官方网站-首页

以前摘番茄全靠人工，累人还费钱，年轻人都不爱干这活儿。现在农业界直接放大招 —— 番茄采摘机器人横空出世！
这机器人超牛，分采摘和底盘两部分。采摘系统有 “神器三件套”：机械臂像八爪鱼，灵活抓番茄；末端手比老果农还温柔；视觉平台自带 “火眼金睛”，番茄藏哪都能秒定位。
底盘更是 “走位大师”，四个轮子想咋动就咋动。窄垄、地滑都不怕，各种模式切换自如，还有算法 “导航”，稳稳不跑偏。
俩系统联手，自动摘果又快又准，零失误！以后番茄碰上它，只能 “束手就擒”！——摘不到番茄说番茄酸团队
第 1 章 系统概述及作品难点与创新点
1.1 研究背景
果蔬是人们生活必需品，中国果蔬种植面积和产量全球领先。番茄营养丰富，是重要经济作物，我国种植面积和产量持续增长，2022 年种植面积超 116 万公顷，产量近 7000 万吨，占世界总产量 1/3 以上。
但番茄簇状生长、相互触碰，采摘基本靠人工，机械化水平低。采摘人工成本占总成本 50%-70%，劳动力短缺让成本不断攀升，且工人多为中老年，体力负担重。我国设施农业发达，设施番茄种植便于管理、提供稳定环境，契合机器人作业。国家大力推进农业机械化，研发番茄采摘机器人对减轻劳动强度、提升生产水平意义重大。
1.2 作品难点及创新点
1.2.1 难点

1. 温室环境复杂、空间狭小，设计通过性好的机器人底盘难度大。
2. 现有采摘机器人机械臂贵且不适用于农业场景，成本和适配性是问题。
3. 番茄生长密集易遮挡，规划合理采摘顺序和路径存在挑战。
4. 番茄生长范围广，设计能全覆盖的轻型机械臂难度高。

1.2.2 创新点

1. 底盘采用四轮独转独驱结构，动力强、转弯灵活，适应复杂地形。
2. 伸缩式机械臂覆盖范围广，三级结构拓展作业空间，自主研发降本筑壁垒。
3. 创新卷积神经网络模型与仿生采摘策略，实现高效无损采摘。
4. 模块化轮组便于维护升级，整套技术自主研发，提升产品竞争力。

第 2 章 方案设计与论证
2.1 四转四驱移动底盘和自主导航控制技术方案
2.1.1 移动底盘方案
方案一：前轮转向 + 后轮驱动，阿克曼转向结构，稳定性好但转弯半径大。
方案二：四轮独立驱动 + 转向，双电机控制，结构简单、转弯灵活。
温室垄窄、地形复杂，方案二更适配，故采用此方案。
2.1.2 自主导航方案
方(fāng)案(àn)一(yī)：惯(guàn)性(xìng)导(dǎo)航(háng)，依(yī)赖加速度计和陀螺仪，存在误差累积问题。
方案二：视觉导航，通过相机采集环境，用目标检测算法定位，成本低、适应性强。
方案三：激光雷达导航，高精度但价格高、功耗大。
综合考虑成本与环境适配性，选择视觉导航方案二。
2.2 番茄视觉识别与定位方案
方案一：RGB-D 相机 + 卷积神经网络 + 点云处理，检测定位精准。
方案二：RGB-D 相机 + 卷积神经网络，仅识别无位姿检测。
方案三：RGB-D 相机 + 传统图像处理，难应对复杂遮挡。
设施番茄枝叶遮挡多，方案一兼顾速度与精度，被选用。
2.3 机械臂与(yǔ)末(mò)端手方案
2.3.1 机械臂方案
方案一：多自由度协作机械臂，控制复杂、逆解难。
方案二：四自由度两轴伸缩机械臂，工作空间大、成本低、控制简便。
考虑种植环境与成本，选择方案二。
2.3.2 末端手方案
方案一：绳驱式扭转末端手，多舵机控制，抓取灵活。
方案二：剪切一体式末端手，难切断短果梗，影响保鲜。
方案三：气吸式末端手，吸(xī)力(lì)不(bù)足(zú)，采摘(zhāi)成(chéng)功(gōng)率(lǜ)低(dī)。
因(yīn)番茄果梗短、大小不均，采用方案一。
2.4 系统集成
2.4.1 底盘系统
由轮组、电池组、控制系统构成。轮组模块化设计，电池居中供电，预留安装孔便于升级。
2.4.2 采摘系统
含三级伸缩机械臂、3 自由度末端手、旋转升降平台及控制系统。机械臂采用绳排式伸缩，结构轻巧，底部连接板实现与底盘快速连接。
第 3 章 原理分析与硬件电路图
采摘机器人分为移动底盘和机械臂两大控制系统，通过模块化设计，包含单片机与底盘控制、上位机与机械臂控制、视觉、通信、语音、电源等模块，各模块分工协作。
3.1 单片机与底盘运动控制模块
选用 Arduino mega2560 核心板作为底盘控制器，它具备 54 路数字、16 路模拟 I/O 口，4 路 UART 接口及 I2C 接口，能满足多模块信号处理需求，支持 OLED 屏实时监控状态。核心板参数：3.3V/50mA 供电，256KB Flash、8KB SRAM、4KB EEPROM，16MHz 工作时钟。

