中国是世界上猕猴桃种植面积最大的国家。目前猕猴桃主要依靠人工采摘，工作耗时、劳动强度大而且成本越来越高。因此，自动化采摘是未来发展的必然趋势，研究猕猴桃采摘机器人有重要的理论价值和现实意义。采摘机器人的首要任务是准确识别自然环境中生长的猕猴桃果实。本文针对复杂自然环境中生长的猕猴桃，进行了猕猴桃采摘机器人信息感知的研究。在昼夜全天时条件下，实现了复杂背景和目标果实区域的准确分割，并逐个识别出邻接、重叠和被遮挡果实区域中单个果实，提取果实的特征信息，确定果实的采摘顺序。主要研究内容如下：（1）确定了机器人系统总体方案。在对猕猴桃的栽培模式和生长环境分析的基础上，阐述了猕猴桃采摘机器人的作业流程；确定了机器人机械臂基本构型、结构尺寸参数以及驱动形式；最后对机器人视觉部分的硬件组成和软件实现以及图像采集方法进行了研究和说明。（2）对自然环境中猕猴桃进行了颜色特征分析。利用图像处理中常用的6个颜色空间不同颜色特征对采集的猕猴桃图像进行灰度图、二值图和线剖面分析图的对比分析；并将自然环境下采集的猕猴桃图像中的景物元素进行了分类，并进行了颜色统计分析，建立了猕猴桃图像中不同景物元素、不同颜色分量灰度值的数据库和灰度分布折线图，结果表明R—G颜色特征能够较好的区分果实和背景；通过基于误分割像素的分割评价方法，对不同系数的n·R－G分割图像进行分割评价，得到0.9R—G是能够实现最优分割效果的颜色特征。（3）实现了复杂背景和猕猴桃果实区域的准确分割。对比分析不同的图像分割方法，结果表明最大类间方差法（Ostu法）对不同复杂图像分割最有效；对分割后的二值图中的残余噪声进行了分析和分类，综合利用设定面积阈值法、形态学运算和孔洞填充等方法，依次去除阈值图像分割后二值图中不同类型的残余噪声，实现了猕猴桃图像中复杂背景和猕猴桃区域的准确分割。（4）提取二值图中猕猴桃果实区域的边缘，实现了部分被遮挡果实的逐个识别。对比分析了不同边缘检测算子的边缘检测效果，选择Canny算子对分割的二值图像进行边缘检测，提取出猕猴桃图像中果实区域的边缘；根据猕猴桃果实形状特征，得到了猕猴桃果实椭圆形的轮廓模型；确定了利用椭圆形Hough变换拟合果实轮廓边缘来识别邻接、遮挡和部分重叠果实的方法；逐个识别出邻接、部分重叠和被遮挡的果实区域中的单个果实，并提取出每个果实坐标等信息。（5）提出了猕猴桃果实的夜间识别方法，对图像采集方向进行优化，确定了果实采摘顺序。针对水平拍摄的图像中存在的问题，对比分析不同采集角度获取的图像，选定摄像头竖直向上的图像采集方向；对夜间采集的猕猴桃图像进行了颜色特征分析，选择图像分割效果较好的1.1R—G颜色特征；通过不同光照度图像的识别试验分析，得到夜间能够正常识别果实的光照度范围是10lux-800lux；然后进行阈值分割，残余噪声的去除，边缘检测和椭圆形Hough变换拟合轮廓，实现了逐个果实的识别，并提取了果实形心的坐标；根据此坐标值，确定了目标果实的采摘顺序。