为实现采摘机器人的视觉伺服控制，本文针对七自由度番茄串采摘机械手，研究无标定视觉伺服控制方法，构建视觉伺服控制系统，实现机械手在无标定视觉伺服控制方法下完成对番茄果实串的采摘。主要研究内容如下：
　　(1)对七自由度番茄串采摘机械手进行运动学建模，采用D-H参数法建立运动学方程，进行机械手正逆运动学分析。仿真结果表明，逆运动学求解得到的末端执行器在x,y,z方向上的位姿误差为[0.001,0.011,0.006]T，验证了正逆运动学模型的正确性。对机械手进行了轨迹规划与仿真，结果表明，在关节空间五次多项式轨迹规划方法下，机械手末端运动轨迹平滑，关节角度、角速度、角加速度变化平稳，无突变点，优于笛卡尔空间轨迹规划法。
　　(2)选取点特征作为目标特征，对位于末端执行器上双目相机采集的图像进行图像特征提取。首先，采用粒子群优化SVM法对番茄果实串图像进行分割，结果表明，粒子群优化SVM法分割效果优于传统SVM法。其次，通过对分割后的果梗图像进行滤波、去噪、形态学操作等处理，得到完整的果梗二值图像。最后，对每个连通区域运用计算几何距算法获得果梗质心。
　　(3)为解决未知统计特性下的系统噪声对图像雅克比矩阵估计精度的影响问题，在卡尔曼滤波(KF)以及无迹卡尔曼滤波法(UKF)的基础上，引入自适应噪声统计估计器，提出自适应无迹卡尔曼滤波法(AUKF)估计图像雅克比矩阵，仿真试验结果表明，AUKF相比于传统KF与UKF图像雅可比矩阵估计法构建的视觉伺服控制系统，末端执行器最终位置与目标距离误差分别减小了79.74％与80.36％，响应时间分别减少了40％与20％。
　　(4)为解决采摘机械手视觉伺服控制过程中图像雅克比矩阵估计计算量大以及矩阵存在奇异性问题，结合模糊推理的知识性结构和神经网络的自学习能力，提出T-S模糊神经网络算法替代图像雅克比矩阵与机械手雅克比矩阵来拟合手眼关系。通过对T-S模糊神经网络进行训练与测试，对采摘机械手关节角度进行预测。仿真试验结果表明，末端执行器与目标点距离误差值为3.42mm。
　　(5)搭建了七自由度番茄串采摘机械手视觉伺服系统，并进行采摘试验。结果表明，基于AUKF图像雅可比矩阵估计法的视觉伺服系统静态采摘试验成功率为90％，平均用时为18s，末端执行器与目标点的平均距离为0.008m，相比于KF法与UKF法，采摘试验成功率分别提高了17.81％与12.50％，平均用时分别减小了35.71％与25％，末端执行器与目标点的平均距离分别减小了71.43％与61.90％。将BP神经网络法和T-S模糊神经网络法法均应用于视觉伺服控制系统中，结果表明，基于T-S模糊神经网络法的静态采摘试验成功率为86％，平均用时为26s，末端执行器与目标点的平均距离为0.013m，相比于BP神经网络法，采摘试验成功率提高了22.86％，平均用时减少了23.08％，末端执行器与目标点的平均距离减小了59.38％。