《2023年外文翻译樱桃收获机器人.docx》由会员分享，可在线阅读，更多相关《2023年外文翻译樱桃收获机器人.docx（14页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、2023年外文翻译 樱桃收获机器人 樱桃收获机器人 Kanae Tanigakia, Tateshi Fujiuraa, Akira Akaseb, Junichi Imagawac a Graduate School of Life and Environmental Sciences, Osaka Prefecture University, 1-1 Gakuen-cho Sakai, Osaka, Japan b Faculty of Agriculture, Yamagata University, 1-23 Wakaba-cho Tsuruoka, Yamagata, Japan c
2、 Nara Fruit Tree Research Center, 1345 Yushio Nishiyoshino-cho Gojo, Nara, Japan 摘要：樱桃收获机器人是以实验研究目的而设计的，并且其成功进行了基础实验。其最主要的部分是4个自由度的机械手、三维视觉传感器、主控制电脑和移动装置。其三维视觉传感器上装有能发出红色光线和红外光束的两个激光二极管。两束光线同时扫描目标物体。通过对三维视觉传感器反馈的图像进行分析处理，确定樱桃的位置，认出障碍物，并通过终端操纵装置决定机器人行进轨迹。在避免碰撞障碍物的情况下完成对樱桃的采摘。 关键字：机器人；自动化；图像识别；地面距离图像；
3、传感器 1.简介 在日本，樱桃是要靠人工小心的收获的。由于樱桃的采摘期很短，采摘工作要集中在短期内完成，再加上劳动力短缺，这些都限制了樱桃的种植亩数。此外，樱桃树很高，采摘需要用到梯子。这使得采摘工作既危险又效率低。为了节约劳动力，樱桃收获机器人以实验研究为目的而设计，并且其初步实验取得了成功。果蔬收获机器人的调查研究已经取得了一定的成功。之前发布的果蔬收获机器人大多装备的是摄影机，水果的图像要通过与背景的颜色区别或特殊的反射比才能被辨别出来；水果的三维定位则通过双目立体视觉或视觉反馈控制系统估计得出。三维视觉传感器的应用也有相关报道。这种三维视觉传感器的优势在于其图像的各个图元都具有其间距信
4、息。利用这一优点，目标物体能通过其三维形状被认出。对于樱桃采摘工作而言，这一功能有效的使水果在采摘过程中避免碰撞到叶子、茎等障碍物。为了成功的完成采摘动作，有效的辨别障碍物和红色的成熟的果实是至关重要的。为此，三维视觉系统配备了两个激光二极管。一个二极管发出红色的光线，另一个发出红外光束。为了避免太阳光的干扰，机器人使用半导体位置光敏传感器来探测反射光。半导体位置光敏传感器的信号组件接收高频率闪烁的激光光线来区分出太阳光。激光束扫描得出被测物体的三维模型，并通过红光和红外光线间特定的反射光的特征来区别于其他物体从而分辨出红色的果实。机器人需要在果园各种环境（温度、日照等）中准确、高效地，在不破
5、坏果实和果树枝丫的情况下进行采摘任务。樱桃树大多种植多雨地区，需种植在大棚内来阻挡雨水。机器人在大棚里工作，不需要暴露在风雨中。 樱桃不论在鲜果市场还是用于加工都必须连樱桃梗一起采摘。就人工采摘来说，农民们用手指抓住樱桃梗上部将其向上提起从树上摘下。因为这个理由，设计并进行实验使机器人来像农民一样抓住樱桃梗的上部并将其向上提起从树上摘下。 1 2.材料与方法 2. 1适用耕作条件 用机器人收获樱桃，樱桃树的培养方式和机器人的性能都有重大意义。如果樱桃树使用传统种植方式之一的盆栽种植方式栽植，樱桃会广泛地分布在樱桃树的大的树冠处。因此，机器人需要一个大的工作空间。此外，由于樱桃树使用的培养方式，
