朱立學(xué)， 官金炫， 張世昂， 莫冬炎， 楊塵宇， 黃偉鋒，3

（1.仲愷農(nóng)業(yè)工程學(xué)院 機(jī)電工程學(xué)院，廣東 廣州 510220；2.廣東省林果機(jī)器人共性關(guān)鍵技術(shù)研發(fā)創(chuàng)新團(tuán)隊，廣東 廣州 510225；3.仲愷農(nóng)業(yè)工程學(xué)院 自動化學(xué)院，廣東 廣州 510220）

0 引言

肉鴿是我國重要的禽類產(chǎn)業(yè)，目前，我國的肉鴿養(yǎng)殖存在生產(chǎn)方式落后、飼養(yǎng)不規(guī)范、以人工養(yǎng)殖為主，機(jī)械化、智能化水平不高等問題[1]。 國內(nèi)外學(xué)者對雞鴨等常見家禽與牛羊豬等大型畜類的飼喂機(jī)器人研究較多， 對肉鴿飼喂機(jī)器人的研究較少。 黑龍江省農(nóng)業(yè)機(jī)械工程科學(xué)研究院設(shè)計的FR-200 型機(jī)器人， 對不同飼喂環(huán)境下的牛，采用多次小份量配比后進(jìn)行精準(zhǔn)飼喂，在一定程度上可顯著改善牛的產(chǎn)奶質(zhì)量[2]。 孫芊芊等針對羊只的應(yīng)激特征進(jìn)行材料與外觀的選型，設(shè)計了弧面和圓滑倒角，呈對稱狀態(tài)的飼喂機(jī)器人， 可在一定程度上減少飼喂過程對羊只的應(yīng)激反應(yīng)[3]。 荷蘭lely 公司設(shè)計的Lely Juno robot可用于圈養(yǎng)的牛只飼喂作業(yè)，當(dāng)牛只靠近圍欄食料區(qū)時，該機(jī)器人將草料推向欄桿，供牛吃食[4]。 瑞典的利拉法公司研制的FC120、FCC380 型飼喂機(jī)器人具有混合多種飼料，自動投喂的功能，適用于牛羊等大型畜類[5]。

我國肉鴿養(yǎng)殖以半封閉式的鴿舍籠養(yǎng)模式為主，鴿舍分上中下三行，靠近過道處放置料槽，中間留過道供飼養(yǎng)員定期喂料。據(jù)研究[6-9]，肉鴿的性格較活潑、好動，在食物充足的情況下，喜愛叼啄食物，為了避免飼料的浪費(fèi)，得到更高的料肉比，飼養(yǎng)人員通常會采用“少吃多餐”的模式進(jìn)行飼喂， 平均每天一對種鴿需四次投喂作業(yè)。 目前，部分養(yǎng)殖場開始了機(jī)械化的作業(yè)，現(xiàn)有的肉鴿自動飼喂裝備，該裝備采用導(dǎo)軌式推進(jìn)飼喂[10]，將飼料放置在長條的飼喂槽中，以設(shè)定的速度與停留時間進(jìn)行飼喂作業(yè)。該設(shè)備靈活性較低，只能沿著固定的預(yù)設(shè)路線前行，且在前行的時候無法判斷肉鴿是否吃飽， 是否會停止吃食行為，容易對鴿子產(chǎn)生擠壓傷害。 飼喂過程中，前排鴿子容易挑食，造成后排鴿子只能吃剩余料。 因此，本文設(shè)計了一種具備自主導(dǎo)航，可在鴿舍移動作業(yè)、自主識別鴿籠信息進(jìn)而精準(zhǔn)化飼喂作業(yè)的機(jī)器人。

