農(nóng)業(yè)機械手關(guān)鍵技術(shù)研究進(jìn)展

收稿日期：2024-06-14

基金項目：國家自然科學(xué)基金面上項目（51876114）

作者簡介：趙 煜（1982-），女，河南三門峽人，博士，講師，主要從事漁業(yè)工程裝備研究。（E-mail）y-zhao@shou.edu.cn

通訊作者：李永國，（E-mail）yg-li@shou.edu.cn

摘要： 農(nóng)業(yè)機械手對實現(xiàn)農(nóng)業(yè)現(xiàn)代化具有重要意義。近年來，隨著傳感技術(shù)、計算機視覺以及運動控制技術(shù)的快速發(fā)展，農(nóng)業(yè)機械手逐漸向智能化、自主化和多功能化方向發(fā)展。本研究概述了農(nóng)業(yè)機械手的研究現(xiàn)狀及主要結(jié)構(gòu)。基于農(nóng)業(yè)機械手作業(yè)環(huán)境的復(fù)雜性以及作業(yè)對象的多樣性和差異性，將農(nóng)業(yè)機械手的關(guān)鍵技術(shù)歸納為末端執(zhí)行器設(shè)計、傳感感知技術(shù)、視覺技術(shù)和運動控制技術(shù)，進(jìn)一步對末端執(zhí)行器類型進(jìn)行分類歸納，分析不同末端執(zhí)行器的研究現(xiàn)狀；對現(xiàn)階段農(nóng)業(yè)機械手領(lǐng)域的目標(biāo)識別和定位技術(shù)進(jìn)行了分析和歸納；對當(dāng)前農(nóng)業(yè)機械手領(lǐng)域的傳感感知技術(shù)進(jìn)行了系統(tǒng)總結(jié)；對農(nóng)業(yè)機械手作業(yè)控制過程進(jìn)行了綜述。最后，針對當(dāng)前農(nóng)業(yè)機械手存在的問題進(jìn)行了討論，并對農(nóng)業(yè)機械手的未來研究進(jìn)行了展望。

關(guān)鍵詞： 農(nóng)業(yè)機械手；末端執(zhí)行器；傳感感知技術(shù)；視覺技術(shù)；運動控制技術(shù)

中圖分類號： TP241"" 文獻(xiàn)標(biāo)識碼： A"" 文章編號： 1000-4440（2025）02-0404-13

Research progress of key technologies of agricultural manipulators

ZHAO Yu， FANG Guoai， LI Yongguo

（College of Engineering Science and Technology， Shanghai Ocean University， Shanghai 201306， China）

Abstract： Agricultural manipulators are of great significance to realize agricultural modernization. In recent years， with the rapid development of sensing technology， computer vision and motion control technology， agricultural manipulators have gradually developed in the direction of intelligence， autonomy and multi-function. This paper summarizes the research status and main structures of agricultural manipulators. Based on the complexity of the operating environment of agricultural manipulators and the diversity and difference of the operating objects， the key technologies of agricultural manipulators are summarized as end-effector design， sensing and perception technology， vision technology and motion control technology. The types of end effectors are further classified and summarized， and the research status of different end effectors is analyzed. The target recognition and positioning technologies in the field of agricultural manipulators at this stage are analyzed and summarized. The sensing technologies in the field of agricultural manipulators are systematically summarized. The operation control process of agricultural manipulators is reviewed. Finally， the existing problems of current agricultural manipulators are discussed， and the future research of agricultural manipulators is prospected.

Key words： agricultural manipulators;end-effector;sensing and perception technology;vision technology;motion control technology

現(xiàn)代農(nóng)業(yè)面臨著越來越復(fù)雜的挑戰(zhàn)，包括全球食品需求的增長、農(nóng)業(yè)勞動力不足、資源稀缺和氣候變化等。自“十四五”規(guī)劃以來，國家就大力推動農(nóng)業(yè)現(xiàn)代化。農(nóng)業(yè)機械手具有提高農(nóng)業(yè)生產(chǎn)效率、降低勞動強度，為農(nóng)業(yè)生產(chǎn)帶來更大的靈活性和精確性等特點，在農(nóng)田、林間、大棚種植園、人工養(yǎng)殖區(qū)等多種場景中得到了廣泛應(yīng)用^[1-2]，促進(jìn)了農(nóng)業(yè)現(xiàn)代化的發(fā)展。

目前農(nóng)業(yè)生產(chǎn)方式可分為人工勞作、傳統(tǒng)農(nóng)業(yè)裝備、半自動化裝備以及智能化裝備等方式^[3]。大多數(shù)農(nóng)業(yè)生產(chǎn)如采摘、修剪、噴灑、種植仍然依靠人工勞作結(jié)合傳統(tǒng)農(nóng)業(yè)裝備的方式完成，不但耗費了大量勞動力，工作效率和精確性也相對較低，不能適應(yīng)大規(guī)模、高效的現(xiàn)代農(nóng)業(yè)生產(chǎn)需求^[4]；自動駕駛拖拉機、自動植保機、智能灌溉系統(tǒng)等半自動化裝備，通過結(jié)合自動化技術(shù)和適度的人工干預(yù)，可以提高農(nóng)業(yè)生產(chǎn)的效率，降低勞動強度，但需要操作者具備相應(yīng)的操作技術(shù)，才能夠?qū)崿F(xiàn)有效的監(jiān)督和操作；以農(nóng)業(yè)機械手為代表的新型全自動化裝備，具有高精度的運動控制，能夠適應(yīng)不同農(nóng)業(yè)環(huán)境的作業(yè)需求，提高了生產(chǎn)的靈活性，具有廣闊的應(yīng)用前景^[5-6]。目前已經(jīng)有許多學(xué)者針對農(nóng)業(yè)機械手的結(jié)構(gòu)、機器視覺技術(shù)以及農(nóng)業(yè)機械手的運動控制等方面做了大量的研究，但是農(nóng)業(yè)的非結(jié)構(gòu)化環(huán)境以及多樣化的應(yīng)用場景增加了農(nóng)業(yè)機械手的作業(yè)難度，使得農(nóng)業(yè)機械手多數(shù)仍停留在試驗研究階段，很難進(jìn)行商業(yè)化的量產(chǎn)，因此針對這些技術(shù)研究仍需要進(jìn)一步突破^[7-8]。

因此，本文對農(nóng)業(yè)機械手研究現(xiàn)狀進(jìn)行概述，從農(nóng)業(yè)機械手的末端執(zhí)行器結(jié)構(gòu)、視覺系統(tǒng)、傳感器技術(shù)以及運動控制方面涉及的關(guān)鍵技術(shù)進(jìn)行綜述，指出當(dāng)前農(nóng)業(yè)機械手存在的問題與不足，并對其發(fā)展趨勢進(jìn)行展望。

1 農(nóng)業(yè)機械手結(jié)構(gòu)

農(nóng)業(yè)機械手通常由機械臂、末端執(zhí)行器、視覺系統(tǒng)、運動控制系統(tǒng)組成。通過視覺系統(tǒng)利用計算機視覺技術(shù)對目標(biāo)進(jìn)行識別定位，將獲取到的信息反饋給運動控制系統(tǒng)；運動控制系統(tǒng)則根據(jù)收到的位置信息結(jié)合當(dāng)前的環(huán)境信息對農(nóng)業(yè)機械手工作軌跡進(jìn)行相應(yīng)的規(guī)劃，進(jìn)而控制機械臂和末端執(zhí)行器完成既定的作業(yè)任務(wù)。

農(nóng)業(yè)機械手的發(fā)展是一個逐漸智能化、自主化和多功能化的過程。早期的農(nóng)業(yè)機械手主要以機械裝置為主，通過配合人工操作，實現(xiàn)一些作業(yè)任務(wù)，如犁地、播種等。20世紀(jì)中葉，隨著液壓技術(shù)和氣動技術(shù)的發(fā)展，使得農(nóng)業(yè)機械手能夠準(zhǔn)確執(zhí)行更復(fù)雜的操作，如舉升、旋轉(zhuǎn)和抓取，提升了農(nóng)業(yè)機械手的自動化程度。進(jìn)入21世紀(jì)，借助傳感器和計算機控制系統(tǒng)，農(nóng)業(yè)機械手能夠執(zhí)行更精確的作業(yè)任務(wù)。如：位置和姿態(tài)傳感器常用于精確定位，確保農(nóng)業(yè)機械手實現(xiàn)精準(zhǔn)操作；力傳感器可以獲取機械手作業(yè)中的力的信息，以確保在作業(yè)過程中如采摘、搬運等對作業(yè)對象和環(huán)境的損傷最小化；環(huán)境傳感器用于監(jiān)測農(nóng)業(yè)環(huán)境條件；視覺傳感器則是利用攝像頭和光學(xué)傳感器檢測作業(yè)目標(biāo)，獲取目標(biāo)的確切位置^[9-11]。

