摘 要

　　隨著(zhù)農業(yè)智能化的快速發(fā)展，機器視覺(jué)技術(shù)被廣泛應用于農業(yè)自動(dòng)化采摘領(lǐng)域， 可以輔助人類(lèi)完成相應的采摘作業(yè)。在機械控制系統中，機器視覺(jué)以高效率、定位 精度高等優(yōu)點(diǎn)成為當今機械手控制系統中的主流。

　　本文基于機器視覺(jué)研究六自由度機器手來(lái)實(shí)現對富硒綠茶嫩芽目標的抓取和放 置。以 OpenMV 為機器視覺(jué)傳感器，研究機械手運動(dòng)學(xué)分析、軌跡規劃及嫩芽目標 識別與定位等問(wèn)題，實(shí)現基于機器視覺(jué)的智能采茶機械手控制系統，順利完成嫩芽 的采摘。首先通過(guò)總體方案的設計來(lái)確定各個(gè)子模塊的具體功能，并針對各個(gè)模塊的控 制原理進(jìn)行說(shuō)明。通過(guò) D-H 參數來(lái)建立六自由度機械手的基礎模型，并對其進(jìn)行運 動(dòng)學(xué)分析，在不同的坐標下分析其軌跡規劃的差異性，并對其工作空間的有序展開(kāi) 研究。對比不同采摘路徑規劃算法的性能，并選擇 PSO 算法來(lái)完成機械手路徑規劃。

　　其次對機械手的控制策略和采摘展開(kāi)仿真研究，對比三種最常見(jiàn)的控制方法并進(jìn)行 仿真分析，采用融合控制方案來(lái)完成本論文研究。最后基于 Arduino IDE 軟件平臺完 成基于機器視覺(jué)的智能采茶機械手的采摘測試，通過(guò)編寫(xiě)模塊化的機械手舵機控制 程序來(lái)驅使舵機完成相應的采摘任務(wù)，測試之前需配置好平臺環(huán)境，對采集的嫩芽 圖像進(jìn)行預處理，并利用改進(jìn)后的 K-means 算法來(lái)完成嫩芽的識別，在 April Tag 視 覺(jué)定位基礎上完成嫩芽坐標輸出，對采摘流程進(jìn)行具體設計并完成模擬測試。

　　測試結果表明，所設計的基于機器視覺(jué)的智能采茶機械手控制系統能夠完成嫩 芽的采摘任務(wù)，模擬測試的平均識別成功率為 94.57%,平均采摘時(shí)間為 10.28s,對 于自動(dòng)化農業(yè)的實(shí)施起到了良好的推動(dòng)作用，對農業(yè)智能化的發(fā)展具有十分重要的 現實(shí)意義。

　　關(guān)鍵詞：農業(yè)自動(dòng)化，機器視覺(jué)，采茶機械手，智能控制，路徑規劃

Abstract

　　With the rapid development of agricultural intelligence, machine vision technology is widely used in the field of agricultural automated picking, which can assist humans in completing the corresponding picking operations. In mechanical control systems, machine vision has become the mainstream of today's manipulator control systems with its advantages of high efficiency and high positioning accuracy.

　　This paper is based on machine vision to study the six-degree-of-freedom robot hand to realize the capture and placement of the target of selenium-enriched green tea buds. Use OpenMV as the machine vision sensor to study the problems of manipulator kinematics analysis, trajectory planning, and shoot target recognition and positioning, realize the intelligent tea picking manipulator control system based on machine vision, and successfully complete the shoot picking.

　　First, determine the specific function of each sub-module through the design of the overall scheme, and explain the control principle of each module. The basic model of the six-degree-of-freedom manipulator is established through D-H parameters, and its kinematics is analyzed, the difference of its trajectory planning is analyzed under different coordinates, and the orderly study of its work space is carried out. Compare the performance of different picking path planning algorithms, and select the PSO algorithm to complete the robot path planning. Secondly, a simulation study is carried out on the control strategy and picking of the manipulator, the three most common control methods are compared and the simulation analysis is carried out, and the fusion control scheme is adopted to complete the research of this paper. Finally, based on the Arduino IDE software platform, the picking test of the intelligent tea picking manipulator based on machine vision is completed, and the modular manipulator steering gear control program is written to drive the steering gear to complete the corresponding picking tasks. The platform environment must be configured before the test. The bud images are preprocessed, and the improved K-means algorithm is used to complete the identification of the buds. The coordinates of the buds are output based on the April Tag visual positioning. The picking process is specifically designed and the simulation test is completed.

