王吉林

（池州学院，安徽 池州 247000）

收获作为影响果蔬产量的关键环节，在实际采收的过程中，需要根据它们的成熟情况、尺寸等，有选择性地展开收获，以此保障收获效果和产品质量。在此过程中，需要消耗大量的人力资源，这逐渐成为当前农业产业发展过程中的主要限制因素。在此情况下，选择性收获机器人技术应运而生。实践证明，该机器人能够有效降低人工成本投入，同时提高采收效率，保障经济收益，选择性收获机器人技术已经成为农业产业主攻方向之一。结合当前我国市场情况，80%～90%的果蔬均为鲜食生产，对于产品的成熟度、新鲜程度、外观以及品质等都有着较高的要求，而选择性收获机器人技术的运用能够为果蔬产业发展提供良好支持。因此，加强对于选择性收获机器人技术的研究和探讨是十分有必要的。

1 选择性收获

选择性收获顾名思义，就是根据作物的成熟度、外观等，进行科学分类收获。需要展开选择性收获的产品，通常为多年生或者一年生但花期较长，多次开花坐果，或者鳞芽多次萌发的植株，在实际收获时，应根据果实个体的实际情况选择收获与否。选择性收获不仅能够有效保障农产品的品质，增强其商品属性，而且还能够帮助种植方获得最大经济效益[1]。在当前人工成本不断提高的情况下，机器人采收的成本相对更低，这也在一定程度上促进了选择性收获机器人技术的研究和开发。

2 选择性收获机器人技术研究概况及进展

2.1 地下产品采收

地下产品的采收主要是指作物可食用部分长在地下，处于土壤之中，因此，在实际开展选择性采收的过程中，不仅要确认采收部分所在的具体部位，还需要切断茎芽，将其与土壤分离开来。这就意味着在采收过程中，需要末端执行器与根茎以及土壤互相作用，达到切断根茎、脱离土壤的效果。以白芦笋为例，当前我国白芦笋种植面积约为10万hm2，产量和种植面积均位居世界第一。白芦笋非选择性采收过程中，需要进行一次性切割，会对产品产生严重影响，降低产量。因此，笋农通常会选用选择性收获方式，根据笋芽出土状态，确定收获时间。选择性收获机器人技术在白芦笋收获过程中的运用，需要先识别笋尖，进行垄面定位，再使末端收获机构进入土壤，根据笋芽长度切割，然后夹持笋体，再将其拔出，实现土壤和芦笋的有效分离，最后还会进行土壤回填，并将笋体集中放置在存储箱当中，实现一体化作业，既能够保障产品品质，同时也能够提高作业效率[2]。当前荷兰某企业已经开发了一款拖拉机牵引式白芦笋选择性收获机器人，并获得了相关技术专利，该机器人的使用，有效降低了50%的收获成本，单产提高了20%左右[3]。

2.2 地上产品采收

地上产品采收指的是可食用部分位于土壤上方，在采收的过程中，无需与土壤展开交互，直接作用于柄、茎等，即可实现采收，例如苹果、猕猴桃、草莓、番茄等。根据作物生长方式不同，地上产品采收主要包括两种类型：第一种，为苹果、猕猴桃等果实类，在采收过程中，需要末端执行器直接与果实接触，损伤主要发生在采收、运输以及集箱环节；第二种，为葡萄、草莓等果梗类，无需与果实接触，损伤主要发生在集箱环节。以苹果采收为例，选择性收获机器人技术的研究已经逐渐趋于成熟，当前该领域研究具备明显市场化前景的公司为以色列和美国的公司，其中以色列公司已经开发出了伸缩式三指末端执行器，运用了深度相机方式，展开有效识别和定位，能够实现苹果的选择性快速采摘。

3 选择性收获机器人技术分析

3.1 末端收获机构

在展开选择性收获的过程中，末端执行器和收获机构是执行收获操作的主要结构，通过与果实或者果梗等相互作用，实现有效收获。但由于不同产品的生长方式、力学特性以及聚集情况等存在较大差异，因此，不同果蔬的选择性收获机器人的末端执行器和收获机构也各不相同。

3.1.1 地上收获

地上收获主要包括固定果实和分离果实两个步骤，在收获时，这两个步骤既可分开执行，也可实现一体化操作。其中，固定果实主要包括约束果实和约束果梗（茎）两种类型，对于苹果、猕猴桃等，需要固定果实，主要方式包括柔性抓取、型腔套取等；对于鲜食葡萄等则需要固定果茎。在分离果实阶段，主要方式包括扭断果梗或者切断果梗两种方式，对于果梗基部存在未木质化离层的情况，如苹果、番茄等，则可通过扭转的方式实现果实分离。对于果梗离层发育不明显的情况，则需要借助刀片等切断茎部，常见切断方法包括剪切、咬合等[4]。

3.1.2 地下收获

以白芦笋为例，在展开地下收获的过程中，要求部件入土，切断茎芽，并进行茎芽夹持，实现土茎分离。在部件入土的过程中，为避免对垄面造成破坏，影响后续作业，需要尽量减小入土过程中的覆盖面积，避免对土下未成熟笋芽造成破坏，主要入土方式包括垂直垄面入土、垄侧入土。由于垄侧入土破坏影响较大，因此，设计末端收获机构时，通常采用垂直入土的方式。切断茎芽环节，主要是分离上部笋芽和基部的笋茎，主要切割方式包括剪切、咬合以及土壤固定三种，其中前两种的末端执行器需要配备两个匹配刀片或相对咬合动刀片，土壤固定指的是笋芽被土壤固定，进而完成切割。茎芽夹持则是采用柔性材料夹持茎芽，主要优势在于无需进行土壤体回填。此外，还可以通过型腔压缩土壤约束茎芽，在此过程中需要将土壤和茎芽分离，后续需进行土壤回填操作[5]。