近些年，計算機視覺和路徑規(guī)劃技術(shù)的發(fā)展為農(nóng)業(yè)機械手帶來了重大突破，高精度的相機和圖像處理系統(tǒng)的應(yīng)用使農(nóng)業(yè)機械手能夠感知作業(yè)環(huán)境，準(zhǔn)確識別作業(yè)對象，并借助路徑規(guī)劃準(zhǔn)確達(dá)到作業(yè)位置進(jìn)行精準(zhǔn)作業(yè)^[12-13]。因此，針對不同作業(yè)對象的末端執(zhí)行器設(shè)計、視覺技術(shù)、傳感感知技術(shù)和運動控制技術(shù)越來越多地成為農(nóng)業(yè)機械手領(lǐng)域的重點研究內(nèi)容。多技術(shù)的融入和作業(yè)對象的多樣化使得農(nóng)業(yè)機械手發(fā)展日趨完善，種類繁多。現(xiàn)階段，商業(yè)化比較成功的農(nóng)業(yè)機械手有：Octinion Rubion（草莓采摘機械手）、Agrobot SW601（葡萄采摘機械手）、FFRobotics（水果采摘機械手）、Lely Discovery Collector（奶牛牛糞清理機械手）等。此外，還有根據(jù)農(nóng)場、高校及研究所特定需求而設(shè)計的自制農(nóng)業(yè)機械手。

目前，農(nóng)業(yè)機械手的結(jié)構(gòu)多為并聯(lián)和串聯(lián)兩種^[14]。其中，并聯(lián)機械手由多個機械臂并聯(lián)在固定的基座上，共同作用于同一末端執(zhí)行器，實現(xiàn)運動和位姿變換；串聯(lián)機械手則由一系列機械臂通過各個關(guān)節(jié)串聯(lián)組成，每個關(guān)節(jié)都依次與前一個關(guān)節(jié)相連，最終連接到基座和末端執(zhí)行器，每個機械臂的運動只能在前一個機械臂的基礎(chǔ)上進(jìn)行，兩種機械手結(jié)構(gòu)如圖1所示。

結(jié)構(gòu)差異使得這兩種農(nóng)業(yè)機械手具有不同的特點和應(yīng)用場景。并聯(lián)機械手由于多機械臂共同作用于末端執(zhí)行器，使得它具有高負(fù)載、高穩(wěn)定性、高精度的優(yōu)點，但這種結(jié)構(gòu)也導(dǎo)致并聯(lián)機械手的靈活性較差、工作空間較為局限。反之，串聯(lián)機械手由于各機械臂順次串聯(lián)連接，可以自由變換方向，使其具有良好的擴(kuò)展性，工作空間更加靈活；但串聯(lián)的結(jié)構(gòu)也導(dǎo)致其負(fù)載能力低，穩(wěn)定性差。因此，需要根據(jù)作業(yè)任務(wù)和作業(yè)環(huán)境選擇合適的農(nóng)業(yè)機械手：在作業(yè)任務(wù)簡單時，常選擇自由度少的串聯(lián)機械手，而在作業(yè)任務(wù)復(fù)雜和工作空間較大時，則需考慮自由度更高的串聯(lián)機械手；在工作空間較小或者只需在平面內(nèi)運動時多選擇并聯(lián)機械手^[15]。兩種農(nóng)業(yè)機械手的部分典型應(yīng)用如圖2所示。

2 農(nóng)業(yè)機械手關(guān)鍵技術(shù)

作業(yè)環(huán)境的復(fù)雜性、作業(yè)對象的多樣性和差異性影響著農(nóng)業(yè)機械手的選擇、設(shè)計和規(guī)劃控制等。目前，農(nóng)業(yè)機械手研發(fā)中的關(guān)鍵技術(shù)主要包含：末端執(zhí)行器設(shè)計，傳感感知技術(shù)、視覺技術(shù)和運動控制技術(shù)。

2.1 末端執(zhí)行器設(shè)計

農(nóng)業(yè)機械手常通過連接在機械臂上的末端執(zhí)行器來完成作業(yè)任務(wù)。農(nóng)業(yè)機械手的末端執(zhí)行器類型豐富，如剪刀、氣泵、噴頭和夾爪等。在多數(shù)情況下，農(nóng)業(yè)機械手通過末端執(zhí)行器完成剪切、吸附、噴灑和抓取等1個動作就能實現(xiàn)對對象的作業(yè)任務(wù)。但在復(fù)雜場景下，多種類型末端執(zhí)行器配合使用能夠有效提升作業(yè)效率。鑒于農(nóng)業(yè)作業(yè)的場景復(fù)雜多樣，對象種類繁多，農(nóng)業(yè)機械手往往需要根據(jù)具體工作情況，了解對象的物理特性，并分析工作過程，對末端執(zhí)行器的作業(yè)原理和結(jié)構(gòu)進(jìn)行設(shè)計。

2.1.1 剪切式末端執(zhí)行器

剪切式末端執(zhí)行器是基于剪切的理念進(jìn)行設(shè)計，多用于切割、修剪、切斷等作業(yè)場景。這種末端執(zhí)行器可分為剪式和鋸式兩種。其中，剪式末端執(zhí)行器多由刀片或剪刃構(gòu)成，可通過刀片或剪刃的夾持和運動來實現(xiàn)物體的切割或剪斷；鋸式末端執(zhí)行器則由鋸片構(gòu)成，能對物體進(jìn)行切割，實現(xiàn)分割、切斷或切割物體等功能。Zhang等^[16]設(shè)計了一種由動靜刀具結(jié)合的剪式末端執(zhí)行器用于棗樹修剪。這種刀具具有剪切力大的優(yōu)點，同時在設(shè)計時考慮了棗枝的直徑、切割位置和剪口的尺寸，使得刀具具有較高的精度，但是仍存在因刀具移動不夠靈活導(dǎo)致修剪偏枝和側(cè)枝失敗的問題。Kamandar等^[17]使用電動樹籬修剪機作為末端執(zhí)行器，鋸式末端執(zhí)行器與工作目標(biāo)的接觸面積大，具有作業(yè)空間范圍大的優(yōu)點，在對樹籬修剪時能夠?qū)崿F(xiàn)有效切割的同時提高工作效率，但是存在面對枝干較粗的莖稈時切割困難的情況。

2.1.2 氣吸式末端執(zhí)行器 氣吸式末端執(zhí)行器通常采用氣泵等吸氣裝置吸附目標(biāo)，常用于果實的斷梗和分揀。Hu等^[18]利用真空泵的氣流能夠在一定距離內(nèi)吸住果實的特性，設(shè)計了一種體積較小、便于穿透樹冠的氣吸式末端執(zhí)行器，實現(xiàn)了果園的果實采摘。氣吸式末端執(zhí)行器配合并聯(lián)機械臂還可以實現(xiàn)流水線形式的分揀任務(wù)。苑進(jìn)等^[19]利用真空吸盤和并聯(lián)機械臂實現(xiàn)了禽蛋的自動分揀；Zhang等^[20]使用并聯(lián)機械臂配合吸氣裝置末端執(zhí)行器實現(xiàn)了對新鮮茶葉的分揀。然而，由于氣吸式末端執(zhí)行器吸力較小，多數(shù)應(yīng)用于質(zhì)量較小的作業(yè)對象。

2.1.3 噴灑式末端執(zhí)行器 噴灑式末端執(zhí)行器常使用噴霧裝置、噴嘴裝置和花灑等不同類型的噴灑裝置來精確控制農(nóng)藥、肥料等物質(zhì)的噴灑量，并配合機械臂完成復(fù)雜的噴灑作業(yè)，從而提高農(nóng)業(yè)生產(chǎn)效率。Williams等^[21]使用一種安裝于機械臂末端的新型空氣輔助噴霧器，實現(xiàn)了對獼猴桃的機械授粉。Bao等^[22]將6個自由度電纜驅(qū)動的柔性機械手和噴霧系統(tǒng)組合，實現(xiàn)了末端執(zhí)行器在樹冠內(nèi)靈巧地移動，并有效地到達(dá)作業(yè)區(qū)域，進(jìn)行精準(zhǔn)的病蟲害防治。

2.1.4 抓取式末端執(zhí)行器 抓取式末端執(zhí)行器是農(nóng)業(yè)領(lǐng)域里最常見的一種，這類末端執(zhí)行器常設(shè)計為夾爪和仿生手的形狀，通過將作業(yè)對象包裹后實現(xiàn)收獲、分揀、摘取等任務(wù)。Mu等^[23]用兩根仿生手指抓取獼猴桃果實，通過彎曲手指將果實從莖中分離出來，成功實現(xiàn)獼猴桃果實采摘。