　　The test results show that the designed intelligent tea picking manipulator control system based on machine vision can complete the task of picking buds. The average recognition success rate of the simulation test is 94.57%, and the average picking time is 10.28s, which is useful for the implementation of automated agriculture. A good driving effect is of great practical significance to the development of intelligent agriculture.

　　Keywords: Agricultural automation, machine vision, picking manipulator, intelligent control, path planning

目 錄

　　第 1 章 緒論

　　1.1 研究背景及意義

　　對于很多以農業(yè)生產(chǎn)為主的國家來(lái)說(shuō)，其農業(yè)的發(fā)展與國家的繁榮昌盛有著(zhù)不 可分割的關(guān)系，隨著(zhù)醫療水平的不斷發(fā)展，居民的預期壽命延長(cháng)，許多國家和城市 都面臨人口老齡化的難題。工業(yè)化進(jìn)程的不斷加快，使得農業(yè)勞動(dòng)者轉向服務(wù)行業(yè) 發(fā)展，使得農業(yè)領(lǐng)域的勞動(dòng)力呈現大量短缺的現象，導致農業(yè)的生產(chǎn)成本急速提高 [1-2].而僅僅依靠人工采摘的方式會(huì )存在大量缺點(diǎn)，長(cháng)時(shí)間的高負荷作業(yè)還會(huì )帶來(lái)一 定的危險，因此研發(fā)一種智能化的茶葉采摘機器人的需求是非常迫切的。茶葉采摘 機器人不僅能夠降低茶農的勞動(dòng)強度，還可以提高茶葉的生產(chǎn)率，在一定程度上還 降低了生產(chǎn)成本，可以保證茶葉能夠及時(shí)按量的采摘完成。

　　信息技術(shù)的發(fā)展日新月異，機器人技術(shù)的研究與發(fā)展已然成為熱門(mén)，在航空航 天領(lǐng)域及一些重要的工業(yè)現場(chǎng)得到了廣泛推廣，機器人的結構也趨向高速度和高精 度的方向發(fā)展，并且其能夠滿(mǎn)足高負載自重比的需求，實(shí)時(shí)完成預期的工作任務(wù)。 機械手本身帶有的柔性特征極易導致結構變形，直接降低了機械手在執行任務(wù)時(shí)的 精度[3].因此，在設計采摘任務(wù)時(shí)一定要考慮機械手柔性結構的特殊性，只有實(shí)現對 其高精度的控制效果，才能順利完成相應的工作任務(wù)[4].而對其精度的控制要以機械 系統的動(dòng)力學(xué)特性作為研究基礎。從結構上來(lái)說(shuō)，機械手的柔性結構對于動(dòng)力學(xué)系 統分析來(lái)說(shuō)也是極其復雜的，而在此基礎上所構建的動(dòng)力學(xué)方程是對機械手進(jìn)行高 精度控制的關(guān)鍵[5-6].由于動(dòng)力學(xué)方程本身的非線(xiàn)性和強耦合性，導致其在具體的工 程作業(yè)中會(huì )遇到困難，并且其方程是根據目標位置來(lái)實(shí)時(shí)變化的。為了建立柔性機 械手的基本模型來(lái)研究其動(dòng)力學(xué)特性，就必須要進(jìn)行剛耦的結合，再考慮到其非線(xiàn) 性特性，使得模型的建立更加復雜[7-8].一般來(lái)說(shuō)，控制系統進(jìn)行智能控制的依據來(lái) 源于我們所建立的動(dòng)力學(xué)模型，并設計相應的舵機控制方式，就可以操控執行器完 成定位抓取，機械手的動(dòng)力學(xué)特性也直接決定著(zhù)信息傳遞的有效性。