3.1.3 多机械臂并行收获

针对选择性收获过程中果实离散程度较高这一特点，为提高采收效率和速度，在实际设计机器人的过程中，还可通过多机械臂的方式展开选择性机器人收获。采收对象区域分布密度相对较大，而且十分均匀时，可采用多机械臂并行收获的方式设计末端执行器与收获机构。当前多机械臂并行技术在选择性收获机器人设计当中，常用的技术手段包括以下两种，一为区域独立的绝对并行，即将收获区域划分为多个没有交集的子区域，每个机械臂只可在单独区域内作业，无法实现互补作业；二为区域共享的相对并行，即同一区域内，多个机械臂共同作业，在果实不均匀的情况下，也可实现高效作业；此外，还可以将两种方式混合使用[6]。

3.2 识别与定位技术

3.2.1 地上收获

在地上果蔬采收的过程中，为实现选择性收获，保障相同成熟度、外观、品质的果蔬能够被统一采收，需要运用目标识别与定位技术，主要技术手段包括彩色相机、深度相机以及多光谱相机等，以此获取感知范围内的多通道2D形态特征以及场景3D坐标特征，并结合机器学习理论，如决策树、集成学习等算法，实现数据的处理和特征计算，以此明确果实的实际情况以及周围环境变化，实现对于果实的选择性收获评估和目标定位。如某学者以最大苹果作为采收目标，有效节省了70%的算法执行时间，提高了采收效率；也有学者利用SSD算法识别定位目标果实，并结合立体视觉技术，获得果实三维坐标，然后以逆向运动学规划机械臂运动轨迹，实现果实收获，识别成功率高达90%。

3.2.2 地下收获

地下果蔬采收时，需要运用无损检测以及定位技术，了解地下使用部分的器官情况，并准确进行定位。部分学者通过分析高频下冬笋-土壤的介电常数模型，提出了冬笋检测方法，该方法下的冬笋收获准确率超过了70%[7]。

4 选择性收获机器人技术发展方向

4.1 末端机构设计优化

虽然当前末端执行器和采收机构研究已经取得了一定进展，有效降低了采收过程中的损耗影响，但由于不同收获方式以及末端执行器存在较大性能差异，并不能够适用于所有果实的采收，而且在现场环境的结构化调整之后，选择性收获机器人作业情况并不能达到理想的效果。因此，在展开收获机器人技术研究的过程中，仍需要加强对于末端机构的优化设计，可着重从以下两方面入手：一是结合当前果蔬种植情况，根据栽培特点和要求，针对目标物固定和非目标物分离的末端执行机构，以此提高收获速度，减少果实损坏，同时还应着重消除果实聚集以及茎叶遮挡的影响，进一步提高采收质量和效率；二是采收环境情况各不相同，存在较为复杂的非结构环境采收需求，对于此类情况，选择性收获机器人的采收质量和效率相对较低。因此，应加强对于复杂非结构环境情况的研究，并加强对于多机械臂的设计，使其能够更好地适应各种环境[8]。

4.2 复杂场景识别决策

在实际采收的过程中，由于现场环境复杂，不仅存在需要采收的果实，还有茎叶等结构，可能会影响果实的识别和采收，无法实现对于隐藏在叶子或者果梗重叠遮挡位置果实的精准定位和采收，容易出现末端执行器抓取失败的情况，严重影响了收获效果。因此，选择性收获机器人的研究还应针对复杂场景展开动态识别，提高抓取决策的准确性和效率。对此，可针对环境和目标识别展开大规模数据学习和分析，促使系统能够在复杂场景下实现对于场景情况的自主、动态识别，提高采收精度和有效性[9]。

4.3 机器人系统作业优化

当前，机器人系统实际作业情况仍然与人工收获之间存在一定差距，究其原因在于，机器人系统的信息感知、动作决策以及执行采收三个环节之间的配合度不高，无法实现实时执行，需要经历一系列流程和环节，而且各个环节之间有着明确的先后顺序，影响因素也相对较多，很容易导致采收失败。此外，在收获过程中，需要沿行或者沿垄不停车收获，收获场景、区域不断变化，导致系统信息感知、决策以及采收环节之间难以避免存在延迟情况。因此，加强对于末端执行器以及采收机构与决策、执行系统之间的协同优化是十分有必要的，同时加强对于主控系统协同控制能力的研究和重视，这对于实现协调采收、高效收获而言有着重要的影响，也是未来选择性收获领域研究的重点内容[10]。

5 结语

综上所述，选择性收获机器人技术在提高果实采收效率、保障农产品质量方面有着积极作用，随着当前人力成本的逐渐提高，选择性收获机器人技术研究不断加强，并在实践运用的过程中取得了良好的效果。在展开技术研究的过程中，需要结合地上以及地下采收情况和需求特点，展开针对性研究设计，着重加强对于末端执行器和收获机构以及果实识别与定位技术的研究和运用，将机械技术与机器学习理论等有机地融合在一起，达到良好采收效果。虽然当前选择性收获机器人技术研究已经取得了一定成效，但结合实际行业发展需求以及机器人运行情况，还应进一步加强末端执行机构的优化设计，提升系统在复杂场景的识别能力以及决策效率，优化机器人协同控制能力，全面保障机器人采收质量和效率，减少果实损耗，确保产品质量，创造更多收益。