随着猕猴桃产业规模不断扩大,参与果实收获作业的劳动力却逐年减少,为了解决劳动力短缺的问题,需要利用机械化替代人工进行采摘作业。目前,猕猴桃采摘机器人存在作业效率低的问题。基于此问题研究了全视场(摄像机能够观察到的最大范围)猕猴桃果实信息感知与连贯采摘机器人关键技术。本研究能够提高果实采摘机器人作业效率,对于采摘机器人研制具有重要研究意义和应用价值。本文主要研究内容和结论如下:(1)提出了改进AlexNet的全视场猕猴桃目标识别与定位方法。采用Faster R-CNN对不同光照条件下4类采集条件的图像训练集进行训练,提出的Im-AlexNet对4种天气类型图像的识别精度统计分别为:94.36%,96.87%,94.94%和97.83%,识别精度的平均值为96.00%,识别时间约为1s,比LeNet、AlexNet和VGG16识别精度的平均值高出5.73百分点;其中对存在遮挡情况下的图像识别精度为94.75%。另外将RGB图像识别结果与深度图像进行配准,获得RGB图像上的点坐标对应点云集中的三维坐标。试验测量果萼位置与识别中心点在x和y方向平均误差分别为4.3 mm、3.9 mm,使用雷达测距仪测量30个样本z轴方向(高度)平均误差为3.5 mm。(2)基于全视场猕猴桃果实簇的识别结果,确定了多机械手协同作业的采摘任务分区及顺序规划方法。采用K-means聚类进行采摘任务分区,并基于模拟退化法(SAA)确定果实的采摘顺序。按照采摘机械手协同作业特点进行采摘任务规划,首先确定猕猴桃果实簇位置,将100 mm范围内的所有毗邻猕猴桃归为在同一簇;将临近果实簇进行聚类,将图像中果实簇分为几个部分并确定分区结果。其次采用模拟退火算法对果实采摘顺序进行规划,将采摘任务分为4个分区时,其采摘顺序的最短路径的长度平均值为852 mm。结果表明多个机械手的数量对应采摘任务分区个数(2个、4个)的研究方法,可作为采摘机器人协同作业任务规划的研究基础。(3)研究了猕猴桃果实的连贯采摘方法,试制了末端执行器并验证了连贯采摘运动轨迹。对猕猴桃农艺特点进行了调研,确定了猕猴桃连贯采摘方法,建立了采摘机理的几何模型,同时对末端执行器的关键结构进行了参数设计。基于仿生的采摘方法,实现了末端执行器“抓取-采摘-卸果”的弧形运动轨迹。通过Adams对末端执行器运动轨迹进行了仿真分析,并对抓取采摘轨迹进行优化,实现了“抓取-采摘-卸果-复位”一体化的连贯采摘动作,确定了最佳分离角度,解决了末端执行器采摘作业时间过长、采摘成功率偏低等问题。通过末端执行器连贯采摘试验验证结果得知,果实的长轴和果梗呈60-70°时果实的分离力最小,单果采摘成功率为94.2%,单果采摘平均时间为4-5 s。(4)针对采摘机器人从底部进行作业特点,研究了基于ROS的机械臂采摘位姿控制方法。通过ROS MoveIt!模块对机械臂采摘位姿及运动路径进行了规划,实现了采摘机械臂逆运动学求解,对采摘机械臂的运动位姿特性进行了分析。使用Solidworks创建了机械臂模型,通过sw2urdf插件转换工具,导出了机械臂的URDF的模型文件,并进行了参数配置。基于ROS对6自由度机械臂进行了运动仿真,选取开源运动规划库(OMPL)中的随机扩展树算法(RRT)进行采摘机械臂的运动规划分析并驱动UR5机械臂。结果表明:通过对采摘机械臂采摘位姿进行了运动控制,确定了机械臂的采摘位姿和运动轨迹,得出了机械臂的工具端旋转的最大半径值和采摘分离点的位置。(5)试制了猕猴桃采摘机器人样机并进行了验证试验。猕猴桃采摘机器人由视觉系统、机械手、控制单元、末端执行器和移动平台等五部分组成,并在平台上安装果实筐、波纹管、补光灯等。通过猕猴桃采摘机器人试验样机验证了全视场果实信息感知和连贯采摘方法,并统计采摘机器人在实际作业环境中的识别精度、连贯采摘方法的评价指标。结果表明:采摘机器人视觉识别系统的识别精度为95.31%,对猕猴桃的果实目标定位准确率为79.06%,其中误识别和漏识别果实占比分别为1.25%和4.69%,图像识别平均时间约为1.0 s/幅。采摘末端执行器实现了“抓取-采摘-分离”的连贯动作,单果采摘时间约为5.8秒,验证了文中提出的猕猴桃连贯采摘方法的有效性。