　　柔性機械手應用于茶葉嫩芽的采摘是比較合理的。首先，其結構比較輕，能夠載重的范圍較寬，對于茶葉的采摘作業(yè)來(lái)說(shuō)是很科學(xué)的，并且其功耗很低，可以借 助一些外部電源即可完成長(cháng)時(shí)間的采摘作業(yè)，柔性機械手的可操作空間也比較大， 能夠滿(mǎn)足富硒茶葉嫩芽采摘的需求，在識別算法設計合理的基礎上可以擁有很高的 識別率和采摘效率，并且響應時(shí)間很短，可以節省大量的采摘時(shí)間。可是單一的柔 性機械手獨立完成采摘作業(yè)的效率很低，需要借助于視覺(jué)系統來(lái)完成嫩芽的采集和 精準識別[9].而發(fā)展至今的機器視覺(jué)系統則正好與之契合，機器視覺(jué)系統可以高效率 的完成預期的任務(wù)要求，并且其自動(dòng)化程度較高，在一些重要的工業(yè)和航天事業(yè)中 應用較廣，其能夠協(xié)助機械手完成高精度地識別與自動(dòng)化采摘，并具有操作快速的 特點(diǎn)。相比于單獨的機械手采摘，加入機器視覺(jué)系統之后其精度更高，操作性更強， 執行采摘任務(wù)更加可靠。并且在機器視覺(jué)系統的協(xié)助下，機械手采摘系統不需要與 目標茶葉直接接觸，先通過(guò)攝像頭識別再發(fā)送控制信號至舵機，控制相應關(guān)節完成 采摘任務(wù)，能夠大大提高采摘作業(yè)的自主性和決策能力，相當于給機械手賦予精準 識別能力，使其能夠自主完成采摘任務(wù)，提高其適應能力，使其在農業(yè)采摘領(lǐng)域的 應用得到穩步推廣，對于智能農業(yè)的發(fā)展具有十分重要的研究意義。 為了使農業(yè)采摘型機械手具有更多的決策自主能力，完成更多更復雜的自動(dòng)化 采摘任務(wù)，在機器視覺(jué)的基礎上展開(kāi)機械手研究逐漸成為目前機械手控制技術(shù)研究 的熱點(diǎn)[10-11].隨著(zhù)智能化時(shí)代的不斷推進(jìn)，視覺(jué)機械手在抓取、搬運、打磨、裝配 等行業(yè)領(lǐng)域發(fā)展迅速。可以大大提高重點(diǎn)項目的機械工業(yè)化生產(chǎn)的協(xié)同性與自主性， 對于拓展機械手應用領(lǐng)域具有十分重要的現實(shí)意義和研究?jì)r(jià)值。

　　1.2 國內外研究現狀

　　1.2.1 國外研究現狀及趨勢

　　機器視覺(jué)技術(shù)通過(guò)視覺(jué)傳感器將環(huán)境信息轉換為視覺(jué)信息，然后反饋至相應控 制器，控制器發(fā)出控制指令使其更好的適應環(huán)境[12-13].在視覺(jué)技術(shù)和機器人技術(shù)領(lǐng) 域，德國 Siemens 公司對于工業(yè)圖像處理方面的研究有著(zhù)獨特的思考。其研發(fā)的 SIMATIC 是高性能自動(dòng)化處理系統，其憑借清晰度高和處理速度快等特點(diǎn)漸漸發(fā)展成為自動(dòng)化領(lǐng)域中必不可缺的產(chǎn)品。在 SIMATIC 的基礎上又進(jìn)行了創(chuàng )新和優(yōu)化，在 市場(chǎng)上推廣的 SIMATIC VS710 系統，加入智能化的元素，實(shí)現了內部模塊的一體化， 是帶有嚴格工業(yè)標準的分布式系統，其主要面向于灰度級工業(yè)視覺(jué)領(lǐng)域，在工業(yè)實(shí) 踐領(lǐng)域得到了迅猛發(fā)展。其通訊速率高達 12Mbps,這樣的速率可以為工程運行節省 大量時(shí)間。通過(guò)后期不斷的優(yōu)化，可以對運行數據進(jìn)行集成組態(tài)分析。VS710 擁有 PC 般的靈活性，也擁有可以比肩 PLC 的可靠性，其獨特的分布式網(wǎng)絡(luò )技術(shù)使其發(fā)展 得更加全面，將上述功能集成于新的系統進(jìn)行設計，西門(mén)子公司在工業(yè)視覺(jué)領(lǐng)域的 發(fā)展逐步加快[14].日本在智能運動(dòng)型機器人領(lǐng)域的研究起步較早，從最初的救災專(zhuān) 用機器人開(kāi)始，通過(guò)集成多自由度機械手和履帶結構來(lái)完成運行和控制，借助高清 晰度的攝像機來(lái)完成圖像采集，搭配紅外傳感器來(lái)實(shí)現人員體征的測量，能夠完成 實(shí)際的救災工作，但存在工作效率較低、容易誤傷人員的情況，因此還需繼續完善。 發(fā)展到后來(lái)的抗輻射機器人，通過(guò)攝像機的原圖像采集，通過(guò)距離傳感器來(lái)精準控 制物體距離，并配有多個(gè) 7 自由度的機械手用于清理輻射垃圾，機械手的末端還配 置了柔性的夾持器，考慮到工作人員的安全，專(zhuān)門(mén)設計了遠程操作系統，在很大程 度上實(shí)現了智能控制和一體化操作。