1 總體設(shè)計與工作原理

1.1 機(jī)器人系統(tǒng)構(gòu)成

肉鴿精準(zhǔn)飼喂機(jī)器人主要由視覺感知、底盤導(dǎo)航、運(yùn)算控制、機(jī)械臂投喂等子系統(tǒng)組成，各子系統(tǒng)之間的工作流程，見圖1。 視覺感知系統(tǒng)包含三個模塊：底盤視覺感知模塊、鴿籠信息識別模塊、料槽識別與定位模塊。 底盤視覺感知模塊的三維感知相機(jī)可以實(shí)時感知機(jī)器人路徑作業(yè)的信息，包括障礙物信息。為實(shí)現(xiàn)機(jī)器人導(dǎo)航路徑識別與避障， 需將視野信息傳輸至運(yùn)算控制系統(tǒng)的視覺算法模塊， 解算出機(jī)器人的前進(jìn)速度與偏航角， 進(jìn)而通過CAN 總線控制模塊與行走控制模塊， 控制底盤的行走與轉(zhuǎn)彎。 鴿籠信息識別模塊與料槽識別定位模塊共用一個三維感知相機(jī)，可以實(shí)時識別當(dāng)前鴿籠的二維碼信息，獲取當(dāng)前料槽識別定位模塊通過三維感知相機(jī)識別鴿籠上的料槽位置，實(shí)時捕獲料槽中心點(diǎn)的坐標(biāo)，進(jìn)而控制機(jī)械臂末端進(jìn)行飼喂作業(yè)。

圖1 肉鴿精準(zhǔn)飼喂機(jī)器人系統(tǒng)結(jié)構(gòu)Fig.1 Pigeon precision feeding robot system structure

1.2 工作原理

基于深度學(xué)習(xí)視覺識別技術(shù)進(jìn)行肉鴿精準(zhǔn)飼喂機(jī)器人作業(yè)的過程為： 三維視覺感知相機(jī)首先實(shí)時獲取當(dāng)前的路徑信息與路面深度信息，通過語義分割技術(shù)[11]實(shí)時切割出路徑， 接著利用運(yùn)算控制系統(tǒng)解算出道路中心線的預(yù)瞄點(diǎn)距離與直線偏航角，最后通過CAN 總線控制底盤車的運(yùn)動速度與前進(jìn)方向。

三維視覺感知相機(jī)實(shí)時獲取機(jī)械臂末端作業(yè)點(diǎn)的相機(jī)坐標(biāo)A，在料槽的中心點(diǎn)上方，并通過手眼標(biāo)定[12]獲取相機(jī)與機(jī)械臂基坐標(biāo)系之間的變換矩陣T， 通過公式（1）計算出作業(yè)點(diǎn)在機(jī)械臂基坐標(biāo)系中的空間坐標(biāo)B，即笛卡爾空間坐標(biāo)，再通過機(jī)器人逆運(yùn)動學(xué)[13]，計算出作業(yè)點(diǎn)的關(guān)節(jié)坐標(biāo)，進(jìn)而驅(qū)動機(jī)械臂沿著指定路徑進(jìn)行飼喂作業(yè)。式中：B—基于機(jī)械臂基坐標(biāo)系的空間坐標(biāo)；T—變換矩陣；A—基于相機(jī)坐標(biāo)系的空間坐標(biāo)。

2 關(guān)鍵部件設(shè)計

2.1 導(dǎo)航底盤系統(tǒng)設(shè)計

本實(shí)驗對像的鴿舍呈長73.20m，寬11.31m 的長方形水平布局，見圖2，各部分尺寸見表1，鴿舍內(nèi)的過道最小寬度為1.20m。 考慮到底盤車在過道終端的轉(zhuǎn)彎問題，底盤車的寬度設(shè)計不能超過1.20m，結(jié)合喂料機(jī)械臂的作業(yè)空間、鴿籠高度與落料控制器的空間結(jié)構(gòu)， 本設(shè)計選用寬度為0.70m， 長度為0.96m，高度為0.35m 的導(dǎo)航底盤。 由于鴿子排便時容易將糞便排到過道處，且鴿毛掉落情況嚴(yán)重，因此，采用輪式小車不易沾糞便和羽毛，且容易清洗[14]。

圖2 本試驗鴿舍平面圖Fig.2 The floor plan of the experimental pigeon house

表1 各部分尺寸表Tab.1 Dimensions of each part of the pigeon house

導(dǎo)航底盤外形結(jié)構(gòu)見圖3，前后設(shè)有防撞欄，以防止底盤車在作業(yè)時因不可控因素的碰撞損壞， 在底盤車的上方設(shè)計有兩根型號為QY-8-4040E 的輕型鋁型材，以便安裝鋁合金工作板以及落料模塊與機(jī)械臂。

