櫻桃番茄葉柄方向光電自動探測方法與機構設計

第 33 卷 增刊 1 農(nóng) 業(yè) 工 程 學 報 Vol.33 Supp.1 42 2017 年 2月 Transactions of the Chinese Society of Agricultural Engineering Feb. 2017 櫻桃番茄葉柄方向光電自動探測方法與機構設計王 萌1,2，李建平1,3，朱盤安4，喻擎蒼5，徐志豪6，季明東1（ 1. 浙江大學生物系統(tǒng)工程與食品科學學院，杭州 310058； 2. 寧波職業(yè)技術學院機電學院，寧波 315800； 3. 農(nóng)業(yè)部設施農(nóng)業(yè)裝備與信息化重點實驗室，杭州 310058； 4. 溫州科技職業(yè)學院農(nóng)業(yè)與生物技術系，溫州 325006； 5. 浙江理工大學信息學院，杭州 310018； 6. 浙江省農(nóng)業(yè)科學院園藝研究所，杭州 310021） 摘 要： 采用機器人自動去除櫻桃番茄腋芽時，為得到葉柄的位置及水平投影方向角，需調整攝像頭位置與角度，以便于采集到主莖、腋芽和葉柄的主平面圖像，并使后續(xù)機器視覺判別腋芽的步驟得以順利進行。該文設計了光電式自動旋轉測向機構；采用閉合環(huán)形機構環(huán)繞櫻桃番茄主莖，并通過往復旋轉方式使固定在活動環(huán)上的光電傳感器能水平 360掃描葉柄，通過葉柄水平投影角度測量算法計算得到葉柄的水平投影方向角；分析 8 個光電傳感器的運動軌跡，得到其線速度與角速度的關系及掃描系數(shù)。經(jīng)試驗表明：掃描系數(shù)為 1.5，角速度為 1.5 rad/s，線速度為 20 mm/s 時，檢測成功率為 95%；高度補償設定為 28 mm，成功率為 93%；對 42 株櫻桃番茄的 153 個葉柄進行測試，在 1.8 m 高度內的成功率為 88.2%。研究結果為腋芽生長點判定與摘除提供參考。 關鍵詞： 傳感器；機器人；設計；櫻桃番茄；葉柄；方向檢測；旋轉；水平角度 doi： 10.11975/j.issn.1002-6819.2017.z1.007 中圖分類號： S237 文獻標志碼： A 文章編號： 1002-6819(2017)-Supp.1-0042-07 王 萌，李建平，朱盤安，喻擎蒼，徐志豪，季明東 . 櫻桃番茄葉柄方向光電自動探測方法與機構設計J. 農(nóng)業(yè)工程學報，2017，33(增刊 1)：4248. doi： 10.11975/j.issn.1002-6819.2017.z1.007 http:/www.tcsae.org Wang Meng, Li Jianping, Zhu Panan, Yu Qingcang, Xu Zhihao, Ji Mingdong. Photoelectric automatic rotation direction-finding detection method and mechanism design of cherry tomato petioleJ. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2017, 33(Supp.1): 42 48. (in Chinese with English abstract) doi： 10.11975/j.issn.1002-6819.2017.z1.007 http:/www.tcsae.org 0 引 言摘除番茄植株的腋芽是保證營養(yǎng)不被浪費、提高番茄產(chǎn)量和質量的一個重要環(huán)節(jié)，但執(zhí)行時費時費力，是制約番茄生產(chǎn)的一個瓶頸，需要利用自動化機器代替人工摘除腋芽，以減少對人工的依賴。作為番茄的一個重要種類，櫻桃番茄經(jīng)濟價值高、采收期長、種植面很廣。由于櫻桃番茄是無限生長型作物，株高超過 2.5 m，在生長過程中需要人工定期摘除主莖與葉柄間生長的腋芽，因此，櫻桃番茄采用機械化自動摘除腋芽更為迫切1。 櫻桃番茄腋芽生長在主莖與葉柄的交點上，腋芽與葉柄生長方向的水平投影一致，而葉柄的生長方向是以主莖為圓心向四周輻射。因此，櫻桃番茄葉柄的三維信息，即位置和方向的探測是腋芽位置確定與去除過程中的重要一環(huán)。目前，國內外獲取作物三維信息的方法主要有 3 種：一種是基于圖像的作物三維重建，借助雙目攝像頭2-4或單目攝像頭5-11從不同角度對目標進行三維收稿日期： 2016-04-06 修訂日期： 2016-12-09 基金項目：國家自然科學基金面上項目（ 51375460） ；浙江省科技廳公益技術應用研究計劃項目（ 2014C32105） 作者簡介：王 萌，男，河北保定人，博士生，主要從事農(nóng)業(yè)機器人研究。杭州 浙江大學生物系統(tǒng)工程與食品科學學院， 310058。 