为了提高生产效率,使果农摆脱简单而繁重的劳动,需要研制高速、高精度的采摘机器人来解决这些问题。采摘机器人其原理是利用机器人视觉技术与机械手臂组成视觉伺服控制系统进行目标识别与采摘。但是由于实际采摘作业多为非结构化环境,作业对象受各种因素影响,易产生不规则运动,使采摘抓取精度与准确率都偏低。为了解决以上问题,利用流处理器构建一套图像加速系统应用与农业采摘机器人中,流处理器可对大量的图像数据进行加速处理,加快机器人对采摘目标的处理速度,提高采摘的效率和准确性。综上所述,研究采摘机器人图像加速系统可以提高采摘机器人的采摘率,避免工作人员进行重复采摘与拾取。使该领域的研究更加深入,具有重要的理论和实际意义。本文的具体研究内容及主要工作可以概括为以下几个方面：1.分别介绍了本文的研究背景、目的意义。详细分析了目前农业采摘机器人与流处理器的国内外发展现状,并讨论了主要存在的问题。最后提出了主要的研究内容与技术路线等。2.分析了采摘机器人的体系结构特点,并对组成机器人系统的主控制单元、信息量输入单元、机器人执行机构这三个部分进行了系统分析。对图像处理部分进行详细的结构分析,并讨论了存在的海量信息问题、计算机控制单元体系结构问题以及图像处理方式这三个方面的问题。最后根据这三个问题提出了一套基于流处理器的采摘机器人图像加速系统解决方案。3.首先论述了流处理器的处理思想,并详细阐述了其具有的计算过程的分解、解耦合数据的运算和存取、数据的分块处理、显式通信、并行处理等特征。构建了流处理器硬件结构模型可以更好的为算法流化做准备,依据第二章第4节所提供的基于流处理器的解决方案进行了采摘机器人图像加速系统的总体设计,设计了新的系统结构模型和阐述了其工作原理及系统功能。并对SP16HP-G220流数字信号处理器进行了功能描述。最后,将SPI公司提供的计算核心指令集与Pentium系列处理器指令集进行对比,并为下一章的算法流化提供量化的数据支持。4.在流处理器硬件系统构建完成后,对系统软件进行编写。首先要了解流应用与流编程的基本概念,这样才能理解数据流的流动过程,才可以更好的进行数据流的组织。总结了流应用的映射方法,并对这4个步骤做了详细说明与特征分析。根据上述理论建立了流处理器程序模型,并分别对流级程序模型和核心级程序模型进行了结构特征分析。根据第二章和第三章所设计的采摘机器人图像加速系统作为应用平台,依据实际需求选取图像处理中具有代表性的灰度变换与目标识别系统中边缘检测常用到的Sobel算子进行算法并行性分析与算法流化。5.根据所前几章节所建立的基于流处理器的采摘机器人图像加速系统进行了相关仿真实验。利用第四章所流化过的灰度变换算法与Sobel算子,以及第三章第4节表3.1的数据进行了仿真模型的建立,在仿真结束后对实验结果进行了分析与讨论。并针对在仿真实验中出现的问题,对模型做出了相应调整,使所建立的流处理器模型更加完善,通过总结经验与系统设计方案,提出了一套基于流处理器的采摘机器人图像加速系统。本文的研究基本实现了研究目标,但是在实际的采摘机器人系统应用中还有许多工作要验证,本文最后,对整个研究内容与研究成果进行了总结,并提出了下一步研究工作的重点。