然而，由于作業(yè)對象差異大，這種抓取類末端執(zhí)行器的設(shè)計不僅要考慮抓手的形狀，更要考慮作業(yè)對象的重量差異。當(dāng)作業(yè)對象重量較小時，末端執(zhí)行器的結(jié)構(gòu)強度、夾持力等一般能滿足作業(yè)需求，完成作業(yè)任務(wù)；但在面臨重量較大的作業(yè)對象時，末端執(zhí)行器的結(jié)構(gòu)強度、夾持力等參數(shù)將決定其能否完成既定的工作任務(wù)^[24-25]，此時，需要結(jié)合仿真等方法進(jìn)行結(jié)構(gòu)分析與尋優(yōu)。Roshanianfard等^[26]使用SolidWorks軟件多次仿真模擬確定末端執(zhí)行器的結(jié)構(gòu)，并采用電力驅(qū)動和內(nèi)部沖擊抓取模式以提高抓取力，選擇五指全包裹型末端執(zhí)行器，以解決采摘大重量南瓜時抓取不穩(wěn)定，抓取力過小的問題。雖然抓取成功，但是這種包裹型末端執(zhí)行器和南瓜表面直接接觸，容易造成南瓜表面破損。Islam等^[27]利用SolidWorks軟件進(jìn)行運動學(xué)分析和模擬仿真，設(shè)計了一種具有5個抓手末端執(zhí)行器和最佳配合長度采摘架的辣椒自動移栽機，可以減少幼苗損傷，在較低功率（最低18.9 W）下實現(xiàn)穩(wěn)定的成排移栽作業(yè)。Zhang等^[28]分析了夾持結(jié)構(gòu)之間的力傳遞和指、缽之間的力傳遞，并通過理論計算確定夾爪插入深度，設(shè)計了四邊形插入式取苗機械手，既保證較高的移栽成功率（98%），也實現(xiàn)了對土壤的擾動最小化。因此，抓取型末端執(zhí)行器設(shè)計時，除了充分考慮作業(yè)對象的物理特性，確保其包裹性和夾持力等關(guān)鍵參數(shù)外，結(jié)合仿真方法進(jìn)行結(jié)構(gòu)分析和尋優(yōu)也十分必要。

2.1.5 柔性末端執(zhí)行器 農(nóng)業(yè)機械手作業(yè)時，剛性的末端執(zhí)行器往往容易造成目標(biāo)損壞，尤其是針對一些比較脆弱或易損的作業(yè)對象，如草莓果實、番茄果實等。為了減少或避免對易損作業(yè)對象的破壞，這類農(nóng)業(yè)機械手的末端執(zhí)行器多設(shè)計為柔性末端執(zhí)行器?；诜律鷮W(xué)的柔性抓取理論是設(shè)計這類柔性末端執(zhí)行器的理論依據(jù)^[29]。柔性末端執(zhí)行器多采用柔性材料制作，并設(shè)計為單指或多指結(jié)構(gòu)，以保證末端執(zhí)行器與作業(yè)對象的接觸力更小，并且具有良好的適應(yīng)性。為了實現(xiàn)草莓果實無損抓取，李健等^[30-31]設(shè)計了氣動4葉片軟體抓手和單指軟體抓手，抓取時彎曲規(guī)律更加貼合草莓果實的輪廓，減少了對草莓果實表面的損傷，抓取成功率較高。賈江鳴等^[32]設(shè)計了一種充氣式螺旋運動的軟體氣動抓手，通過螺旋型包裹作業(yè)對象，實現(xiàn)了黃瓜果實等細(xì)長果蔬的采摘。

為了擴(kuò)展柔性末端執(zhí)行器的應(yīng)用范圍，朱銀龍等^[33]在4指軟體機械手的每個手指單元內(nèi)置實時檢測彎曲角的柔性應(yīng)變傳感器，并結(jié)合不同氣壓作用下的彎曲角和末端輸出力的數(shù)學(xué)模型，實現(xiàn)4指末端力的精準(zhǔn)控制和對多種不同重量的易損水果的無損抓取。為了滿足多樣化的作業(yè)需求，趙云偉等^[34]采用氣動彎曲型柔性驅(qū)動器設(shè)計了一種仿人手外形的5指末端執(zhí)行器，能夠靈活運動、自主彎曲，這種柔性末端執(zhí)行器可以自由握住多種外形的作業(yè)對象。李三平等^[35]采用HY-E620型硅膠設(shè)計了一種6指包裹式的末端執(zhí)行器，并通過有限元仿真分析確定每根手指的具體結(jié)構(gòu)，這種末端執(zhí)行器具有抓取穩(wěn)定、適應(yīng)性好的優(yōu)點，可以應(yīng)用在蘋果、梨和橘子等多種果蔬的采摘上。因此，使用柔性材料設(shè)計的抓取式末端執(zhí)行器，不僅能減少其對作業(yè)對象的損傷，還在一定程度上增強末端執(zhí)行器的適用性。

2.1.6 多種類型配合式末端執(zhí)行器 大多數(shù)的作業(yè)場景下，單一類型的末端執(zhí)行器能夠滿足作業(yè)需要，但在一些復(fù)雜場景下，單一類型的末端執(zhí)行器作業(yè)效果差且效率較低，使用多種類型末端執(zhí)行器互相配合更能提高作業(yè)效率。Xiao等^[36]在3指夾爪中加裝一個刀片，在抓取柑橘果實時切斷果梗，有效減少了夾爪的抓取力，同時提高了采摘的穩(wěn)定性。Yu等^[37]設(shè)計用于柑橘自主采摘的欠驅(qū)動采摘夾持器，僅用一個電機就能完成抓取和切割兩個動作，相較于刀片斷梗提高了柑橘果實采摘的效率。陳子文等^[38]使用3個空間軸向均勻分布的夾爪和1個中心吸盤，由單一主動氣缸驅(qū)動實現(xiàn)吸-夾的作業(yè)，既保證番茄果實采摘的平穩(wěn)性和效率，又可以實現(xiàn)不同規(guī)格番茄果實的采摘，缺點是對較大的番茄果實采摘損傷較高。Rong等^[39]使用熱塑性聚氨酯（TPU）作為4指末端執(zhí)行器的材料，以降低對西瓜果實表面的損傷；并采用切割刀片斷梗的方式以減小摘取過程的抓取力，通過抓取與切割的配合，降低了抓取力，同時保證了采摘時對西瓜表面的保護(hù)。

2.2 視覺技術(shù)

末端執(zhí)行器是農(nóng)業(yè)機械手的執(zhí)行部件，視覺系統(tǒng)作為農(nóng)業(yè)機械手的眼睛，也是不可或缺的。在自然環(huán)境下，多種障礙物的阻礙以及人機交互環(huán)境等都會影響農(nóng)業(yè)機械手的定位效率，進(jìn)而影響其作業(yè)質(zhì)量。近年來，隨著識別技術(shù)、定位技術(shù)以及算法輕量化技術(shù)等視覺技術(shù)的發(fā)展，視覺技術(shù)在農(nóng)業(yè)領(lǐng)域的應(yīng)用范圍越來越寬廣，使得農(nóng)業(yè)機械手能夠在復(fù)雜的農(nóng)業(yè)環(huán)境中快速準(zhǔn)確識別目標(biāo)、獲取目標(biāo)位置。

2.2.1 非結(jié)構(gòu)化環(huán)境中的識別技術(shù) 在農(nóng)業(yè)中，光線的強弱、障礙物的遮蔽以及多目標(biāo)之間的互相遮擋等非結(jié)構(gòu)化的因素，都影響著農(nóng)業(yè)機械手的作業(yè)。因此提高視覺識別的準(zhǔn)確性，對實現(xiàn)精細(xì)化作業(yè)有著重要意義。

目前，針對作業(yè)對象多運用基于顏色、形狀、紋理等特征的識別技術(shù)^[40-41]。但是，基于單一特征的識別方法不能很好地克服非結(jié)構(gòu)化環(huán)境帶來的影響，如基于顏色的識別方法，在目標(biāo)與背景具有顯著差異場景中可獲得較好分割效果，但目標(biāo)和背景顏色相近時易引起誤判，同時顏色信息的識別系統(tǒng)對光照變化較為敏感；基于形狀特征的目標(biāo)識別通過提取目標(biāo)的輪廓幾何特征進(jìn)行匹配以實現(xiàn)目標(biāo)識別，可彌補基于顏色的單一特征信息識別的不足，但自然場景下目標(biāo)密集、重疊及枝葉遮擋都將影響形狀特征的提?。换诩y理特征的識別方法能將目標(biāo)從背景圖像中分割出來，且目標(biāo)對象的顏色不影響紋理分析，但紋理分析同樣對光照變化較敏感，在強光照下，所獲取圖像由于反射會丟失部分紋理信息，導(dǎo)致不能正常識別^[42-44]。

為克服單一特征識別方法的明顯缺陷，研究者嘗試將顏色、形狀和紋理等多特征融合分析，以提高識別成功率。Yin等^[45]融合形狀和顏色圖形，解決了番茄果實聚集和遮擋時識別困難問題；Linker等^[46]根據(jù)顏色和紋理特征，利用K-近鄰和區(qū)域生長方法成功地檢測出綠色蘋果，在陽光直射下的識別準(zhǔn)確率約為85.0%，在沒有陽光直射的情況下，識別準(zhǔn)確率達(dá)95.0%。這些研究結(jié)果表明，特征融合方法能夠顯著提高目標(biāo)識別的準(zhǔn)確性和魯棒性，但是在自然環(huán)境中，光照條件、遮擋等干擾仍然不能完全消除，在處理復(fù)雜場景時能力有限。

