基于机器视觉的智能采茶机械手控制系统研究

摘 要

　　随着农业智能化的快速发展，机器视觉技术被广泛应用于农业自动化采摘领域， 可以辅助人类完成相应的采摘作业。在机械控制系统中，机器视觉以高效率、定位 精度高等优点成为当今机械手控制系统中的主流。

　　本文基于机器视觉研究六自由度机器手来实现对富硒绿茶嫩芽目标的抓取和放 置。以 OpenMV 为机器视觉传感器，研究机械手运动学分析、轨迹规划及嫩芽目标 识别与定位等问题，实现基于机器视觉的智能采茶机械手控制系统，顺利完成嫩芽 的采摘。首先通过总体方案的设计来确定各个子模块的具体功能，并针对各个模块的控 制原理进行说明。通过 D-H 参数来建立六自由度机械手的基础模型，并对其进行运 动学分析，在不同的坐标下分析其轨迹规划的差异性，并对其工作空间的有序展开 研究。对比不同采摘路径规划算法的性能，并选择 PSO 算法来完成机械手路径规划。

　　其次对机械手的控制策略和采摘展开仿真研究，对比三种最常见的控制方法并进行 仿真分析，采用融合控制方案来完成本论文研究。最后基于 Arduino IDE 软件平台完 成基于机器视觉的智能采茶机械手的采摘测试，通过编写模块化的机械手舵机控制 程序来驱使舵机完成相应的采摘任务，测试之前需配置好平台环境，对采集的嫩芽 图像进行预处理，并利用改进后的 K-means 算法来完成嫩芽的识别，在 April Tag 视 觉定位基础上完成嫩芽坐标输出，对采摘流程进行具体设计并完成模拟测试。

　　测试结果表明，所设计的基于机器视觉的智能采茶机械手控制系统能够完成嫩 芽的采摘任务，模拟测试的平均识别成功率为 94.57%,平均采摘时间为 10.28s,对 于自动化农业的实施起到了良好的推动作用，对农业智能化的发展具有十分重要的 现实意义。

　　关键词：农业自动化，机器视觉，采茶机械手，智能控制，路径规划

Abstract

　　With the rapid development of agricultural intelligence, machine vision technology is widely used in the field of agricultural automated picking, which can assist humans in completing the corresponding picking operations. In mechanical control systems, machine vision has become the mainstream of today's manipulator control systems with its advantages of high efficiency and high positioning accuracy.

　　This paper is based on machine vision to study the six-degree-of-freedom robot hand to realize the capture and placement of the target of selenium-enriched green tea buds. Use OpenMV as the machine vision sensor to study the problems of manipulator kinematics analysis, trajectory planning, and shoot target recognition and positioning, realize the intelligent tea picking manipulator control system based on machine vision, and successfully complete the shoot picking.

　　First, determine the specific function of each sub-module through the design of the overall scheme, and explain the control principle of each module. The basic model of the six-degree-of-freedom manipulator is established through D-H parameters, and its kinematics is analyzed, the difference of its trajectory planning is analyzed under different coordinates, and the orderly study of its work space is carried out. Compare the performance of different picking path planning algorithms, and select the PSO algorithm to complete the robot path planning. Secondly, a simulation study is carried out on the control strategy and picking of the manipulator, the three most common control methods are compared and the simulation analysis is carried out, and the fusion control scheme is adopted to complete the research of this paper. Finally, based on the Arduino IDE software platform, the picking test of the intelligent tea picking manipulator based on machine vision is completed, and the modular manipulator steering gear control program is written to drive the steering gear to complete the corresponding picking tasks. The platform environment must be configured before the test. The bud images are preprocessed, and the improved K-means algorithm is used to complete the identification of the buds. The coordinates of the buds are output based on the April Tag visual positioning. The picking process is specifically designed and the simulation test is completed.

　　The test results show that the designed intelligent tea picking manipulator control system based on machine vision can complete the task of picking buds. The average recognition success rate of the simulation test is 94.57%, and the average picking time is 10.28s, which is useful for the implementation of automated agriculture. A good driving effect is of great practical significance to the development of intelligent agriculture.

