当农业机器人不断的应用于果蔬采摘、分拣等作业环节中,运用末端执行器抓取果蔬对象已经成为一个关键的作业环节。随着智能化技术的不断发展,对机器人的作业要求也越来越高。但在复杂的农业非结构化环境中,作业对象的很多物理属性往往是未知的,所以很难采取适应的抓取策略进行作业,从而会对果蔬产生不同程度的机械损伤或抓取滑落等现象。因此,在未知的复杂环境中进行抓取作业,需要农业机器人能够尽可能的感知和识别果蔬的物理属性,从而采取合适的抓取策略,实现机器人稳定抓取果蔬。硬度作为果蔬的一种重要物理属性,会直接影响到农业机器人抓持作业效果。为此,本文采用触觉阵列传感器搭建的机器人抓取感知系统为实验平台,对抓取接触信息进行分析,并设计分类器用于识别不同果蔬硬度等方面进行深入研究,其主要工作如下:1)根据果蔬硬度识别的需求,搭建了机械手抓取和触觉信息采集系统实验平台。包括对机械手、触觉阵列传感器的选型,非标手指端面设计与制作,以及机械手人机交互界面和触觉信息采集界面的程序设计。在完成实验平台搭建后,通过机械手人机交互界面控制机械手对目标果蔬进行抓取操作,以此完成对所搭建系统的测试,从而验证系统的可行性。2)利用触觉信息采集系统,获取触觉序列样本特征集用于后续分类器的训练和测试。抓取实验中选择不同硬度等级的四种果蔬样本,然后利用质构仪的压缩实验准确确定四种样本的硬度等级并做好标签。通过机械手抓取实验采集接触过程中的原始数据集,然后对原来数据进行预处理并利用主成分分析法进行特征提取,以获取触觉序列特征样本集。3)提出分别利用KNN算法和SVM算法进行分类器设计,用于机械手对不同果蔬硬度属性识别能力的研究。在KNN分类器设计上,利用欧式距离来度量触觉序列间的距离,在不同K值下选取不同特征表示、不同传感器下的特征序列集来对分类器训练和测试,并统计识别准确率。在SVM分类器设计上,选择径向基核函数作为核函数,在不同参数C和Y下利用不同特征集对分类器进行训练和测试,并统计识别准确率。4)对比KNN和SVM分类器识别效果,确定最优分类方法。最后,利用机械手的在线抓取识别实验来验证最优分类器的实用性。