用于自动评估的机器人系统

用机械手抓取芒果硬度和成熟度的无损评估

芒果是高潮水果，并且它们的成熟过程在收获后的时间内快速地发生。果实成熟阶段的测定是包装过程中的基本问题，以提供优质水果的供应。特别是坚定性被认为是芒果成熟度的可靠指标，并且可以手动测量或用渗滤体测量。然而，第一种方法提供了差的重复性，第二种方法是破坏性的。一群西班牙研究人员最近的一项研究（blanes等人。，2015），评估了机器人夹具用于自动和非破坏性评估芒果坚定的评估。在osteen品种的350个芒果上进行测试，在不同的成熟阶段分为50个芒果的7架（a，b，c，d，e，f e，f e，f e g）。夹具有三个手指，每个手指包含连接到数据采集模块的加速度计。在测试期间，分析了水果以建立与其成熟指数有关的主要物理和化学性质：机械坚固性，总可溶性固体，pH和酸度以及肉亮度。然后，开发了部分最小二乘回归模型（PLS）以根据从加速度计信号提取的变量来解释这些性质。提交人证明了机器人夹具可以从A到F的情况下处理100％的组件，而不会损坏它们。仅在裂纹果实（G）的情况下，夹具损坏了10％的样品。利用PLS分析，获得具有良好相关系数的模型，用于预测以下参数：机械固体（R = 0.925），可溶性固体（R = 0.892）和塑性亮度（r = 0.893）。简而言之，该研究表明，在包装之前，通过机器人夹具的无损自动评估芒果固定性和成熟性。

用多臂机器人系统进行肌肉分离

基于机器人系统降低肉类加工成本的能力，肉类行业对机器人系统的兴趣水平持续上升。在此背景下，最近由法国研究人员(Nabil等人。，2015年），提出了一个机器人手臂的开发，用于牛肉肌肉分离。该操作包括切割腱膜，即分离两个肌肉的组织，在沿着表面的小切口的长度将在长度约50厘米。特别地，该多臂机器人的过程控制是基于软材料和视觉感知的物理建模。第一允许估计材料行为，而主动感知系统在处理期间提供有关材料电流表面形状的反馈。使用磁共振成像（MRI）技术设计了控制系统。由于这项技术，可以开发出两种不同的型号，并在本研究中提出了仿真结果。为了考虑材料各向异性，通过引入有助于提高模拟现实主义的几个非线性参数来修改其中一个MRI模型。使用不同的刀位，拉开强度和实验切削力模拟切割任务。此外，该研究介绍了一种基于视觉感知和3D表面曲率估计的新算法。该算法使切削刀具路径能够从起点开始生成和更新（P_O.）由机器人运算符设置。最后，作者指出，在机器人切割系统中可以很容易地修改和实现发达的算法的事实，用于其他类型的肉类。

参考文献

Blanes等人。，食品和生物过程技术，8,2015，1914-1924

Nabil等人。，机器人与计算机集成制造系统，2015,32,37-53