引言
苹果作为世界上经济价值最高的水果之一,全球年产量超过9700万吨,在所有水果中排名第三(Liu et al., 2025a)。目前,鲜食苹果的采收仍严重依赖人工劳动力,属于劳动密集型作业(Fountas et al., 2020; Mhamed et al., 2025)。这种传统方式不仅效率低下、成本高昂,还对工人健康构成风险,增加了职业性疾病的患病几率(Zhang et al., 2016; Zhang and Heinemann, 2017; Zhou et al., 2022)。近年来,由于劳动力成本上升和人口老龄化,劳动力供应下降(Zheng et al., 2021; Rui et al., 2024; Long et al., 2025),劳动力短缺问题日益加剧。这些因素使得及时、高效、经济地采收成熟果实变得越来越困难,对苹果产业的可持续发展构成潜在威胁(Luo and Escalante, 2017; Zheng et al., 2021)。鉴于这些挑战,开发能够替代人工采收的机器人技术已成为当务之急(Jia et al., 2020; Zhang et al., 2020; Chen et al., 2025; Rui et al., 2025)。
苹果采摘机器人通常依赖计算机视觉技术进行果实检测,并采用运动学解算来引导机械臂到达指定坐标(Azizi et al., 2024; Mhamed et al., 2024)。采收过程由末端执行器完成,将果实从树上分离(Au et al., 2023; Chen et al., 2023; Li et al., 2023)。近年来,人工智能、机器视觉和机器人技术的进步显著提升了苹果采收系统的自动化水平(Silwal et al., 2017; Bu et al., 2020; Zhang et al., 2021)。例如,Yu等(2021)设计了一款配备双臂系统的自主人形机器人。在模拟果园实验中,该机器人实现了72.0%的采收成功率,平均每颗苹果的采摘时间约为14.6秒(s)。为将采摘周期缩短至10秒以内,Hu等(2022)开发了一种集成双目相机、四自由度(DoF)机械臂、真空末端执行器和移动平台的原型机。尽管其扭转-拉拽策略实现了不到4秒的周期时间,但由于接近角度不当以及垂直(Z轴)工作范围仅为0.8米(m)的限制,成功率仅为47.4%。基于工业机械臂技术,Bu等(2022)开发了一种采用"拉-弯"分离方法的机器人。虽然田间实验显示成功率为82.9%,但周期时间较慢(每颗苹果至少12.5秒),且测试是在遮挡极少的理想条件下进行的。此外,使用单臂协作机械臂限制了操作工作空间。
Zhang等(2022)设计了一款气动和电动驱动的三自由度(3-DoF)机械臂,配备真空末端执行器。在固定果实后,机器人旋转套管将苹果脱离,该方法不依赖于果实的生长方向。该系统实现了52.1%的自主成功率,采收时间为7–10秒。随后,Zhang等(2023b)改进了该系统以适应叶片密集的果园,将成功率提高至65.2%。然而,该系统仅限于固定的接近姿态,无法与具有异常生长方式的果实建立附着。此外,Wang等(2023)设计了一种基于真空的四指柔性末端执行器以增加接触面积。尽管在果园试验中达到了70.8%的成功率,但爪形结构在采收聚集果实时对相邻苹果造成了损伤风险。
吸盘式夹持器的开发已成为关键趋势,但其性能在很大程度上取决于果实表面的附着点选择。采摘点选择方法通常分为基于目标检测的二维(2D)定位和基于点云的三维(3D)定位。前者将二维特征(质心、边界框或拟合圆)映射到三维空间,而后者使用拟合球体或点云质心(Hua et al., 2025a; Zhang et al., 2025)。Kang等(2020)应用三维球面霍夫变换来估计苹果中心;然而,感知距离超过0.7米时会产生显著误差。Gao等(2022)使用随机采样一致性(RANSAC)算法拟合苹果和枝条,并根据其空间关系确定最优接近姿态。尽管取得了这些进展,大多数采摘点检测研究仍集中于夹持器式末端执行器。现有的姿态估计方法通常依赖于苹果的整体方向,忽略了采摘点附近的局部表面特征——而这对基于真空的采收至关重要。
苹果机器人采收效率主要取决于有效的路径规划。主流方法包括基于采样的方法(如概率路线图、快速扩展随机树(RRT))、基于搜索的方法(如A*算法)、人工势场法(APF)以及群智能算法(如遗传算法(GA)、蚁群优化、粒子群优化)。尽管RRT和APF在避障方面表现出色,但群智能算法因其有效解决旅行商问题(TSP)而被广泛用于多目标序列规划。例如,Li等(2021)利用GA显著减少了任务遍历时间,而Zhang等(2023a)提出了最优序列蚁群优化(OSACO)算法,使平均路径长度减少了6.2%。然而,大多数现有优化算法旨在最小化末端执行器在三维空间中的总欧几里得距离。这种方法通常忽略了运动学约束,实际作业时间更多由主要关节的运动幅度(如关节1和关节2)决定,而非简单的空间距离。
尽管取得了显著进展,现有机器人苹果采收系统由于在实际果园环境中性能不可靠,仍远未达到商业化应用水平(Zhao et al., 2023; Lammers et al., 2024)。这些局限性源于采摘效率低下,以及结构过于复杂,阻碍了经济有效的实施(Li et al., 2022; Kok and Chen, 2024; Hua et al., 2025b)。本研究提出了一种低成本、基于真空的苹果采收机器人平台的设计与田间评估。本工作的主要贡献如下:(1)设计了一款紧凑、结构简单的六自由度(6-DOF)采摘机械臂原型,确保高效能和大范围覆盖;(2)实现了一种与位置与姿态估计系统集成的机械臂控制器,用于自主采收,并提出了一种利用改进模拟退火(ISA)算法的时间最优序列规划方法;以及(3)进行了田间实验以评估原型机的性能,证明了其未来应用的可行性。
本研究的结构安排如下:第2节概述了系统设计与控制方法。第3节详细介绍了田间采收实验及其结果。最后,第4节总结了研究结果并得出结论。