　　此外，國外的很多高校及科研學(xué)者也在機器視覺(jué)的基礎上，對機械手的多范圍 應用展開(kāi)深入研究。在文獻[15]中，設計了一種新穎的控制器，實(shí)現網(wǎng)絡(luò )冗余機械手 在任務(wù)空間中的跟蹤同步，在原有神經(jīng)網(wǎng)絡(luò )控制的基礎上，通過(guò)仔細分配接近理想 值的初始神經(jīng)權重，可以提高跟蹤性能。同時(shí)，減少了神經(jīng)網(wǎng)絡(luò )的輸入維數，并確 保了神經(jīng)網(wǎng)絡(luò )的逼近性。但是受噪聲的影響較為嚴重，后期可加入適當的穩壓和消 噪模塊來(lái)改善。在文獻[16]中，設計了一種基于機器視覺(jué)的甘蔗切割系統，使用機器 視覺(jué)來(lái)完成甘蔗莖的片段識別，然后通過(guò)機械控制電氣切割部分來(lái)完成甘蔗的切割， 其片段識別率可達 93%,平均切割時(shí)間為 0.54s,但發(fā)現對芽的傷害較高，后期可通 過(guò)設計更為高級的柔性結構來(lái)完成切割。在文獻[17]中，提出了一種基于視覺(jué)的快速 基幀標定方法來(lái)調整機械手的位姿，該方法可以快速，準確地獲得協(xié)調坐標系之間 的相對姿態(tài)。通過(guò)將標記器安裝在三個(gè)不同的位置即可生成校準系統的框架網(wǎng)絡(luò )， 然后標記在不同位置的相應機器人的圖像，就可以確定標記框相對于相機框架和機器人基礎框架的轉換矩陣和關(guān)節角度，最終由框架閉合鏈建立的校準方程式來(lái)完成 位姿的調整，能夠有效調整機械手的位置抓取精準度。但是對于逆向運動(dòng)方程不適 用，存在一定的局限性。在文獻[18]中，提出了一種結合形狀和顏色的特征提取方法 來(lái)完成蓮花的識別，并基于機器視覺(jué)完成采摘，以現有的脈沖耦合神經(jīng)網(wǎng)絡(luò )分割算 法為基礎，結合形態(tài)學(xué)運算得到較好的分割圖像，利用色差方法和不變矩算法來(lái)提 取分割圖像的顏色和形狀特征，并選擇主成分分析算法以減小顏色和形狀特征的維 數，最終通過(guò) K-means 聚類(lèi)算法來(lái)完成識別。其正確識別率為 90.57%,平均識別時(shí) 間為 0.047s,但對于蓮花的完整度識別效果較差，需要進(jìn)一步優(yōu)化。

　　在文獻[19],提 出將先進(jìn)的工業(yè)組件與新設計的柔性?shī)A持器相結合，設計了蘋(píng)果的自動(dòng)采摘機，通 過(guò)照相機的采集和上位機的處理完成識別，并控制柔性?shī)A持器完成采摘，整個(gè)過(guò)程 用時(shí)平均為 8.3s,對于采摘的周期控制得很好，但是采摘的果實(shí)中存在尚未成熟的 情況，后期需要進(jìn)一步完善。在文獻[20]中，將機器視覺(jué)技術(shù)與醫學(xué)進(jìn)行深度融合， 提出了一種用于腹腔鏡手術(shù)機器人的觸覺(jué)主操縱器的控制方案，通過(guò)改進(jìn)摩擦模型 來(lái)提高摩擦力矩的計算精度，進(jìn)一步設計了基于廣義動(dòng)量的轉矩觀(guān)測器，可以精確 地跟蹤運動(dòng)狀態(tài)所需的關(guān)節驅動(dòng)扭矩，實(shí)驗表明能夠很好地提高手術(shù)操作的精確度 和舒適性，但需要提供較長(cháng)的延時(shí)補償，需要在后續的研究中繼續完善。

　　1.2.2 國內研究現狀及趨勢

　　在機器視覺(jué)和機械手智能控制的技術(shù)領(lǐng)域來(lái)說(shuō)，我國在這方面的研究起步較晚， 很大程度是國內改革開(kāi)放初期的工業(yè)技術(shù)基礎相對薄弱、制造水平普遍較低等因素 造成的，雖然機器視覺(jué)和機械手控制技術(shù)發(fā)展較為緩慢，但國家也在不斷重視和加 大這方面的科研投入，最初的工業(yè)化改革方案就提出要整體提升我國的工業(yè)科技水 平，特別是在機器自動(dòng)化和機械控制領(lǐng)域顯得尤為重要。近幾十年以來(lái)，隨著(zhù)中國 經(jīng)濟的持續發(fā)展，市場(chǎng)經(jīng)濟在社會(huì )發(fā)展的主體地位越來(lái)越高，信息化產(chǎn)品之間的競 爭也越來(lái)越強。于是，國內的很多工業(yè)生產(chǎn)公司都專(zhuān)注于提升自身的工業(yè)化水平， 開(kāi)始研發(fā)基于機器視覺(jué)技術(shù)的應用場(chǎng)景和領(lǐng)域。對于農業(yè)領(lǐng)域的科研及精力投入也 提升到全新水平，因此在很大程度上促進(jìn)了農業(yè)和工業(yè)的深度融合，相繼出現了機器視覺(jué)和機械手控制技術(shù)對于果蔬采摘領(lǐng)域的應用案例，一方面促進(jìn)了農業(yè)自動(dòng)化 的發(fā)展，保障農戶(hù)的基本需求，另一方面也大大促進(jìn)了機器視覺(jué)和機械控制的深入 融合，為經(jīng)濟發(fā)展提供強大動(dòng)力支撐。

