基于CiteSpace林果收獲機械的可視化分析

中圖分類號：S66 文獻標志碼：A 文章編號：1009-9980（2025）06-1252-17

Abstract： 【Objective】 In the context of the acceleration of agricultural modernization， the development offruit harvesting machinery is of great significance for improving the production eficiency of fruit industry and reducing labor costs.The purpose of this study was to comprehensively and deeply understand the frontier hotspots and future development trends of fruit harvesting machinery，and to clearly present the overallsituation of this field for relevant researchers，and to point out the follow-up research direction.【Methods】We selected the research literatures published in the Web of Science core database from 1994 to 2O24，which were closely related to the field of fruit harvesting machinery，as the data source.With the help of visual analysis sofware Citespace v6.1.6R，the data of 838 English literatures were analyzed in terms of the number of published papers，authors，institutions，countries，journals， etc.， and the visual images of co-occurrence network and density map were completed. Then，the similarity and measurement of knowledge units，the relationship between each unit，the key path and knowledge inflection point in the research field were obtained，and the future development of the field and its research hotspots，frontiers and trends were predicted.【Results】From the perspective of annual publication volume，the research on forest fruit harvesting machinery was in a stage of steady development， and its annual publication volume showed a good trend of increasing year by year， compared with 1994， thenumber of publicationsin2023 increasedby175，withagrowth rateof 17500% ，demonstrating that the field was increasingly concerned and valued by the academic and industry. Among the 56 research countries involved， the countries with the largest number of publications were China and USA. Among them，although China had a large number of publications，the intermediary centrality of the United States was as high as 0.82，compared with China's O.38，indicating that the influence of the research results of the United States in this field was more prominent，and there was stillmuch room for improvement in the degree of research cooperation between countries，and the cooperative relationship was not close enough.At the level of research institutions，6of the top ten research institutions were from China， and most of them were universities.Northwest Aamp; F University standed out among many universities，and the number of publications ranked first，reflecting the positive investment and important contribution of Chinese universities in the field of fruit harvesting machinery research to a certain extent.At the same time， it also showed that the collges and universities had a very high influence in this field and played a huge role in the development of fruit harvesting machinery. Based on the trend of international scientific and technological development，we should continue to strengthen the scientific research cooperation among universities， scientific research institutions and enterprises to promote the transformation of scientific and technological achievements.From the analysis of the author 's co-occurrence， a certain number of research groups had been gradually formed in this field.However， unfortunately， the cooperation and communication between the groups were relatively rare. The cooperation between authors in the same region was more frequent and close， but the intensity ofcross-border and cro-regional cooperation was significantly weaker than that in the same region. According to statistics，there were 63 core authors with more than 4 articles， accounting for only 9.97% of the total number of authors. According to the calculation of Price formula，a stable and influential core author group had not yet ben formed in this field. The number of publications in the top 1O journals has reached more than 20. Among them， the TOP journal “Computers and Electronics in Agriculture” in agricultural and forestry science 1 area was extremely prominent，with a total of 140 articles，accounting for more than 16% of the total number of articles，ranking first with a significant advantage，far exceeding other published journals.Through keyword analysis， it was found that high-frequency keywords such as“mechanical harvesting\" and“machine vision” belonged to this field. The current research hotspots mainly focused on“fruit detection”，“machine vision”，“deep learning\"，etc..The emergence and development of these hot technologies indicated that the field offruit harvesting machinery was moving towards the direction of intelligence， informatization and integration.【Conclusion】 To sum up， in order to promote the research in the field of fruit harvesting machinery to achieve more remarkable results，scholars from various countries urgently need to strengthen cooperation and exchanges in many aspects，actively broaden the breadth and depth of research，and work together to jointly promote the sustainable development and innovative breakthroughs in this field. The research results would provide strong support for relevant researchers to deeply understand the research status of this field from the macro level，and provide valuable reference for its exploration in the future development direction and the practice of technological innovation.