6、樱桃树分支的三维空间分布使机器人收获工作变得困难。 因此，在实验研究中，我们首次讨论使用适合机器人采摘的樱桃培养方式。于是，我们考虑使用“单植株培养”作为一种适合机器人采摘的樱桃种植方式，如图1所示。我们计划在使用单植株培养法成一列种植分支被修剪的成竖直向上的樱桃树的果园里使用采摘机器人。用这种方式的樱桃树所长出的果实会分布在树主干的周围。如果樱桃树的叶柄是被修剪短的，机器人可以很容易的辨认出长在树主干四周的果实。这有利于视觉辨认。图1所示为种植在奈良果树研究中心的樱桃树。研究中心的樱桃树被单株成列排列，方便机器人在列与列间行进。 2. 2樱桃收获机器人 樱桃收获机器人由4个自由度的机械手、三
7、维视觉传感器、主控制电脑和移动装置组成（图2）。机器人高1.2米，宽2.3米，长1.2米。三维视觉传感器被安装在机械手上，随着机械手的运动从各个角度来扫描物体。真空吸尘器将摘下的果实通过吸气管道吸入末端执行器。 2. 3机械手 使用单植株培养法种植的樱桃树，其果实分布在树木主干的周围。为了在采摘过程中避免碰撞到叶子、树枝等障碍物的情况下采摘樱桃，机器人的末端执行器需要从樱桃树外围接近果实。因此，在研究中我们设计了有一个上下轴摇臂、三个左右转向的关节型机械手，其可以以任意角度采摘果实（图2）。机械手的上下轴摇臂机构需要较大的力量来克服重力做功。因此，机械手由交流电伺服电动机（日本安川电气, SG
8、MAH-01BAA2C,额定功率 100W, 额定转矩 0.318Nm,额定速度 3000 min) 和螺旋机构（导线10mm）驱动。而三个左右转向机构不需要大的转矩。第一节和第二节左右转向机构由小型交流电伺服电动机（日本安川电气, SGMAH-A5BAA21,额定功率 50W, 额定转矩 0.159Nm,额定速度 3000 min)驱动。第三节左右转向机构由配有减速器的小型直流电动机驱动。机械手被设计用于能完成围绕樱桃树主干运动以采摘不仅是正面也包括生长在各个方向的樱桃。 由于樱桃果实分布在树主干的四周，如果视觉传感器只能从一个视角扫描物体，在主干另一边的果实将会被忽略。从各个角度扫描物体，
9、三维视觉传感器被装在第二节机械臂上。机械手的移动带动三维视觉传感器位置和方向的改变，减小扫描死角。 112. 4三维视觉传感器 2 三维视觉传感器上装备了一个发光器、一个光电探测器和一个扫描装置（图3）。发光器由一个红外线激光器组件、红色激光组件、一个冷片、一个半反射镜和两个反射镜构成。光电探测器有两个半导体位置光敏传感器、一个镜头和一个用于减少阳光影响的红色滤光器构成。扫描装置由一个电流计光电扫描装置和一个步进电机构成。电流计光电扫描装置竖直扫描物体，步进电机水平扫描物体。红色和红外线激光束通过冷片集中在同一发射和正面反射光轴。光线在远处通过半反射镜被分为两股（每一股都仍包含两种光的波长）。
10、这两股光同时扫描物体。从被扫描物体上反射的两股光线聚焦在两个半导体位置光敏传感器上。三维视觉传感器与被扫描物体的距离可利用半导体位置光敏传感器检测到的返回电流和两光束的电流间的比率通过三角形法被计算出来。激光束发出闪烁的信号来消除太阳光对结果的影响。用这种方法，反射光会从太阳光中分离出来，形成连续的光。 波长为700-1000nm的红外光能在樱桃树的任意部分良好反射。另一方面，波长为690nm红色光线不能被未成熟的果实、叶子和茎秆良好反射而能被红色的成熟樱桃良好反射。研究中表明，波长为830nm的红外光和波长为690nm的红光是最合适的。红外激光(830nm)测量从三维视觉传感器返回的樱桃树每
11、一部分的距离,红色激光(690nm)检测可收获的红色成熟果实。 如上所述,激光光束分成两股光线。三维视觉传感器同时扫描这两束光线,两个像素点同时测量以提高扫描速度。其像素为50,000（垂直方向250，水平方向200）。其扫描时间是1.5秒。视野为垂直方向43.8和水平方向40.6。传感器的有效范围是170mm到 500mm。 如果对象离传感器过远,检测光被削弱,无法测得精确的数据。 激光束每次被反射的光被两个半导体位置光敏传感器接收检测。红光和红外信号从半导体位置光敏传感器发出的。分别接收红色和红外信号,红色和红外激光光源发出频率41.6kHz、相位移为90的闪烁光线。半导体位置光敏传感器发