　　國內在果蔬自動(dòng)化采摘機器人方面的研究雖然時(shí)間不長(cháng)，但也有了一定的科研成 果。例如重慶理工大學(xué)研發(fā)了一種柑橘采摘末端執行器[21]、吉林大學(xué)的黃瓜采摘機 器人[22],西北農林科技大學(xué)設計的獼猴桃采摘機器人等等[23],在農業(yè)果蔬自動(dòng)化采 摘領(lǐng)域都取得了一定程度上的研究成果。在文獻[24]中，以機器視覺(jué)為基礎設計了水 果采摘機器人，能夠實(shí)現智能識別和移動(dòng)功能，融合了柔性機械手、個(gè)性化夾持器、 橫移機構和智能控制模塊的優(yōu)點(diǎn)，性能較為穩定，但識別精度不高，采摘效率不高。 在文獻[25]中，西北農林科技大學(xué)的張曼深入研究遠-近景組合定位方法，設計了單 驅動(dòng)雙夾持器的草莓采摘末端執行器，通過(guò)優(yōu)化連桿坐標系的集成參數來(lái)調整機械 手的采摘角度，實(shí)現角度的補償定位效果，采摘成功率高達 95%,但是對于草莓的 損壞較大，可續應繼續完善柔性?shī)A持器相關(guān)結構的研究。在文獻[26]中，在機械結構 方面進(jìn)行創(chuàng )新，以仿人工手指為基礎設計的草莓采摘機械手，考慮到草莓果實(shí)的脆 弱，利用氣動(dòng)的方式來(lái)完成驅動(dòng)，手指與草莓的接觸面加入了柔性材料的構件，該 設計很大程度上減少了采摘草莓過(guò)程中對果實(shí)的直接損壞，但是對于草莓的果實(shí)識 別率達不到要求，存在熟果與未熟果混亂采摘的現象，需要進(jìn)一步完善。在文獻[27] 中，其主要以機器人操作系統（ROS）為基礎，設計了七軸機械手目標抓取方法， 結合機器視覺(jué)與機械手控制技術(shù)，首先通過(guò) ROS 獲取圖像信息，再發(fā)送至 OpenCV 庫進(jìn)行圖像處理及物體定位，然后將坐標信息返回至 ROS 進(jìn)行機械手抓取任務(wù)，但 整個(gè)系統的運行周期過(guò)長(cháng)，對于視覺(jué)精度的誤差要求過(guò)大，要實(shí)現工業(yè)化的應用還 需進(jìn)一步完善。在文獻[28]中，為改善視覺(jué)信息反饋延遲大的處境，利用攝像機來(lái)曝 光信號觸發(fā)控制卡，其主要目的是進(jìn)行高速的位置鎖存，那么定位所耗費的時(shí)間就 會(huì )大大減少，巧妙利用運動(dòng)恢復的結構來(lái)提高果實(shí)采摘的精度。結果表明，優(yōu)化后 的方法對于視覺(jué)定位的效果十分顯著(zhù)，分級性能穩定。但是成熟草莓的果實(shí)在采摘 時(shí)受損嚴重，大大降低了產(chǎn)品質(zhì)量，后續需要進(jìn)一步優(yōu)化夾持器結構。

　　1.3 本文主要研究?jì)热?/span>

　　本文以富硒茶葉為采摘對象，基于機器視覺(jué)的圖像采集技術(shù)與茶葉嫩芽識別算 法，實(shí)現二者的深度融合及應用領(lǐng)域研究，集成設計基于機器視覺(jué)的智能采摘機械 手控制系統，最終完成嫩芽的采摘和收集。主要研究?jì)热萁Y構如下：

　　第 1 章緒論：對本論文的研究背景及意義展開(kāi)敘述，以及國內外在機械手控制 領(lǐng)域的研究進(jìn)展，并結合機器視覺(jué)技術(shù)進(jìn)行研究，強調了農業(yè)智能化采摘依然是今 后一段時(shí)間的研究熱點(diǎn)。