近年來，基于深度學(xué)習(xí)的圖像識別方法在農(nóng)業(yè)機械手領(lǐng)域得到了應(yīng)用，并取得了一定進(jìn)展。針對農(nóng)業(yè)機械手的應(yīng)用場景，不僅要求算法識別的準(zhǔn)確性，還需要綜合考慮實際應(yīng)用場景中果實大小、姿態(tài)差異、障礙物遮擋和光線變化等非結(jié)構(gòu)化因素對識別效果的影響，因此，大多以通用的識別模型為基礎(chǔ)，針對實際應(yīng)用場景進(jìn)行算法的改進(jìn)與優(yōu)化，此類代表性研究如表1所示。

此外，由于農(nóng)業(yè)機械手在作業(yè)時需要具有獨自對圖像進(jìn)行識別處理的能力，多數(shù)視覺技術(shù)需要集成到農(nóng)業(yè)機械手上。因此，在保證圖像識別準(zhǔn)確率的前提下，還需要盡量減少識別模型的大小，降低識別推理時間，以便于視覺識別算法在農(nóng)業(yè)機械手上的高效部署。

目前視覺識別算法輕量化的方法主要有兩種：輕量化算法改進(jìn)和剪枝蒸餾。輕量化算法改進(jìn)主要是使用檢測速度快、模型大小較小的小型算法模型以及輕量化模塊，在保證檢測精度的同時降低模型大小，為模型部署提供便利。王金鵬等^[53]將YOLOv7-tiny模型與其他常用的目標(biāo)檢測模型進(jìn)行對比，綜合對比了檢測精度和模型大小，選擇檢測精度和推理時間都比較優(yōu)秀的YOLOv7-tiny模型，并將其部署到Jetson Xavier NX開發(fā)板來檢測不同姿態(tài)的火龍果果實，再配合機械臂采摘時準(zhǔn)確率達(dá)90%。龍潔花等^[54]使用CSP-ResNet50為主干的改進(jìn)Mask R-CNN模型，減少了反向傳播中的重復(fù)特征信息，降低了模型的計算量。模型部署到農(nóng)業(yè)機械手上后對溫室環(huán)境下不同成熟度的番茄果實進(jìn)行檢測，識別準(zhǔn)確率達(dá)90%。雖然使用輕量化的模塊能減少模型大小，但多數(shù)輕量化模塊在降低參數(shù)量的同時也增加了模型的推理時間。相較之下，使用剪枝和蒸餾技術(shù)能夠在保障模型精度的同時，大規(guī)模地降低模型大小，同時并不會延長模型的推理時間。熊俊濤等^[55]以YOLOv5-Lite模型為基礎(chǔ)，去除Focus層，減少C3層層數(shù)以釋放內(nèi)存提高運算速度，使用 ShuffleNetv2減少計算量，并對FPN+PAN進(jìn)行剪枝，改進(jìn)后的模型大小僅為11.3 MB，剪枝后的模型對自然環(huán)境下木瓜果實檢測的平均精度均值（mAP）為92.4%，檢測時間僅7 ms，滿足輕量化部署的需要。

2.2.2 復(fù)雜環(huán)境條件下的定位技術(shù) 在復(fù)雜環(huán)境條件下準(zhǔn)確獲取目標(biāo)對象的地理坐標(biāo)，從而實現(xiàn)目標(biāo)物體的精確定位，是農(nóng)業(yè)機械手視覺系統(tǒng)的另一項關(guān)鍵技術(shù)。目前，農(nóng)業(yè)機械手中常用的目標(biāo)定位方法有3種：單目視覺定位法^[41]、雙目視覺定位法^[43]和深度相機定位法^[44]。

單目視覺定位法只需要一個攝像頭或圖像傳感器即可實現(xiàn)目標(biāo)定位和跟蹤，結(jié)構(gòu)相對簡單、成本低廉，但其存在對光照條件的依賴性較強，對目標(biāo)的遮擋和復(fù)雜環(huán)境的適應(yīng)性相對較差等缺點，且這種方法獲取目標(biāo)的深度信息困難，定位精度誤差大，易造成末端執(zhí)行器的損壞。因此，隨著雙目視覺定位法和深度相機定位法技術(shù)的不斷發(fā)展，這種方法逐漸被替代。

雙目視覺定位法使用兩個攝像頭同時拍攝同一場景，通過兩幅圖像之間的視差及相機在場景中的位置和姿態(tài)信息，從而獲取目標(biāo)物體的三維坐標(biāo)。雙目視覺定位法通過計算視差和三角測量可以提取目標(biāo)的深度信息，通過比較兩個視點之間的差異，還可以降低光變化和紋理缺失對測量結(jié)果的影響。因此，這種方法具有更高的測量精度和穩(wěn)定性。但是，雙目視覺對雙目傳感器標(biāo)定精度要求較高，并且定位計算復(fù)雜，耗時較長，在實時應(yīng)用和大規(guī)模數(shù)據(jù)處理時可能會面臨挑戰(zhàn)^[56]。

深度相機使用特殊的紅外投射和接收技術(shù)，通過測量光線從相機到物體的行程時間，可以計算出物體與相機之間的距離，從而獲取目標(biāo)的深度信息。深度相機定位法通過校準(zhǔn)深度相機的內(nèi)部參數(shù)和外部參數(shù)矩陣，使深度圖像和彩色圖像對應(yīng)，使用算法對深度圖像進(jìn)行處理和分析，如點云匹配、三維重建等，以得到每個像素對應(yīng)的三維坐標(biāo)，再結(jié)合彩色圖像和三維坐標(biāo)信息，計算出目標(biāo)在場景中的位置。深度相機定位法目前在農(nóng)業(yè)機械手領(lǐng)域應(yīng)用較多，不同深度相機定位法使用場景及效果如表2所示。

相較于單目視覺定位法和雙目視覺定位法，深度相機定位法可以直接獲取目標(biāo)的三維位置和深度信息，不需要依賴視差計算或其他間接方法，這可以提供更精確的目標(biāo)定位結(jié)果。對于光照變化、紋理缺失和背景干擾具有較強的魯棒性，通過直接測量目標(biāo)到相機的距離，相對于基于圖像特征的方法更具魯棒性。

2.3 傳感感知技術(shù)

農(nóng)業(yè)機械手依靠傳感感知技術(shù)實時獲取復(fù)雜的作業(yè)環(huán)境、作業(yè)狀態(tài)及自身狀況等動態(tài)信息，從而實現(xiàn)精準(zhǔn)作業(yè)，提高作業(yè)效率。依據(jù)感知對象和感知目的，當(dāng)前農(nóng)業(yè)機械手領(lǐng)域的傳感感知技術(shù)大體可分為：環(huán)境感知技術(shù)、位姿感知技術(shù)、接觸感知技術(shù)。其中，農(nóng)業(yè)機械手依靠環(huán)境感知獲取目標(biāo)、障礙物等環(huán)境信息，依靠位姿感知實現(xiàn)位置監(jiān)測和姿態(tài)控制，依靠接觸感知進(jìn)行精準(zhǔn)作業(yè)。

2.3.1 環(huán)境感知技術(shù) 環(huán)境感知技術(shù)是農(nóng)業(yè)機械手領(lǐng)域十分重要的非接觸式傳感技術(shù)。依靠環(huán)境感知技術(shù)，農(nóng)業(yè)機械手可以實現(xiàn)障礙物檢測、目標(biāo)感知、抓取點確定、目標(biāo)定位和周圍環(huán)境感知等諸多功能。其主要通過視覺傳感器、激光雷達(dá)（LiDAR）、紅外傳感器和超聲波傳感器等捕捉環(huán)境的信息^[24，42]。

在白天或者光線較好的情況下，農(nóng)業(yè)機械手多借助基于視覺傳感器的視覺系統(tǒng)或LiDAR獲取豐富的圖像數(shù)據(jù)、深度信息和環(huán)境的三維結(jié)構(gòu)，以識別作業(yè)對象、目標(biāo)物體以及障礙物等。如Bu等^[63]借助基于ZED雙眼視覺傳感器的立體相機實時檢測蘋果果實，并據(jù)此運用三維空間定位算法獲取蘋果果實坐標(biāo)；Tsoulias等^[64]使用3D LiDAR根據(jù)后向散射反射強度和幾何特征成功檢測果園中的蘋果果實。

在夜間或光線不足時，視覺信息可能受限。此時就需要紅外傳感器和超聲波傳感器等對光線條件不敏感的環(huán)境感知技術(shù)來提供額外的數(shù)據(jù)支持。Lin等^[65]使用帶有RGB和紅外攝像頭的Kinect V2 傳感器對田間柑橘果實進(jìn)行檢測，成功克服了光照變化對視覺的影響。

近年來，學(xué)者們還嘗試將多種環(huán)境感知技術(shù)進(jìn)行融合，以提升農(nóng)業(yè)機械手的環(huán)境適應(yīng)性。如視覺傳感器提供的圖像和深度信息與紅外傳感器等的低光敏數(shù)據(jù)相融合；激光雷達(dá)生成的三維環(huán)境地圖與紅外傳感器檢測到的熱能圖疊加，以提供更準(zhǔn)確的植物健康狀態(tài)信息和作物熱應(yīng)激狀況^[24，42]。融合環(huán)境感知技術(shù)有著良好的互補性，使農(nóng)業(yè)機械手能夠在不同的環(huán)境條件下，保持高精度的操作，提升作業(yè)的全面性和可靠性。

