茶叶有着自身独有的性质,深受人类喜爱。不论是中国古代的丝绸之路,还是近代开辟的新航路,茶一直作为重要的货物,流转到世界各地,珍贵的茶叶被世界青睐。茶叶的采摘消耗了大量的人力、物力以及时间,这些因素都限制了我国茶叶产业更向前进的势头。茶叶的采摘技术需要不断地进行迭代更新,更要区别传统“一个标准”的茶叶收割机械,设计新式的智能采茶机。在本文的研究中,需设计一整套完整的工作运行系统以更高效、协调地实现茶叶嫩芽的采摘工作。采茶机器人设计并应用了结合机器视觉与Delta并联机械的“手—眼”协同操作系统。通过神经网络的机器学习,实现了自适应的无标定视觉伺服,以及对“手”系统中的采摘路径进行了高效且稳定的研究。主要研究内容如下:首先,根据茶叶嫩芽的采摘需求及机器人设计的重要依据,本文设计并研制了并联式自动采茶机的“手—眼”协同控制系统。在“手”单元中设计了机械结构主体——一种四自由度的Delta并联机构,以实现重复性的嫩芽采集工作,针对茶叶的特殊性设计了采摘手,并通过履带机构使机器人得以在田间平稳工作。在“眼”单元中设计了“全局—局部”的摄像机安装方案,通过其中的“脑”单元实现了茶叶图像的数据处理,为茶叶的采摘提供了先决条件。其次,根据目前手眼关系的研究现状,阐述了“手—眼”协同操作的研究基础,提出一种适合于采茶机的手眼标定技术。在本文中,“手”单元为“3+1”自由度,且主要运动为平移运动,故以此为基础,建立了以平移为主,平移与旋转相结合的“手眼”联系,实现采茶机器人中“手”单元与“眼”单元的“手—眼”协同工作,避免了系数矩阵的秩不满,进而难以计算的情况。之后,根据茶叶采摘的特殊性,对比视觉伺服的一些不足之处,研究了一项关于茶叶嫩芽采摘的无标定视觉伺服系统策略,该策略基于茶叶嫩芽的图像,构造了新的任务函数,其对于茶叶图像的噪声处理中具有较好地性能。建立了系统的工作流程,设计了一种基于神经网络的收敛单元,使其作为视觉控制器,替代交互矩阵的逆矩阵,以避免求解的奇异性。提出了一种基于模糊逻辑（FL）的运动控制器,使增益可随情况改变,根据每个采茶循环周期内,任务函数的L2范数及其导数作为输入,提高系统的收敛速度。进一步地,根据茶叶采摘中的轨迹规划急动度优化原则,提出了一种基于时间与急动度最优的速度曲线模型。阐述了各种速度曲线的优缺点,提出对调和急动模型进行适应性改进,改进为具有15阶段的急动曲线,避免了其他曲线存在的不足。设计了适用于采茶特殊性的粒子群优化算法,并用其求解了模型中最优的时间间隔参数,优化了采茶轨迹周期。遵守了运动学约束,对采摘轨迹的时间与急动度综合优化,保持了良好的轨迹平滑性。最后,根据研究的需求,搭建了“手—眼”协同工作的采茶机器人上下位机实验样机平台,研制了一个适用于样机平台采摘系统的上位机控制软件。根据采摘的特殊性,体现“手—眼”协同原则,对平台的硬件进行了设计与选择,应用上位PC机为“脑”单元主体,运动控制卡为“手”单元的运动控制中心,并将“全局—局部”摄像头的安装方案予以实现。研究了采摘平台系统的软件,开发了其功能,验证了“手—眼”单元的协同工作,无标定视觉伺服的工作,以及轨迹规划的急动度优化实验。