Email： 10913005zju.edu.cn 通信作者：李建平，男，浙江杭州人，教授，博士生導師，主要從事農(nóng)業(yè)機械與自動化研究。 杭州 浙江大學生物系統(tǒng)工程與食品科學學院， 310058。 Email： jplizju.edu.cn 重建，優(yōu)點是結構簡單，但不適用在近距離且枝葉 茂盛的場合，需要較大的空間。第二種方式是基于掃描方式的作物三維重建，通過 3D 攝像或掃描器材掃描，使用 3D 照相機12-13、激光或超聲波掃描儀對目標植物進行三維立體掃描以得到其形態(tài)14-20。該方法優(yōu)點是精度較準確，但不便移動且價格較高。第三種是基于三維數(shù)字化儀的作物三維重建方法，其精度較高，但速度慢且成本昂貴21-23。 以上 3 種方法雖然都能獲得作物的三維信息，但是，對于種植密集且枝葉較為茂盛的櫻桃番茄植株來說，都不適用。針對現(xiàn)有方法存在的問題，本文設計了一種光電自動旋轉環(huán)形測向機構，快速、直接探測櫻桃番茄葉柄方向，為腋芽自動摘除機器人開發(fā)提供技術支撐，為其他番茄種類腋芽摘除機器人的研發(fā)提供參考與借鑒。 1 葉柄測向原理及機構 櫻桃番茄葉柄從主莖向外生長，主莖、葉柄、腋芽基本同處一個與水平面垂直的平面內，為區(qū)別其他位置所形成的面，稱其為主平面（圖 1） 。為使攝像頭采集的圖像能清晰表現(xiàn)主莖、葉柄和腋芽的關系，并在采集時保證腋芽不被主莖或葉柄遮擋，機器人需要通過一個能確定葉柄位置和方向的測向機構，自行調整攝像頭位置使其光軸垂直主平面24。獲得圖像后，通過機器視覺判別腋芽去除點，再用機械手自動摘除。 參考林木剪枝機器人25-28，通過夾持機構抱住林木，增刊 1 王 萌等：櫻桃番茄葉柄方向光電自動探測方法與機構設計 43 向上運動檢測并清除側枝的方式。測向機構的機械設計采用非接觸環(huán)繞方式，使機器人避免直接接觸小番茄植株，防止對主莖和葉柄造成損傷。 圖 1 腋芽生長示意圖 Fig.1 Diagram of axillary bud growth 其測向原理如圖 2 所示，測向機構將櫻桃番茄主莖包圍在環(huán)形構件中心，環(huán)形構件帶動光電傳感器往復轉動并上升。光電傳感器向上發(fā)射紅外光并接收反射光，當探測到葉柄時29，測向機構根據(jù)轉過的角度計算葉柄水平投影角。 注： v 為環(huán)形構件向上運行的速度。 Note: v is the rise velocity of ring structure. 圖 2 測向原理 Fig.2 Direction-finding principle 測向機構結構如圖 3 所示，主要由光電傳感器、活動環(huán)、基座、開合機構、驅動齒輪、步進電機和定位齒條等組成。 8 個光電傳感器均勻分布在活動環(huán)上，活動環(huán)分左右兩半，安裝在基座上；基座也分兩半；驅動齒輪由步進電機直接帶動，開合機構由舵機帶動，控制基座與活動環(huán)打開與閉合。 1. 步進電機 2. 開合機構 3. 舵機 4. 定位齒條 5. 定位銷 6. 驅動齒輪 7. 外齒 8. 光電傳感器 9. 活動環(huán) 10. 基座 1. Stepper motor 2. Switching mechanism 3. Steering engine 4. Position rack 5. Dowel pin 6. Driving gear 7. External teeth 8. Photoelectric sensor 9. Active circle 10. Base 圖 3 測向機構結構圖 Fig.3 Structure of direction-finding mechanism 作業(yè)時，測向機構與攝像頭需配合工作（圖 4） ，工作流程如下： 1）電動機控制測向機構縮回，左右活動環(huán)保持張開，使其處于初始位置； 2）驅動定位齒條，使測向機構伸出，左右活動環(huán)閉合套住櫻桃番茄主莖，定位銷使左右活動環(huán)能夠緊密和準確閉合，此時活動環(huán)處于零位； 3）機械臂帶動活動環(huán)自下向上運動，同時驅動齒輪帶動外齒使活動環(huán)在 45,45區(qū)間內往復旋轉； 4）遇到葉柄時，光電傳感器觸發(fā)，活動環(huán)停止并輸出葉柄水平方向角度，再根據(jù)定位銷準確回到零位并張開，測向機構回到初始位置； 5）計算需要調整的角度，由機械臂控制攝像頭調整姿態(tài)，以小番茄植株生長時攀附的懸吊繩為軸，進行圓周運動，待攝像頭光軸垂直主平面后，再向上移動進行高度補償，使攝像頭鏡頭對準櫻桃番茄的節(jié)點部位，保存測向機構此時的位置坐標與姿態(tài)； 6）識別并摘除腋芽后，回復保存的位置與姿態(tài)，伸出測向機構，繼續(xù)沿主莖向上運行30。 a. 測向機構裝配圖 a. Assembly diagram of direction-finding mechanism b. 測向機構整體圖 b. Overall structure c. 