　　Keywords: Agricultural automation, machine vision, picking manipulator, intelligent control, path planning

目 录

　　第 1 章 绪论

　　1.1 研究背景及意义

　　对于很多以农业生产为主的国家来说，其农业的发展与国家的繁荣昌盛有着不 可分割的关系，随着医疗水平的不断发展，居民的预期寿命延长，许多国家和城市 都面临人口老龄化的难题。工业化进程的不断加快，使得农业劳动者转向服务行业 发展，使得农业领域的劳动力呈现大量短缺的现象，导致农业的生产成本急速提高 [1-2].而仅仅依靠人工采摘的方式会存在大量缺点，长时间的高负荷作业还会带来一 定的危险，因此研发一种智能化的茶叶采摘机器人的需求是非常迫切的。茶叶采摘 机器人不仅能够降低茶农的劳动强度，还可以提高茶叶的生产率，在一定程度上还 降低了生产成本，可以保证茶叶能够及时按量的采摘完成。

　　信息技术的发展日新月异，机器人技术的研究与发展已然成为热门，在航空航 天领域及一些重要的工业现场得到了广泛推广，机器人的结构也趋向高速度和高精 度的方向发展，并且其能够满足高负载自重比的需求，实时完成预期的工作任务。 机械手本身带有的柔性特征极易导致结构变形，直接降低了机械手在执行任务时的 精度[3].因此，在设计采摘任务时一定要考虑机械手柔性结构的特殊性，只有实现对 其高精度的控制效果，才能顺利完成相应的工作任务[4].而对其精度的控制要以机械 系统的动力学特性作为研究基础。从结构上来说，机械手的柔性结构对于动力学系 统分析来说也是极其复杂的，而在此基础上所构建的动力学方程是对机械手进行高 精度控制的关键[5-6].由于动力学方程本身的非线性和强耦合性，导致其在具体的工 程作业中会遇到困难，并且其方程是根据目标位置来实时变化的。为了建立柔性机 械手的基本模型来研究其动力学特性，就必须要进行刚耦的结合，再考虑到其非线 性特性，使得模型的建立更加复杂[7-8].一般来说，控制系统进行智能控制的依据来 源于我们所建立的动力学模型，并设计相应的舵机控制方式，就可以操控执行器完 成定位抓取，机械手的动力学特性也直接决定着信息传递的有效性。

　　柔性机械手应用于茶叶嫩芽的采摘是比较合理的。首先，其结构比较轻，能够载重的范围较宽，对于茶叶的采摘作业来说是很科学的，并且其功耗很低，可以借 助一些外部电源即可完成长时间的采摘作业，柔性机械手的可操作空间也比较大， 能够满足富硒茶叶嫩芽采摘的需求，在识别算法设计合理的基础上可以拥有很高的 识别率和采摘效率，并且响应时间很短，可以节省大量的采摘时间。可是单一的柔 性机械手独立完成采摘作业的效率很低，需要借助于视觉系统来完成嫩芽的采集和 精准识别[9].而发展至今的机器视觉系统则正好与之契合，机器视觉系统可以高效率 的完成预期的任务要求，并且其自动化程度较高，在一些重要的工业和航天事业中 应用较广，其能够协助机械手完成高精度地识别与自动化采摘，并具有操作快速的 特点。相比于单独的机械手采摘，加入机器视觉系统之后其精度更高，操作性更强， 执行采摘任务更加可靠。并且在机器视觉系统的协助下，机械手采摘系统不需要与 目标茶叶直接接触，先通过摄像头识别再发送控制信号至舵机，控制相应关节完成 采摘任务，能够大大提高采摘作业的自主性和决策能力，相当于给机械手赋予精准 识别能力，使其能够自主完成采摘任务，提高其适应能力，使其在农业采摘领域的 应用得到稳步推广，对于智能农业的发展具有十分重要的研究意义。 为了使农业采摘型机械手具有更多的决策自主能力，完成更多更复杂的自动化 采摘任务，在机器视觉的基础上展开机械手研究逐渐成为目前机械手控制技术研究 的热点[10-11].随着智能化时代的不断推进，视觉机械手在抓取、搬运、打磨、装配 等行业领域发展迅速。可以大大提高重点项目的机械工业化生产的协同性与自主性， 对于拓展机械手应用领域具有十分重要的现实意义和研究价值。