2.3.2 位姿感知技術(shù) 農(nóng)業(yè)機械手通過環(huán)境感知技術(shù)獲取環(huán)境與作業(yè)信息后，通過位姿感知技術(shù)實現(xiàn)位置監(jiān)測和姿態(tài)控制。現(xiàn)階段用于位姿感知的傳感器主要包含位置傳感器和姿態(tài)傳感器兩種，其在實現(xiàn)高精度操作和有效控制中具有關(guān)鍵作用。其中，位置監(jiān)測主要通過位置傳感器，如：霍爾效應(yīng)傳感器、光電編碼器、位置編碼器和接近傳感器等，以確保農(nóng)業(yè)機械手在復(fù)雜農(nóng)業(yè)環(huán)境下進(jìn)行播種、施肥和收割等作業(yè)過程中的精確定位。而姿態(tài)控制則大多通過慣性傳感器中的陀螺儀、加速度計和磁力計等監(jiān)控末端執(zhí)行器的角度和動態(tài)姿態(tài)，以提供實時的動態(tài)數(shù)據(jù)。位置監(jiān)測和姿態(tài)控制多為協(xié)同感知，如Zhang等^[66]通過北斗導(dǎo)航、慣性傳感器（IMU）、導(dǎo)航控制器和伺服電機組成系統(tǒng)，當(dāng)噴灑機械手以0.4 m/s的速度在果園中移動時，系統(tǒng)能準(zhǔn)確地確定噴灑機械手的位置，最大偏移誤差小于10.77 cm。

2.3.3 接觸感知技術(shù) 農(nóng)業(yè)機械手獲取環(huán)境和位姿信息后，為了確保末端執(zhí)行器準(zhǔn)確作業(yè)，需要通過接觸感知技術(shù)獲取末端執(zhí)行器與作業(yè)對象的接觸狀態(tài)。目前，接觸感知技術(shù)多通過安裝在末端執(zhí)行器的力傳感器、觸覺傳感器、壓力傳感器及電容式觸摸傳感器等接觸傳感器，以物理接觸作業(yè)對象的方式來獲取接觸信息^[67]，如壓力、抓取力、扭矩、振動等^[68]。其中，接觸傳感器對于力的測量和檢測應(yīng)用最為廣泛，常用于抓取、剪切和扭斷等作業(yè)過程中，以此來調(diào)整末端執(zhí)行器的操作力度，避免對易損作業(yè)對象的傷害，提升作業(yè)效果。Vu等^[69]設(shè)計了一種用于番茄果實收獲的4指夾持末端執(zhí)行器，通過在指尖上裝入壓力傳感器和橡膠墊，以真空方式吸取番茄果實，避免對番茄果實的損傷；Roshanianfard等^[26]在5指全包裹型末端執(zhí)行器的每個手指都配備了兩個數(shù)字觸摸傳感器來檢測重量大的作業(yè)對象，以控制抓取力，確保抓取穩(wěn)定。

借助環(huán)境感知技術(shù)、位姿感知技術(shù)以及接觸感知技術(shù)的綜合運用，農(nóng)業(yè)機械手才能在復(fù)雜的農(nóng)業(yè)環(huán)境中，實現(xiàn)全面的環(huán)境感知、高精度的定位與姿態(tài)控制及精細(xì)的作業(yè)處理。這種綜合運用不僅提升了農(nóng)業(yè)機械手的操作精度和可靠性，減少了誤操作和作業(yè)對象損傷，還增強了其在復(fù)雜農(nóng)業(yè)環(huán)境中的適應(yīng)性，提高了作業(yè)效率和作業(yè)質(zhì)量。

2.4 運動控制技術(shù)

農(nóng)業(yè)機械手通過傳感感知技術(shù)和視覺技術(shù)獲取整體、末端執(zhí)行器以及作業(yè)對象的位置和環(huán)境信息后，需要通過運動控制技術(shù)實現(xiàn)作業(yè)控制。目前，運動控制技術(shù)主要包括驅(qū)動控制、軌跡規(guī)劃和避障規(guī)劃3個方面。

2.4.1 驅(qū)動控制 農(nóng)業(yè)機械手通過驅(qū)動控制將運動控制命令轉(zhuǎn)化為具體操作。高效的驅(qū)動控制系統(tǒng)將直接影響機械手的操作精度、效率和穩(wěn)定性。根據(jù)控制系統(tǒng)的原理，農(nóng)業(yè)機械手的驅(qū)動控制通?？梢苑譃椋弘妱涌刂?、液壓控制和氣動控制^[70]。其中，電動控制通過使用電機直接或間接產(chǎn)生力和力矩，以控制農(nóng)業(yè)機械手運動，這種控制方式應(yīng)用較多^[71-72]；液壓控制利用液壓油的不可壓縮性，通過壓力傳遞提供高精度、大力矩的輸出^[73]，多用于大載荷或需要穩(wěn)定、平滑控制的場合^[74-75]；氣動控制以壓縮空氣為動力源，能夠提供快速、重復(fù)性的直線或旋轉(zhuǎn)運動，其結(jié)構(gòu)較簡單、成本低廉，適用于分揀、采摘、搬運等中低負(fù)載的操作^{[34，38，76]}。

2.4.2 軌跡規(guī)劃 農(nóng)業(yè)機械手通過傳感感知技術(shù)和視覺技術(shù)獲取工作目標(biāo)的坐標(biāo)位置后，需要以此為位置終點，以農(nóng)業(yè)機械手初始位置為位置起始點建立局部點到點的工作軌跡規(guī)劃。這種局部點到點的工作軌跡規(guī)劃通常先采用曲線插值方式得到軌跡，再根據(jù)工作需求對得到的曲線進(jìn)行最優(yōu)規(guī)劃或者二次規(guī)劃^[77-78]。目前，基于農(nóng)業(yè)作業(yè)環(huán)境的復(fù)雜性，多使用S曲線、B樣條曲線和五次多項式曲線等曲線插值方法。由于五次多項式曲線插值既能保證位移和速度的連續(xù)性，又能實現(xiàn)加速度的連續(xù)，進(jìn)而使得工作軌跡更加靈活，在現(xiàn)階段農(nóng)業(yè)機械手中應(yīng)用較多。不同曲線插值方法使用情況如表3所示。

通過插值方法可以獲得滿足作業(yè)要求的農(nóng)業(yè)機械手工作軌跡，但并未考慮農(nóng)業(yè)機械手的工作效率。為了減少農(nóng)業(yè)機械手的工作時間，提高農(nóng)業(yè)機械手工作的穩(wěn)定性和效率，需要對農(nóng)業(yè)機械手的軌跡進(jìn)一步優(yōu)化。針對不同結(jié)構(gòu)的農(nóng)業(yè)機械手，學(xué)者們研究的側(cè)重點不同。目前，并聯(lián)機械手軌跡優(yōu)化大多集中在優(yōu)化工作順序，縮短運動軌跡方面。Zhang等^[84]提出一種改進(jìn)蟻群算法（ACA）來規(guī)劃紅花采摘軌跡，對∩形軌跡進(jìn)行了改進(jìn)，將距離相近的紅花合并采摘進(jìn)二次規(guī)劃；與傳統(tǒng)ACA規(guī)劃的固定平面∩型軌道相比，減少了3個采摘點，路徑總長度縮短74.3%。Li等^[62]在∩采摘軌跡的基礎(chǔ)上，通過規(guī)定并聯(lián)機械手每次上升到相同高度，并結(jié)合遺傳算法優(yōu)化采集順序，縮短茶葉采摘的運動路徑。串聯(lián)機械手軌跡優(yōu)化則多從插值過程入手，通過優(yōu)化工作時間、能量、沖擊等參數(shù)獲得最優(yōu)軌跡。Cao 等^[85]使用B樣條曲線規(guī)劃機械手的運動軌跡，并用改進(jìn)的多目標(biāo)粒子群優(yōu)化算法（GMOPSO）對采摘機械臂的運動軌跡進(jìn)行了多目標(biāo)優(yōu)化，得到時間、能量、沖擊三者最優(yōu)的優(yōu)化軌跡。

2.4.3 避障規(guī)劃 農(nóng)業(yè)機械手在完成軌跡規(guī)劃工作任務(wù)時，工作路徑中可能會遇到遮擋，如工作目標(biāo)被枝干、樹葉遮擋以及多個農(nóng)業(yè)機械手協(xié)作工作時可能會發(fā)生相互碰撞等場景，進(jìn)而導(dǎo)致農(nóng)業(yè)機械手無法順利到達(dá)工作目標(biāo)作業(yè)，因此農(nóng)業(yè)機械手局部避障規(guī)劃也十分必要。

