一种保裔芽的菠萝自动采摘机器人及其应用制造技术

本发明专利技术公开了一种保裔芽的菠萝自动采摘机器人及其应用，包括末端执行器、机械臂、车体底板、电源和双目相机；机械臂和电源固定在车体底板上；末端执行器安装在机械臂的末端；双目相机通过支撑杆安装在车体底板上；所述末端执行器包括内刀片、抓爪、外刀片、直线电机、固定支架、旋转电机；所述抓爪为非对称式鳍条效应结构，包括内侧和外侧，内侧与外侧之间通过筋连接。本发明专利技术在切割收获菠萝的过程中，能够有效地保护裔芽不受到破坏，提高了装置的智能化、自动化程度。自动化程度。自动化程度。

【技术实现步骤摘要】
一种保裔芽的菠萝自动采摘机器人及其应用


[0001]本专利技术属于农业机械领域，具体涉及一种保裔芽的菠萝自动采摘机器人及其应用。

技术介绍

[0002]菠萝是一种热带经济作物，在我国福建、广东、海南、广西、云南等地均有栽培。以广东为例，菠萝被称为“岭南四大名果之一”，其种植面积和种植品种数量可见一斑。但菠萝的收获存在若干问题：第一，菠萝的收成时间短，一般仅有二十余天就需要从田地里全部收获完成，人工采摘效率较低；第二，菠萝的种植密度大，常规的采摘机器人较难适应菠萝田环境；第三，菠萝成熟时表层的菠萝叶锋利且坚硬，有时菠萝会被包裹在叶片中，需要拨开叶片来采摘菠萝，但人工采摘很容易被割伤；第四，菠萝为多年生草本植物，其栽培方式并非种子繁殖，常见的果园菠萝栽培方式为小苗培育，即利用菠萝果柄处长出来的幼芽，该幼芽称之为裔芽或种芽，人工采摘时会保留裔芽，但目前采摘机械较少考虑保留裔芽，如专利CN112514642A公开的一种菠萝采摘装置，拨茎链条上的拨板将菠萝的叶片收拢，前切割刀片将菠萝从植株上切离，菠萝运动到后切割刀片处时，后切割刀片会将多余果柄切除，但该装置在采摘过程中没有考虑到保护裔芽的问题，采摘准确率也较低。