　　1.2 国内外研究现状

　　1.2.1 国外研究现状及趋势

　　机器视觉技术通过视觉传感器将环境信息转换为视觉信息，然后反馈至相应控 制器，控制器发出控制指令使其更好的适应环境[12-13].在视觉技术和机器人技术领 域，德国 Siemens 公司对于工业图像处理方面的研究有着独特的思考。其研发的 SIMATIC 是高性能自动化处理系统，其凭借清晰度高和处理速度快等特点渐渐发展成为自动化领域中必不可缺的产品。在 SIMATIC 的基础上又进行了创新和优化，在 市场上推广的 SIMATIC VS710 系统，加入智能化的元素，实现了内部模块的一体化， 是带有严格工业标准的分布式系统，其主要面向于灰度级工业视觉领域，在工业实 践领域得到了迅猛发展。其通讯速率高达 12Mbps,这样的速率可以为工程运行节省 大量时间。通过后期不断的优化，可以对运行数据进行集成组态分析。VS710 拥有 PC 般的灵活性，也拥有可以比肩 PLC 的可靠性，其独特的分布式网络技术使其发展 得更加全面，将上述功能集成于新的系统进行设计，西门子公司在工业视觉领域的 发展逐步加快[14].日本在智能运动型机器人领域的研究起步较早，从最初的救灾专 用机器人开始，通过集成多自由度机械手和履带结构来完成运行和控制，借助高清 晰度的摄像机来完成图像采集，搭配红外传感器来实现人员体征的测量，能够完成 实际的救灾工作，但存在工作效率较低、容易误伤人员的情况，因此还需继续完善。 发展到后来的抗辐射机器人，通过摄像机的原图像采集，通过距离传感器来精准控 制物体距离，并配有多个 7 自由度的机械手用于清理辐射垃圾，机械手的末端还配 置了柔性的夹持器，考虑到工作人员的安全，专门设计了远程操作系统，在很大程 度上实现了智能控制和一体化操作。

　　此外，国外的很多高校及科研学者也在机器视觉的基础上，对机械手的多范围 应用展开深入研究。在文献[15]中，设计了一种新颖的控制器，实现网络冗余机械手 在任务空间中的跟踪同步，在原有神经网络控制的基础上，通过仔细分配接近理想 值的初始神经权重，可以提高跟踪性能。同时，减少了神经网络的输入维数，并确 保了神经网络的逼近性。但是受噪声的影响较为严重，后期可加入适当的稳压和消 噪模块来改善。在文献[16]中，设计了一种基于机器视觉的甘蔗切割系统，使用机器 视觉来完成甘蔗茎的片段识别，然后通过机械控制电气切割部分来完成甘蔗的切割， 其片段识别率可达 93%,平均切割时间为 0.54s,但发现对芽的伤害较高，后期可通 过设计更为高级的柔性结构来完成切割。在文献[17]中，提出了一种基于视觉的快速 基帧标定方法来调整机械手的位姿，该方法可以快速，准确地获得协调坐标系之间 的相对姿态。通过将标记器安装在三个不同的位置即可生成校准系统的框架网络， 然后标记在不同位置的相应机器人的图像，就可以确定标记框相对于相机框架和机器人基础框架的转换矩阵和关节角度，最终由框架闭合链建立的校准方程式来完成 位姿的调整，能够有效调整机械手的位置抓取精准度。但是对于逆向运动方程不适 用，存在一定的局限性。在文献[18]中，提出了一种结合形状和颜色的特征提取方法 来完成莲花的识别，并基于机器视觉完成采摘，以现有的脉冲耦合神经网络分割算 法为基础，结合形态学运算得到较好的分割图像，利用色差方法和不变矩算法来提 取分割图像的颜色和形状特征，并选择主成分分析算法以减小颜色和形状特征的维 数，最终通过 K-means 聚类算法来完成识别。其正确识别率为 90.57%,平均识别时 间为 0.047s,但对于莲花的完整度识别效果较差，需要进一步优化。

