设计、运动学建模以及基于混合人工智能的优化技术：用于温室环境中辣椒采摘的六自由度（6-DOF）视觉引导机器人臂

《Franklin Open》：Design, Kinematic Modeling, and Hybrid AI-Based Optimization of a Vision-Guided 6-DOF Robotic Arm for Capsicum Harvesting in Greenhouse Environments

本研究设计了一款专为温室辣椒采摘优化的六自由度机械臂，采用PLA+、TPU和不锈钢混合材料，结合URDF建模与经典逆运动学分析，开发了融合神经网络、模糊逻辑和遗传算法的混合AI逆运动学优化框架，显著提升了采摘精度与机器人空间覆盖能力。

　　农业机器人设计与优化：以温室辣椒采摘为例

在现代农业中，自动化技术的应用正变得越来越重要，尤其是在温室种植环境中。辣椒（Capsicum annuum L.），也被称为甜椒或“Shimla Mirch”，是印度最重要的经济作物之一。根据最新的估计，印度每年生产超过500,000吨的辣椒，主要产自西孟加拉、卡纳塔克和喜马偕尔邦等地区。随着对高品质农产品的需求增加，以及对非季节性种植的追求，温室种植系统已成为提高产量和果实均匀性的重要手段。辣椒富含维生素C、维生素A以及抗氧化物质如β-胡萝卜素和类黄酮，使其在国内外市场具有很高的需求。然而，温室种植环境中辣椒采摘面临诸多挑战，如密集的冠层结构、果实的聚类分布以及狭窄的行间距，这些都对采摘机械臂的机动性和精度提出了更高的要求。

当前的农业机械臂设计通常聚焦于提高臂的可达性、扭矩效率、结构重量和适应性。例如，Roshanianfard和Noguchi设计了一种用于采摘重物如南瓜和甘蓝的五自由度（DOF）机械臂，使用六阶段的Shigley设计方法进行设计，并符合日本工业标准。设计中对关节1至5的扭矩需求分别为6.15、257.35、103.4、20.2和0.1 N·m，通过调整连接件材料和伺服电机位置，实现了29.7%至47.7%的扭矩减少，最大可达1421 mm。Oliveira等人通过系统回顾超过100种农业机器人系统，发现38.5%的系统采用了4-6 DOF的机械臂，强调了对关节扭矩优化、结构重量和适应性的持续挑战。Liang和Wang设计了一种五自由度的修剪机械臂，包括基座、大臂、小臂、手腕和手指刀片，通过MATLAB验证了运动曲线，并在ADAMS中进行了仿真，展示了稳定的加速度模式和显著的速度变化，从而为枣树修剪的理论化提供了基础。Poon开发了一种低成本、鲁棒的农业机械臂工具更换器，使用通用插座接口连接农业传感工具（如热成像仪、阻抗分析仪、氢离子电位探针和光谱仪），通过自调谐比例-积分-微分库和轨迹优化，实现了40%的跟踪误差减少、14%的设定时间缩短以及几乎100%的超调减少。Kouritem等人提出了一个面向工业机械臂的多目标设计机制，通过应力分析优化材料类型和连杆尺寸，从而实现改进的因子安全性和挠度控制，同时通过ANSYS进行振动分析和模态分析，指导材料选择（镁-铝合金），以避免共振频率，进一步降低旋转角度下的能耗。Xiong等人提出了一个针对温室番茄采摘的7 DOF机械臂的几何参数优化方法，通过CRITIC–TOPSIS方法优化伸缩臂参数（上臂：1119.3 mm，39.4°；下臂：898.7 mm，26°；基座距离：755.3 mm），实现了92.88%的工作空间可达性。Wakchaure等人综合了150项研究，从1960年到2021年，发现超过42%的集成人工智能的农业机器人使用了铝或聚合物复合材料制造的机械臂，负载能力在100–300克之间，关节扭矩需求在10–25 N·cm之间，强调了在动态田间条件下需要结构轻量但坚固的机械臂。Chhabra和Nagpal（2023）引入了“FarmPet”，这是一种使用四根步进电机驱动电缆的田间机器人，具备轻量化的中心模块，能够在3.2?×?3.2 m2的田间进行实时平面运动，适用于农药喷洒和种子散布等应用，而无需直接与作物接触。Ali等人开发了一种低成本的五自由度机械臂，负载限制为1公斤，使用SOLIDWORKS设计并在ANSYS中进行了分析，使用52,134个元素和89,104个节点，展示了在逐步加载下结构的完整性，使其适用于紧凑的工业自动化应用。Altawil和Can设计了一种四自由度机械臂，具有双夹爪机制，用于多任务农业操作，通过DH方法和拉格朗日力学进行了运动学和动力学分析，并验证了其与机器人操作系统（ROS）的集成，以实现与传感器和农业机械的同步自动化。Ma等人设计了一种新型的棱柱-旋转-旋转-棱柱-旋转机械臂，用于温室番茄修剪，通过多目标逆运动学算法优化了关键几何参数（水平滑动关节：953.149 mm，伸缩关节：632.320 mm），使机器人能够达到目标区域内的89.94%的枝条。Peng等人提出了一个7 DOF番茄采摘机械臂的几何参数优化方法，通过非支配排序遗传算法II（NSGA-II）优化，实现了在无碰撞条件下的紧凑结构和92.88%的工作空间可达性。Kuruvilla等人设计了一种6 DOF圆柱形机械臂，用于自动化精准农业，在不同农田地形中比较了预浸料碳纤维、铝6061-T6和钢1045，强调了高特定刚度和成本效益作为设计要求。Chang和Huang设计了一种通过电缆驱动的多关节机械臂，具有切割和夹爪机制，并采用双级模糊逻辑控制器，用于草莓采摘，实现了90%的果实检测准确率、82%的采摘成功率和平均采摘时间为6.5秒（无恢复时间为5秒）的采摘。这些研究共同表明，机械臂在农业中的高效设计、轻量化和适应性对于自动化系统的性能和商业可行性至关重要，但针对温室环境下特定作物的适应性设计仍然缺乏。