技术实现思路

[0003]本专利技术的目的在于克服现有技术中存在的缺点，提供一种保裔芽的菠萝自动采摘机器人及其应用，采摘过程中保护裔芽，结构简单可靠，采摘效果好、效率高、准确度高。
[0004]本专利技术的目的通过下述技术方案实现：
[0005]一种保裔芽的菠萝自动采摘机器人，包括末端执行器1、机械臂2、菠萝收集筐3、车体底板4、电源5和双目相机6；机械臂2、菠萝收集筐3和电源5固定在车体底板4上，车体底板4用于支撑和移动整个采摘机器人；六自由度机械臂2为驱动装置，用于实现末端执行器的轨迹行走；末端执行器1安装在机械臂2的末端；双目相机6通过支撑杆安装在车体底板4上。
[0006]所述末端执行器1包括内刀片11、抓爪12、外刀片13、连接铰链14、直线电机15、滑轨16、固定支架17、旋转电机18；抓爪12和直线电机15各有三个，三个直接电机15用于分别控制三个抓爪12的张合，抓爪12和直线电机15分别通过连接铰链14安装在固定支架17上；旋转电机18与固定支架17相连接，用于带动固定支架17的旋转；内刀片11安装在抓爪12的内侧底端，外刀片13安装在抓爪12的外侧。
[0007]所述抓爪12为非对称式鳍条效应结构，包括内侧和外侧，内侧与外侧之间通过筋连接；所述内侧和外侧的形状均为类似菠萝外轮廓的形状，外侧比内侧厚3～5mm，内侧的底端设置有刀槽用于安装内刀片11，外侧设置有一个以上的刀槽用于安装外刀片13。本专利技术的抓爪采用非对称式鳍条效应结构，外侧结构比内测结构厚，且中间有镂空，其形状为两侧边界形状，本专利技术的结构使得抓爪内侧具有自适应性，会根据菠萝的形状而产生自适应变形，从而使得抓取更牢固；同时，抓爪的外侧较厚，具有足够的刚性，不容易产生变形，可以
有效地保证抓爪在工作过程中不被茎叶挤压变形。
[0008]所述外刀片13为仿生鱼鳞形刀片结构，外刀片的侧面为锯齿状，用于切除菠萝叶片，外刀片13安装于抓爪12的外侧；内刀片11安装于抓爪12的内侧，为单层结构，用于将菠萝切断取下。
[0009]弹簧110的两端分别与抓爪12、弹簧连接件19相连接，弹簧110和直线电机模组一起控制抓爪12的张合状态；弹簧连接件19套接在旋转电机18上；直线电机15与滑轨16组成一个直线电机模组，所述模组的一侧与抓爪12相铰接，另一侧与固定支架17相连接。当开始抓取工作时，直线电机启动，沿着滑轨向固定支架17的一侧滑动，旋转电机启动，带动外刀片对遮挡菠萝的茎叶进行切割，抓爪12将弹簧110撑开，形成一个空间；当末端执行器1到达定位切割点时，直线电机停止工作，受到弹簧弹力的作用，抓爪迅速向中间收缩，切断菠萝，即完成一次菠萝采摘过程。
[0010]所述保裔芽的菠萝自动采摘机器人的应用，包括下述步骤：
[0011](1)双目相机进行视觉识别，确定切割点；
[0012](2)机械臂带动末端执行器到达切割点，直线电机做功使抓爪张开；旋转电机旋转，带动抓爪夹持菠萝，外刀片对菠萝叶切割；
[0013](3)然后直线电机做功使抓爪闭合，内刀片对果柄进行切割，同时保证刀片不会损伤裔芽；
[0014](4)切割完毕将菠萝运送至菠萝收集筐内。
[0015]步骤(1)中，如图4所示，所述视觉识别包括下述步骤：
[0016](1
‑
1)预先存储大量的菠萝和菠萝冠图像，构建菠萝图像库，并运用yolov5网络结构对其进行深度学习；
[0017](1
‑
2)进行单目相机标定，得到相机的内参数矩阵和畸变参数矩阵，然后进行双目标定，得到双目校正的重投影矩阵即相机像素距离与真实距离的转换关系；
[0018](1
‑
3)菠萝采摘机器人在果园前进过程中实时获取双目相机生成的图片，将图片送入已经训练好的yolov5神经网络结构中对菠萝图像进行识别，若有产生菠萝识别框得到框选图像，则进行步骤(1
‑
4)；
[0019](1
‑
4)对框选图像进行灰度处理，然后运用OTUS法对框选图像进行二值化处理，将处理后的图像进行若干次膨胀和腐蚀处理消除噪声；再运用canny边缘检测获得菠萝图像的轮廓，调用边缘检测算法函数(如Marr
‑
Hildreth边缘检测算法)，辅助提取轮廓信息，进行轮廓筛选，将轮廓信息保存，发送给步骤(1
‑
8)；同时进行步骤(1