Keywords：Fruit;Harvest;Mechanical;Citespace;Visualanalysis

林果業（樹林、園林、果木）作為農業產業結構的重要組成部分，是實現生態效益與經濟效益協同發展的關鍵產業[1-3]。在林果生產全過程中，收獲作業是最重要的環節，這一環節不僅具有顯著的勞動密集型特征，還對季節性有較強的依賴性，據統計，規模化果園的勞動力投入占整個生產過程的 35%～ 45% ，其成本占比為 50%～70%^15] 。隨著林果種植面積的不斷擴大，人工收獲成本的持續攀升已嚴重影響了林果產品的市場競爭力。

目前，機械收獲技術已在多個領域得到廣泛應用并趨于成熟[，特別是在種植規模大、果實形狀規則且主要用于深加工的果品種類中，如蘋果[8、柑橘[10]、藍莓[11-12]和葡萄[13-14]等，林果機械收獲技術已取得顯著成效。然而，對于鮮食類、質地柔軟且易腐爛、種植模式多樣、種植區域集中的水果（如榴蓮、山竹和忙果），其機械收獲技術仍面臨重大挑戰[15-，這些水果因特殊的物理特性和種植條件，使得現有的林果機械收獲技術難以廣泛應用]。因此，亟須通過深入研究和創新來突破技術瓶頸，開發更高效、更智能的林果機械化收獲系統。這將有助于降低生產成本、提升工作效率、增強市場競爭力，從而推動產業可持續發展，加快農業現代化進程。

為了更好地把握林果收獲機械領域的研究現狀、熱點問題以及發展趨勢，筆者在本研究中利用Citespace軟件[18-19]對WebofScience（WOS）檢索平臺Sci核心數據庫中1994—2024年的文獻進行計量和可視化分析。研究結果不僅有助于研究人員全面了解該領域的發展態勢，還可為后續研究提供有價值的參考和借鑒，推動林果收獲機械研究取得進展，促進該領域的持續創新與發展。

1 數據來源與研究方法

1.1 數據來源

文獻數據樣本來源于WebofScience檢索平臺，該平臺是世界領先的引文數據庫，其中包含全球最有影響力的期刊，包括開放訪問的期刊以及會議錄文獻和書籍的論文記錄[20]?；贑iteSpace軟件的可視化分析需求，制定了詳細的文獻檢索策略（表1）。通過系統檢索與篩選，最終獲得有效文獻838篇作為研究樣本。所有數據的檢索截止日期為2024年9月17日。檢定結果會因數據庫更新而輕微改變，但數量變化不會對最終結論產生實質性影響。

1.2 研究方法

使用Citespacev6.1.6R與Origin等專業分析軟件對檢索文獻進行系統性的可視化分析與數據處理。首先將篩選后的文獻數據導出至預設的“input”文件夾，并依次分別命名為download_01、download_02，保存為txt文本格式，然后導入到Citespacev.6.1.6R進行除重和轉換操作，具體參數設置詳見表2。

基于上述研究方法，筆者在本研究中從發文量、作者、機構、國家及期刊等多個維度開展系統性數據分析。通過共現網絡和密度圖譜等可視化圖像展現，深入探究了各知識單元間的相似性測度與相互關系。在此基礎上，進一步識別了研究領域的關鍵發展路徑與知識拐點，并對未來研究趨勢、熱點領域及學術前沿進行科學預測與展望。

2 結果與分析

2.1 發文量及年度變化

年度發文量可以反映該領域受關注程度的變化情況，是評定科研發展的一項重要指標2]?；贓x-cel、Origin軟件，根據樣本數據繪制出1994—2024年林果收獲機械領域的相關研究年度發文量統計圖，如圖1所示。

