随着我国人口老龄化和城镇化的快速发展,从事农业生产的劳动力持续减少,农业生产面临着劳动力短缺和人力成本快速上升的问题。尤其是番茄生产逐渐由小农户生产转向规模化温室种植,用工矛盾日益突出,因此,推动番茄收获工作由人工采摘向机器人自主采摘转变十分必要。本文以玻璃温室中种植的樱桃番茄为研究对象,重点研究番茄采摘机器人在非结构化环境中整串收获和单粒收获番茄的目标识别定位、抓取姿态计算以及采收策略等技术难题。本文主要研究内容如下:（1）番茄采摘机器人视觉伺服系统的设计和构建。根据温室樱桃番茄种植农艺和机器人智能采收作业空间的需求,构建“Eye-in-hand”手眼视觉系统。首先,以六自由度协作型机械臂为例,介绍了采摘机器人视觉伺服系统的控制原理和“Eye-in-hand”手眼标定原理。然后,对构建的视觉伺服系统进行手眼标定,求解出手眼变换矩阵。最后,对相机和手眼视觉系统的定位精度进行校验测量,在室内测得相机与目标距离600 mm时的平均定位误差为2.91 mm。（2）番茄整串收获的果梗识别定位和姿态计算方法研究。针对串番茄果梗细小造成定位误差较大、容易误切割的问题,提出了一种基于远近景结合的果梗切割点精准定位方法。首先,使用YOLOv4目标检测算法对整串番茄进行识别和粗定位。然后,相机靠近目标番茄串,使用YOLACT++实例分割算法对近景番茄串和果梗像素进行分割。接着,对果梗像素进行曲线拟合,定位果梗切割点,现场测试得到果梗切割点定位成功率为93.4%。最后,基于果梗切割点和其余特征点建立数学几何模型,计算果梗姿态。果梗切割点的精准识别和果梗姿态的计算为机械臂运动的精准轨迹规划提供依据。（3）番茄单粒收获的目标识别定位、采摘策略和姿态计算方法研究。在番茄单粒果实的采摘过程中,为减少末端执行器与目标番茄周围障碍物的碰撞,本文提出了末端执行器抓取姿态计算方法和采摘策略。首先,研究基于深度学习的目标检测算法,用YOLO算法对图像中的番茄果实和番茄串识别和定位。然后,基于聚类判定和番茄串内最近距离方法,优化番茄采摘顺序。最后,为了进一步减少末端执行器靠近目标番茄过程中柔性手指与邻近果实的碰撞,提出一种末端执行器抓取姿态调整方法。通过现场试验验证,结果表明,单粒番茄果实的识别成功率为97.3%,采用优化的采摘策略和末端执行器抓取姿态计算方法,在整机测试中的单粒番茄果实采摘成功率达到72.1%。（4）生产型温室番茄采摘机器人优化设计与试验研究。对手眼视觉系统、番茄果实采摘视觉算法与单粒番茄果实自主采摘机器人硬件设备进行集成,搭建单粒番茄果实自主采摘机器人样机,并对整机控制系统进行设计。然后,在生产型温室场景中对采摘机器人进行多轮测试,验证各个视觉算法模块有效性。综合测试结果显示,本文所提出的番茄采摘机器人的整体采摘成功率达到72.1%,单个番茄的平均采摘时间为14.6 s。