圖3 SolidWorks 繪制的底盤車仿真圖Fig.3 The simulation drawing of the chassis car drawn by SolidWorks

2.2 精準(zhǔn)落料裝置設(shè)計

試驗鴿舍由若干個雙排鴿籠連接而成，每排鴿籠長度1.00m，寬度0.60m，底面離地高度為0.35m， 鴿籠頂部高1.35m， 上下分為3 個獨(dú)立小鴿籠，每兩個相鄰小鴿籠之間放置一個料槽，見圖4。

圖4 鴿籠料槽分布示意圖Fig.4 Schematic diagram of the distribution of feed troughs in the pigeon house

由于原糧鴿料[15]中存在較多的細(xì)小雜質(zhì)， 預(yù)制料中因擠壓容易出現(xiàn)較多的粉塵，若采用風(fēng)送式[16]喂食容易將粉塵吹散， 導(dǎo)致鴿舍環(huán)境粉塵大，不利于機(jī)器作業(yè)；斗式提升機(jī)[17]結(jié)構(gòu)較復(fù)雜，且飼喂機(jī)器人常處于運(yùn)動狀態(tài)，若采用斗式提升機(jī)喂食容易移位進(jìn)而造成送料不精準(zhǔn)。為此， 本設(shè)計采用重力式落料和星狀控制閥的方式進(jìn)行喂料；頂部為料桶，下方為步進(jìn)電機(jī)控制的星狀落料閥，可根據(jù)通電時間控制落料開關(guān)的開閉時間，進(jìn)而實(shí)現(xiàn)精準(zhǔn)落料。落料架下半部放置運(yùn)算控制系統(tǒng)所需的其他設(shè)備，如樹莓派和電池等。

2.3 喂料機(jī)械臂選用

喂料機(jī)械臂裝配在工作板上， 其工作范圍為一個三維長方體空間，在過道最寬處（過道2 和3，寬度為1.38m）取得最大工作范圍，在過道最窄處（過道5，寬度為1.20m）取得最小工作范圍，見表2。 過道的兩邊放置有料槽，單個料槽寬度為0.15m。 根據(jù)料槽的大小與排布位置，機(jī)械臂最低工作高度需要達(dá)到0.05m，最高需達(dá)到1.25m。

表2 工作板機(jī)械臂工作范圍Tab.2 The working range of the working plate manipulator

根據(jù)表2 的機(jī)械臂工作范圍， 本文在已有的研究基礎(chǔ)上，對比分析了UR10（Universal Robots 10）、大族Elfin5、ABB IRB 1600-6/1.2 三種機(jī)械臂[18-19]的工作參數(shù)與成本，見表3。

表3 三種機(jī)械臂的工作參數(shù)與成本Tab.3 The working parameters and costs of the threerobotic arms

綜合對比以上三種機(jī)械臂的成本、 本體重量與負(fù)載情況，深圳市大族機(jī)器人有限公司（簡稱：大族公司）的Elfin5 型號機(jī)械臂成本較低，且滿足肉鴿飼喂場景的作業(yè)需求，因此本試驗選用該型號機(jī)械臂進(jìn)行相關(guān)試驗。

一見面，我就很后悔自己穿得這樣隆重，簡直有點(diǎn)像暴發(fā)戶嘛。倒是吳梅，一身簡潔的職業(yè)裝，舉手投足都是滿滿的自信，她說：“曉薇，前些日子咱們北京的同學(xué)聚了聚，說起你在家當(dāng)家庭主婦，都覺得可惜呢。”

3 樣機(jī)研制

3.1 底盤導(dǎo)航車模塊

考慮到Elfin5 機(jī)械臂的工作空間需與過道轉(zhuǎn)彎作業(yè)半徑相吻合，本文選用松靈機(jī)器人（深圳）有限公司（簡稱：松靈公司）設(shè)計的SCOUT 2.0 底盤車[20]，其寬度為0.70m，長度為0.93m，高為0.35m，車自重為67kg，額定運(yùn)動載重為50kg，最大行程為15km。