由圖1可知，林果收獲機械領域研究發文量整體呈現上升趨勢。2023年發文數量較1994年增加了165篇，增長率為 1650% ?；诎l文量變化趨勢分析，林果收獲機械研究發展歷程可劃分為3個特征顯著的階段：第一階段（1994—2010年）為發展初期，年發文量在0＼～10篇區間波動，其原因為這一時期的研究相對有限，農業機械化重點集中于耕整等基礎作業領域，而林果收獲機械尚處于探索階段。電子技術與自動化技術的突破為該領域帶來了新的發展契機。此階段的研究成果主要體現在簡單電子控制系統的應用上，這些系統實現了機械搖晃、采摘等基礎操作的自動化[22-23]，顯著提升了采摘的精度和效率，同時降低了對果實與果樹的損傷。第二階段（2011一2018年）呈現穩定增長態勢，隨著勞動力成本的持續攀升促使傳統手工采摘模式面臨挑戰，大規模果園的種植和管理迫切需要更高效的采摘設備，以提高生產效率和經濟效益。這一階段的研究重點聚焦于機械結構的優化與創新，如在蘋果采摘領域，搖動捕捉法、機器人輔助平臺等技術取得了顯著進展[24，技術創新與市場需求的雙重驅動，有力推動了林果收獲機械研究的深入發展。第三階段（2019一2024年）標志著該領域的重大轉折，年發文量爆發式增長，累計達571篇，增速顯著高于前一階段。這一快速發展得益于多方面因素的共同作用：林果產業規模不斷擴大、機械技術突破性進展以及政府的有力扶持。特別是計算機視覺技術[25-27]、傳感器技術[28-30]和人工智能技術[31-33]等技術的快速發展，使收獲機械能夠通過三維檢測[34-35]和圖像識別算法等技術手段，可以精準地識別果實的位置、大小和成熟度，實現智能化精準采摘。這些技術進步不僅大幅度提升了采摘質量和效率，還推動設備向市場化、社會化發展，為林果收獲機械領域的可持續發展奠定了堅實基礎。

2.2主要研究國家/地區及機構分析

2.2.1 國家/地區 國家發文量是衡量其在特定研究領域活躍程度的重要指標。筆者在本研究中通過構建國家合作網絡圖（圖2），系統分析了林果收獲機械領域具有影響力的國家/地區及其合作網絡特征。在該可視化網絡中，節點代表發文國家，其大小與發文量成正比；節點間的連線則表示國家間的科研合作關系。分析結果顯示，該合作網絡共包含56個節點和48條連線，網絡密度為0.0312。這一結構特征表明：（1）全球共有56個國家參與了林果收獲機械領域的研究，其中亞洲、歐洲和北美構成了主要研究區域，這一地理分布特征可能與國家政策導向、經濟發展水平、農業產業基礎以及適宜林果業發展的氣候地理條件等因素密切相關3。（2）相對稀疏的合作網絡（僅48條連線）反映出當前國際科研合作尚不密切，學術交流有待加強，且未形成明顯的核心主導國家。

基于1994—2023年國家層面的共現頻次與中介中心性分析（圖3），揭示了林果收獲機械領域的國際研究格局。數據顯示，發文量排名前三的國家分別是中國（523篇，占總量 62.4% ）美國（114篇，占13.6% 和西班牙（43篇，占 5.1% ）。在中介中心性分析中，以 ?0.1 作為關鍵節點的判定閾值，美國（0.82）、西班牙（0.54）、中國（0.38）、日本（0.20）和英國（0.20）均被識別為關鍵節點。這一結果表明，盡管部分國家的發文量相對較少，但其在林果收獲機械研究領域仍具有重要影響力。

值得注意的是，中國自20世紀90年代以來始終保持著全球林果種植面積和產量的領先地位，其發文量遠超排名第二的美國400余篇。然而，中國研究的中介中心性相對較低（0.38），這一現象值得國內學術界深入反思與重視，提示我們需要在提升研究質量和國際影響力方面做出更多努力。

2.2.2研究機構及單位研究機構的分布格局反映了林果收獲機械領域科研力量的空間集聚特征。通過構建研究機構合作網絡圖（圖4），可以直觀展示各研究機構在該領域的學術產出及其合作網絡。機構發文量不僅體現了其在該領域的研究投入程度，也反映了其持續性的科研努力與學術貢獻。

1994一2024年間，全球共有318家研究機構參與林果收獲機械領域研究，形成319條合作連線。然而，這些連線普遍較細且顏色較淺，反映出機構間的合作密度和強度均顯不足。