12、车的光电电流被放大。红光和红外光的信号被放大器锁定，分别检测，也能够消除环境光线的影响。三维视觉传感器可在即使为100 klx照度的阳光下使用。一个红色的像和一个红外光的像被供应给计算机,然后计算机获得一系列图像与细分图像。一系列的图像通过半导体位置光敏传感器的阳极A和B反馈的红外信号用三角形法的被计算生成。细分图像从红光和红外信号之间的比例得到。红色樱桃通过红色激光的反射率区别于树叶等其他物体。然而,树的主干以及红色的果实都反射红色激光束。因此,需要使用其他方式区别果实与其他物体。而当水果被镜面反射后，当他们被扫描,果实中心能良好是反射激光光束。然而,这种现象不发生在树干的表面。使用这种反射
13、现象每个果实的中心将被认出。当三维视觉传感器可见果实的中心，果实可以用这种方法被认出。对这些图像进行处理,红色果实位置和树叶和树枝等障碍物都可被辨认出。 图4所示为所得图像的例子。一系列的图像通过三角测量法计算半导体位置光敏传感器中的红外信号得到。处理红外信号、红光信号和一系列图像,被扫描物体被划分为红色果实和其他物体。右图所示细分后显示的图像。 2.5 终端操纵装置 3 樱桃果实必须带柄采摘下，需要分别测量果实的抗拉强度。樱桃梗和果实间的抗拉强度大约为1N。另一方面，樱桃梗和分枝间的抗拉强度为2.5N。因此，如果拉扯樱桃果实，果实与樱桃梗之间将由于抗拉强度较低而分离。机械手使用了一个特殊的末
14、端执行器来收获带梗的樱桃果实。此末端执行机构由一个果实吸入装置、一个开合机构、一个伸缩机构和一对棘爪构成。此末端执行机构大约高80mm，宽30mm，长145mm（图5）。吸入装置的真空吸力吸住果实将果实固定在吸管顶端。棘爪由位于末端执行器上的伺服电机驱动其打开或闭合。当棘爪抓住樱桃梗后，末端执行器向上运动将樱桃从树上摘下。 2.5.1 终端执行器的运动 图6所示为末端执行器的运动示意图。首先。棘爪由伺服电机驱动缩回、打开。接着，末端执行器接近并吸住果实。在果实被吸住后，棘爪向前一边伸出，一边慢慢闭合直到棘爪间间距为5mm为止。为了只在樱桃梗上闭合，棘爪上装备了橡胶来排除障碍物影响，是其他果实不
15、会进入到棘爪间。棘爪越靠近樱桃梗根部越好。因此，棘爪在前进途中闭合一半后，再向前移动。然后，棘爪完全闭合抓住樱桃梗。末端执行器移动到盛放果实的盒子前，打开棘爪将果实放入。 3.田间试验 3.1 图像认识实验 2023年6月，田间试验在奈良果树研究中心进行。试验小组在进行田间试验前先进行了三维视觉传感器图像辨识能力的基本实验。试验中所使用品种为“Koukanishiki”的高2.2m的用单植株培养法种植的樱桃树。 樱桃树被从四个方向进行扫描：树主干的左侧、左前侧、右前侧和右侧（图7）。 表1所示为实验结果。表的右侧为各方向果实的照片。实线将三维视觉传感器中辨别出的果实圈出。另一方面，虚线将三维视
16、觉传感器无法辨认出的果实圈出。每个果实用字母（A-S）标记。表的左侧为实验组号、扫面方位、被识别果实的标号和未被辨认果实的标号。以表中第一行实验组1为例，扫描方位为左侧识别出果实“A”，各种角度都无法识别果实“B”。 实验表明，变换扫描角度能辨别出大部分隐藏的果实。如果不去除树叶，果实会被隐藏在树叶间，就如实验组1中的“B”和实验组2中的“D”。在这种情况下，即使更变扫描方位也无法识别出果实。实验中被识别出的果实为总数的12/19.对另一颗樱桃树（“Takasago”，高2m）进行能见度实验。人眼能辨别比率也在之后被测量。这棵树被分为四个区域，每个区域高400mm，从地面向上300mm和从树顶
17、向下100mm。数出每个区域中果实的数量。数字照相机从四个方位拍下树的每块区域的照片。照片中可见的果实用肉眼数出。如果相同的果实在另一张照片中出现则不计数。这课樱桃树上总共有80个果实，而照片中数出的果实数位47个。由结果可知80个果实中有47个是可见的。可见率为59%。虽然照片从四个 4 方位拍摄可还有41%的樱桃不可见。藏在叶子后面的果实由于叶子的存在而无法被辨识。 在图像处理程序中，镜面反射现象被使用来辨认果实的中心位置。如果激光束照射果实反射光线会被半导体位置光敏传感器检测到。激光束会在果实表面被反射。此外，光线穿透果实的果肉反射到半导体位置光敏传感器上。由于樱桃果实是球形的，当激光束
