基于实时力反馈的软体机器人夹持器在西兰花幼苗自动化采收中的应用研究

为解决农业劳动力短缺和西兰花幼苗采收效率低下的问题，研究人员开发了一种集成实时力反馈的软体机器人夹持系统。该系统采用热塑性聚氨酯（TPU）柔性材料和自适应力控算法，实现了对直径6-12 mm的脆弱茎秆的精准抓取（成功率94%）和无损切割（损伤率仅3%）。这项研究为高价值作物的自动化采收提供了创新解决方案，发表于《Smart Agricultural Technology》。

　　

全球农业正面临劳动力短缺和可持续生产需求的双重挑战，其中西兰花幼苗（baby broccoli）的采收尤为棘手——这种作物需要7-9次重复采收，茎秆直径仅6-12 mm却易受机械损伤，传统自动化设备难以兼顾效率与作物完整性。更复杂的是，茎秆硬度随植株年龄变化显著，现有软体夹持器缺乏应对这种生物变异性的能力。

针对这一难题，澳大利亚联邦大学（Federation University）的研究团队在《Smart Agricultural Technology》发表了一项突破性研究。他们创新性地将人类拇指抓握的生物力学原理与智能材料相结合，开发出具有三层结构的TPU-PVC复合夹持器：外层波浪纹PVC提供保护性抓握，中层TPU实现柔性变形，内嵌RP-S40-ST压力传感器构成实时力反馈系统。这种"仿生拇指"设计能通过触觉信号估算茎秆直径，无需视觉辅助即可动态调节0.15-0.25 N的抓握力，在完全遮挡的茂密冠层中仍能稳定工作。

研究团队建立了首个针对西兰花幼苗的切割力预测模型（F_c=0.2951D+1.45），通过MG996R伺服电机实现三阶段精准切割。150次田间试验显示，该系统采收速度达4.5秒/株，性能指数（抓握力与切割力比值）仅0.043，显著优于传统方案。尤为关键的是，其独创的直径-伺服角度映射算法（R²=0.9802）使夹持器能自动适应不同茎粗，配合1.25倍安全系数设计，成功将损伤率控制在3%以下。

关键技术包括：

1. 1.

   基于SolidWorks的有限元分析验证TPU夹持器在1 N载荷下的应力分布（最大4.73×10⁵ N/m²）

2. 2.

   RP-S40-ST传感器实现μs级力检测，配合PVC保护层防止传感器损坏

3. 3.

   MG90S和MG996R伺服电机协同控制，扭矩范围5.26-12 kg·cm

4. 4.

   茎秆直径-切割力线性模型建立及安全阈值计算

研究结果揭示：

1. 1.

   夹持器设计：3 mm厚TPU手指配合25 mm曲率半径，在±15°角度偏差内保持96%成功率

2. 2.

   力控性能：抓握力标准差仅0.023 N，超力事件减少82%

3. 3.

   切割动力学：直径每增加1 mm需增加0.2951 N切割力，最大扭矩5.26 kg·cm

4. 4.

   采收质量：97%茎秆无可见损伤，仅2.1 mm平均淤伤直径

这项研究突破了传统软体夹持器依赖视觉定位的局限，首创的触觉直径估计框架为密集冠层作业提供了新思路。其预测性切割控制模型可扩展至芦笋、草莓等易损作物采收，而多层材料架构为解决农业机器人传感器防护难题提供了范本。未来通过整合季节性茎秆特性数据库和机器学习算法，有望实现全自主化的精准采收系统，为应对农业劳动力危机提供关键技术支撑。