　　第 2 章基于機器視覺(jué)的采茶機械手控制及理論：在基于機器視覺(jué)和圖像識別算 法的基礎上提出控制系統的設計方案，然后介紹了機械手的控制原理，以及末端執 行器的結構設計與控制原理，對舵機的選擇及其控制原理進(jìn)行了介紹，同時(shí)對機器 視覺(jué)的系統組成和工作原理進(jìn)行深入介紹。其次對嫩芽采摘的路徑規劃算法進(jìn)行具 體介紹，最后對嫩芽圖像的顏色模型選擇進(jìn)行分析。

　　第 3 章機械手運動(dòng)學(xué)分析與軌跡規劃：首先對機械手進(jìn)行運動(dòng)學(xué)分析，其中包 括連桿坐標系的建立以及關(guān)節坐標的變換，對運動(dòng)方程的相關(guān)參數進(jìn)行說(shuō)明，然后 選擇合適的坐標并在 Matlab 的運動(dòng)學(xué)工具箱中完成機械手的建模與工作空間分析， 并在關(guān)節空間與直角坐標系的基礎上進(jìn)行相應的多項式軌跡規劃。

　　第 4 章機械手控制策略與采摘路徑規劃仿真分析：主要完成機械手的控制策略 與采摘路徑規劃研究，通過(guò)比較三種不同的控制策略的優(yōu)缺點(diǎn)，然后在智能采茶機 械手控制系統的設計中實(shí)現融合控制的策略，并通過(guò)仿真來(lái)分析其控制性能。最后 基于 PSO 算法對嫩芽采摘的路徑進(jìn)行仿真分析，驗證其有效性。

　　第 5 章基于富硒茶葉嫩芽的算法識別研究：針對富硒茶葉嫩芽進(jìn)行算法識別研 究。首先介紹嫩芽圖像的采集，然后對原始圖像進(jìn)行灰度化和濾波等預處理操作， 并基于 Matlab 平臺對其進(jìn)行仿真分析，結果表明其有著(zhù)較好的識別效果

　　. 第 6 章智能采茶機械手控制系統測試：主要是控制系統的測試，首先是系統的 環(huán)境搭建及軟件環(huán)境配置，包括串口等相關(guān)配置，然后對采摘流程進(jìn)行具體分析， 最后進(jìn)行采摘機械手控制的系統測試，通過(guò)不同的采摘策略來(lái)驗證系統的穩定性和全面性。

　　第 7 章總結與展望：是對本文設計的智能采摘機械手控制系統所做研究工作的 總結，以及對基于機器視覺(jué)的機械手智能控制領(lǐng)域的未來(lái)發(fā)展方向及相關(guān)解決問(wèn)題 的構想進(jìn)行后續展望。

　　第 2 章 基于機器視覺(jué)的采茶機械手控制及理論

　　2.1 采茶機械手控制系統方案設計

　　2.1.1 總體方案設計

　　2.1.2 機械手的控制原理

　　2.2 末端執行器介紹及其控制原理

　　2.2.1 末端執行器的介紹

　　2.2.2 末端執行器的控制原理

　　2.3 舵機的基本理論

　　2.3.1 舵機的選擇及產(chǎn)品特性

　　2.3.2 舵機的控制原理

　　2.4 機器視覺(jué)基本理論

　　2.4.1 機器視覺(jué)的系統組成及特點(diǎn)