18、照射到果实中心时镜面反射的光线会比较强。应用这种现象，寻找光电信号为峰值的像素点能辨认出果实中心。然而，如果果实中心被隐藏，果实还是很难被辨认出。 3.2 采摘实验 在同一颗樱桃树（“Koukanishiki”）使用扫描设配进行采摘实验。图8所示为采摘实验的表格。三维视觉传感器像图像认识实验中一样从四个方位进行扫描。如果有多个果实，机器人将收获离其最近的果实。为了防止果实和机器人被破坏，机械手需要迂回的采摘。 为了在不碰撞的情况下接近，机器人从三维视觉传感器扫描的方位出发在离中心树干400mm距离确定果实中心。末端执行器经由中心点靠近果实以防止碰撞树干。末端执行器在移动中心点之后， 转向果实。
19、之后，末端执行器接近果实。 当末端执行器接近果实，吸尘器用吸力将果实被固定在吸管上。末端执行器上装有压力传感器来控制吸力。如果果实堵住吸管的顶端，压力传感器就能感应到负压力。压力传感器发觉负压力后棘爪抓住樱桃梗。之后，机械手向上移动100mm将樱桃从梗的根部摘下。 在不碰撞树干带梗摘下樱桃后，末端执行器移动到果实箱里，电磁阀停止真空吸力。果实掉入果实箱。 表2为采摘实验的结果。表中记载果实的数量、直径、樱桃梗长度、扫描方向和果实采摘条件。表中右边的照片为采摘前樱桃树条件。表中的“L”表示从左侧扫描，“LF”表示从走前方扫描，“RF”表示从右前方扫描，“R”表示从有房扫描。 按机器人的各种功能由
20、控制程序逐步进行动作采摘两个果实（和）。观察结果显示：（a）三维视觉传感器能正确地探测到三维位置；（b）按照控制程序移动机械手和末端执行器到果实的位置上；（c）压力传感器就能感应到果实上的负压力；（d）压力传感器感应到果实上的负压力，棘爪抓住樱桃梗；（e）向上移动，将樱桃从梗的根部摘下。机器人按控制程序的联系操作继续采摘果实-。每个果实要求在14秒内完成采摘。 表2中的果实和没有被准确采摘。这些果实彼此挨得很近。首先，末端执行器接近果实。当末端执行器移动到果实的位置时，真空吸力将果实吸到吸管处。接着，压力传感器探测吸力。为了夹住樱桃梗，棘爪移动并完全闭合。与此同时，果实被棘爪压碎。棘爪上装了半
21、圆形的橡胶组件来防止另外的果实进入棘爪间。然而，在这次实验中橡胶没有正常地发挥作用。由于果实进入棘爪间，果实的梗没有被很好的夹住，导致无法正确采摘。在实验中橡胶组件本来应该组织其他的果实靠近棘爪。然而，这种功能在这次实验中的两个果实上没有很完美的起作用。改进末端执行装置是非常重要的。 5 在这次实验中的果实和， 采摘动作一直进行的很好直至真空吸力接近果实，棘爪抓住樱桃梗。然而，樱桃梗的根部抗拉强度比其他果实的要大。因此，在夹住樱桃梗后，当末端执行器向上提起时樱桃梗从中间断裂了。 果实的辨识采摘率为10/12。其中8个果实是带梗的。 3.3 终端操纵装置的改进 田间实验结果显示如果其他果实存在于
22、目标果实之上，棘爪将可能在抓取动作时毁坏果实。虽然棘爪上装了软质橡胶组件来排除棘爪间的其他果实和障碍物，但这不能很好的起作用。因此，末端执行器需要改进加入能吹出阵风的鼓风机以排除其他的果实和障碍物。三个鼓风的喷嘴安装在果实吸管前端。在不损坏目标果实只排除其他果实和障碍物的前提下决定喷嘴的位置和方向。在末端执行器将目标果实吸在吸管顶端后，鼓风机开启，风从喷嘴喷出。 在实验室中使用塑料樱桃来进行实验以评估改进后机器人的作用。实验结果显示其他果实被吹离，棘爪准确地抓住了目标果实的梗。 4.总结 樱桃采摘机器人为了实验而设计，并在进行了初步实验。机器人的功能在实验中通过了测试。然而，评估机器人性能还需要进行进一步的实验和性能改善。樱桃果实容易受损。改进后的末端执行器需要在田间实验中进行评估，因为真实的樱桃树不同于塑料模型。根据田间评估的结果，末端执行器是需要改进的。 果实能见度是进行准确采摘的重要因素之一。由下往上地扫描可能能发现在树叶后面的果实。在日本的大部分区域，果实上的叶子想着阳光生长。将叶子绑在一起能有利于提高果实的可见度。 6 外文翻译 樱桃收获机器人 机器人外文翻译 爬墙机器人外文翻译 智能机器人外文翻译 管道机器人外文翻译（优秀） 机器人算法外文翻译 工业机器人的发展外文翻译 屋顶清扫机器人外文翻译 机器人及机器人传感技术(毕业论文外文翻译). 外文翻译六自由度机器人