了一款小型化的芦笋采收机器人(图2),使用订制的医疗机械臂完成芦笋采收工作,使用履带自走系统通过人工智能识别满足采收要求的芦笋,单颗芦笋采收效率约为12 s。此外,其物联网模块支持手机远程控制机器人作业。在销售模式上采用以租代卖的方式降低初期成本,公司收取的费用取决于芦笋的采收量。
注:照片由Inaho株式会社提供
图2 芦笋采收机器人
Fig. 2 Asparagus harvesting robot
推荐阅读
饶元教授团队:复杂大田场景下基于改进YOLOv8的小麦幼苗期叶片数快速检测方法(《智慧农业(中英文)》2024年第4期)
智慧农业微信交流服务群
发布征集
欢迎在我公众号发布科研团队介绍、创新科研成果及相关活动等信息。