农林业采收机器人在工作中所面临的众多问题

       针对农林业采收机器人在工作中所面临的众多问题，采收机器人的研究仍面临巨大的挑战。

       (1)复杂的非结构环境：农林业采收机器人的工作地点往往处于农田、果园和温室垄间等具有坡度、坑洼地形、不可预见的障碍物的复杂地形环境中[5]。因此机器人想要完成工作必须具有优良的导航避障能力、稳定的爬坡行走能力。

       (2)自然环境下的作物信息获取：采收机器人通过传感获取的各种信息都是在自然条件下进行的，自然环境如光照、作物背景和枝叶遮挡等无关要素对于获取信息的干扰非常严重，因此采收机器人信息系统对于作物信息筛选区分的成功率至关重要[1]。

       (3)作物的摘取与分拣：由于不同作物的生长情况和形状特点各不相同，果实的生长位置、大小长短、易损程度也有很大区别，因此针对采收机器人的采收对象的不同，需要使用不同的末端执行器以满足不同的要求。

导航避障系统

       中国农业大学汤修映等[42]提出了基于机器视觉和关节空间的黄瓜采收机器人障碍规避方法。该方法将障碍分为球体、正方体和长方体，再根据障碍类型将其归类，构造障碍保护圆和障碍保护点，采取过中间障碍点的三次多项式插值函数完成机器人相应节段关节的运动。

       尹建军等[43]提出了一种基于构形空间的关节型机械臂避障路径规划方法。该方法利用空间映射原理，将关节型机械臂工作空间三维避障问题转变为R-R机械臂避开障碍圆的问题，用临界关节角建立C-障碍空间的映射计算模型，将工作空间的位置避障转换为构形空间连杆的关节角计算。

       江苏大学姬伟等[44]针对特殊环境下采摘机器人的实时避障问题，提出了一种基于改进人工势场法的障碍规避方法。此方法通过引入虚拟目标点使搜索过程跳出传统人工势场法的局部最优极小点，从而实现机器人实时避障。

末端执行器

       浙江工业大学[64]采用气动弯曲关节，设计了一款通过圆锯片切割果梗的柑橘采摘末端执行器。

       江苏大学刘继展等[65]改进了一般番茄采摘机器人的吸盘式末端执行器结构，设计了一种以集成式真空发生器为核心的真空吸盘装置，提高了果实吸附和采摘的成功率，减轻了吸附过程中对果实的损伤。

       浙江工业大学钱少明等[66]设计的黄瓜采摘末端执行器针对黄瓜抓持的力学特性，建立了气动驱动器气压值与抓持能力之间的关系。该末端执行器由抓持器和切割器构成，其中抓持器由两个气动柔性弯曲关节构成，切割器由旋转气缸和刀片构成。

       重庆理工大学王毅等[67]基于仿生学理念，模仿蛇的吞咽动作和上颚结构，设计了以铰链四杆机构为构型的末端执行器。

结论与展望

       经过50多年的发展，农林业采收机器人的研究已经取得了长足的进步，无论是机型种类，还是在关键技术方面，无论是国内，还是国外，农林业采收机器人的研究和开发都方兴未艾。在日本、美国和西班牙等农林业机器人发达国家，采收机器人研究开发较早，开发的机型较多，但是，大多数仍未达到产业化水平。国内研究开发较晚，但是，在国家和相关地方政府和科技部门的大力支持下，在采收机器人的研发方面做了大量有益的研发工作，取得了一定的研究成果，距离产业化还有一定的差距。未来国内外的学者仍将致力于农林业采收机器人的实用化和产业化研究。

目前农林业采收机器人的研究仍存在一些问题亟待解决。

       (1)末端执行器。机器人采收作物的收获率、作物的完整程度以及采收完成后对原植株的损坏程度也是制约农林业采收机器人投入实际生产的重要原因。采收机器人的采收过程需要仿照人工作业，但是机械采摘末端执行器的设计限制了采收机器人在复杂环境下采收的成功率和采收下的作物的完好程度。同时农林业采收机器人的采收要尽量避免采收过程中对农作物植株的损伤，破坏性的采收是不可取的。因此，采收机器人末端执行器的设计既要考虑到末端执行器在枝叶间运动的灵活性，又要考虑采摘手爪对果蔬进行采收作业时接触力的大小、摘取的方式，以保证果蔬的完好。

       (2)图像识别技术。目前对于采收作物的图像识别技术已有了较多的研究，但是面对自然环境下生长的农作物，光照、枝叶遮挡和果实熟度等都是采收机器人工作时需要考虑的干扰因素，因此采收机器人对于成熟作物的识别率与识别速度始终难以达到较高的水平，这也导致机器人难以投入实际的农林业生产。采收机器人准确识别成熟作物的速度与精度是提升机器人作业效率的关键。利用高效的算法和先进的传感器，将数据采集设备与视觉系统结合，提高视觉系统对信息的处理速度，同时利用机器学习和深度学习等技术不断提高对成熟果实作物的识别精度将会成为未来图像识别技术的发展方向。

       (3)导航定位技术。随着精准农业、设施农业的发展，高架栽培、温室栽培等新型栽培方式将逐渐取代传统的露天种植。而采收机器人在垄间的路径规划与障碍规避速度会对采收机器人的作业速度产生极大影响。采用人工神经元网络技术，结合机器学习等方法提高机器人对复杂环境的识别和处理能力将是未来导航定位技术发展的关键。

       (4)柔性结构。目前，农林业采收机器人基本都是针对特殊作物研究制造的特型机器人，泛用性差。采收机器人的设计和制造不应只满足于单种类的作物，应该提高机器人的泛用性，通过更换末端执行器和控制程序能够完成多种类型的作物收获作业，甚至是将播种、施肥和喷药等多种农林业生产作业集成到一台机器人上。

       (5)机器人本体设计。目前，农林业采收机器人由于所需的传感器、图像采集设备等仪器以及本体造价等原因导致其成本高昂。因此，对采收机器人结构的简化既能有效降低其生产成本，又能提高机器人在复杂环境下工作灵巧性。同时简化操作能让农林业采收机器人能够更快地在农林业生产中得到普及。