農(nóng)業(yè)機械手局部避障規(guī)劃主要以人工勢場法和隨機搜索樹算法（RRT）為基礎(chǔ)。其中，人工勢場法通過引力勢場和斥力勢場結(jié)合形成總勢場，根據(jù)總勢場的梯度方向進(jìn)行移動，來引導(dǎo)農(nóng)業(yè)機械手躲避障礙物到達(dá)指定目標(biāo)；RRT算法則通過不斷地隨機采樣和擴(kuò)展樹的節(jié)點，逐步擴(kuò)大搜索空間，直到找到一條可行路徑或達(dá)到最大迭代次數(shù)。由于采樣點是隨機的，RRT算法能夠快速探索整個搜索空間，并且在擴(kuò)展樹的過程中避開障礙物^[86-87]。人工勢場法和RRT算法能夠較好地解決單個農(nóng)業(yè)機械手局部工作中的枝干、樹葉遮擋問題，但當(dāng)作業(yè)過程需要多個農(nóng)業(yè)機械手協(xié)同工作時，農(nóng)業(yè)機械手之間的碰撞問題仍無法避免。針對多個農(nóng)業(yè)機械手協(xié)同作業(yè)，現(xiàn)階段學(xué)者們主要采用遺傳算法、粒子群算法等智能算法規(guī)劃農(nóng)業(yè)機械手工作順序，以解決多個農(nóng)業(yè)機械手同時作業(yè)可能發(fā)生的碰撞問題。農(nóng)業(yè)機械手局部避障規(guī)劃的典型研究如表4所示。

3 存在問題

目前雖然國內(nèi)外學(xué)者針對農(nóng)業(yè)機械手開展了大量研究，但是大多數(shù)研究仍停留在實驗室階段，距離大規(guī)模商業(yè)化應(yīng)用還有一定的差距，主要存在以下問題：

1）末端執(zhí)行器通用性低：現(xiàn)有農(nóng)業(yè)機械手的末端執(zhí)行器通常為特定任務(wù)設(shè)計，缺乏足夠的通用性。這種高度定制化的設(shè)計增加了設(shè)計成本與系統(tǒng)復(fù)雜度，難以滿足不同作業(yè)對象和任務(wù)的需求，限制了末端執(zhí)行器的應(yīng)用范疇。

2）視覺系統(tǒng)環(huán)境適應(yīng)性差：農(nóng)業(yè)機械手所處的作業(yè)環(huán)境復(fù)雜多變，視覺系統(tǒng)容易受到天氣、光照、季節(jié)等外界因素的影響，導(dǎo)致目標(biāo)檢測誤差增大和定位不準(zhǔn)確。盡管高性能攝像頭和圖像處理單元可以改善視覺系統(tǒng)的性能，但其高成本和易損性限制了其在農(nóng)業(yè)機械手中的廣泛應(yīng)用。

3）傳感感知技術(shù)不足：農(nóng)業(yè)機械手依賴的傳感器在復(fù)雜環(huán)境條件下的穩(wěn)定性和精度仍存在不足。在應(yīng)對地形變化、高密度作物及大型障礙物等復(fù)雜情況時，傳感感知系統(tǒng)的局限性顯著凸現(xiàn)，影響了農(nóng)業(yè)機械手的整體感知能力和任務(wù)執(zhí)行效率。

4）驅(qū)動控制靈活性和精度不夠，軌跡規(guī)劃和避障能力不足：農(nóng)業(yè)機械手的驅(qū)動控制系統(tǒng)在復(fù)雜環(huán)境中難以保持靈活的高精度控制，導(dǎo)致效率低下，很難快速準(zhǔn)確地完成作業(yè)任務(wù)。同時，現(xiàn)有的軌跡規(guī)劃和避障系統(tǒng)在應(yīng)對不規(guī)則地形和動態(tài)障礙物時，實時性和靈活性不足，影響了機械手的整體作業(yè)效率和安全性。

5）能耗高：農(nóng)業(yè)機械手在執(zhí)行任務(wù)時的能耗較高，尤其是在運動控制、感知和避障過程中。相關(guān)設(shè)備的節(jié)能技術(shù)還比較匱乏，這限制了農(nóng)業(yè)機械手的長時間連續(xù)作業(yè)能力。

4 發(fā)展趨勢

針對現(xiàn)階段農(nóng)業(yè)機械手存在的問題，未來研究可以從以下方面展開：

1）提升農(nóng)業(yè)機械手靈活性：通過輕量化結(jié)構(gòu)設(shè)計和靈活、可重構(gòu)的驅(qū)動機制，提升機械手的運動速度和精度，減少能耗，增強其在不同作業(yè)環(huán)境中的適應(yīng)性和通用性。

2）末端執(zhí)行器多功能化：針對農(nóng)業(yè)作業(yè)需求，開發(fā)多功能末端執(zhí)行器，使農(nóng)業(yè)機械手能夠執(zhí)行采摘、修剪、噴灑等多種任務(wù)，減少設(shè)備的數(shù)量和使用成本，提高經(jīng)濟(jì)效益和應(yīng)用范圍。

3）多感知技術(shù)融合：為增強農(nóng)業(yè)機械手在復(fù)雜環(huán)境中的感知能力，未來應(yīng)重點推進(jìn)多模態(tài)傳感器融合技術(shù)的研究。通過整合視覺、紅外、激光雷達(dá)等傳感器數(shù)據(jù)，提高系統(tǒng)在不同環(huán)境下的魯棒性和感知精度，實現(xiàn)更為精準(zhǔn)的環(huán)境感知與決策支持。

4）優(yōu)化運動控制與避障策略：未來研究應(yīng)著重開發(fā)高效節(jié)能的驅(qū)動系統(tǒng)，并結(jié)合智能控制算法，提升農(nóng)業(yè)機械手的響應(yīng)速度與操作精度。同時，通過優(yōu)化軌跡規(guī)劃算法和避障策略，確保機械手在復(fù)雜環(huán)境下的高效、安全作業(yè)。

5）融合新興技術(shù)：將大數(shù)據(jù)、農(nóng)業(yè)物聯(lián)網(wǎng)和人工智能技術(shù)與農(nóng)業(yè)機械手相結(jié)合，實時獲取并分析作業(yè)數(shù)據(jù)，提升機械手的智能化水平和農(nóng)業(yè)生產(chǎn)管理效率。

6）多個農(nóng)業(yè)機械手協(xié)同作業(yè)：未來研究應(yīng)探索多個農(nóng)業(yè)機械手的協(xié)同作業(yè)模式，形成機械手集群，以提高作業(yè)效率，推動農(nóng)業(yè)生產(chǎn)的規(guī)模化和智能化發(fā)展。

參考文獻(xiàn)：

[1] 劉成良，貢 亮，苑 進(jìn)，等. 農(nóng)業(yè)機器人關(guān)鍵技術(shù)研究現(xiàn)狀與發(fā)展趨勢[J]. 農(nóng)業(yè)機械學(xué)報，2022，53（7）：1-22，55.

[2] REN G Q， LIN T， YING Y B， et al. Agricultural robotics research applicable to poultry production：a review[J]. Computers and Electronics in Agriculture，2020，169：105216.

[3] OLIVEIRA L F P， MOREIRA A P， SILVA M F. Advances in agriculture robotics：a state-of-the-art review and challenges ahead[J]. Robotics，2021，10（2）：52.

[4] COLUCCI G， BOTTA A， TAGLIAVINI L， et al. Kinematic modeling and motion planning of the mobile manipulator Agri. Q for precision agriculture[J]. Machines，2022，10（5）：321.

[5] 劉成良，林洪振，李彥明，等. 農(nóng)業(yè)裝備智能控制技術(shù)研究現(xiàn)狀與發(fā)展趨勢分析[J]. 農(nóng)業(yè)機械學(xué)報，2020，51（1）：1-18.

[6] THOMASSON J A， BAILLIE C P， ANTILLE D L， et al. Autonomous technologies in agricultural equipment：a review of the state of the art[C]//AMERICAN SOCIETY OF AGRICULTURAL AND BIOLOGICAL ENGINEERS. 2019 agricultural equipment technology conference. St. Joseph， Michigan， USA： American Society of Agricultural and Biological Engineers，2019：1-17.

[7] BLACKMORE S， STOUT B， WANG M， et al. Robotic agriculture-the future of agricultural mechanisation？[M]//DE GRUYTER BRILL. Proceedings of the 5th european conference on precision agriculture. Wageningen， The Netherlands： Wageningen Academic Publishers， 2005： 621-628.

[8] 趙春江. 智慧農(nóng)業(yè)的發(fā)展現(xiàn)狀與未來展望[J]. 華南農(nóng)業(yè)大學(xué)學(xué)報，2021，42（6）：1-7.

[9] BAC C W， VAN HENTEN E J， HEMMING J， et al. Harvesting robots for high-value crops：state-of-the-art review and challenges ahead[J]. Journal of Field Robotics，2014，31（6）：888-911.

[10]BECHAR A， VIGNEAULT C. Agricultural robots for field operations：concepts and components[J]. Biosystems Engineering，2016，149：94-111.

[11]VOUGIOUKAS S G. Agricultural robotics[J]. Annual Review of Control， Robotics， and Autonomous Systems，2019，2（1）：365-392.