發文量前十的研究機構如圖5所示，其中中國占據6席，美國3席，西班牙1席。值得注意的是，這些機構多為高等院校，凸顯了高校在該研究領域的主導地位和重要貢獻。西北農林科技大學以61篇發文量（占比 7.28% 位居榜首，華南農業大學以59篇 （7.04% 緊隨其后。發文量前五的機構均來自中國，且其中介中心性均大丁0.1，這不僅體現了這些機構強大的研究實力，也反映了其廣泛的國際合作網絡和顯著的學術影響力。

中國研究機構的突出表現主要得益于以下幾個因素：國家高度重視農業發展，制定并落實了一系列支持政策；持續加大對農機研發的投入力度，支持企業和科研機構開展技術創新和產品研發；在農業產業政策中將林果業機械化列為重點內容，鼓勵各地在發展林果產業的同時提升機械化水平。國家通過整體規劃和布局，明確了農業機械化發展的目標、任務和重點領域，為林果收獲機械的智能化、高效化和精準化發展提供了有力的政策支持和宏觀指導[38]。

究領域作者的學術貢獻分布與合作關系。對作者合作網絡進行可視化分析（圖6），結果顯示：該領域共有632名研究者參與，形成934條合作連線。這一網絡結構特征表明，雖然已形成多個規模不等的研究團隊，且團隊內部合作較為緊密，但團隊間的學術交流與合作仍顯不足。

2.3作者合作網絡共現分析

作者合作網絡共現分析揭示了林果收獲機械研值得注意的是，由于數據庫在作者姓名識別方面存在固有局限性（如全稱與簡寫無法完全匹配，以及作者機構變動等因素），得出的分析結果可能存在一定偏差，僅能反映總體趨勢。同地區研究者之間形成了密集的合作網絡；跨國、跨地區的合作強度明顯弱于地區內部合作，這反映出當前國際學術交流與合作仍有待加強。

發文量與中介中心性為評估研究者在特定領域的學術貢獻和影響力提供了多維度的分析視角。根據可視化分析結果（圖7），發文量排名前五的研究者分別為：ZOUXJ（鄒湘軍）（25篇）、TANGYC（唐云超）（13篇）、Castro-garcia，Sergio（12篇）、CHENJ（陳軍）（12篇）、PetersonDL（10篇），其發文量占發文總量的 8.6% ；然而，值得注意的是，盡管這些研究者具有較高的學術產出，但其中介中心性均低于0.1。這一現象反映出兩個重要特征：當前全球研究網絡呈現出松散的結構特征，研究者之間的聯系緊密度較低；學術交流與合作主要局限于小范圍群體，整體影響力有待提升。這種分布格局暗示需要加強國際學術交流，促進更大范圍的科研合作。

發文量與篇均被引用次數是評估研究者在特定領域學術影響力的重要指標，能夠有效反映其研究成果的認可度與貢獻度。華南農業大學的ZOUXJ（鄒湘軍）致力于機器視覺和圖像處理應用于果實識別與定位、識別果實成熟度、機器避障等相關工作，發表相關文獻25篇被引次數為1258次，篇均被引為50.32次，說明作者在該領域有較強影響力。

基于普賴斯定律（Price'sLaw），通過分析領域內最高產作者的發文量及其在全體作者中的占比，評估了該領域核心作者團隊的形成情況。這一方法為識別領域內的核心研究群體提供了量化依據。

式中： N 為論文數量； M_max=25/ 篇。

根據式（1）計算得出 N≈4 ，納入文獻統計的作者共有632人，發文量大于4篇的核心作者有63人，占比 K=9.97% （認定某領域具有核心作者群的條件： K 大于或等于全部論文數量的 50% ）。占比

9.97% 表明該研究領域核心作者團隊還未形成[39-40]。

林果收獲機械領域具有廣闊發展空間。建議從兩方面推進：加強學術交流，通過舉辦國際研討會、學者訪問和科研合作等，促進知識共享與協同創新；構建跨學科平臺，整合計算機科學、自動化技術和農業工程等學科資源，打破學科壁壘，增強研究協同效應，推動領域向更深層次發展。