‑
5)；
[0020](1
‑
5)通过双目相机获取菠萝点云信息并进行三维重构，判断该菠萝果实是否被茎叶遮挡；若菠萝果实未被茎叶遮挡，则进行步骤(1
‑
6)，反之进行步骤(1
‑
7)；
[0021](1
‑
6)若菠萝果实未被茎叶遮挡，则直接提取菠萝的点云信息(即菠萝外观表面的点数据集合的信息)，根据点云信息找到点云质心及菠萝果实底端信息，以重构三维菠萝、计算质心和反求菠萝底部及果柄、计算直线距离，并将数据返回给机械臂，然后进行步骤(1
‑
9)；
[0022](1
‑
7)若菠萝果实被茎叶覆盖遮挡，则分别获取并求出菠萝冠与菠萝果实的点云信息和求出质心，做一条通过两个质心点的直线，该直线上存在菠萝果实质心；获取菠萝最外侧点云信息，并投影到与双目相机平行的平面上，该图像信息为根据点云信息判断的菠
萝果实的外轮廓信息；
[0023](1
‑
8)对步骤(1
‑
4)中获得的菠萝轮廓信息和步骤(1
‑
7)点云生成的菠萝外轮廓信息进行拟合，当两曲线上点的最短距离和菠萝冠与菠萝果实之间的距离相等时，则得到所需直线，将该直线提本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种保裔芽的菠萝自动采摘机器人，其特征在于：包括末端执行器、机械臂、车体底板、电源和双目相机；机械臂和电源固定在车体底板上；末端执行器安装在机械臂的末端；双目相机通过支撑杆安装在车体底板上。2.根据权利要求1所述的菠萝自动采摘机器人，其特征在于：所述末端执行器包括内刀片、抓爪、外刀片、直线电机、固定支架、旋转电机；抓爪和直线电机各有三个，三个直接电机用于分别控制三个抓爪的张合，抓爪和直线电机分别通过连接铰链安装在固定支架上；旋转电机与固定支架相连接，用于带动固定支架的旋转；内刀片安装在抓爪的内侧底端，外刀片安装在抓爪的外侧。3.根据权利要求2所述的菠萝自动采摘机器人，其特征在于：所述抓爪为非对称式鳍条效应结构，包括内侧和外侧，内侧与外侧之间通过筋连接；所述内侧和外侧的形状均为类似菠萝外轮廓的形状，外侧比内侧厚，内侧的底端设置有刀槽用于安装内刀片，外侧设置有一个以上的刀槽用于安装外刀片。4.根据权利要求2所述的菠萝自动采摘机器人，其特征在于：所述外刀片为仿生鱼鳞形刀片结构，外刀片的侧面为锯齿状，用于切除菠萝叶片；内刀片为单层结构，用于将菠萝切断取下。5.根据权利要求2所述的菠萝自动采摘机器人，其特征在于：弹簧的两端分别与抓爪、弹簧连接件相连接；弹簧连接件套接在旋转电机上；直线电机与滑轨组成直线电机模组，所述模组的一侧与抓爪相铰接，另一侧与固定支架相连接。6.一种权利要求1～5中任一项所述的保裔芽的菠萝自动采摘机器人的应用，其特征在于包括下述步骤：(1)双目相机进行视觉识别，确定切割点；(2)机械臂带动末端执行器到达切割点，直线电机做功使抓爪张开；旋转电机旋转，带动抓爪夹持菠萝，外刀片对菠萝叶切割；(3)直线电机做功使抓爪闭合，内刀片对果柄进行切割，同时保证刀片不会损伤裔芽；(4)切割完毕将菠萝运送至菠萝收集筐内。7.根据权利要求6所述的菠萝自动采摘机器人的应用，其特征在于：步骤(1)中，所述视觉识别包括下述步骤：(1
‑
1)预先存储大量的菠萝和菠萝冠图像，构建菠萝图像库，并运用yolov5网络结构对其进行深度学习；(1
‑
2)进行单目相机标定，得到相机的内参数矩阵和畸变参数矩阵，然后进行双目标定，得到双目校正的重投影矩阵即相机像素距离与真实距离的转换关系；(1
‑
3)菠萝采摘机器人在果园前进过程中实时获取双目相机生成的图片，将图片送入已经训练好的yolov5神经网络结构中对菠萝图像进行识别，若有产生菠萝识别框得到框选图像，则进行步骤(1
‑
4)；(1
‑
4)对框选图像进行灰度处理，然后运用OTUS法对框选图像进行二值化处理，将处理后的图像进行若干次膨胀和腐蚀处理消除噪声；再运用canny边缘检测获得菠萝图像的轮廓，调用边缘检测算法函数(如Marr

【专利技术属性】
技术研发人员：邹湘军，艾璞晔，唐昀超，陈思宇，陈增兴，龙亚宁，李承恩，林俊强，温斌，孟繁，邹天龙，
申请(专利权)人：仲恺农业工程学院佛山市中科农业机器人与智慧农业创新研究院，
类型：发明
国别省市：