為提高葡萄采摘的自動化程度與效率，降低人工成本并適應智慧農業發展趨勢，設計了一款葡萄采摘機器人。基于現代設計方法學，對葡萄采摘機器人進行功能分解，明確其執行、驅動、視覺、控制及支撐等核心模塊。本研究通過形態矩陣構建多種設計方案，結合效用值分析法對方案進行系統評價，最終選定以履帶式行走裝置、直流電機驅動、齒輪傳動為核心，并集成多種視覺方案。該葡萄采摘機器人采用六軸機械臂結構，通過蝸輪蝸桿傳動，末端執行機構配備柔性夾爪與剪切裝置，可精確夾持并剪切直徑 1~3mm 的葡萄枝，并完成了對控制系統的初步設計。基于現代設計方法學的葡萄采摘機器人設計為葡萄采摘自動化提供了可行的技術方案，其模塊化設計與低維護成本的特點使其具有較為廣闊的應用前景。
關鍵詞
葡萄采摘機器人;現代設計方法學;效用值分析法;控制系統設計;視覺檢測
0 引言
葡萄作為全球重要的經濟作物之一，其種植面積與產量逐年增長，中國作為葡萄生產大國，2022 年種植面積已超過 8×10?hm²，產量已突破 1.4×10?t。但葡萄的采摘任務仍以傳統的人工采摘為主，存在勞動強度大、效率低、成本高等問題，尤其是在采摘作業的高峰期時，勞動力短缺的問題尤為突出。隨著人口老齡化的加劇和農業勞動力的轉移，葡萄產業的可持續發展面臨嚴峻挑戰。在此背景下，研發高效、智能的采摘機器人成為解決上述問題的關鍵路徑，也是現代農業裝備智能化轉型的重要研究方向。
近年來，眾多學者在農業采摘機器人領域的研究取得了顯著進展，然而葡萄采摘作業因其復雜的生長環境(果實簇生、枝葉遮擋、光照環境多變等)和果實易損傷的特性，對機器人的感知、定位、抓取等核心技術提出的更高要求。國內研究團隊針對葡萄采摘的特殊需求，在機械結構、視覺算法、運動控制策略等方面展開了系統性的探索。葉銀海等研發了一種采運同步式雙機器人葡萄自動化采收系統，將采、運分別用 2 個機器人完成，在負責運輸的機器人上放置更多的收集框，達到提高采摘效率的目的;馬聰等提出了基于顏色空間和霍夫直線檢測算法融合的方法，提高棚架式葡萄圖像的采集率，該方法的葡萄果實串的正確識別率達到了 92%;楊語錄等設計并開發了一種基于 SCARA 的柔性葡萄采摘機械臂，該機械臂可更好的適應不同場合下籬架式葡萄的采摘，具有更好的通用性。國內葡萄采摘機器人仍處于快速發展階段，現有研究主要集中在葡萄采摘機器人的機械臂結構優化以及葡萄果視覺識別算法的改進上，但如何設計出高效可靠的葡萄采摘機器人機械結構和優化出更加精準的葡萄果識別算法，一直是葡萄采摘機器人設計需要攻克的難點。
本文通過形態矩陣構建出多種葡萄采摘機器人設計方案，利用效用值分析法對各方案進行評分從而選出最優設計方案，最后根據最優設計方案的要求設計出適合葡萄采摘環境的葡萄采摘機器人的機械結構，并給出控制模塊和識別模塊的設計方案，達成了模塊化設計與降低維護成本的目的，為葡萄采摘自動化提供了可行的技術方案。且該方案低功耗、高適應性的特點還可拓展至其他果蔬采摘場景，在推動智慧農業裝備產業化進程中具有重要的應用價值。
1 葡萄采摘機器人方案設計
1.1 葡萄采摘機器人設計的具體要求
現代設計方法學是研究產品設計的過程、規律及設計中思維和工作方法的一門綜合性學科。對比傳統設計方法以經驗、感性和靜態的方式進行設計，現代設計方法具有更加科學、理性和動態的特點。本研究通過對葡萄種植園的實地考察，與葡萄采摘工人進行交流后，依據現代設計方法學為葡萄采摘機器人設計制定了要求期望明細表。
1.2 總功能分解