为了确保精准的果实和茎部定位，设计了一种集成的Intel? RealSense? D455i RGB-D相机，固定安装在机械臂末端。该传感器提供了同步的RGB和深度数据，具有95 mm的基线和在0.4–6 m范围内的±2%深度精度，非常适合密集的冠层环境。D455i数据流通过基于YOLOv8的深度学习管道进行实时处理，以检测辣椒果实并分割茎部区域。检测到的2D像素坐标（u, v）通过相机的内在矩阵转换为3D相机坐标，进一步转换为机械臂的基座坐标。这一转换允许机械臂计算末端执行器相对于基座的期望姿态，从而进行关节角度的计算。相机的全局快门、宽视场角和增强的低光和部分遮挡条件下的性能进一步支持了在动态温室环境中的可靠感知。

在机械设计方面，采用了一种混合材料策略，包括PLA+结构连杆、热塑性聚氨酯（TPU）夹爪手指和不锈钢剪刀切割器，以适应冠层宽度为30–60 cm和植株高度为60–100 cm的温室环境。执行系统结合了NEMA 17和NEMA 23步进电机，通过TB6560驱动器和180°伺服末端执行器进行控制，支持200克的额定负载，以实现精确的夹持和茎部切割。该系统采用了基于Denavit–Hartenberg（DH）约定的经典逆运动学（IK）方法，使得从茎部姿态到关节角度的映射成为可能。工作空间评估通过基于统一机器人描述格式（URDF）的模型在MATLAB/Simulink中进行，显示了6-DOF机械臂的最大可达距离为0.55 m，相比5-DOF和4-DOF版本的0.46 m和0.39 m，验证了全关节在遮挡密集的冠层中的优势。为了提高IK精度，实施了一个混合人工智能优化管道，包括一个在100个周期内训练的神经网络（MSE ≈ 0.01），模糊逻辑校正（平均误差从3.46 mm减少到2.01 mm），以及遗传算法优化（85%的解决方案在1.75–2.25 mm之间）。集成系统能够实现高精度、实时采摘，同时减少机械复杂性，并在结构化的作物环境中实现可靠性能。