3.2 精準(zhǔn)落料模塊

在SCOUT 2.0 底盤車的頂部設(shè)置一塊鋁合金材質(zhì)的工作板，其尺寸與底盤車的最大尺寸接近，長為0.97m，寬為0.70m，厚度為0.05m。在工作板上，采用型號為QY-6-2020 的鋁型材搭建一個長方體落料架，其底部為一個0.36m 的正方形結(jié)構(gòu)，高度為1.20m，分成五層，分別為儲料層、落料閥門層、 運(yùn)算控制層、機(jī)械臂與底盤車控制層、電源層，見圖5。

圖5 長方體落料架Fig.5 Cuboid blanking rack

儲料層高度為0.30m，可儲肉鴿飼料15kg。 落料閥門層與儲料層之間以星狀落料閥聯(lián)通，星狀落料閥采用步進(jìn)電機(jī)控制， 配備了基于Arduino 的步進(jìn)電機(jī)精準(zhǔn)控制板。 該控制板采用CH304 串口與運(yùn)算控制系統(tǒng)連接，可接收來自運(yùn)算控制系統(tǒng)的信號，實(shí)現(xiàn)落料閥的開關(guān)，見圖6。

圖6 星狀落料閥與Arduino 控制板Fig.6 Star Blanking Valve and Arduino control board

3.3 機(jī)械臂控制模塊

由于大族公司的Elfin5 機(jī)械臂自帶控制箱， 重達(dá)18.5kg，為減輕機(jī)器人整體自重，本試驗將其自帶控制箱移去，采用一塊型號為Pi 4B/8G 的 樹 莓 派[21]作 為 控制器，并在控制器上部署Ubuntu18.04 系統(tǒng)與ROS（Robot Operating System）控制系統(tǒng)，進(jìn)而控制機(jī)械臂的運(yùn)動[22-24]，見圖7。

圖7 機(jī)械臂控制模塊Fig.7 Robot Arm control module

4 樣機(jī)試驗與結(jié)果分析

4.1 試驗條件

本研究的試驗地點(diǎn)為廣東省興寧市龍?zhí)镦?zhèn)羊嶺村廣東金綠公司的A5 鴿倉， 試驗時間為2021 年12 月份，試驗現(xiàn)場見圖8，在正常光（鴿舍外為晴天，沒有太陽光直射作業(yè)現(xiàn)場）、強(qiáng)光（鴿舍外為晴天，有太陽光直射作業(yè)現(xiàn)場）、弱光（鴿舍外為陰天）、陰影（鴿舍外為晴天，有太陽光照射使得作業(yè)現(xiàn)場產(chǎn)生陰影）的環(huán)境下，機(jī)器人分別在干凈過道與布滿鴿毛鴿糞的過道進(jìn)行行走試驗。

圖8 飼喂機(jī)器人在A5 倉作業(yè)圖Fig.8 Working diagram of feeding robot in A5 warehouse

4.2 試驗結(jié)果及分析

本試驗的主要檢測指標(biāo)有：機(jī)器人作業(yè)路徑的分割準(zhǔn)確率，數(shù)字鴿籠二維碼識別成功率，機(jī)器人末端精準(zhǔn)投喂入槽成功率3 項。

4.2.1 作業(yè)路徑分割準(zhǔn)確率

圖9 為不同環(huán)境下機(jī)器人導(dǎo)航系統(tǒng)的語義分割模型的道路分割MIou（Mean Intersection over Union）[25]值，可見導(dǎo)航作業(yè)路徑分割的準(zhǔn)確率與路面狀況有關(guān)。 在正常光照干凈過道上的平均準(zhǔn)確率最高， 在不干凈過道準(zhǔn)確率受到影響，但總體的平均分割準(zhǔn)確率為92%，能滿足作業(yè)需求。

圖9 不同作業(yè)環(huán)境下底盤控制部分語義分割準(zhǔn)確率Fig.9 Semantic segmentation accuracy of chassis control parts in different operating environments