測向機構試驗圖 c. Experiment picture 1. 光照度傳感器 2. 齒條驅動電機 3. 攝像頭 4. 活動環(huán)驅動電機 5. 超聲波測距傳感器 6. 氣動剪 7. 機械臂 1. Photon-flux density sensor 2. Rack driving motor 3. Camera 4. Floating ring driving motor 5. Ultrasonic displacement sensor 6. Pneumatic shear 7. Manipulator arm 注：裝配時，保證測向機構的水平軸線、攝像機光軸、測距傳感器水平軸線、氣動剪水平軸線處于同一平面。 Note: When the end effector was fitted, ensure that the lateral horizontal axis, the optical axis of the camera, ranging sensor and pneumatic horizontal axis shear horizontal axis are in the same plane. 圖 4 測向機構結構圖 Fig.4 Structure diagrams of direction-finding mechanism 2 葉柄水平投影角度測量算法 8 個光電傳感器相互間隔 45角排布、固定在活動環(huán)上（圖 5） 。將光電傳感器編號，按順序接入主控電腦信號端，記錄其零位角度并移相（表 1） ，活動環(huán)轉動的角度由電動機的編碼器得到。 表 1 光電傳感器編號與角度 Table 1 Number and angle of photoelectric sensor 編號 No. 端口信號 Interface signals 角度 Angle/ () 1, 5 0000 0001 0001 0000 25 2, 6 0000 0010 0010 0000 70 3, 7 0000 0100 0100 0000 115 4, 8 0000 1000 1000 0000 160 測向機構檢測前保持零位如圖 4 所示，且處于櫻桃番茄植株正前方。葉柄水平角度有兩種表述方式：一種是基于世界坐標系 OWXWZW的世界角度； 另一種是基于活動環(huán)測向坐標系 OFXFZF的相對角度。測向坐標系會隨著末端執(zhí)行器的運動改變在世界坐標系中的位置，其原點在活動環(huán)中心。攝像頭位置相對測向坐標系不變，且光軸與 ZF軸平行。 631 4725農(nóng)業(yè)工程學報（ http:/www.tcsae.org） 2017 年 44注： 18 為光電傳感器的編號。 Note: No. 1 8 is the photoelectric sensor. 圖 5 測向機構運行零位俯視圖 Fig.5 Top view of initial state of direction finding mechanism 圖 6b 中， 攝像頭處于起始位置 A， 檢測到葉柄 L1時，其相對角度 1與世界角度 1相等。 攝像頭移動到位置 B，完成腋芽判定與摘除后，從 B 點垂直向上移動直至探測到葉柄 L2，測得 L2的角度就是相對角度 2，要將其轉化成世界角度 2，必須根據(jù) L1的世界角度 1和攝像頭在 B點的位置角 1進行計算。先得到下式 ,1,2,nn （ 1） 式中n 為測量第 n 個葉柄時，小番茄葉柄水平方向角相對角度， （ ） ； 為光電傳感器在測向坐標系中的初始位置角度， （ ） ； 為活動環(huán)旋轉角度， （ ） 。 注： L1、 L2為葉柄； A、 B、 C 為攝像機的位置。 Note: L1, L2are petioles with different growing direction; A, B, C are different locations of camera. 圖 6 攝像頭與葉柄的角度關系 Fig.6 Relationship between camera and petioles lateral angle 為保證機械臂始終在小番茄植株正前方區(qū)域工作，需要對n 進行移相，將角度都投射到 0, 180區(qū)間。對式（ 1）進行移相后，得到 , 0 180180 , 180nnn （ 2） 根據(jù) n得到葉柄世界角度 n， （ ） 。 1,2,3nn nn （ 3） 0 180180 180,1nn nnn ，（ 4） 式中n為第 n 次測量，葉柄未移相的世界角度， （ ） 。 攝像頭位置角 n（ ） ，如式（ 5） 90 , 9090 , 180 90nnnnn （ 5） 3 測向機構參數(shù)對測試結果的影響 3.1 活動環(huán)內徑參數(shù)確定 大棚中櫻桃番茄的標準化種植方式是將懸吊繩垂直固定在棚頂和地面之間，使小番茄植株緊密攀附懸吊繩生長。