项目搭建了机器人两指末端执行器抓取系统，以番茄等果蔬为研究对象，选择伯格斯模型表征番茄的压缩变形特征，通过质构仪进行蠕变实验，获得不同成熟度番茄样本的粘弹性参数。构建了在线估计番茄粘弹性参数的神经网络模型，确定了网络的拓扑结构和参数，并利用质构仪试验实测数据对网络进行了训练，测试了网络模型的粘弹性参数估计性能。选择了匀减速、先匀速后减速以及变减速作为三种典型的抓取方式，并利用一次函数、巴特沃斯幅度平方函数和指数函数三种函数曲线描述机器人末端执行器实际抓取过程中不同抓取方式的速度变化，通过测量末端执行器抓取过程中力-时间、速度-时间以及位移-时间等数据，计算了三种抓取方式下产生的番茄塑性变形量。构建了机器人抓取过程中的触觉信息采集系统，利用主成分分析法进行触觉特征选择，基于KNN和SVM等算法进行了分类器设计，实现了末端机械手对不同果蔬硬度属性的识别。融合了自然环境中生长的果实的三维点云数据以及二维图像信息，运用GA-SVM等方法对果实进行了识别，实现了对果树枝条、树叶以及果实等不同对象的区分。项目的研究成果可以为开发抓取粘弹性物料的农业机器人提供理论基础，同时该成果也可以拓展到一般领域的服务机器人。