果实采摘机器人的智能识别与分数阶协调控制方法研究

Agricultural robotics technology is the key demand of our country's major science and technology strategy. At present, the automation and intelligence of agriculture fruit picking is still low, due to the influence of the complicated environment and the structural shortage of labor force. .In this project, we will establish the orchard management system of fruit picking stage and research the apple maturity degree detection and location, path planning and obstacle avoidance navigation, fractional sliding mode control through self-developed fruit picking robots. The main contents include:.(1)Study the visual detection and location for apple maturity under the natural light and block environment based on the deep learning method, improve recognition accuracy and real-time performance of the apple picking robot system;.(2)Research the path planning and obstacle avoidance navigation algorithm of fruit picking robots based on lidar and RGBD camera to promote the capability of navigation and obstacle avoidance for the fruit picking robot;.(3)Proposed fractional sliding mode tracking control algorithms to improve robustness and control precision for picking robot system, weaken the system chattering and enhance immunity of the picking robot.. The project explores the key technology of the fruit picking robot under he complex and dynamic environment in order to achieve mechanization、automation and intelligent of the fruit picking robot, ensure the timely and efficient for fruit harvesting, reduce the costs of harvesting operations. It is of great practical significance to solve the current labor shortage problem in our country.

农业机器人技术为我国重大科技战略重点需求。目前农业果实采摘因复杂环境及劳动力结构性短缺，导致自动化智能化程度仍然很低。本项目以自主研发的果实采摘机器人为研究对象，建立水果采摘阶段的果园管理系统，开展果实成熟度检测与定位、路径规划与避障导航、分数阶滑模控制方法研究。重点研究:.(1)自然光照及遮挡环境下基于深度学习的果实检测与定位方法研究，提高系统的实时采摘和识别准确率；.(2)基于激光雷达和RGBD相机的果实采摘机器人路径规划与避障导航，促进采摘机器人路径规划与避障导航能力；.(3)采摘机器人的分数阶滑模轨迹跟踪控制算法，改善系统的稳定性和控制精度，有效地削弱系统抖振，增强采摘机器人的抗扰能力。.本项目探索复杂动态环境下果实采摘机器人关键技术，实现果实采摘作业的机械化、自动化和智能化，保证果实的适时高效采摘、降低收获作业成本,解决当前国家面临的劳动力短缺问题具有重大现实意义。

开展果实采摘机器人的研究，对于实现果实采摘作业的机械化、自动化和智能化，保证果实的适时高效采收、降低收获作业成本，同时解决当前国家面临的劳动力短缺问题都具有重大现实意义，促进我国农业科技进步，加速农业现代化进程有着重大的历史意义。.本项目以自主研发的果实采摘机器人为研究对象，围绕复杂自然条件下采摘机器人的果实成熟自动视觉检测与避障导航、机械臂的协调控制等关键问题，从自动视觉检测、识别定位、路径导航与采摘控制等多个方面开展理论方法创新与关键技术突破，主要研究：1）采摘机器人目标检测与识别算法。针对复杂干扰环境下果实检测困难的问题，提出了基于深度学习方法有效的面向果园真实环境的果实检测与识别算法，在果实熟度与果实位置信息等方面检测得到了良好的进展。2）开展果园场景解析及采摘机器人路径规划研究，实现采摘机器人智能采摘。针对采摘机器人的果园园区工作环境特征多样，干扰因素繁多的问题，设计了改进的金字塔场景解析网络Mu-PSP Net，用于果园道路环境的图像分割。针对视觉同时定位与地图构建存在实时性和鲁棒性差等问题，提出一种改进的基于四叉树的ORB特征提取方法，设计包含前后端及地图构建的机器人RGB-D SLAM算法，构建全局一致的3D地图，达到减少累积误差的目的。针对群采摘机器人工作中存在的采摘区域大、地形多变、群机器人控制复杂等问题，提出一种基于地图服务器的群采摘机器人的A＊路径规划算法，通过地图服务器的区域采摘地图划分、合成、分配的基础下，完成多点遍历、无相互干扰的群采摘机器人的路径规划。3）开展采摘机器人系统控制理论及多机器人编队避障控制研究。首先针对果实采摘机器人机械臂轨迹跟踪控制存在的跟踪精度差、鲁棒性差等问题，提出了一种分数阶积分滑模控制算法，实现算法快速收敛，具有较强的抗干扰能力；针对机械臂轨迹跟踪存在时滞和干扰的问题，分别从不连续复杂网络和离散复杂网络的同步控制角度进行了深入探索，应用采样控制和事件触发控制，提高了系统的控制精度和抗干扰能力。通过仿真和平台实验的对比分析这些算法有更快的动态响应能力，实现对期望轨迹的精确跟踪，有效削弱系统抖振，提高了果实采摘效率。