　　在文献[19],提 出将先进的工业组件与新设计的柔性夹持器相结合，设计了苹果的自动采摘机，通 过照相机的采集和上位机的处理完成识别，并控制柔性夹持器完成采摘，整个过程 用时平均为 8.3s,对于采摘的周期控制得很好，但是采摘的果实中存在尚未成熟的 情况，后期需要进一步完善。在文献[20]中，将机器视觉技术与医学进行深度融合， 提出了一种用于腹腔镜手术机器人的触觉主操纵器的控制方案，通过改进摩擦模型 来提高摩擦力矩的计算精度，进一步设计了基于广义动量的转矩观测器，可以精确 地跟踪运动状态所需的关节驱动扭矩，实验表明能够很好地提高手术操作的精确度 和舒适性，但需要提供较长的延时补偿，需要在后续的研究中继续完善。

　　1.2.2 国内研究现状及趋势

　　在机器视觉和机械手智能控制的技术领域来说，我国在这方面的研究起步较晚， 很大程度是国内改革开放初期的工业技术基础相对薄弱、制造水平普遍较低等因素 造成的，虽然机器视觉和机械手控制技术发展较为缓慢，但国家也在不断重视和加 大这方面的科研投入，最初的工业化改革方案就提出要整体提升我国的工业科技水 平，特别是在机器自动化和机械控制领域显得尤为重要。近几十年以来，随着中国 经济的持续发展，市场经济在社会发展的主体地位越来越高，信息化产品之间的竞 争也越来越强。于是，国内的很多工业生产公司都专注于提升自身的工业化水平， 开始研发基于机器视觉技术的应用场景和领域。对于农业领域的科研及精力投入也 提升到全新水平，因此在很大程度上促进了农业和工业的深度融合，相继出现了机器视觉和机械手控制技术对于果蔬采摘领域的应用案例，一方面促进了农业自动化 的发展，保障农户的基本需求，另一方面也大大促进了机器视觉和机械控制的深入 融合，为经济发展提供强大动力支撑。

　　国内在果蔬自动化采摘机器人方面的研究虽然时间不长，但也有了一定的科研成 果。例如重庆理工大学研发了一种柑橘采摘末端执行器[21]、吉林大学的黄瓜采摘机 器人[22],西北农林科技大学设计的猕猴桃采摘机器人等等[23],在农业果蔬自动化采 摘领域都取得了一定程度上的研究成果。在文献[24]中，以机器视觉为基础设计了水 果采摘机器人，能够实现智能识别和移动功能，融合了柔性机械手、个性化夹持器、 横移机构和智能控制模块的优点，性能较为稳定，但识别精度不高，采摘效率不高。 在文献[25]中，西北农林科技大学的张曼深入研究远-近景组合定位方法，设计了单 驱动双夹持器的草莓采摘末端执行器，通过优化连杆坐标系的集成参数来调整机械 手的采摘角度，实现角度的补偿定位效果，采摘成功率高达 95%,但是对于草莓的 损坏较大，可续应继续完善柔性夹持器相关结构的研究。在文献[26]中，在机械结构 方面进行创新，以仿人工手指为基础设计的草莓采摘机械手，考虑到草莓果实的脆 弱，利用气动的方式来完成驱动，手指与草莓的接触面加入了柔性材料的构件，该 设计很大程度上减少了采摘草莓过程中对果实的直接损坏，但是对于草莓的果实识 别率达不到要求，存在熟果与未熟果混乱采摘的现象，需要进一步完善。在文献[27] 中，其主要以机器人操作系统（ROS）为基础，设计了七轴机械手目标抓取方法， 结合机器视觉与机械手控制技术，首先通过 ROS 获取图像信息，再发送至 OpenCV 库进行图像处理及物体定位，然后将坐标信息返回至 ROS 进行机械手抓取任务，但 整个系统的运行周期过长，对于视觉精度的误差要求过大，要实现工业化的应用还 需进一步完善。在文献[28]中，为改善视觉信息反馈延迟大的处境，利用摄像机来曝 光信号触发控制卡，其主要目的是进行高速的位置锁存，那么定位所耗费的时间就 会大大减少，巧妙利用运动恢复的结构来提高果实采摘的精度。结果表明，优化后 的方法对于视觉定位的效果十分显著，分级性能稳定。但是成熟草莓的果实在采摘 时受损严重，大大降低了产品质量，后续需要进一步优化夹持器结构。

