水果采摘机器人在进行采摘前，首先要在复杂的环 境中把水果识别出来，然后再根据果实的成熟度来决定 是否采摘［13］ 。但因为自然环境的复杂性和不确定性，以及果实受光照、枝叶等环境因素的干扰较大，使得采摘机器人对果实的目标识别成为了难题。

       针对不同的水果，有的利用基于纹理、形状的识别方法，有的利用基于色彩空间的识别算法。研究对象是绿色阳光玫瑰葡萄，其果实颜色和树叶颜色相对接近，在一定程度上加大了果实目标识别的难度。因此，先分析果实图像的颜色特征，采用基于 Otsu阈值算法对图像进行初步的分割；然后通过图像纹理特征，采用支持AdaBoost 算法和向量机（SVW）算法对图像进行进一步的精细化处理，从而获得准确的阳光玫瑰葡萄识别图像。基于此，此项研究包括以下两大块内容。

       一是基于颜色空间的初步检测处理，包括颜色空间及特征分析、颜色分类提取、Otsu阈值算法进行初步分割三个方面。 二是基于纹理的精确检测处理，包括基于 LBP 的支 持向量机（SVM）算法、基于LBP的adaboost算法、两种算法的精确度比较三个方面。 本项目旨在研究基于颜色及纹理两种外在特征基础下的图像分割算法，分析不同算法的果实识别率及其精确度，实现在自然环境下对葡萄果实识别率达到 90%以上的目标，从而为采摘机器人准确定位及实施采摘行为奠定基础。

       农业机器人技术是当今国际农业机械化研究的前沿领域，涉及果蔬采摘机器人、蔬菜嫁接机器人、果 蔬分选机器人、农田作业机器人等诸多研究方向。以果蔬采摘为例，国内外学者对果蔬采摘机器人的果蔬 类别、采摘装置构型、识别与定位技术及其工作效率 等进行了研究。

       针对不同的果蔬类型，采摘方式有所不同，与之 对应的研发技术也不尽相同。例如，苹果采摘方式大 致分为振摇式和机械臂采摘式两种。前者存在的问题是，果实采摘率难以保证达到 100%，果实坠落及相 互碰撞会造成果实一定程度的损伤。因此，机械臂研 究及装备开发日益受到国内外学者的重视。

       荷兰研制的黄瓜采摘机器人[7]由自主行走系统、 双目视觉系统和一个 7 自由度机械臂构成，通过末端执行器完成果实采摘，4 次独立实验测试的成功采摘率为 74.4%，失败的原因主要是末端执行器相对于果 实的定位不准确，需要进一步提高图像处理和机械臂 运动规划的效率。

       日本研制的圣女果采摘机器人[8]运用了一种基于 视觉反馈控制的视觉定位算法，采用双目立体视觉技 术确定果实簇的三维位置，机器人每次收获一个果实后，根据新获得的图像和最新的机械手位置更新下一个目标果实的位置，成功率为 70%。但当面对茂密叶茎后面的果实时，即便是 7 自由度机械臂，其末端夹 持器的结构形式及其采摘方式，以及机械臂的避障能 力等仍无法达到人类手臂的灵巧性。

 水果特征提取

在自然环境下，对果实目标进行识别时，可根据果实颜色特征分为果实与背景颜色差异较大、果实与背景颜色相近这两种情况。其中，在果实与背景颜色相近的情况下，仅仅依靠颜色特征难以将目标区域提取出来，并且其识别效果较差、精确度低。因此，基于颜色和纹理两个空间角度果实进行特征的分析和提取，能极大地提 高识别率、精确度。

初步项目资料收集：查阅文献（知网、CSDN、古月居、知乎）

编写具体程序：采用串口通信方式及舵机数据传输，将ROS仿真环境下机械臂的模拟运动规律转换为舵机的运动指令，并传递给实体机械。

调试程序：进一步完善程序。