　　2.4.2 機器視覺(jué)的工作原理

　　2.4.3 攝像頭的選擇及產(chǎn)品特性

　　2.4.4 April Tag 標記定位原理

　　2.4.5 機器視覺(jué)的優(yōu)勢

　　2.5 舵機控制策略原理介紹

　　2.5.1 普通 PID 控制

　　2.5.2 自抗擾控制

　　2.5.3 模糊自適應 PID 控制

　　2.6 嫩芽采摘路徑規劃算法介紹

　　2.6.1 遺傳算法

　　2.6.2 PSO 算法

　　2.7 圖像顏色模型的選擇

　　2.8 本章小結

　　第 3 章 機械手運動(dòng)學(xué)分析與軌跡規劃

　　3.1 機械手運動(dòng)學(xué)分析

　　1 3.1.1 連桿坐標系的建立

　　3.1.2 方程 DH 參數說(shuō)明

　　3.1.3 關(guān)節坐標系變換矩陣

　　3.1.4 機械手運動(dòng)學(xué)正解

　　3.1.5 機械手運動(dòng)學(xué)逆解

　　3.2 機械手工作空間

　　3.2.1 工作空間坐標選擇

　　3.2.2 Matlab 運動(dòng)學(xué)工具箱

　　3.2.3 工作空間繪制與分析

　　3.3 機械手的軌跡規劃

　　3.3.1 軌跡規劃的基本原理

　　3.3.2 關(guān)節空間與直角坐標描述

　　3.3.3 關(guān)節空間的軌跡規劃

　　3.4 本章小結

　　第 4 章 機械手控制策略與采摘路徑規劃仿真分析

　　4.1 機械手動(dòng)力學(xué)模型

　　4.2 采摘路徑規劃 PSO 算法仿真分析

　　4.3 控制策略仿真分析

　　4.3.1 普通 PID 控制仿真

　　4.3.2 自抗擾控制仿真

　　4.3.3 模糊自適應 PID 控制仿真

　　4.4 本章小結

　　第 5 章 基于富硒茶葉嫩芽的算法識別研究

　　5.1 茶葉嫩芽圖像采集

　　5.2 彩色圖像預處理

　　5.2.1 圖像灰度變換

　　5.2.2 圖像濾波處理

　　5.2.3 圖像邊緣檢測

　　5.3 茶葉嫩芽仿真分析

　　5.3.1 K-means 聚類(lèi)算法

　　5.3.2 仿真結果分析

　　5.4 本章小結

　　第 6 章 智能采茶機械手控制系統測試

　　6.1 測試平臺介紹

　　6.2 軟件配置環(huán)境介紹

　　6.3 采茶機械手模型的搭建

　　6.4 機器視覺(jué)目標標定流程

　　6.5 嫩芽采摘流程分析

　　6.6 機械手模擬測試結果與分析

　　6.7 本章小結

第 7 章 總結與展望

　　7.1 總結

　　本文結合國內外農業(yè)智能采摘機械手控制技術(shù)的發(fā)展現狀，在分析農業(yè)采摘自 動(dòng)化的基礎上，研究基于機器視覺(jué)的智能采茶機械手的控制系統。對機器視覺(jué)的基 本原理和舵機的控制進(jìn)行了研究，通過(guò)設計舵機優(yōu)化控制策略來(lái)完成富硒綠茶嫩芽 的采摘，并對機械手的采摘路徑展開(kāi)分析，提出了基于 PSO 算法來(lái)完成路徑規劃的 對策，達到嫩芽順利采摘的目的。對于富硒綠茶嫩芽的識別研究了基于 K-means 算 法的優(yōu)化策略，并進(jìn)行了仿真驗證其可行性。最后搭建系統的整體模型來(lái)進(jìn)行現場(chǎng) 測試，并進(jìn)行分析。本文主要工作如下：

　　1.基于機器視覺(jué)的智能采摘機械手控制系統的方案設計：完成了控制系統的總 體方案設計及各個(gè)子模塊的設計，對各個(gè)子模塊的工作原理和相關(guān)特性進(jìn)行了介紹， 針對設計需求選擇合適的舵機型號，選擇性?xún)r(jià)比較佳的機器視覺(jué)攝像頭，為實(shí)現采 茶機械手的控制打下理論基礎。

　　2.機械手的運動(dòng)學(xué)分析與軌跡規劃：采用 DH 坐標系完成了機械手的連桿運動(dòng) 學(xué)模型，借助 Matlab 運動(dòng)學(xué)工具箱完成了機械手的工作空間分析，對機械手的直角 坐標和關(guān)節空間進(jìn)行軌跡規劃，并通過(guò) PSO 算法來(lái)實(shí)現智能采茶機械手的嫩芽采摘 路徑規劃，通過(guò)仿真分析來(lái)驗證其可行性。

　　3.機械手控制策略仿真分析：結合已有的機械手控制模型，對三種控制策略進(jìn)行 性能對比和仿真分析，考慮到不同位置舵機的結構特性和三種控制策略的優(yōu)缺點(diǎn)， 最終采取融合控制的策略來(lái)實(shí)現舵機的最優(yōu)控制。

　　4.富硒綠茶嫩芽識別算法的研究：以機器視覺(jué)捕獲的綠茶嫩芽圖像為基礎，在色 彩空間轉換和圖像預處理之后，根據原有的 K-means 算法原理進(jìn)行改進(jìn)，并通過(guò)與 Ostu 算法的對比仿真來(lái)分析其優(yōu)化后的嫩芽識別率和識別時(shí)間。

　　5.智能采摘機械手控制系統整體模式搭建與測試：搭建了智能采摘機械手控制系 統的硬件模型，并在軟件配置完成的基礎上，對機器視覺(jué)的目標標定流程和嫩芽采摘流程進(jìn)行分析，最終通過(guò)采摘現場(chǎng)測試來(lái)分析其嫩芽識別精度和采摘效率，并對 其整體性能進(jìn)行總結。