　　1.3 本文主要研究内容

　　本文以富硒茶叶为采摘对象，基于机器视觉的图像采集技术与茶叶嫩芽识别算 法，实现二者的深度融合及应用领域研究，集成设计基于机器视觉的智能采摘机械 手控制系统，最终完成嫩芽的采摘和收集。主要研究内容结构如下：

　　第 1 章绪论：对本论文的研究背景及意义展开叙述，以及国内外在机械手控制 领域的研究进展，并结合机器视觉技术进行研究，强调了农业智能化采摘依然是今 后一段时间的研究热点。

　　第 2 章基于机器视觉的采茶机械手控制及理论：在基于机器视觉和图像识别算 法的基础上提出控制系统的设计方案，然后介绍了机械手的控制原理，以及末端执 行器的结构设计与控制原理，对舵机的选择及其控制原理进行了介绍，同时对机器 视觉的系统组成和工作原理进行深入介绍。其次对嫩芽采摘的路径规划算法进行具 体介绍，最后对嫩芽图像的颜色模型选择进行分析。

　　第 3 章机械手运动学分析与轨迹规划：首先对机械手进行运动学分析，其中包 括连杆坐标系的建立以及关节坐标的变换，对运动方程的相关参数进行说明，然后 选择合适的坐标并在 Matlab 的运动学工具箱中完成机械手的建模与工作空间分析， 并在关节空间与直角坐标系的基础上进行相应的多项式轨迹规划。

　　第 4 章机械手控制策略与采摘路径规划仿真分析：主要完成机械手的控制策略 与采摘路径规划研究，通过比较三种不同的控制策略的优缺点，然后在智能采茶机 械手控制系统的设计中实现融合控制的策略，并通过仿真来分析其控制性能。最后 基于 PSO 算法对嫩芽采摘的路径进行仿真分析，验证其有效性。

　　第 5 章基于富硒茶叶嫩芽的算法识别研究：针对富硒茶叶嫩芽进行算法识别研 究。首先介绍嫩芽图像的采集，然后对原始图像进行灰度化和滤波等预处理操作， 并基于 Matlab 平台对其进行仿真分析，结果表明其有着较好的识别效果

　　. 第 6 章智能采茶机械手控制系统测试：主要是控制系统的测试，首先是系统的 环境搭建及软件环境配置，包括串口等相关配置，然后对采摘流程进行具体分析， 最后进行采摘机械手控制的系统测试，通过不同的采摘策略来验证系统的稳定性和全面性。

　　第 7 章总结与展望：是对本文设计的智能采摘机械手控制系统所做研究工作的 总结，以及对基于机器视觉的机械手智能控制领域的未来发展方向及相关解决问题 的构想进行后续展望。

