我国是世界上最大的苹果生产国,但目前苹果采摘主要还是依靠人工,费时费力且成本越来越高,因此迫切需要实现果园采摘作业的机械化和自动化。本课题在国家自然科学基金(31571571)和镇江市现代农业项目(NY2015025)的支持下,研究了新一代基于机器视觉的苹果采摘机器人控制系统,进一步推动了采摘机器人的实用性和产业化进程。主要内容包括采摘机器人总体系统结构研究与数学建模、硬件和软件系统整体研究、复杂背景下苹果目标识别与定位、采摘机械臂高效伺服控制方法研究、采摘机器人实验研究等,具体工作如下:第一,为了适应复杂的果园工作环境,分别对苹果采摘机器人履带式运动底盘、五自由度机械臂和末端执行器的基本结构进行了研究;结合现有工作环境实际需求设计了履带平台和末端执行器电路控制系统和数据采集系统;建立了采摘机械臂运动学和动力学方程,并进行了仿真实验研究。第二,根据苹果采摘机器人基本结构和硬件系统特征,研究了机器人系统总体控制方案;再采用分布式系统研究方法,分别对履带式运动底盘控制软件、末端执行器抓手及切刀控制软件、上位机及通信系统软件进行了设计,同时采用视觉定位及运动规划算法加快了系统整体数据的响应速度。第三,改进了基于深度学习的苹果采摘机器人目标识别与定位方法。在分析和改进现有YOLOv3网络结构后,将深度学习方法和YOLOv3网络结构相结合,采用实验方法增强了苹果采摘机器人对复杂环境的适应能力,从而有效提高了苹果目标识别定位速度和有效目标识别率,提升了采摘效率。第四,改进了基于模糊神经网络滑模控制的苹果采摘机器人伺服控制方法。在对苹果采摘机器人机械臂关节角度之间的运动学和动力学关系进行分析后,采用改进的模糊神经网络滑模控制算法实现采摘机器人伺服控制,仿真实验表明该算法能有效提高苹果采摘过程中机械臂控制系统的动态性能。最后,在实验室模拟果园环境下搭建了苹果采摘机器人实验平台,并完成了机器人系统采摘苹果实验。实验结果验证了所提方法的有效性,较以往采摘机器人相比,本文设计的采摘机器人系统采摘成功率已达到92.9%,其工作效果基本达到理想水平,推动了国产苹果采摘机器人的实用性和产业化进程。