記錄懸吊繩地面固定點的坐標，使測向機構探出閉合時，懸吊繩和主莖正處于活動環(huán)中心位置。主莖個別部位會偏離懸吊繩向外凸出（圖 7） ，當活動環(huán)閉合環(huán)繞主莖，并向上運動時，為保證活動環(huán)能順利通過偏離部位，需要合理設計活動環(huán)內徑，避免活動環(huán)上升過程中被主莖偏離部位卡住，強行上升擠壓主莖，以致使主莖折斷，這種情況會給小番茄植株造成無法挽回的損傷。因此，需要首先確定活動環(huán)內徑參數(shù)。 通過對 100 株櫻桃番茄進行測量后發(fā)現(xiàn)，主莖平均偏離吊繩的距離為 16.83 mm，最大偏離距離為 41.7 mm。當活動環(huán)內徑大于 80 mm 時，光電傳感器會被某些葉柄上最靠近主莖的葉片誤導，使測量到的葉柄水平方向角有較大誤差?？s小活動環(huán)的內徑，通過對 100 個樣本進行試驗后發(fā)現(xiàn)，當活動環(huán)內徑為 40 mm 時，可順利通過88 個樣本；內徑為 50 mm 時，順利通過的樣本數(shù)為 93；內徑為 60 mm 時，可順利通過全部 100 個樣本。因此，將活動環(huán)內徑設定為 60 mm。 注： f 為小番茄主莖偏離懸吊繩的距離。 Note: f is the deviation distance between hang-off line and main stem. 圖 7 主莖偏離部位 Fig.7 Deviation part of main stem 3.2 運動速度對測量角度的影響 測向機構在運行時，活動環(huán)運動分往復旋轉運動和沿主莖的向上直線運動。光電傳感器的運動軌跡如圖 8 所示。 注： v為活動環(huán)上升速度， mms-1； 為活動環(huán)旋轉角速度， rads-1。 Note: v is the rise velocity of active circle, mms-1; is the rotation angular velocity of active circle, rads-1. 圖 8 光電傳感器運動軌跡 Fig.8 Photoelectric sensor ring trajectory 光電傳感器運動軌跡方程分為 2 部分，分別為 sin modcos modaaxR t tyR t tzvt （ 6） 增刊 1 王 萌等：櫻桃番茄葉柄方向光電自動探測方法與機構設計 45 與 sin modcos modaaaaxR t t tyR t t tzvt - （ 7） 其中 x、 y、 z、分別為光電傳感器在 X、 Y、 Z 軸方向的位移， mm； ta為活動環(huán)單向轉動最大角度所用時間， s； 為活動環(huán)改變轉向時所處的初始角度， rad； R 為活動環(huán)內半徑， mm； v為活動環(huán)上升線速度， mm/s； 為活動環(huán)旋轉角速度， rad/s； t 為時間變量， s。 式（ 6）與式（ 7）成立的條件分別為 2,215= +4360,1, 2,aaatntntntn （ 8） 與 21,2 15= +4360,1, 2,aaatntntntn （ 9） 光電傳感器要保證機構能檢測到葉柄，就需要 8 個傳感器在時間 th內掃描角度合計超過水平 360， 即 ta /4 且 th /4，其中 th=h/v， h 為光電傳感器觸發(fā)距離，mm； th為活動環(huán)以速度 v上升 h 所用時間， s； n 為 0 與正整數(shù)的集合。設定活動環(huán)最大旋轉角度為 /2，得： 2 at （ 10） 令 ahtt （ 11） 將式（ 11）代入式（ 10）整理后可得 2vh （ 12） 式中 為掃描系數(shù)。 當 =0.5 時，表示每上升 h 高度，所有光電傳感器合計掃描主莖水平 360方向一次；當 =1 時，傳感器會合計掃描兩次；以此類推。 根據(jù)經(jīng)驗，設定觸發(fā)距離 h 為 10 mm，傳感器靈敏度在該觸發(fā)距離最穩(wěn)定，不會出現(xiàn)較大誤差。 隨機選擇 15 棵櫻桃番茄植株樣本，經(jīng)測量，生長 60 d 左右的櫻桃番茄， 除頂部新生枝葉外， 節(jié)間距 （圖 2）為 50 100 mm，平均為 72.6 mm。分別對 50 個葉柄進行線速度設定試驗，在保證成功率的前提下提升線速度。經(jīng)過觀察，當測得葉柄水平投影角度誤差大于 30時，攝像機采集到的圖像中，腋芽被主莖或葉柄遮擋的部分較多，影響后續(xù)機器視覺判別腋芽的成功率，因此，當測向機構測得角度誤差小于 30時，可認為測量成功。由圖9 可以得出， v與 的值越大， 值越大，成功率越低；反之，成功率越高，但當 值小于 0.5 時，光電傳感器無法在觸發(fā)距離內及時掃描水平 360范圍內的所有葉柄， 因此成功率反而降低。為兼顧測量速度與結果的成功率，取線速度 v=20 mm/s、角速度 =1.5 rad/s、 =1.5，成功率為 95%。 