《中国制造2025》明确提出在农业生产中要增强信息采集技术、智能决策处理以及精准进行作业的能力。相关采摘机械设备的不断研制更新将促使我国农业发展不断迈向现代化、智能化。本文主要研究对象为成熟红色番茄的自动化识别及采摘技术,针对现有技术在复杂的农业环境之下,还无法对番茄果实进行实时检测识别、定位及采摘等问题,提出了基于深度学习技术快速识别成熟红色番茄,利用图像处理算法及双目视觉系统对识别目标进行精准定位获得三维坐标,并通过matlab软件进行机器人运动学分析和路径避障采摘规划的仿真实验。主要研究内容如下:第一,详细分析卷积神经网络包含的卷积、池化、全连接结构和各激活函数,对深度学习中的各目标检测算法进行对比,选择YOLOv3作为检测算法,先采集大量不同形状、大小的成熟番茄图片并且进行扩充,获得两千张有效图片。使用Label Img对有效图片分别进行标注,获得voc格式数据集、并进行参数优化及调整,对比选择Keras深度学习框架。通过python汇编语言在pycharm中进行数据集训练,获得成熟的特征检测结构,最后进行算法性能验证,确保可以实时高效的自动识别成熟红色番茄目标。第二,对实时获得的含有成熟红色番茄目标的图像进行预处理,分析噪声的产生及多种降噪处理方法,选择主成分分析及双边滤波的组合降噪方法,对比RGB、Lab、HSV色彩空间,选择HSV色彩空间并选定适合成熟红色番茄果实的色彩提取空间范围,采用彩色图像分割法对图像二值化。然后进行形态学开、闭运算处理,选用Canny算法对目标进行边缘提取。对Hough圆变换改进,在实际环境中进行测试,获得目标的轮廓及圆心坐标,为后续精确抓取提供基础信息。第三,分析双目视觉结构原理,选用Bumblebee2双目相机,研究双目标定及校对理论与方法,使用张正友相机标定法,在matlab中通过双目标定工具箱获取相机位姿,并且将获得数据在Open CV中进行校正。构建相机与末端执行器之间的手眼视觉系统,对像素、图像、相机和世界坐标系进行转换。对传统的SAD立体匹配算法进行改进并实验,缩短处理时间,通过双目相机与视差图获得果实的三维坐标值并分析误差。最后,研究目标选用UR10机器人,对其建立连杆坐标系,使用改进的D-H坐标法通过matlab软件机器人工具箱进行建模,讨论分析正、逆运动学问题。对机器人各关节空间运动轨迹进行规划,保证机器人运动更加平稳。构建二维栅格地图,对蚁群算法进行改进,优化算法规划步骤,修改其启发函数和信息素更新优化并进行仿真实验,在此基础之上构建三维栅格地图,进一步改进启发函数及信息素更新优化,进行末端执行器的避障采摘路径运动仿真,模拟机器人避障采摘的全过程。