设施园艺农业与植物工厂在现代化蔬菜生产中逐渐开始占据主导地位,在植物工厂蔬菜生产的过程中,由于种苗移植环节具有高重复性、高强度性的工作特点,因此对种苗移植环节进行自动化、智能化改进是必要性,其对实现蔬菜生产机械化、自动化具有重要的意义。针对现阶段设施园艺农业中,种苗移植机械手在种苗的移植过程中出现的种苗损伤率高的问题,本文设计了一种基于机器视觉的叶菜种苗低损移植机器人。文中采用试验研究与理论分析结合的方式,对穴盘种苗低损移植机器人关键部位进行结构设计与力学分析、对穴盘种苗末端移植机械手性能与最佳参数进行试验与分析,获取其最优设计参数。提出了种苗移植质量参数对种苗移植质量进行评价,根据该标准对种苗移植过程进行试验评价,最终获取最适合的种苗移植机械手结构参数,完成蔬菜种苗低损移植机械手的设计。为实现种苗的低损伤移植,提出了一种基于机器视觉的穴盘种苗低损移植方法。通过Intel Realsense D415摄像机获取单排种苗侧边图像,基于PythonOpencv进行图像处理获取种苗高度与边缘极值点,获取其在RGB图像内像素坐标,将深度图像与RGB图像对齐,获取对应极值点的深度信息,通过矩阵变换将极值点转换为世界坐标系,依据坐标信息对末端执行器进行路径规划从而实现种苗的低损避让移植。设计试验验证低损避让取苗方法对种苗边缘点的标定准确度,在试验条件下,标定成功率为98%,高度与边缘标定平均偏差在2 mm以内,偏差比值在2%以内。为完成种苗的分级与筛选,提出了基于Res Net18网络的叶菜种苗选择性高速移植方法。通过机器视觉获取移植过程中的种苗图像,识别种苗健壮度,将结果反馈给移植装置,控制单末端执行器剔除非壮苗,在移植过程中完成种苗的筛选。数据集总共获得3388张图像。将图像按照6:2:2的比例分为训练集、验证集和测试集。采用Res Net18网络进行调优后的迁移学习,对叶菜种苗进行识别和分类,建立模型后,进行叶菜种苗的筛选工作。根据模拟实验结果,训练数据集种苗健壮度最优检测精度在99.8%以上,模型损失保持在0.01。模型验证集准确率为98.6%。通过设计种苗低损移植机械手整体结构,将其与基于机器视觉的穴盘种苗低损移植方法相结合,设计试验对比低损避让取苗方法与固定路径移植方法,进行种苗移植对照试验,以种苗损伤率与单次移植时间为评价指标,在应用种苗低损移植方法情况下,种苗损伤率为1.40%,种苗移植成功率94.90%。种苗单次移植时间4.51±0.31s。证明基于机器视觉的叶菜种苗移植的低损避让取苗方法相对于固定路径的种苗移植方法可明显降低种苗损伤率、提高种苗移植成功率。基于机器的叶菜种苗移植的低损避让取苗方法的研究可为穴盘种苗低损避障移植研究提供理论基础。