圖 9 活動環(huán)運行速度與測試結果關系 Fig.9 Relationship between running speed and test result of active ring 3.3 高度補償對圖像采集的影響 如圖 4 所示，測向機構與攝像頭光軸之間有高度差，調整攝像頭角度后，機械臂需要升高攝像頭位置使小番茄節(jié)點部位處于攝像頭拍攝畫面中心部位，這個過程稱為高度補償。 如圖 10 所示，得到下式： 47j cshh h （ 13） 其中 tan 90shl （ 14） 式中 hj為腋芽生長點與攝像機光軸之間的垂直距離， mm；hc為光電傳感器被觸發(fā)時，與葉柄上 C 點之間的垂直距離， mm； hs為腋芽生長點到 C 點之間的垂直距離， mm； 為葉柄與主莖的夾角， （ ） ； l 為光電傳感器與主莖之間的距離（即為活動環(huán)的內半徑，為 30 mm） 。 注： C 點為葉柄上觸發(fā)光電傳感器的點； A 為活動環(huán)與光電傳感器的橫截面；hc為光電傳感器被觸發(fā)時，與葉柄上 C 點之間的垂直距離， mm； hs為腋芽生長點到 C 點之間的垂直距離， mm； hj為腋芽生長點與攝像 機光軸之間的垂直距離， mm； 為葉柄與主莖的夾角， （ ） ； l 為光電傳感器與主莖之間的距離（即為活動環(huán)的內半徑，為 30 mm） ；光電傳感器與攝像機光軸之間的垂直距離為定值 47 mm。 Note: Point C which trigger photoelectric sensor is on the petiole; A is the cross section of photoelectric sensor and active circle; hcis the vertical dimension between photoelectric sensor which has been triggered and point C, mm; hsis the vertical dimension between axillary bud growth point and point C, mm; hjis the vertical dimension between axillary bud growth point and optical camera axis, mm; is the angle between petiole and main stem, (); l is the distance between photoelectric sensor and main stem, also is the inside radius of active circle 30 mm; Vertical dimension between photoelectric sensor and optical camera axis is 47 mm. 圖 10 高度補償示意圖 Fig.10 Diagram of altitude compensation 由于光電傳感器的掃描系數(shù) 為 1.5，即在觸發(fā)距離農(nóng)業(yè)工程學報（ http:/www.tcsae.org） 2017 年 4610 mm 內，掃描葉柄 3 次，可得 hc 6.67,10。 測量 100 個樣本中葉柄與主莖之間的夾角 ，其中94 個樣本 數(shù)值在 45 90之間，夾角 越小，進行高度補償后，腋芽生長點與圖片中心的垂直誤差越大。另外 6 個樣本均為新生葉柄，夾角 的數(shù)值小于 45，由此得到 hs的數(shù)值在區(qū)間 0,52中，從而得到 hj1.67,57。 通過攝像頭采集圖像測試，腋芽生長點與圖像中心點之間的誤差在 40 mm 范圍內，不會影響后續(xù)機器視覺判別，圖像中心點處于攝像機光軸上。進行高度補償后，腋芽生長點與圖像中心點的距離應盡量小，所以將補償高度的數(shù)值設定為 hj最大值與最小值的中點 27.665 mm，取整為 28 mm。 用 100 個樣本進行高度補償試驗，如果進行高度補償后，腋芽生長點與圖像中心點的垂直距離小于 40 cm，即可認定試驗成功。試驗結果如圖 11 所示，成功率為93%。 圖 11 高度補償測試結果 Fig.11 Altitude compensation test results 4 試驗與分析 測向機構的主體部位由 PC 熱塑性材料通過 3D 打印制作， 活動環(huán)內徑設置為 60 mm； 光電傳感器為 GP2A25- 1F 可調式；驅動裝置采用 39 步進電機與編碼器；櫻桃番茄植株使用生長 60 d 左右的荷蘭金滿園品種；并使用 6自由度機械臂與工業(yè)攝像頭配合以測試圖像采集的效果。 當測得葉柄水平投影角度誤差小于 30，且腋芽生長點與圖像中心點之間的誤差絕對值小于 40 mm 時，圖片采集成功。 