　　第 2 章 基于机器视觉的采茶机械手控制及理论

　　2.1 采茶机械手控制系统方案设计

　　2.1.1 总体方案设计

　　2.1.2 机械手的控制原理

　　2.2 末端执行器介绍及其控制原理

　　2.2.1 末端执行器的介绍

　　2.2.2 末端执行器的控制原理

　　2.3 舵机的基本理论

　　2.3.1 舵机的选择及产品特性

　　2.3.2 舵机的控制原理

　　2.4 机器视觉基本理论

　　2.4.1 机器视觉的系统组成及特点

　　2.4.2 机器视觉的工作原理

　　2.4.3 摄像头的选择及产品特性

　　2.4.4 April Tag 标记定位原理

　　2.4.5 机器视觉的优势

　　2.5 舵机控制策略原理介绍

　　2.5.1 普通 PID 控制

　　2.5.2 自抗扰控制

　　2.5.3 模糊自适应 PID 控制

　　2.6 嫩芽采摘路径规划算法介绍

　　2.6.1 遗传算法

　　2.6.2 PSO 算法

　　2.7 图像颜色模型的选择

　　2.8 本章小结

　　第 3 章 机械手运动学分析与轨迹规划

　　3.1 机械手运动学分析

　　1 3.1.1 连杆坐标系的建立

　　3.1.2 方程 DH 参数说明

　　3.1.3 关节坐标系变换矩阵

　　3.1.4 机械手运动学正解

　　3.1.5 机械手运动学逆解

　　3.2 机械手工作空间

　　3.2.1 工作空间坐标选择

　　3.2.2 Matlab 运动学工具箱

　　3.2.3 工作空间绘制与分析

　　3.3 机械手的轨迹规划

　　3.3.1 轨迹规划的基本原理

　　3.3.2 关节空间与直角坐标描述

　　3.3.3 关节空间的轨迹规划

　　3.4 本章小结

　　第 4 章 机械手控制策略与采摘路径规划仿真分析

　　4.1 机械手动力学模型

　　4.2 采摘路径规划 PSO 算法仿真分析

　　4.3 控制策略仿真分析

　　4.3.1 普通 PID 控制仿真

　　4.3.2 自抗扰控制仿真

　　4.3.3 模糊自适应 PID 控制仿真

　　4.4 本章小结

　　第 5 章 基于富硒茶叶嫩芽的算法识别研究

　　5.1 茶叶嫩芽图像采集

　　5.2 彩色图像预处理

　　5.2.1 图像灰度变换

　　5.2.2 图像滤波处理

　　5.2.3 图像边缘检测

　　5.3 茶叶嫩芽仿真分析

　　5.3.1 K-means 聚类算法

　　5.3.2 仿真结果分析

　　5.4 本章小结

　　第 6 章 智能采茶机械手控制系统测试

　　6.1 测试平台介绍

　　6.2 软件配置环境介绍

　　6.3 采茶机械手模型的搭建

　　6.4 机器视觉目标标定流程

　　6.5 嫩芽采摘流程分析

　　6.6 机械手模拟测试结果与分析

　　6.7 本章小结

第 7 章 总结与展望

　　7.1 总结

　　本文结合国内外农业智能采摘机械手控制技术的发展现状，在分析农业采摘自 动化的基础上，研究基于机器视觉的智能采茶机械手的控制系统。对机器视觉的基 本原理和舵机的控制进行了研究，通过设计舵机优化控制策略来完成富硒绿茶嫩芽 的采摘，并对机械手的采摘路径展开分析，提出了基于 PSO 算法来完成路径规划的 对策，达到嫩芽顺利采摘的目的。对于富硒绿茶嫩芽的识别研究了基于 K-means 算 法的优化策略，并进行了仿真验证其可行性。最后搭建系统的整体模型来进行现场 测试，并进行分析。本文主要工作如下：

　　1.基于机器视觉的智能采摘机械手控制系统的方案设计：完成了控制系统的总 体方案设计及各个子模块的设计，对各个子模块的工作原理和相关特性进行了介绍， 针对设计需求选择合适的舵机型号，选择性价比较佳的机器视觉摄像头，为实现采 茶机械手的控制打下理论基础。

　　2.机械手的运动学分析与轨迹规划：采用 DH 坐标系完成了机械手的连杆运动 学模型，借助 Matlab 运动学工具箱完成了机械手的工作空间分析，对机械手的直角 坐标和关节空间进行轨迹规划，并通过 PSO 算法来实现智能采茶机械手的嫩芽采摘 路径规划，通过仿真分析来验证其可行性。

　　3.机械手控制策略仿真分析：结合已有的机械手控制模型，对三种控制策略进行 性能对比和仿真分析，考虑到不同位置舵机的结构特性和三种控制策略的优缺点， 最终采取融合控制的策略来实现舵机的最优控制。