3.2 上位机与机械臂运动控制模块
上位机采用基于 Ubuntu 系统的高性能电脑，作为机械臂控制核心，负责算法处理、数据存储与交互。通过 RS485 串口的 Modbus 协议与下位机通信。电脑双系统协同工作：Windows 系统调试电机与夹爪，Ubuntu 系统借助 MoveIt! 在 Rviz 和 Gazebo 环境中仿真并控制机械臂运动。

3.3 Realsense L515 相机
选用英特尔 Realsense L515 深度相机，集成 RGB 与深度传感器，通过 USB 3.1 连接主机，基于 ToF 技术获取彩色与深度图像。其 70x55 视野、低功耗且兼容多系统，体积小、重量轻，固定于机械臂上，为番茄识别定位提供视觉数据。
3.4 通信模块
通信系统整合 485、蓝牙、SBUS、TCP 指令。电机控制上，底盘 8 个电机与机械臂 4 个伺服(fú)电(diàn)机(jī)采用(yòng) 485 通(tōng)信(xìn)，手(shǒu)抓(zhuā)舵(duò)机(jī)通(tōng)过(guò) 485 转(zhuǎn) PWM 模块适配。底盘支持双模式控制：遥控器模式下，SBUS 接收机转换信号驱动底盘；上位机模式中，蓝牙模块或 ESP32 开发板传输导航指令。此外，定制拓展板实现核心板信号扩展与固定。
3.5 语音识别模块
引入 ASR-PRO 离线语音芯片，降低操作门槛，农民通过(guò)唤(huàn)醒(xǐng)词和(hé)指(zhǐ)令(lìng)即(jí)可(kě)操(cāo)控(kòng)底(dǐ)盘(pán)，无(wú)需(xū)专(zhuān)业(yè)培(péi)训(xun)，兼(jiān)顾(gù)易(yì)用(yòng)性(xìng)与(yǔ)成(chéng)本(běn)。
3.6 电(diàn)源(yuán)模(mó)块(kuài)
电(diàn)源(yuán)模(mó)块(kuài)采用(yòng)双(shuāng)电(diàn)压(yā)供(gōng)电(diàn)：控(kòng)制(zhì)通(tōng)讯(xùn)系(xì)统(tǒng) 24V、驱(qū)动(dòng)系(xì)统(tǒng) 48V，经(jīng)优(yōu)化(huà)电(diàn)源(yuán)转(zhuǎn)换(huàn)效(xiào)率(lǜ)、降(jiàng)噪(zào)抗(kàng)干(gàn)扰(rǎo)，保(bǎo)障(zhàng)硬(yìng)件(jiàn)稳(wěn)定(dìng)运(yùn)行(xíng)。
第(dì) 4 章(zhāng) 软(ruǎn)件(jiàn)设(shè)计(jì)与(yǔ)流(liú)程(chéng)
4.1 视(shì)觉(jué)导(dǎo)航参数信息获取
机器人垄间自主导航的核心是精准获取导航线，采用基于直线模型的视觉导航算法，通过 “图像采集 - 处理 - 导航线提取” 三步实现。
4.1.1 图像采集
为应对农业环境光照变化与底盘抖动，调整 RealSense L515 相机参数：调节焦距保证清晰成像，调大光圈缩短曝光时间，确保图像质量。
4.1.2 图像处理
运用 Otsu 算法结合 Canny 边缘检测进行垄间轮廓检测。Otsu 算法自动选取阈值实现图像二值化，Canny 算法检测边缘，二者结合解决传统边缘检测的阈值问题，适应不同光照条件。

4.1.3 获取并跟踪导航线
通过行扫描点检测算法获取垄体边界离散点，经多项式拟合得到道路中心离散点，将相机坐标转换为世界坐标，提取横向与角度偏差参数，由上位机传输至主控板，驱动机器人沿导航线行进。
4.2 四转四驱底盘控制系统
底盘通过 MODBUS 协议控制 8 个电机实现运动，转向电机采用位置控制确保角度精准，驱动电机用速度控制结合模糊 PID 算法减小误差。设计斜向转向、四转四驱阿克曼、原地转向三种模式：斜向转向提升横向稳定性；四转四驱适配窄垄；原地转向利用 360 度轮组实现。
支持遥控器与上位机双控制模式：遥控器通过云卓 H12 拨杆切换模式；上位机基于 QT 开发，可跨平台运行，实现电脑或手机操控。针对四转四驱模式，以底盘速度与角度误差为输入，经模糊 PID 动态调整参数，通过转角逆运动学模型控制轮组，保障精准走位。