通過對 42 株櫻桃番茄的 153 個葉柄進行試驗后發(fā)現(xiàn)，在高度 1.8 m 內，圖片采集的成功率為 88.2%，超過該高度，則成功率急劇下降。分析認為，小番茄植株頂部為新生葉柄，相鄰葉柄高度差過小，且葉柄葉片和主莖之間的距離小于活動環(huán)半徑。由于腋芽長度小于 5 cm時，制造的營養(yǎng)量大于消耗的量，所以，可暫時不摘除腋芽，待其生長長度超過 5 cm 時，即可達到摘除條件。 試驗中發(fā)現(xiàn)，櫻桃番茄主莖同一節(jié)點有時會同時生長兩條葉柄，水平夾角為 180，光電傳感器無論先檢測到哪一條葉柄，都不會對末端執(zhí)行器的角度調整造成干擾。 5 結 論 1）測向機構活動環(huán)采用雙半環(huán)開合設計，環(huán)形內徑為 60 mm，防止運行時卡住和葉片干擾。測向機構在縮回時不會出現(xiàn)在攝像頭鏡頭內，減少了機器視覺處理圖片時的干擾。 2）活動環(huán)上升過程中，同時進行 90往復旋轉，旋轉角速度由上升線速度決定，設定掃描系數(shù)為 1.5，防止錯過葉柄；線速度設定為 20 mm/s，角速度為 1. 5 rad/s，葉柄生長方向檢測成功率為 95%。 3） 高度補償設定為 28 mm， 保證移動末端執(zhí)行器后，腋芽生長點都處于攝像頭鏡頭之內，高度補償成功率為93%。 通過試驗對 42 株櫻桃番茄的 153 個葉柄進行測試，在 1.8 m 高度內的圖像采集總成功率為 88.2%。 本文提出的測向方法與機構能準確地得到葉柄的生長方向，獲取符合需要的櫻桃番茄節(jié)點部位圖像，為后續(xù)腋芽生長點判定與摘除提供技術支撐。 參 考 文 獻 1 劉小林 . “圣女”櫻桃小番茄栽培技術 J. 北方園藝，2005(5)： 22 23. 2 蔡健榮，孫海波，李永平，等 . 基于雙目立體視覺的果樹三維信息獲取與重構 J. 農(nóng)業(yè)機械學報， 2012， 43(3)： 152 156. Cai Jianrong, Sun Haibo, Li Yongping, et al. Fruit trees 3-D information perception and reconstruction based on binocular stereo visionJ. Transactions of the Chinese Society for Agricultural Machinery, 2012, 43(3): 152 156. (in Chinese with English abstract) 3 葉敏，鄒湘軍，羅陸鋒，等 . 荔枝采摘機器人雙目視覺的動態(tài)定位誤差分析 J. 農(nóng)業(yè)工程學報， 2016， 32(5)： 51 56. Ye Min, Zou Xiangjun, Luo Lufeng, et al. Error analysis of dynamic localization tests based on binocular stereo vision on litchi harvesting manipulatorJ. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2016, 32(5): 50 56. (in Chinese with English abstract) 4 王傳宇，趙明，閻建河 . 基于雙目立體視覺的苗期玉米株形測量 J. 農(nóng)業(yè)機械學報， 2009， 40(5)： 145 148. Wang Chuanyu, Zhao Ming, Yan Jianhe. Measurement of maize seedling morphological traits based on binocular stereovisionJ. Transactions of the Chinese Society for Agricultural Machinery, 2009, 40(5): 145 148. (in Chinese with English abstract) 5 孫仁山，李文彬，田勇臣，等 . 基于整枝撫育目的的立木枝干自動識別研究 J. 北京林業(yè)大學學報， 2005， 27(4)：86 89. Sun Renshan, Li Wenbin, Tian Yongchen, et al. Automatic identification for standing tree limb pruningJ. Journal of Beijing Forestry University, 2005, 27(4): 86 89. (in Chinese with English abstract) 6 楊振宇，張文強，李偉，等 . 基于單目視覺的移栽缽苗葉片朝向的調整方法 J. 