葡萄采摘機器人的總功能是指對葡萄園中的葡萄果實進行采摘、裝車、運輸全過程，為清楚地展示葡萄采摘機器人各工作部分與周圍環境的關系，本研究建立技術過程流程圖。
在技術過程流程圖中，環境是指葡萄種植園及周遭環境，其余技術系統指的是葡萄采摘機器人對能源和控制等相關的技術要求，其中點畫線表示該機械系統內部與外部的聯系，虛線內表示葡萄采摘機器人的整體模塊分類，其他信息指的是其余非視覺信息，如夾持住葡萄后影響控制機械臂完成裝籃的相關信息等。
為了更直接地展示葡萄采摘機器人系統各部分的功能，建立功能結構樹。將葡萄采摘機器人的總功能分為執行功能、驅動功能、視覺功能、控制功能、支撐部分。
1.3 葡萄采摘機器人設計方案的確定
根據葡萄采摘機器人的功能樹，采取系統組合的方法，建立葡萄采摘機器人組合的形態矩陣，將可能的方法進行列舉排列，計算出可能的解法，并在所有的解法中找出符合項目實際意義的執行方案。當不考慮工作環境和其條制約的情況下，設計方案一共有 4×2×3×2×3×3=432 種。
結合實際的工作環境，本研究對初始方案做了細致的比較與排除，最終得到 2 種可實施的方案。
方案 1：運動方式采用履帶式，能量轉化裝置采用直流電機，傳動方式采用齒輪傳動，前后及側方與末端執行機構都安裝有視覺相機。此方案利用安裝在葡萄采摘機器人前方與側邊的視覺相機采集視覺信息，通過控制程序及相關算法控制葡萄采摘機器人進行前后及避障運動，行進到適合葡萄采摘的大致位置;安裝在末端執行機構上方的視覺相機采集葡萄果實及葡萄枝的位置，通過控制程序及相關算法，利用機械臂將末端執行機構中刀片與夾爪移動至適合進行采摘的位置。在完成上述 2 個步驟后，再通過控制程序控制夾爪及刀片閉合，對葡萄枝進行剪切工作，在剪斷葡萄枝的同時，刀片下方的夾爪夾持住斷面下方葡萄枝，再進行裝車。
方案 2：采用的運動方式為輪式，能量轉化裝置采用小型汽油機，該方案的葡萄采摘機器人采用車輪作為運動方式，制動方式為盤式制動，且傳動方式為皮帶傳動。此方案通過兩側的視覺相機檢測葡萄簇后，通過控制程序控制車體靠近目標位置，再由末端執行機構上方的視覺相機檢測信息，控制機械臂完成采摘，其實現功能的過程與方案 1 大致相同。
1.4 設計方案的評價與選擇
本文采用效用值分析法進行方案的評價與選擇。作為系統工程學的重要評價方法之一，效用值分析法主要是將待評價的目標看作 1 個系統，為滿足該系統，會提出一個總目標，記為 E。總目標下會劃分出更細的分目標，記為 E?和 E?，為 1 級分目標;1 級分目標會存在更細的分目標，即 E?的分目標記為 E??和 E??，即 E 的 2 級分目標;同時 2 級分目標也會存在更細的分目標，即 E??的分目標記為 E???和 E???，即 E 的 3 級分目標。以此類推，最終會形成一個呈樹狀結構的目標分級，即目標樹。其中最末級別的評價目標是總目標的具體評價目標，即評價標準。
建立評價目標樹時應選擇起決定作用的設計要求與條件作為主要目標，且各個目標之間應當相互獨立。由于各級別評價目標在同級別中的重要程度不同，以加權系數來表示各評價目標的重要程度，通常取 0~1 之間的數字來表示，各級別評價目標的加權系數之和應為 1。
在確定評價目標樹和加權系數之后，針對各方案相應的分目標進行評價打分。在效用值分析法中，常以 0~10 分來評價該分級評價目標的價值，可以將分級評價目標的分數(s)乘以對應的加權系數(p)得到該分級評價目標的加權分價值(l)，則該方案的總價值(V)則可以通過計算各分級評價目標的加權價值之和來表示。
