随着农业自动化的发展,传统的人工采摘方式已经无法满足农民对柑橘一类果实的采摘需求。急切需要一种能够快速且智能化的果实采摘设备来代替人工进行果实收获工作。目前国外对果实采摘设备的研究已经取得一定的成果,并投入到实际的应用当中,而国内大部分的果实采摘设备仍处于试验阶段,无法满足实际的生产需求。对待采摘柑橘的快速检测和精确定位,以及采摘路径规划等算法的研究,能够为采摘设备提供核心理论支持,对加快设备的研发有重要研究意义。本文基于机器视觉技术实现了柑橘采摘的目标识别和路径规划算法。通过深度相机采集的柑橘图像输入到改进的Mask R-CNN算法中进行目标检测,再将检测结果转换成世界坐标输入到改进的蚁群算法中进行柑橘采摘路径规划。主要工作如下:1.应用Intel Realsense D435i深度相机采集柑橘RGB图像和深度图的图像集。基于中值滤波的方法对RGB图像进行预处理,突出果实与背景的特征差异。应用Label Me工具进行数据集标定,并提出一种基于HSV模型的颜色检测方法提高数据集标定的效率和精确度。应用图像处理中图像旋转的方法对数据集进行增强,提高数据集的多样性。2.通过对Mask R-CNN目标检测算法的研究,针对柑橘在图像中的成像效果特征中,外扩检测框长宽比接近(1:1)的现象,提出了一种简化RPN网络结构的方法。该方法将原算法预设锚点框的比例由(1:2,1:1,2:1)简化为(1:1),提高了算法的预测精度并加快了算法的收敛速度。最后应用测试集对改进后的算法模型进行测试评估。3.计算Mask R-CNN目标检测算法输出的柑橘掩膜的重心坐标作为柑橘的目标像素位置。通过分析深度相机的工作原理和坐标之间的转换关系,将柑橘的像素坐标转换为世界坐标。4.研究遗传算法和蚁群算法两种算法在旅行商问题上的应用,针对柑橘采摘路径规划问题进行算法改进,使之能够对世界坐标系下的柑橘采摘路径进行规划。分别分析和选取两种算法的最优参数。分析不同柑橘数量规模下,两种算法的路径规划效果,选择表现较优的蚁群算法作为最终的柑橘采摘路径规划算法。