【摘要】【目的】基于树莓派平台，设计轻便式的柑橘智能识别与机器人采摘，为柑橘采摘减轻劳动力与机械智能化提供理论与实验依据。【方法】制作柑橘数据集，使用深度卷积神经网络（YOLOv4-tiny）验证柑橘数据集的有效性，同时在电脑上离线训练好YOLOv4-tiny柑橘识别模型；基于树莓派平台，嵌入YOLOv4-tiny模型，设计柑橘智能识别系统；建立五自由度机械臂运动学模型与轨迹规划函数，嵌入树莓派平台。使用树莓派开发板、一个摄像头以及小型五自由度机器人，手动启动树莓派中的YOLOv4-tiny模型，系统自动完成柑橘识别与采摘，具体步骤为：调用OpenCV开启摄像头，将摄像头采集到的视频转换为Im格式，并输入YOLOv4-tiny模型中，模型识别出待采摘柑橘的位置，机械臂再进行实际采摘。【结果】深度卷积神经网络（YOLOv4-tiny）模型对橘子二维坐标识别率为98%，嵌入树莓派后，结合目标到相机距离相似三角形计算法，能准确识别柑橘位置三维坐标(-3.2,19.7,16)；驱动机械臂到达位置坐标后，再令夹持器夹紧并摘取柑橘，先后共调试80次，得到机械臂运动最佳时间为1 000 ms、夹持器末端采摘动作的最佳运动时间为500 ms，末端夹持器摘取的平均角度为-60度，这样采摘时速度合适也不会发生抖动；进行了20次采摘测试，平均成功摘取率达到了90%以上。【结论】基于树莓派平台设计的柑橘深度识别与采摘系统，能实现柑橘三维位置坐标的识别并准确采摘，为机器人柑橘采摘的智能化提供了一定的理论基础与实验借鉴。