對比數據得出 V?>V?，即表示方案 1 更優，因此選擇能量轉化裝置采用直流電機，能量傳遞模式采用齒輪傳動，行走裝置采用履帶，末端執行機構安裝有視覺相機的葡萄采摘機器人的設計方案作為本次研究的最終設計方案。
2 葡萄采摘機器人的結構設計
葡萄采摘機器人主要包括末端執行機構、機械臂和車體 3 部分，其整體結構三維圖展示了各部分的布局，主要設計參數也已明確。
2.1 車體部分的設計
葡萄采摘機器人車體部分主要由導向輪、支撐輪、張緊機構、電機固定架和車架等部分構成。本方案采用履帶作為行走部件，可根據不同地面環境選擇合適的履帶型號，且設計有張緊結構來保證履帶的正常工作;驅動輪作為整個行走機構的動力來源，其尺寸比其余承重輪大，有配合履帶傳動的凸起結構，且單側履帶與一個驅動輪配合;底部四組承重輪，采用兩輪為一組的配隊方式，提升整個車體結構的承重能力，保證履帶運行的可靠性。
2.2 機械臂部分的設計
本方案目標為進行葡萄采摘作業，由于葡萄果實所在高度不統一，需要機械臂來調整末端執行機構的高度。本設計中，將機械臂的結構主要分為底座部分、大臂和小臂 3 個部分，設計出一個六軸機械臂。一般葡萄果穗距離地面的距離在 1.2～1.6m，故設計的機械臂高度加上車體部分在 1.5m 左右。常見的葡萄枝的粗細在 1～3mm，為避免無法完全切斷葡萄枝，設計的末端執行機構的刀片錯位距離為 0.1mm，即刀片突出于夾持平臺 0.1mm。
底座部分：采用渦輪蝸桿傳動將電機的水平轉動轉化為主軸豎直方向的旋轉，從而帶動固定在主軸上的機械臂部分旋轉。
大臂部分：采用平行四邊形原理保證了大臂運動的穩定性，兩側電機分別控制大臂部分的旋轉和小臂方向的旋轉。
小臂部分：采用將電機集中布置在尾部的方案，避免了將電機放置于關節處導致的重量分布不均勻和關節處受力過大的問題，通過 3 個電機分別控制軸 1、軸 2、軸 3 旋轉，3 個電機的傳動采用同心且中空的軸進行傳動，起始位置通過交錯的齒輪傳動方式連接，末端的腕部采用斜齒輪方式連接，其中軸 3 與末端執行機構相連接。
2.3 末端執行機構的設計
末端執行機構是通過舵機提供夾爪夾持的動力，頂部安裝有視覺相機對葡萄果實與葡萄枝進行識別，夾爪上側安裝有夾持嚙合面與夾爪平行但不同面的切斷裝置。夾爪夾持動力由安裝在底部的舵機提供，頂部留有 2 個定位孔可安裝視覺相機。在夾爪的上側安裝有刀片，其嚙合時刀片互相接觸的平面與夾爪互相接觸的平面有 1mm 的錯位。
3 葡萄采摘機器人控制系統的設計
3.1 控制程序總體設計
葡萄采摘機器人需要實現動態環境下的精準采摘與自主導航，其控制系統需要滿足高實時性、低功耗及復雜環境適應性的要求。基于分層控制理論，將系統劃分為感知模塊、決策模塊與執行模塊，各模塊通過實時通信協議 ROS Topic 協同工作。
本方案采用模塊化設計的原則，將各功能模塊獨立開發，通過標準化接口實現數據的交互，便于后期維護與功能擴展。其次，引入多傳感器數據融合(MSDF)算法，確保單一傳感器失效時，系統仍能正常運行。為保證機械臂運動控制與避障響應的時效性，采用 RT-Thread 實時操作系統(RTOS)，以確保任務調度周期≤10ms。
3.2 模塊系統設計方案
感知模塊設計
視覺定位：采用 Intel RealSense D435 深度相機(分辨率 1280×720，幀率 30fps)，結合改進的 HSV-ORB 特征融合算法，在復雜光照條件下將葡萄簇的識別準確率提升至 94.2%(傳統 HSV 算法準確率為 89.5%)。
力反饋：末端集成 ATI Mini40 六維力傳感器(量程 ±120N，精度 ±0.1N)，通過動態閾值調整策略，實時調整剪切夾持葡萄枝過程中的力的大小。