[12]仇裕淇，黃振楠，阮 昭，等. 機器視覺技術(shù)在農(nóng)業(yè)生產(chǎn)智能化中的應(yīng)用綜述[J]. 機械研究與應(yīng)用，2019，32（2）：202-206.

[13]HUA Y B， ZHANG N R， YUAN X， et al. Recent advances in intelligent automated fruit harvesting robots[J]. The Open Agriculture Journal，2019，13（1）：101-106.

[14]TINOCO V， SILVA M F， SANTOS F N， et al. An overview of pruning and harvesting manipulators[J]. Industrial Robot：the International Journal of Robotics Research and Application，2022，49（4）：688-695.

[15]MESHRAM A T， VANALKAR A V， KALAMBE K B， et al. Pesticide spraying robot for precision agriculture：a categorical literature review and future trends[J]. Journal of Field Robotics，2022，39（2）：153-171.

[16]ZHANG B， CHEN X G， ZHANG H M， et al. Design and performance test of a jujube pruning manipulator[J]. Agriculture，2022，12（4）：552.

[17]KAMANDAR M R， MASSAH J， JAMZAD M. Design and evaluation of hedge trimmer robot[J]. Computers and Electronics in Agriculture，2022，199：107065.

[18]HU G R， CHEN C， CHEN J， et al. Simplified 4-DOF manipulator for rapid robotic apple harvesting[J]. Computers and Electronics in Agriculture，2022，199：107177.

[19]苑 進(jìn)，李 揚，劉雪美，等. 禽蛋自動撿拾系統(tǒng)結(jié)構(gòu)設(shè)計及機械手運動規(guī)劃[J]. 農(nóng)業(yè)工程學(xué)報，2016，32（8）：48-55.

[20]ZHANG X C， WU Z M， CAO C M， et al. Design and operation of a deep-learning-based fresh tea-leaf sorting robot[J]. Computers and Electronics in Agriculture，2023，206：107664.

[21]WILLIAMS H， NEJATI M， HUSSEIN S， et al. Autonomous pollination of individual kiwifruit flowers：toward a robotic kiwifruit pollinator[J]. Journal of Field Robotics，2020，37（2）：246-262.

[22]BAO X L， NIU Y X， LI Y S， et al. Design and kinematic analysis of cable-driven target spray robot for Citrus orchards[J]. Applied Sciences，2022，12（18）：9379.

[23]MU L T， CUI G P， LIU Y D， et al. Design and simulation of an integrated end-effector for picking kiwifruit by robot[J]. Information Processing in Agriculture，2020，7（1）：58-71.

[24]YANG Q H， DU X Q， WANG Z H， et al. A review of core agricultural robot technologies for crop productions[J]. Computers and Electronics in Agriculture，2023，206：107701.

[25]LI Z Y， YUAN X J， WANG C Y. A review on structural development and recognition-localization methods for end-effector of fruit-vegetable picking robots[J]. International Journal of Advanced Robotic Systems，2022，19（3）：17298806221104906.

[26]ROSHANIANFARD A， NOGUCHI N. Pumpkin harvesting robotic end-effector[J]. Computers and Electronics in Agriculture，2020，174：105503.

[27]ISLAM M N， IQBAL M Z， ALI M， et al. Kinematic analysis of a clamp-type picking device for an automatic pepper transplanter[J]. Agriculture，2020，10（12）：627.

[28]ZHANG N， ZHANG G Z， LIU H P， et al. Design of and experiment on open-and-close seedling pick-up manipulator with four fingers[J]. Agriculture，2022，12（11）：1776.

[29]HOU Z L， LI Z G， FADIJI T， et al. Soft grasping mechanism of human fingers for tomato-picking bionic robots[J]. Computers and Electronics in Agriculture，2021，182：106010.

[30]李 健，戴楚彥，王揚威，等. 面向草莓抓取的氣動四葉片軟體抓手研制[J]. 哈爾濱工業(yè)大學(xué)學(xué)報，2022，54（1）：105-113.

[31]李 健，戴楚彥，王揚威，等. 基于草莓輪廓曲線的單指軟體采摘抓手設(shè)計與優(yōu)化[J]. 浙江大學(xué)學(xué)報（工學(xué)版），2022，56（6）：1088-1096，1134.

[32]賈江鳴，葉玉澤，程培林，等. 細(xì)長果蔬采摘軟體氣動抓手設(shè)計與參數(shù)優(yōu)化[J]. 農(nóng)業(yè)機械學(xué)報，2021，52（6）：26-34.

[33]朱銀龍，趙 虎，蘇海軍，等. 四指軟體機械手機械特性分析與抓取試驗[J]. 農(nóng)業(yè)機械學(xué)報，2022，53（9）：434-442.

[34]趙云偉，耿德旭，劉曉敏，等. 氣動柔性果蔬采摘機械手運動學(xué)分析與實驗[J]. 農(nóng)業(yè)機械學(xué)報，2019，50（8）：31-42.

[35]李三平，孫騰佳，袁龍強，等. 氣動軟體采摘機械手設(shè)計及實驗研究[J]. 工程設(shè)計學(xué)報，2022，29（6）：684-694.

[36]XIAO X， WANG Y N， JIANG Y M. End-effectors developed for Citrus and other spherical crops[J]. Applied Sciences，2022，12（15）：7945.

[37]YU Z J， YUAN J J， GUO D Z， et al. Underactuated picking gripper for grasping and cutting Citrus[C]//IEEE. 2021 IEEE international conference on robotics and biomimetics （ROBIO）. New Jersey： IEEE Computer Society，2021：1935-1940.

[38]陳子文，楊明金，李云伍，等. 基于氣動無損夾持控制的番茄采摘末端執(zhí)行器設(shè)計與試驗[J]. 農(nóng)業(yè)工程學(xué)報，2021，37（2）：27-35.

[39]RONG J C， FU J， ZHANG Z Q， et al. Development and evaluation of a watermelon-harvesting robot prototype：vision system and end-effector[J]. Agronomy，2022，12（11）： 2836.

[40]鄭太雄，江明哲，馮明馳. 基于視覺的采摘機器人目標(biāo)識別與定位方法研究綜述[J]. 儀器儀表學(xué)報，2021，42（9）：28-51.

[41]茍園旻，閆建偉，張富貴，等. 水果采摘機器人視覺系統(tǒng)與機械手研究進(jìn)展[J]. 計算機工程與應(yīng)用，2023，59（9）：13-26.

[42]MONTOYA-CAVERO L E， DAZ DE LEN TORRES R， GMEZ-ESPINOSA A， et al. Vision systems for harvesting robots：produce detection and localization[J]. Computers and Electronics in Agriculture，2022，192：106562.

[43]CHENG C， FU J， SU H， et al. Recent advancements in agriculture robots：benefits and challenges[J]. Machines，2023，11（1）：48.

[44]ZHAO Y S， GONG L， HUANG Y X， et al. A review of key techniques of vision-based control for harvesting robot[J]. Computers and Electronics in Agriculture，2016，127（C）：311-323.

[45]YIN H P， CHAI Y， YANG S X， et al. Ripe tomato recognition and localization for a tomato harvesting robotic system[C]//IEEE. 2009 international conference of soft computing and pattern recognition. New Jersey： IEEE Computer Society，2009：557-562.

[46]LINKER R， COHEN O， NAOR A. Determination of the number of green apples in RGB images recorded in orchards[J]. Computers and Electronics in Agriculture，2012，81：45-57.

[47]梁喜鳳，章鑫宇，王永維. 基于改進(jìn)Mask R-CNN的番茄側(cè)枝修剪點識別方法[J]. 農(nóng)業(yè)工程學(xué)報，2022，38（23）：112-121.

[48]余賢海，孔德義，謝曉軒，等. 基于深度學(xué)習(xí)的番茄授粉機器人目標(biāo)識別與檢測[J]. 農(nóng)業(yè)工程學(xué)報，2022，38（24）：129-137.

[49]楊 堅，錢 振，張燕軍，等. 采用改進(jìn)YOLOv4-tiny的復(fù)雜環(huán)境下番茄實時識別[J]. 農(nóng)業(yè)工程學(xué)報，2022，38（9）：215-221.

[50]GONG X L， ZHANG S J. A high-precision detection method of apple leaf diseases using improved faster R-CNN[J]. Agriculture，2023，13（2）：240.

[51]XU Z B， HUANG X P， HUANG Y，et al. A real-time Zanthoxylum target detection method for an intelligent picking robot under a complex background，based on an improved YOLOv5s architecture[J]. Sensors，2022，22（2）：682.

[52]NING Z T， LUO L F， DING X M， et al. Recognition of sweet peppers and planning the robotic picking sequence in high-density orchards[J]. Computers and Electronics in Agriculture，2022，196：106878.

[53]王金鵬，周佳良，張躍躍，等. 基于優(yōu)選YOLOv7模型的采摘機器人多姿態(tài)火龍果檢測系統(tǒng)[J]. 農(nóng)業(yè)工程學(xué)報，2023，39（8）：276-283.

