作者：刘浩洲 西北农林科技大学
关键词： 猕猴桃授粉；花朵识别；信息感知；卷积神经网络；授粉末端执行器；
基金资助： 陕西省科技统筹创新项目《猕猴桃采摘、授粉多功能机器人的研制》资助(项目编号 2015KTCQ02-12)；
▲猕猴桃花粉电子显微镜下照片
猕猴桃果实品质依赖于授粉作业质量，自然状态下风媒授粉坐果率低，因此必须进行人工授粉。猕猴桃花期短，授粉工作量大，由于农村人口老龄化等问题导致授粉时劳动力短缺，亟需实现机械化作业。同时,猕猴桃花粉收集成本较高，传统粗放式机械化作业方法不适用于猕猴桃授粉。为减少机械化作业过程中的花粉消耗，需要实现对靶授粉。其中，信息感知是对靶授粉关键技术，使机械化授粉过程中能自动识别猕猴桃花朵，并准确获取授粉作业对象空间坐标,提升作业精准程度。此外，还需研制相应末端执行器，使其能根据信息感知结果进行对靶授粉。因此，本文针对猕猴桃果园中花朵分布特点，研究基于信息感知的猕猴桃喷雾授粉方法。
▲猕猴桃雄花蕾
主要研究内容及结论如下：(1)猕猴桃花朵识别基础研究。实地调研了棚架式猕猴桃果园，测量果园空间结构，统计猕猴桃花朵分布特点。测得棚架铁丝与地面竖直距离极差为4.8cm，平均距离为177.6cm；花朵间竖直距离极差为36.7cm，平均与地面距离为168.1cm。大部分花朵位于棚架铁丝下方，沿藤蔓簇状分布,并竖直朝下开放。提出了授粉作业目标图像采集方法，为信息感知系统研究提供数据。对比了不同方法识别猕猴桃花朵效果，其中阈值分割法正确分割像素比为42.4%，K-means聚类法正确分割像素为37.8%，基于卷积神经网络方法识别框中花朵像素占91.9%。研究表明卷积神经网络的花朵识别效果最佳。
▲播宏果业正在采摘猕猴桃雄花蕾
(2)猕猴桃授粉目标信息感知方法研究。通过采集花朵图像数据，训练了卷积神经网络并调整参数，使之能有效检测图像上花朵目标。试验得出Dropout率为0.4时模型过拟合程度最小，测试集上识别正确率为85.5%。根据图像中花簇特点，提出了基于花朵坐标集聚类的花簇识别方法，最后试验得出花簇识别正确率为81.0%。提出了基于Kinect的目标空间位置获取方法，利用Kinect传感器，将RGB图像上目标点坐标映射至点云集，获得授粉目标三维坐标。进行了信息感知系统精度试验，试验表明其最大定位误差不超过9mm，满足对靶喷雾授粉要求。
▲testing pollen
(3)猕猴桃喷雾授粉末端执行器方案与设计。基于猕猴桃授粉机器人对靶作业方法，提出了不同末端执行器方案进行对比，最终选择作业效率较高的喷头阵列分布方案，并对喷雾授粉末端执行器结构进行了设计。其中喷头喷雾锥角90°，阵列分布喷头相互间隔25cm。针对该末端执行器作业方式提出了控制方案，计算各喷头的喷雾覆盖范围，单独控制各喷头喷雾授粉。
▲恒温震荡气育培养箱检测猕猴桃花粉活性
(4)猕猴桃喷雾授粉末端执行器试制与试验。试制喷雾授粉末端执行器及试验装置,进行了授粉距离参数优化试验。通过图像处理方法统计不同距离下水敏试纸上雾滴覆盖率，结果表明试纸与末端执行器距离20cm、25cm、30cm、35cm、40cm、45cm时雾滴覆盖率分别为71.5%、30.9%、13.6%、9.8%、6.7%、1.9%。拟合试验结果后推算出末端执行器与授粉目标间距应小于28.6cm，此时雾滴覆盖率大于18%，满足授粉要求。另外，对末端执行器进行喷雾均匀性试验，当水敏试纸与末端执行器相距28.6cm时，结果表明其上雾滴覆盖率在16.7%至19.8%之间，平均值为18.2%，方差1.6。喷雾均匀性较好，说明该末端执行器能保证正常授粉效果。
▲气动猕猴桃授粉器
▲猕猴桃电动授粉枪
▲猕猴桃电动授粉器
▲Kiwi electric pollinator