2.4 期刊發文量

期刊作為學術成果的主要載體，其分布特征分析對識別領域核心期刊、追蹤研究動態具有重要參考價值[4。表3列出了林果收獲機械領域發文量前十的期刊，其發文量均超過20篇，其中期刊ComputersandElectronicsinAgriculture（農林科學1區TOP期刊）以140篇的發文量位居榜首，占比超 16% ，顯著領先于其他期刊。這些期刊涵蓋林業科學、生物學和計算機科學等多個學科，充分體現了林果收獲機械研究的跨學科特性。因此，推動該領域發展需要加強各學科間合作與交流，積極探索新技術與新方法。

3 研究熱點與趨勢

3.1關鍵詞共現分析

3.1.1關鍵詞合作網絡分析關鍵詞作為反映研究主題與核心內容的重要指標，其頻次與中心性分析可有效揭示領域研究熱點與發展趨勢[42]。圖8展示了林果收獲機械領域的關鍵詞共現網絡，包含567個關鍵詞和1114條合作連線，網絡密度為0.0069。其中，出現頻次 ?20 次的關鍵詞有21個，主要集中在采摘機[43]、撿拾機[445]、振動機[46-47]、采摘機器人[48-49]等研究方向。為提升林果收獲機械的作業性能，相關研究人員在智能采摘機器人[50]，視覺控制技術[51]、識別和定位[52-53]，圖像處理技術[54]，末端執行器和機械臂[55-57]等領域開展了深入研究，致力于實現精準識別、快速響應、輕柔采摘、分類采收及復雜地形適應等目標。

根據上述統計關鍵詞頻率的分布，從林果種類、樹形特征、收獲方式及代表性技術等維度進行系統統計（表4、表5）。分析結果表明，林果種植模式的多樣性、地形的復雜性、樹形種類的豐富性以及果實物理特性的差異性，直接導致了收獲方式的多樣化。這種多樣性進一步催生了種類繁多的林果收獲機械，并推動了不同技術路徑的發展，形成了各具特色的技術應用場景和技術特征。

3.1.2關鍵詞研究熱點分析關鍵詞出現頻次與中心性是識別研究熱點的重要指標。高頻關鍵詞反映了領域研究焦點，而其中介中心性則表征了其在共現網絡中的媒介作用強度，中心性越高，影響力越大。圖9展示了林果收獲機械領域詞頻前十的關鍵詞[6-67]，其中mechanical harvesting（153次，0.21）、ma-chinevision（147次，0.15）、design（115次，0.12）和fruit（97次，0.22）等高頻關鍵詞的中心性均大于0.1，表明這些研究方向在領域內具有重要影響力。

研究表明，機械收獲、機器視覺和新型收獲機設計創新是當前林果收獲機械領域的研究熱點。其中，“fruit detection”、“machinevision”、“deep learn-ing”和“recognition”等成為熱門應用技術。機器視覺技術通過深度學習算法分析林果圖像，識別果實位置、大小和成熟度等特征，實現復雜背景下目標的精確定位；傳感器融合技術則結合力傳感器反饋信息，利用深度學習實現采摘力度的精準控制，同時借助位置傳感器為路徑規劃和采摘動作提供空間定位信息。這些技術的發展表明，信息技術與林果收獲機械的深度融合已成為當前研究熱點，并將持續引領智能林果收獲機械的未來發展方向。

3.2關鍵詞聚類圖分析

在關鍵詞合作網絡圖的基礎上，采用對數似然率（log-likelihoodrate，LLR）算法對納入的相關文獻中關系緊密的關鍵詞繪制聚類分析（圖10）。聚類分析可直觀地表現研究主題之間的內在聯系，聚類標簽數越小，說明關鍵詞數量越多，且關鍵詞關聯緊密，各聚類團塊之間存在相互交錯重疊的現象，表明他們之間聯系比較緊密。

由圖10可知，關鍵詞聚類形成13個聚類標簽，聚類模塊值Q是衡量聚類效果的指標，Q為0.8244，遠高于0.3的閾值，表明聚類結構具有顯著性；平均輪廓值（S）為0.9268，遠超0.7的可信度閾值，證實了聚類結果的高可靠性和網絡同質性。

基于上述分析，筆者在本研究中將領域研究熱點歸納為4個主要方向：（1）收獲機械設計與優化；（2）機器視覺技術應用；（3）圖像處理算法開發；（4）農業機器人技術創新。