4.2.2 數(shù)字鴿籠二維碼動態(tài)識別成功率

根據(jù)鴿籠的二維碼標(biāo)簽識別當(dāng)前鴿籠內(nèi)鴿子生長狀態(tài)是實(shí)現(xiàn)精準(zhǔn)飼喂的重要基礎(chǔ)。 本設(shè)計采用三維視覺感知相機(jī)Realsense D455 進(jìn)行二維碼識別，分別在正常光、強(qiáng)光、弱光、陰影4 種環(huán)境下，對鴿籠分別采用RGB 三通道識別法、自動閾值分割法進(jìn)行二維碼的識別試驗，共有35 個二維碼標(biāo)簽，每個標(biāo)簽記載6 個鴿籠的信息，做了10組試驗，其平均成功率見表4。 試驗發(fā)現(xiàn)，機(jī)器人行走過程中由于RGB 三通道相機(jī)捕獲的二維碼標(biāo)簽經(jīng)常因運(yùn)動模糊而無法識別，在強(qiáng)光、弱光、陰影的試驗條件下，其平均識別成功率更低。而采用自動閾值分割法，在相機(jī)讀取二維碼時，將動態(tài)捕獲的RGB 圖片二值化，采用最大類間方差閾值分割算法動態(tài)地將圖片進(jìn)行閾值分割，見圖10，平均識別成功率超過96%，能滿足作業(yè)需求。

表4 數(shù)字鴿籠二維碼識別平均成功率Tab.4 The average success rate of digital pigeon QR code recognition

圖10 RGB 三通道法（左）與自動閾值分割法（右）Fig.10 RGB three-channel method （left） and automatic threshold segmentation method （right）

4.2.3 末端執(zhí)行器投喂入槽成功率

本試驗采用YOLOV5s 的目標(biāo)識別算法進(jìn)行投喂入槽作業(yè)點(diǎn)的精準(zhǔn)識別與定位， 并采用牛頓高斯迭代法進(jìn)行坐標(biāo)的解算， 進(jìn)而控制機(jī)械臂末端執(zhí)行器精準(zhǔn)達(dá)到作業(yè)點(diǎn)。為此，分別采集了4 種環(huán)境下的料槽圖片進(jìn)行訓(xùn)練，得到對應(yīng)的算法模型， 再部署在邊緣計算機(jī)上進(jìn)行識別測試。 當(dāng)識別到料槽中心點(diǎn)時，底盤即停止運(yùn)動，此時相機(jī)中心點(diǎn)與料槽中心點(diǎn)處于同一水平面，由于運(yùn)動模糊，相機(jī)中心可能會超過料槽中心點(diǎn)。為此，設(shè)相機(jī)的偏移距離為d，分別做了10 組試驗，并記錄4 種環(huán)境下的平均識別準(zhǔn)確率與相機(jī)偏移量，見表5，其偏移量并不影響投喂入槽成功率。

表5 料槽識別成功率與相機(jī)偏移量Tab.5 Feed trough identification success rate and camera offset

每組試驗分別投喂了100 個料槽的鴿籠， 并記錄機(jī)器人成功將料投喂到料槽的平均次數(shù)，結(jié)果見圖11。

圖11 不同作業(yè)環(huán)境下投喂成功次數(shù)Fig.11 The number of successful feeding in different working environments

5 結(jié)論

為了解決籠養(yǎng)肉鴿飼喂過程中自動化、 智能化程度低，人工上崗培訓(xùn)成本高，勞動力短缺且勞動強(qiáng)度大的問題，本文研制了一種肉鴿精準(zhǔn)飼喂機(jī)器人。該機(jī)器人可在不同光照環(huán)境與路面狀況下進(jìn)行飼喂作業(yè)， 實(shí)現(xiàn)在籠養(yǎng)環(huán)境下對肉鴿自主飼喂的功能，平均飼喂成功率達(dá)92%。機(jī)器人24h 連續(xù)作業(yè)在一定程度上可以替代人工， 減輕勞動力強(qiáng)度， 且數(shù)字化的喂食模型可重復(fù)部署能減少人工上崗的培訓(xùn)成本。 但機(jī)器人的效率仍具有較大的提升空間， 下一代改進(jìn)版本可以通過增加喂食機(jī)械臂的數(shù)量或者改進(jìn)末端執(zhí)行器的飼喂結(jié)構(gòu)來提高作業(yè)效率。 經(jīng)現(xiàn)場試驗，該機(jī)器人在肉鴿飼養(yǎng)行業(yè)具有較大的市場前景。