蔬果的收获工作一直是种植业最费时费力的环节之一,研究和制造智能农业装备来替代采摘这种劳动密集型工作,实现蔬果的高效自动化采摘,在国内外都是大势所趋和研究重点。本文针对棚室内种植的番茄,完成了采摘机械手的采摘机械结构、视觉系统、采摘机构的动作轨迹规划、集成控制系统等关键技术的研究。详细研究内容如下:（1）本文总体设计了番茄采摘机械手的系统。根据成熟番茄的采摘作业要求,分析了番茄采摘机械手的工作原理和基本结构,总体设计了番茄采摘机械手的构成:四自由度关节型机械手结构、柔性末端执行器、深度视觉识别与定位系统。（2）本文根据采摘机器人的工作特性改进了现有的番茄标准化种植方式,并根据改进后的工作环境设计了串联式多关节型四自由度机械臂。在现有的番茄标准化种植方式的基础上利用园艺的方法提出了一种更加适用于机器人采摘的双模自动化种植方式,然后在此基础上分析了番茄采摘作业空间,然后进一步利用Matlab优化了四自由度番茄采摘机械臂各关节参数,确定了机械臂的D-H矩阵参数,并基于蒙特卡洛法求在Matlab中求解了番茄采摘机械臂工作空间范围,结合作业空间,验证了优化后参数的合理性。（3）本文标定了视觉传感器的内外参数,研究了番茄自动识别与定位算法。本文选择在开源机器人操作系统（ROS）上搭建番茄采摘机械手的深度视觉识别与定位系统,首先为矫正深度传感器的畸变和确保空间场景中的点完整的投影到图像上,在ROS上使用张正友标定算法完成了对Kinect V2相机内外参数的标定,然后针对已有的多模态信息的视觉识别定位的算法存在的图像处理过程复杂与定位误差等问题,引入平面图像识别与跟踪算法来对图像信息进行预处理,提高了传统的多模态信息的视觉识别定位的算法的识别精度,并在此基础上成功识别出了模拟目标。（4）本文针对机械手臂轨迹规划的问题展开了研究,完成了手眼标定。使用快速扩展随机树（RRT）算法通过扩展随机树的方式以数据库的形式存储无障碍路径点最终随机形成一条无碰撞轨迹,并在开源机器人操作系统（ROS）上通过Kinect V2相机采集手臂末端ArUco标签完成了机械臂与深度传感器之间位置关系的确定。（5）本文在最后搭建了模型机进行基于机器视觉的目标抓取测试。使用开源机器人操作系统（ROS）作为上层控制,使用ArbotiX控制器作为机械臂的底层控制接口,Turtlebot-Arm作为机械臂本体,使用Kinect V2相机作为深度视觉传感器,搭建采摘实验平台,并进行识别和抓取测试,实验结果表明:机器视觉系统识别成功率94%,当识别距离小于600mm时,定位误差小于10mm;机械臂定位精度最大误差2.5mm,平均误差1.1mm机械臂轨迹规划成功率99%,轨迹执行成功率100%;机械手采摘单个番茄平均耗时15s,采摘成功率大于87.7%。