神经网络在果蔬收获机器人机械臂避障路径中的应用

戈志勇，陈树人，王新忠

(江苏大学江苏省现代农业装备与技术重点实验室，江苏镇江 212013)

摘要：果蔬收获机器人是机器人技术在农业中的具体应用，基于避障的路径规划是果蔬收获机器人主要的研究内容。由于农业机器人作业环境的复杂性和非结构性，神经网络将是其重要的研究方法。为此，介绍了神经网络的特点，重点分析了采用神经网络描述果蔬收获机器人工作环境的基本思路，最后给出了黄瓜采摘机器人的具体分析实例，对农业机器人工作环境的描述具有较高的参考价值。关键词：农业工程；果蔬收获机器人；分析；避障；环境建模；神经网络

中图分类号：S225.93；TP24 文献标识码：A 文章编号：1033—188X(2007)02—0172—03

0 引言

水果和蔬菜是人类生活中必不可少的食物，其种植面积和产量逐年提高。在果实类的水果和蔬菜生产中，需要人工不定时地移动梯子登高或弯腰，因此收获作业是一项劳动强度大、消耗时间长并具有一定危险性的作业。研究开发适合生产实际的果蔬果实收获机器人，不仅可以很大程度地减轻劳动强度、提高生产效率，而且具有广阔的应用前景[1]。

路径规划(Path Planning)是机器人学研究的重要内容,也是反映机器人智能水平的重要标志之一。果蔬收获机器人的路径规划是指已知机械臂各关节的初始位置和目标位置，机器人根据给定的指令和环境信息自主地决定机器人各关节的运动路径，避开障碍，顺利到达目标位置。

由于果蔬收获机器人作业环境的复杂性和非结构性、作业对象随机分布和成熟的不一致性，一般的农业机器人和工业机器人在路径规划方面略有不同。为了让收获机器人机械臂能灵活、自由地到达目标位置（成熟果实所在的位置），顺利地进行采摘，同时提高采摘的成功率，在目前果实自动化识别和定位技术逐渐成熟的前提下，基于避障的路径规划就显得越来越重要了。

基于避障的路径规划要解决的首要问题是对环境模型进行合理描述。传统的环境模型表达方法有栅格表示法、空间图解法和最小多边形包围盒法[2]。上述方法存在占用内存大、求解速度慢和求解效率低等缺点。目前，在路径规划中，国内外学者普遍

收稿日期：2006-04-13

作者简介：戈志勇（1980-），男，江西樟树人，硕士研究生，

（E-mail）gzy17@21cn.com。

采用人工神经网络对避障环境模型进行描述。

1 神经网络及其特点

人工神经网络（ANN，Artificial Neural Net- work）已广泛应用于工程实际应用。它是人脑及其活动的一个理论化的数学模型，由大量的处理单元通过适当的方式互连而成，是一个大规模的非线性动态系统。神经网络由于具有大规模并行处理、容错性、自组织、自适应能力和联想功能强等特点，已成为解决许多问题的有力工具，对突破现有科学技术瓶颈、深入揭示非线性等复杂现象起到了重大作用。

人工神经网络的基本处理单元是人工神经元，它是对生物神经元的简化和模拟。其基本结构如图1所示。

图

图1 人工神经元示意图

Fig.1 The model of artificial neural cell

神经网络在果蔬收获机器人机械臂避障路径中的应用