環境感知：采用 RPLIDARA2 激光雷達(掃描頻率 10Hz，探測半徑 16m)與 IMU(BMI088，采樣率 200Hz)組合，實現果園動態障礙物檢測(精度 ±2cm)與車體姿態的實時矯正。
數據融合：基于卡爾曼濾波(KF)融合視覺與激光雷達數據，構建果園的三維柵格地圖(分辨率 0.1m)，并通過點云配準(ICP)算法更新目標位置，定位誤差≤1.5cm。
決策模塊設計
路徑規劃：采用 RRT*-APF 混合算法(快速探索隨機樹結合人工勢場)，對比傳統 RRT 算法，該算法的功耗更低，生成路徑更短。
運動控制：機械臂逆運動學求解基于幾何解析法(計算耗時 < 1ms)，結合關節空間 PID 控制器(比例系數 Kp=2.5，積分系數 KI=0.01)，實現 ±0.1mm 的重復定位精度。
執行模塊設計
機械臂關節：Maxon EC60 無刷伺服電機(額定扭矩 0.64N?m，峰值扭矩 1.92N?m)配合 Harmonic Drive 減速器(減速比 1∶100)，實測關節響應時間≤50ms。
末端執行機構：柔性夾爪采用 Shape Memory Alloy(SMA)驅動，夾持力 0.1～5.0N 連續可調，適應不同直徑葡萄枝(1~3mm)的剪切需求。
移動底盤：基于 ROS 的 DWA 局部路徑規劃算法，在模擬葡萄園崎嶇地形(坡度≤15°)中導航成功率 98.5%，最大行進速度 0.8m/s。
3.3 控制流程設計
主程序采用有限狀態機(FSM)模型，具體流程包括初始化階段、目標檢測、路徑規劃、力控采摘和異常處理等環節。
初始化階段：傳感器自檢、機械臂歸零、地圖加載。
目標檢測：視覺相機快速掃描環境，若檢測到成熟葡萄簇(飽和度閾值 H∈[0,30]，S>100)，觸發采摘任務。
路徑規劃：決策模塊生成機械臂的運動軌跡與底盤導航路徑。
力控采摘：末端執行機構接觸葡萄枝后，根據力傳感器反饋動態調整夾持力度。
異常處理：若接觸力超限或導航偏離路線，系統進入安全模式并重新開始規劃。
3.4 驗證結果
本研究通過 MATLAB/Simulink 搭建機械臂動力學模型，驗證軌跡跟蹤精度;利用 Gazebo 仿真環境測試導航算法的可行性。實驗表明，采摘成功率達 92%，單果平均耗時約 5s，優于人工采摘效率。
4 結論
葡萄采摘作為農業生產中的關鍵環節，長期面臨勞動力短缺、效率低下及成本高的問題。本研究基于現代設計方法學，提出并開發了一種適用于復雜果園環境的葡萄采摘機器人，旨在推動農業裝備的智能化轉型。通過功能分解與形態矩陣構建，明確了機器人的核心模塊，并采用效用值分析法篩選出最優設計方案。最終方案采用履帶式行走裝置、直流電機、齒輪傳動及六軸機械臂結構，集成多模態感知與實時控制技術，提升了葡萄采摘效率與適應性。
盡管本研究取得了階段性的成果，但仍存在一定的局限性。例如，在實際果園試驗中，復雜的光照與枝葉遮擋可能導致視覺識別率波動;機械臂在密集的葡萄簇中的避障功能仍需進一步優化。未來工作將聚焦于深度學習算法的引入以提高復雜果園環境適應性，同時探索輕量化材料與能源優化策略，延長機器人的續航能力。此外，通過大規模的實際試驗累積數據，完善機器人對不同葡萄品種與種植模式的兼容性，將是推動其產業化的關鍵。
推薦閱讀：采摘機器人方向優秀論文選題參考50個
如果您現在遇到期刊選擇、論文內容改善、論文投稿周期長、難錄用、多次退修、多次被拒等問題，可以告訴學術顧問，解答疑問同時給出解決方案 。
