但是整體來看，目前中國設施蔬菜生產仍處于粗放式管理的狀態(tài)，整體生產水平不高，生產效益正在逐年下降。一是機械化、智能化生產水平偏低。當前，中國設施蔬菜綜合機械化率僅為30%左右，不足大田作物的50%，大部分生產管理依靠人工，應用于栽培、收獲、灌溉施肥等環(huán)節(jié)的輕簡化、適應性強的專用機械裝備較為缺乏。二是人工成本連年增長。以設施番茄為例，根據(jù)《全國農產品成本收益資料匯編2022》數(shù)據(jù)顯示，2021年，人工成本已由1991年的每天10元增加至120元，但是單產增幅遠小于生產成本增幅。三是“水-肥-藥-境”管控仍以手動或半自動化操控為主，光、溫、濕度、土壤pH等生產環(huán)境智能化調控技術應用不足，灌溉、施肥、施藥的精準度不夠，肥料農藥過量施用，資源利用率較低，單位產量效益提升面臨壓力，綠色生產水平不高。面對城鄉(xiāng)居民對于高品質蔬菜日益增長的需求，以及產業(yè)發(fā)展對于產量、品質和效益提升的綜合要求，亟需研制與應用設施蔬菜機器人，對“水-肥-藥-境”進行精準調控，實現(xiàn)機械化、自動化、少人化生產。

圖1 國外典型的設施蔬菜機器人

Fig. 1  Typical facility vegetable robots abroad

隨著設施種植結構的不斷調整和工業(yè)機器人技術的穩(wěn)步發(fā)展，國內部分高校和研究所在嫁接、移栽和采收機器人領域開展了深入的研究，在裝置設計、結構仿真優(yōu)化等理論方面取得了突破，部分機器人已經在溫室生產中得到了示范應用。作者團隊在國內較早構建了一套番茄工廠化全流程機器人生產系統(tǒng)，開啟了設施蔬菜生產全流程的無人化作業(yè)新模式，在北京、山東壽光、山東菏澤等設施蔬菜主產地得到了初步應用。團隊研制的番茄工廠化全流程機器人生產系統(tǒng)涵蓋了采摘、整枝、巡檢、噴藥等多套自主研發(fā)的番茄生產機器人裝備。番茄采摘機器人（見圖2（a））采用軌道式移動升降平臺，配置4自由度關節(jié)式機械臂，基于結構光視覺的識別定位算法進行果實的識別和定位，末端執(zhí)行器結構采用吸力式套筒旋擰結構，無損實現(xiàn)果實和果梗分離，在強光和弱光下的采摘成功率分別達83.9%和79.4%；番茄整枝機器人采用基于雙目云臺攝像機的主莖離散區(qū)域圖像采集伺服控制方法，通過融合多視角植株圖像特征，可實現(xiàn)番茄主莖的圖像拼接與立體形態(tài)測量；利用基于改進YOLOv3的溫室番茄紅果和綠果識別方法，可對自然生長狀態(tài)下的番茄果實進行計數(shù)估產，總體估產精度達到96.3%。除了番茄生產機器人取得了一定的研究成果，國內在草莓、蘆筍、甜椒等設施蔬菜作物采摘機器人的目標識別、控制裝置、整機設計的理論與試驗也進展較快，如汪小旵等研制了草莓和蘆筍采摘“選擇性收獲機器人”（見圖2（b）），采摘機器人基于機器視覺和深度學習算法，對綠蘆筍和草莓進行自動檢測、成熟度判別、定位、夾持剪切和收集存放。

圖2 國內典型的設施蔬菜機器人

Fig. 2  Typical facility vegetable robots in China

結合產業(yè)背景、前沿進展和客觀挑戰(zhàn)等方面的分析，中國設施蔬菜生產機器人應重點從以下兩個方面開展關鍵核心技術攻關，實現(xiàn)技術創(chuàng)新與突破。一是多波段圖像融合的近色莖稈目標識別。由于微觀成分的差異性，植物莖、葉、果等近色組織在特定波段的光譜特征呈現(xiàn)明顯差異，需要強化特定強反射波段圖像融合，構建多模態(tài)圖像融合網絡，提升RGB圖像識別效果，提高光照和遮蓋環(huán)境干擾下相近色系目標識別效率；二是基于人-機技能傳遞的復雜任務執(zhí)行部件設計。構建“視覺+觸覺”信息同步的人工采摘操作示教數(shù)據(jù)庫，對人工操作信息進行實時捕捉，開展人工動態(tài)接觸力度和動態(tài)操作軌跡信息的時序編碼，量化人工操作樣本，并開展基于學習的強化模型構建，對采摘技能的核心參數(shù)進行強化學習，形成低能耗、高效操作模本。

整體來看，對比全球農業(yè)強國，中國農業(yè)機器人研發(fā)與應用起步晚、發(fā)展慢，綜合性能與國外先進產品依然存在較大差距，產業(yè)發(fā)展與應用依然任重道遠。主要表現(xiàn)在：一是現(xiàn)有農業(yè)機器人以單執(zhí)行器、單機作業(yè)為主，多臂協(xié)同機器人研制剛剛起步，在多環(huán)節(jié)一體化作業(yè)協(xié)同方面性能差、效率低，難以滿足實際生產需求；二是農業(yè)機器人機械臂和末端執(zhí)行器多數(shù)來源于工業(yè)使用，以剛性操作為主，靈活性、柔順性、功能性較差，極易對作業(yè)對象造成損傷；三是農業(yè)多源信息感知、農業(yè)機器人裝備自主作業(yè)等國產化智能專用芯片受制于人，面向感知數(shù)據(jù)處理、作物表型識別、生長狀態(tài)監(jiān)測、產量和品質指標估測相關的人工智能加速算法與模型缺乏，核心部件成本高；四是人機自然交互的示教協(xié)作新方法、“人-機-環(huán)境”相交互融的機器人技術研發(fā)進展緩慢，制約了農業(yè)機器人從粗放、單一向精細、協(xié)同的作業(yè)模式過渡；五是作業(yè)基礎設施建設滯后，“宜機化”程度不高，已有的農業(yè)機器人與農藝結合不夠緊密，智能化作業(yè)通用性差、效率不高。

本文節(jié)選自：

趙春江, 范貝貝, 李瑾, 馮青春. 農業(yè)機器人技術進展、挑戰(zhàn)與趨勢[J]. 智慧農業(yè)(中英文), 2023, 5(4): 1-15. DOI: 10.12133/j.smartag.SA202312030

ZHAO Chunjiang, FAN Beibei, LI Jin, FENG Qingchun. Agricultural Robots: Technology Progress, Challenges and Trends[J]. Smart Agriculture, 2023, 5(4): 1-15. DOI: 10.12133/j.smartag.SA202312030