　　7.2 展望

　　本文針對 6 自由度的機械手控制進(jìn)行了研究，并結合了機器視覺(jué)的特點(diǎn)和優(yōu)勢 來(lái)完成富硒綠茶嫩芽的識別定位和采摘。本文研究一種基于機器視覺(jué)的茶葉采摘機 械手控制系統，并且系統模型的測試結果表明該機械手控制系統初步具備自主采摘 能力，但是要讓其成為一個(gè)智能化的茶葉采摘機械手，還需要在某些方面進(jìn)行更為 深入的研究和改進(jìn)。本文的研究仍然存在一些不足：

　　1.關(guān)于富硒茶葉智能采摘機械手的目標定位部分未能成功實(shí)現，其關(guān)鍵在于對茶 葉精準的根部位置的定位機制的研究，同時(shí)機械手的長(cháng)度和尺寸也影響其是否能夠 達到相應位置，這是本論文研究所未完成的。

　　2.本文設計的機器視覺(jué)系統是固定位置的，無(wú)法捕獲到一些邊緣的嫩芽信息，會(huì ) 增加機械手的采摘時(shí)間。其次，攝像頭的精度也有待進(jìn)一步提升，因此在后續研究 中可以考慮采用更加靈活智能的機器視覺(jué)。

　　3.在控制機械手采摘富硒綠茶嫩芽的時(shí)候，會(huì )存在一部分損壞茶葉的情況，這會(huì ) 造成一定的經(jīng)濟損失，因此在后續的研究中可以對末端執行器的結構進(jìn)行優(yōu)化設計， 提高茶葉產(chǎn)出率。 4.本文研究的茶葉采摘機械手控制系統的自動(dòng)化程度較低，后期可以加入更為智 能化的模塊，比如語(yǔ)音控制和手機 App 控制等功能，一方面提高了系統的智能化水 平，還可以增強系統的性能。

致 謝

　　三年時(shí)光轉瞬即逝，不免感懷。本碩士論文是在導師廖紅華教授指導下完成的。

　　曾記得在大二的時(shí)候上您的數字圖像處理課程，到研究生三年的指導和關(guān)懷，都讓 我深有感慨，很高興能夠成為您帶的學(xué)生，在讀研的三年里，廖老師不僅在學(xué)習上 給予了很大的幫助，在生活中也常常教我們如何面對困難與挫折。每當我向您尋求 幫助時(shí)，您都會(huì )不厭其煩地聽(tīng)取我的陳述并給予我很多指導意見(jiàn)，您那對待科研工 作時(shí)的嚴謹認真與指導學(xué)生的盡心盡責，讓我受益頗多。您一直是我學(xué)習的榜樣， 希望有一天我也可以像您一般優(yōu)秀，再次由衷地感謝您對我工作、學(xué)習和生活各方 面的指導與關(guān)心。

　　非常感謝電氣工程專(zhuān)業(yè)的各位老師們，感謝您們?yōu)閷?zhuān)業(yè)人才培養所做的貢獻， 讓我在學(xué)習之余感受到專(zhuān)業(yè)課程的魅力，積極參加院里組織的科研活動(dòng)與學(xué)術(shù)講座， 使我的學(xué)術(shù)生活更加絢麗多彩，我想深深地向學(xué)院的各位領(lǐng)導和老師們鞠一躬，謝 謝您們的悉心培養，讓我愈發(fā)充實(shí)。 特別感謝我的工作室大家庭的成員樊珊、袁野、鄭才、余錚術(shù)、王晉鑫、桑普、 陳成，謝謝大家給予我力量和溫暖，和你們一起度過(guò)了愉快的研究生生活，感謝有 你們的陪伴，是你們的陪伴讓我倍感欣慰，和你們共同學(xué)習的日子是那么和諧溫馨， 這也是非常美好的回憶，我定當好好珍藏。

　　特別感謝我的家人，感謝他們這些年來(lái)對我在生活和學(xué)習等方面的理解、支持， 使我能夠順利完成學(xué)業(yè)。有了家人的陪伴和鼓勵，我也能夠更加無(wú)畏地在學(xué)習中前 進(jìn)，我也會(huì )懷著(zhù)感恩之心來(lái)回報他們，砥礪前行。

　　最后，特別感謝百忙之中參與評閱和答辯的各位專(zhuān)家，感謝各位老師對于本論 文的寶貴意見(jiàn)。

（如您需要查看本篇畢業(yè)設計全文，請您聯(lián)系客服索取）