3.3關鍵詞突現分析

突現詞指的是關鍵詞在時間段內出現頻次劇增變成熱點。采用Kleinberg突現檢測算法，通過分析文獻題目、摘要、關鍵詞和擴展關鍵詞中抽取突現詞，分析他們在不同區間內出現頻率的突然變化，識別出代表領域研究前沿的關鍵詞。圖11反映了不同時期研究熱點的演變軌跡。

由圖11可知，圖中藍色線條代表時間間隔，紅色線條標識關鍵詞突現的時間跨度。這些突現詞代表了研究領域的新興趨勢，應成為學界關注的重點。

3.4關鍵詞時間線分析

使用Citespace生成1994—2024年間林果收獲機械研究和發展趨勢的關鍵詞時間線（圖12），通過關鍵詞的變化分析可得出領域的動態發展進程[]。

根據聚類標簽顏色變化可明晰各個聚類標簽在研究領域的發展時間，不同顏色對應不同年份，冷色調表示距今時間距離更近，暖色調表示距今時間距離更遠，時間線較模糊或不存在說明該關鍵詞領域研究暫時中斷，出現研究瓶頸，亟待新的改進突破。圖12中每個彩色正方形與圓形節點代表一個前沿熱點詞匯，節點越大代表該詞匯頻次越高，受到的關注程度越大，關鍵詞對應時間線上出現其他關鍵詞表明在某段時間里該關鍵詞存在新發展。

4討論

林果收獲機械領域在近年來涌現出眾多引人注目的新研究成果，展現出極為廣闊的未來發展前景。

（1）光譜分析[70-72]、圖像處理[3]、人工智能[74等先進技術的融入，促使林果收獲機械得以實現自動化操作與智能決策。這一變革不僅顯著降低了人工勞動強度，還大幅提升了收獲效率與質量。然而，這些技術在數據融合、系統協同等方面的成熟度尚待進一步提升，亟待開展深入研究并予以實現。隨著相關技術不斷走向成熟且成本逐步降低，其將在更多的林果收獲機械中得到廣泛應用，進而有力推動整個行業智能化水平的提升。

（2）林果收獲機械在應對不同林果品種、種植模式及地形條件時，依然存在一定程度的局限性[75]。因此，研發適應不同林果品種、種植模式和地形條件的收獲機械具有重要意義，理應受到高度關注。對于果實形狀特殊或生長習性獨特的林果品種，現有的采摘機械往往難以高效地進行采摘作業；不同的果樹種類以及復雜的地形條件，對收獲機械的性能構成了多樣化的挑戰。故而，深入研究具有較強適應性和靈活性的林果收獲機械，對于該領域的發展具有不可忽視的現實意義。

（3）在林果收獲機械領域，跨學科合作將成為推動技術創新的關鍵途徑。該領域需與機械工程、電子信息、計算機科學、生物學等多學科展開深度融合，充分發揮各學科的優勢，攜手攻克一系列技術難題，為整個行業的蓬勃發展提供強勁動力[]。

未來，技術創新的持續推進、市場需求的不斷增長以及政府政策的大力扶持，將共同驅動該領域實現持續發展。在此背景下，該領域的研究人員應緊緊抓住機遇，強化技術創新與市場開拓工作，借助政府政策的扶持，為林果產業的現代化發展貢獻更大力量。

5結論

筆者在本研究中借助Citespacev6.1.6R軟件，對WebofScience核心數據庫中1994—2024年間全球林果收獲機械研究領域的相關文獻進行了系統梳理，并運用文獻計量學方法，對該領域的研究及發展狀況展開了客觀、科學的分析與探究。通過對近30年文獻的剖析可知，該領域的發文量呈現出逐年遞增的態勢。其中，中國和美國的發文量位居前兩位，在林果收獲機械研究發展方面貢獻突出，在該領域具有較強影響力。然而，在發展過程中仍存在一些問題，如各國之間的合作交流相對較少，尚未形成核心作者團隊；在該領域的研究機構中，高校是主要的中堅力量，是推動林果收獲機械發展不可或缺的部分。關鍵詞分析結果顯示，該領域的主要研究方向為收獲機械以及收獲機搭載應用技術，研究熱點正朝著智能化、自動化和一體化方向發展。具體表現為將光譜分析、圖像處理、人工智能等先進技術融入林果收獲機械，以實現收獲機械的自動化操作與智能決策，進而提升作業精度，增強對不同林果品種、種植模式和地形條件的適應性與靈活性。

參考文獻References：

[1] WUKS，KONGDY，YANGXJ.Theimpactof rural industrial development on farmers’livelihoods：Taking fruit-producing area as an example[J].Land，2023，12（8）：1478.