[54]龍潔花，趙春江，林 森，等. 改進(jìn)Mask R-CNN的溫室環(huán)境下不同成熟度番茄果實分割方法[J]. 農(nóng)業(yè)工程學(xué)報，2021，37（18）：100-108.

[55]熊俊濤，韓詠林，王 瀟，等. 基于YOLO v5-Lite的自然環(huán)境木瓜成熟度檢測方法[J]. 農(nóng)業(yè)機械學(xué)報，2023，54（6）：243-252.

[56]徐天成，吳 敏，賀冬仙，等. 機器視覺在農(nóng)業(yè)工程中的應(yīng)用[J]. 農(nóng)業(yè)工程，2021，11（8）：40-48.

[57]JOFFE B P， USHER C T. Autonomous robotic system for picking up floor eggs in poultry houses[C/OL]//AMERICAN SOCIETY OF AGRICULTURAL AND BIOLOGICAL ENGINEERS. 2017 ASABE annual international meeting. St. Joseph， Michigan， USA： American Society of Agricultural and Biological Engineers，2017. DOI：10.13031/aim.201700397.

[58]YU T， HU C H， XIE Y N， et al. Mature pomegranate fruit detection and location combining improved F-PointNet with 3D point cloud clustering in orchard[J]. Computers and Electronics in Agriculture，2022，200：107233.

[59]ZHANG F， GAO J， ZHOU H， et al. Three-dimensional pose detection method based on keypoints detection network for tomato bunch[J]. Computers and Electronics in Agriculture，2022，195：106824.

[60]金玉成，高 楊，劉繼展，等. 采摘機器人深度視覺伺服手-眼協(xié)調(diào)規(guī)劃研究[J]. 農(nóng)業(yè)機械學(xué)報，2021，52（6）：18-25，42.

[61]張 勤，陳建敏，李 彬，等. 基于RGB-D信息融合和目標(biāo)檢測的番茄串采摘點識別定位方法[J]. 農(nóng)業(yè)工程學(xué)報，2021，37（18）：143-152.

[62]LI Y T， WU S K， HE L Y， et al. Development and field evaluation of a robotic harvesting system for plucking high-quality tea[J]. Computers and Electronics in Agriculture，2023，206：107659.

[63]BU L X， CHEN C K， HU G R， et al. Design and evaluation of a robotic apple harvester using optimized picking patterns[J]. Computers and Electronics in Agriculture，2022，198：107092.

[64]TSOULIAS N， PARAFOROS D S， XANTHOPOULOS G， et al. Apple shape detection based on geometric and radiometric features using a LiDAR laser scanner[J]. Remote Sensing，2020，12（15）：2481.

[65]LIN G C， TANG Y C， ZOU X J， et al. In-field citrus detection and localisation based on RGB-D image analysis[J]. Biosystems Engineering，2019，186：34-44.

[66]ZHANG L， ZHU X H， HUANG J J， et al. BDS/IMU integrated auto-navigation system of orchard spraying robot[J]. Applied Sciences，2022，12（16）：8173.

[67]DAHIYA R S， CATTIN D， ADAMI A， et al. Towards tactile sensing system on chip for robotic applications[J]. IEEE Sensors Journal，2011，11（12）：3216-3226.

[68]VROCHIDOU E， TSAKALIDOU V N， KALATHAS I， et al. An overview of end effectors in agricultural robotic harvesting systems[J]. Agriculture，2022，12（8）：1240.

[69]VU Q， RONZHIN A. A model of four-finger gripper with a built-in vacuum suction nozzle for harvesting tomatoes[M]//RONZHIN A， SHISHLAKOV V. Proceedings of 14th international conference on electromechanics and robotics Zavalishin’s Readings. Singapore：Springer Singapore，2019：149-160.

[70]XIE D B， CHEN L， LIU L C， et al. Actuators and sensors for application in agricultural robots：a review[J]. Machines，2022，10（10）：913.

[71]CHEN J Q， QIANG H， WU J H， et al. Navigation path extraction for greenhouse cucumber-picking robots using the prediction-point Hough transform[J]. Computers and Electronics in Agriculture，2021，180：105911.

[72]ZHANG C L， YONG L Y， CHEN Y， et al. A rubber-tapping robot forest navigation and information collection system based on 2D LiDAR and a gyroscope[J]. Sensors，2019，19（9）：2136.

[73]KOIVUMKI J， ZHU W H， MATTILA J. Energy-efficient and high-precision control of hydraulic robots[J]. Control Engineering Practice，2019，85：176-193.

[74]LI J X， LI S J， ZHANG Y L， et al. Development and test of hydraulic driven remote transporter[J]. International Journal of Agricultural and Biological Engineering，2021，14（2）：72-80.

[75]ROSHANIANFARD A， NOGUCHI N， KAMATA T. Design and performance of a robotic arm for farm use[J]. International Journal of Agricultural and Biological Engineering，2019，12（1）：146-158.

[76]MATA AMRITANANDAMAYI DEVI， UDUPA G， SREEDHARAN P. A novel underactuated multi-fingered soft robotic hand for prosthetic application[J]. Robotics and Autonomous Systems，2018，100：267-277.

[77]龍 樟，李顯濤，帥 濤，等. 工業(yè)機器人軌跡規(guī)劃研究現(xiàn)狀綜述[J]. 機械科學(xué)與技術(shù)，2021，40（6）：853-862.

[78]DU Y X， CHEN Y H. Time optimal trajectory planning algorithm for robotic manipulator based on locally chaotic particle swarm optimization[J]. Chinese Journal of Electronics，2022，31（5）：906-914.

[79]BO B C， ZHANG S， LIU W， et al. Simulation of workspace and trajectory of a weeding mechanism[J]. Alexandria Engineering Journal，2022，61（2）：1133-1143.

[80]CAO X M， YAN H S， HUANG Z Y， et al. A multi-objective particle swarm optimization for trajectory planning of fruit picking manipulator[J]. Agronomy，2021，11（11）：2286.

[81]張晴暉，孔德肖，李俊萩，等. 基于逆運動學(xué)降維求解與YOLO-v4的果實采摘系統(tǒng)研究[J]. 農(nóng)業(yè)機械學(xué)報，2021，52（9）：15-23.

[82]WANG D， DONG Y X， LIAN J， et al. Adaptive end-effector pose control for tomato harvesting robots[J]. Journal of Field Robotics，2023，40（3）：535-551.

[83]LI K， HUO Y J， LIU Y N， et al. Design of a lightweight robotic arm for kiwifruit pollination[J]. Computers and Electronics in Agriculture，2022，198：107114.

[84]ZHANG H， GE Y， SUN C， et al. Picking path planning method of dual rollers type safflower picking robot based on improved ant colony algorithm[J]. Processes，2022，10（6）：1213.

[85]CAO X M， ZOU X J， JIA C Y， et al. RRT-based path planning for an intelligent litchi-picking manipulator[J]. Computers and Electronics in Agriculture，2019，156：105-118.

[86]YE L， DUAN J L， YANG Z， et al. Collision-free motion planning for the litchi-picking robot[J]. Computers and Electronics in Agriculture，2021，185：106151.

[87]HE Z， MA L， WANG Y C， et al. Double-arm cooperation and implementing for harvesting kiwifruit[J]. Agriculture，2022，12（11）：1763.

[88]羅天洪，唐 果，馬翔宇，等. 高速公路綠籬修剪機器人手臂避障路徑規(guī)劃[J]. 工程科學(xué)學(xué)報，2019，41（1）：134-142.

[89]LI J Y. A new trajectory planning method of 6-DOF apple picking manipulator[J]. Jordan Journal of Mechanical amp; Industrial Engineering，2022，16（5）：777.

[90]ZAHID A， HE L， CHOI D D， et al. Collision free path planning of a robotic manipulator for pruning apple trees[C]//AMERICAN SOCIETY OF AGRICULTURAL AND BIOLOGICAL ENGINEERS. 2020 ASABE annual international virtual meeting. St. Joseph， Michigan， USA： American Society of Agricultural and Biological Engineers，2020. DOI：10.13031/aim.202000439.

[91]CHEN Y Y， FU Y X， ZHANG B， et al. Path planning of the fruit tree pruning manipulator based on improved RRT-Connect algorithm[J]. International Journal of Agricultural and Biological Engineering，2022，15（2）：177-188.

[92]荀 一，李道政，王 勇，等. 基于VS-IRRT算法的采摘機械臂路徑規(guī)劃[J]. 農(nóng)業(yè)機械學(xué)報，2023，54（2）：129-138.

[93]JIA B C， YANG S Z， YU T. Research on three picking arm avoidance algorithms for Agaricus mushroom picking robot[C]//IEEE. 2020 IEEE international conference on advances in electrical engineering and computer applications（AEECA）. New Jersey：IEEE Computer Society，2020：325-328.

[94]崔永杰，馬 利，何 智，等.基于最優(yōu)空間的獼猴桃雙臂并行采摘平臺設(shè)計與試驗[J].農(nóng)業(yè)機械學(xué)報，2022，53（8）：132-143.

（責(zé)任編輯：石春林）