　　4.富硒绿茶嫩芽识别算法的研究：以机器视觉捕获的绿茶嫩芽图像为基础，在色 彩空间转换和图像预处理之后，根据原有的 K-means 算法原理进行改进，并通过与 Ostu 算法的对比仿真来分析其优化后的嫩芽识别率和识别时间。

　　5.智能采摘机械手控制系统整体模式搭建与测试：搭建了智能采摘机械手控制系 统的硬件模型，并在软件配置完成的基础上，对机器视觉的目标标定流程和嫩芽采摘流程进行分析，最终通过采摘现场测试来分析其嫩芽识别精度和采摘效率，并对 其整体性能进行总结。

　　7.2 展望

　　本文针对 6 自由度的机械手控制进行了研究，并结合了机器视觉的特点和优势 来完成富硒绿茶嫩芽的识别定位和采摘。本文研究一种基于机器视觉的茶叶采摘机 械手控制系统，并且系统模型的测试结果表明该机械手控制系统初步具备自主采摘 能力，但是要让其成为一个智能化的茶叶采摘机械手，还需要在某些方面进行更为 深入的研究和改进。本文的研究仍然存在一些不足：

　　1.关于富硒茶叶智能采摘机械手的目标定位部分未能成功实现，其关键在于对茶 叶精准的根部位置的定位机制的研究，同时机械手的长度和尺寸也影响其是否能够 达到相应位置，这是本论文研究所未完成的。

　　2.本文设计的机器视觉系统是固定位置的，无法捕获到一些边缘的嫩芽信息，会 增加机械手的采摘时间。其次，摄像头的精度也有待进一步提升，因此在后续研究 中可以考虑采用更加灵活智能的机器视觉。

　　3.在控制机械手采摘富硒绿茶嫩芽的时候，会存在一部分损坏茶叶的情况，这会 造成一定的经济损失，因此在后续的研究中可以对末端执行器的结构进行优化设计， 提高茶叶产出率。 4.本文研究的茶叶采摘机械手控制系统的自动化程度较低，后期可以加入更为智 能化的模块，比如语音控制和手机 App 控制等功能，一方面提高了系统的智能化水 平，还可以增强系统的性能。

致 谢

　　三年时光转瞬即逝，不免感怀。本硕士论文是在导师廖红华教授指导下完成的。

　　曾记得在大二的时候上您的数字图像处理课程，到研究生三年的指导和关怀，都让 我深有感慨，很高兴能够成为您带的学生，在读研的三年里，廖老师不仅在学习上 给予了很大的帮助，在生活中也常常教我们如何面对困难与挫折。每当我向您寻求 帮助时，您都会不厌其烦地听取我的陈述并给予我很多指导意见，您那对待科研工 作时的严谨认真与指导学生的尽心尽责，让我受益颇多。您一直是我学习的榜样， 希望有一天我也可以像您一般优秀，再次由衷地感谢您对我工作、学习和生活各方 面的指导与关心。

　　非常感谢电气工程专业的各位老师们，感谢您们为专业人才培养所做的贡献， 让我在学习之余感受到专业课程的魅力，积极参加院里组织的科研活动与学术讲座， 使我的学术生活更加绚丽多彩，我想深深地向学院的各位领导和老师们鞠一躬，谢 谢您们的悉心培养，让我愈发充实。 特别感谢我的工作室大家庭的成员樊珊、袁野、郑才、余铮术、王晋鑫、桑普、 陈成，谢谢大家给予我力量和温暖，和你们一起度过了愉快的研究生生活，感谢有 你们的陪伴，是你们的陪伴让我倍感欣慰，和你们共同学习的日子是那么和谐温馨， 这也是非常美好的回忆，我定当好好珍藏。

　　特别感谢我的家人，感谢他们这些年来对我在生活和学习等方面的理解、支持， 使我能够顺利完成学业。有了家人的陪伴和鼓励，我也能够更加无畏地在学习中前 进，我也会怀着感恩之心来回报他们，砥砺前行。

　　最后，特别感谢百忙之中参与评阅和答辩的各位专家，感谢各位老师对于本论 文的宝贵意见。

（如您需要查看本篇毕业设计全文，请您联系客服索取）