農(nóng)業(yè)工程學報， 2014， 30(14)： 26 33. Yang Zhenyu, Zhang Wenqiang, Li Wei, et al. Monocular vision-based method for direction adjustment of trans planting potted-seedling leavesJ. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2014, 30(14): 26 33. (in Chinese with English abstract) 7 馬稚昱，清水浩，辜松 . 基于機器視覺的菊花生長自動無 增刊 1 王 萌等：櫻桃番茄葉柄方向光電自動探測方法與機構設計 47 損監(jiān)測技術 J. 農(nóng)業(yè)工程學報， 2010， 26(9)： 203 209. Ma Zhiyu, Hiroshi Shimizu, Gu Song. Non-destructive measurement system for plant growth information based on machine visionJ. Transactions of the Chinese Society of Agricultural Engineering, 2010, 26(9): 203 209. (in Chinese with English abstract) 8 Liu Wei, Kantor George, De la Torre Fernando, et al. Image-based tree pruningC/IEEE International Conference on Robotics and Bio-mimetics (ROBIO), 2012. 9 Kan Jingming, Li Wenbin, Gao Kai. Use of Support Vector Machines in recognition of fork branches of the standing treesC/2nd IEEE Conference on Industrial Electronics and Applications (ICIEA 2007), 2007. 10 趙春江，楊亮，郭新宇，等 . 基于立體視覺的玉米植株三維骨架重建 J. 農(nóng)業(yè)機械學報， 2010， 41(4)： 157 162. Zhao Chunjiang, Yang Liang, Guo Xinyu, et al. Corn skeleton reconstruction based on stereo visionJ. Transactions of the Chinese Society for Agricultural Machinery, 2010, 41(4): 157 162. (in Chinese with English abstract) 11 何雪軍，王進，陸國棟，等 . 基于特征尺寸及局部極值點的茶鮮葉方向識別 J. 農(nóng)業(yè)機械學報， 2013， 44(12)： 233 238. He Xuejun, Wang Jin, Lu Guodong, et al. Recognition of fresh tea direction based on feature size and local extreme pointsJ. Transactions of the Chinese Society of Agricultural Machinery, 2013, 44(12): 233 238. (in Chinese with English abstract) 12 Manoj Karkee, Bikram Adhikari, Suraj Amatya, et al. Identification of pruning branches in tall spindle apple trees for automated pruningJ. Computers and Electronics in Agriculture, 2014, 103(103): 127 135. 13 馬曉丹，孟慶寬，張麗嬌，等 . 圖像拼接重建蘋果樹冠層器官三維形態(tài) J. 農(nóng)業(yè)工程學報， 2014， 30(12)： 154 162. Ma Xiaodan, Meng Qingkuan, Zhang Lijiao, et al. Image mosaics reconstruction of canopy organ morphology of apple treesJ. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2014, 30(12): 154 162. (in Chinese with English abstract)