然而，现有的系统如SWEEPER机器人和Harvey在甜椒采摘中主要依赖现成的机械臂或刚性金属结构，没有结合辣椒的细长茎部（直径1–2 cm）和密集冠层遮挡（高达60%的叶片覆盖）。同样，Roy等人提出的Harvest-Bot采用了Yahboom ROSMASTER X3平台，但缺乏形态驱动的连杆优化和混合AI逆运动学（IK）以实现实时误差校正。这些局限性表明，现有的系统虽然在功能上可行，但并未充分解决辣椒种植特有的机械和运动学挑战。为了弥合这一差距，我们的设计应该将种植衍生的参数整合到一种轻量、3D打印的混合材料6-DOF机械臂中，从而实现遮挡环境下足够的可达性和灵活性。这种针对作物的特定设计确立了提高采摘性能的必要性。

综上所述，尽管在农业采摘机械臂的发展中取得了显著进展，但在温室辣椒采摘的机械设计和混合IK优化方面仍存在显著的研究空白。当前的机械臂通常缺乏作物特定的结构考虑，尤其是在处理辣椒的形态特征如可变果实方向、细长茎部和冠层诱导的遮挡方面。许多系统则强调一般农业操作（如番茄修剪）或更重的作物，从而忽略了辣椒特有的挑战如可变果实聚类和需要接触力的柔性茎部。我们的贡献应该通过一种定制的6-DOF设计，结合混合材料，来解决这些挑战，从而实现低成本的农业自动化。

本研究通过系统的方法框架，探讨了6-DOF机械臂的机械设计、建模、仿真和AI驱动的逆运动学优化。首先，针对辣椒的形态和结构特性，进行了机械臂的设计，确保其在温室环境下的可达性和结构适应性。接着，通过经典的几何方法基于DH约定推导了6-DOF串联机械臂的逆运动学（IK）模型，为后续优化提供了分析基础。为了评估机械臂的工作空间和运动灵活性，采用基于URDF的建模在MATLAB/Simulink环境中进行了仿真，通过对比完整和缩减的DOF配置，验证了设计的合理性。最后，开发了一个混合AI驱动的IK优化框架，结合神经网络进行姿态回归，模糊逻辑进行自适应误差校正，以及遗传算法进行全局优化，从而提高了关节配置预测的鲁棒性和准确性。

本研究的创新点在于其针对辣椒采摘的特定需求进行了机械臂的设计和优化。辣椒的生长特性，如密集的冠层遮挡和灵活的茎部，使得传统的机械臂设计难以满足采摘要求。因此，本研究采用了一种混合材料策略，结合了PLA+结构连杆、TPU夹爪手指和不锈钢剪刀切割器，以确保机械臂在温室环境下的轻量化和高强度。同时，结合了NEMA 17和NEMA 23步进电机，以及180°伺服末端执行器，使得机械臂能够处理辣椒的特定采摘任务。通过将视觉感知与DH运动学模型结合，机械臂实现了可靠的茎部对齐和切割，为嵌入式控制提供了分析基础。

此外，本研究还强调了在温室环境中进行机械臂设计时，需要考虑作物的形态和生长特性。辣椒的生长高度、冠层宽度和果实分布等参数，直接决定了机械臂的可达性和结构设计。因此，机械臂的连杆长度和关节运动范围，必须根据辣椒的生长模式进行优化，以确保在采摘过程中不会对植物结构造成损伤。本研究还通过实验验证了机械臂的性能，显示了其在温室环境中的有效性和适应性。未来的研究可以进一步探索机械臂的实时实现、移动平台的集成以及轨迹优化算法，以提高系统的可扩展性和田间适用性。同时，扩大神经网络训练数据集，并在多物体遮挡环境下引入自适应运动规划，可以进一步提高混合IK框架的泛化能力和操作效率。