[2] BELTONB，WINMT，ZHANGXB，FILIPSKIM.The rapid rise of agricultural mechanization in Myanmar[J]. Food Policy， 2021，101：102095.

[3] ZHOUJF，HEL，ZHANGQ，KARKEEM.Effect of excitation position of a handheld shaker on fruit removal efficiencyand damage in mechanical harvesting of sweet cherry[J].Biosystems Engineering，2014，125：36-44.

[4] SANDERS KF. Orange harvesting systems review[J]. Biosystems Engineering，2005，90（2）：115-125.

[5] HELY，LIUXC，DUXQ，WUCY.In-situidentificationof shaking frequency for adaptive vibratory fruit harvesting[J]. Computers and Electronics in Agriculture，202o，170：105245.

[6] HOUJM，HUWX，WANGW，ZHUHJ，ZHIRD.Fruit vibration harvesting technology and its damage：A review[J]. INMATEHAgricultural Engineering，2021：155-168.

[7] ZHANGZ，HEINEMANNPH，LIUJ，LIUJ，BAUGHERTA， SCHUPP JR. The development of mechanical apple harvesting technology：A review[J]. Transactions of the ASABE，2016，59 （5）：1165-1180.

[8] ZHANG Z，IGATHINATHANE C，LI J，CEN H，LUY， FLORES P.Technologyprogress in mechanical harvest of fresh market apples[J].Computers and Electronics in Agriculture， 2020，175：105606.

[9] BORAG C，EHSANI R.Evaluation ofa self-propelled citrus fruit pick-up machine[J]. Applied Engineering in Agriculture， 2009，25（6）：863-868.

[10]王景巍，王海濱，李志鵬，薛偉，曹國昕.振動式藍莓采摘機槽 型凸輪傳動裝置的設計與分析[J].東北林業大學學報，2017， WANG Jingwei，WANG Haibin，LI Zhipeng，XUE Wei，CAO Guoxin. Design and analysis of grooved cam transmission device of vibrating blueberry picking machine[J].Journal ofNortheastForestryUniversity，2017，45（10）：88-93.

[11]王海濱，李志鵬，姜雪松，聶宏宇，耿雷.基于槽型凸輪傳動的 藍莓采摘機設計與試驗[J].農業機械學報，2018，49（10）：80- 91. WANG Haibin，LI Zhipeng，JIANG Xuesong，NIE Hongyu， GENG Lei. Design and experiment on blueberry picking machinebased on groove cam drive[J].Transactionsof the Chinese Society for Agricultural Machinery，2018，49（10）：80-91.

[12]WANGJH，LIN X M，LUO LF，CHEN MY，WEIHL，XU LJ， LUO S M. Cognition of grape cluster picking point based on visual knowledge distilation incomplex vineyard environment[J]. Computers and Electronics in Agriculture，2024，225：109216.

[13]ZHAOJH，YAOXZ，WANGY，YIZF，XIEYM，ZHOUX X. Lightweight-improved YOLOv5s model for grape fruit and stem recognition[J].Agriculture，2024，14（5）： 774.

[14]MORINAGA K，SUMIKAWA O，KAWAMOTO O，YOSHIKAWAH，NAKAOS，SHIMAZAKIM，KUSABASNS，HOSHI N.New technologiesand systems for high quality citrus fruit production，labor-saving and orchard construction in mountain areas of Japan[J]. Journal of Mountain Science，20o5，2（1）： 59- 67.

[15]LIPL，LEE S H，HSU HY. Review on fruit harvesting method for potential use of automatic fruit harvesting systems[J].Procedia Engineering，2011，23：351-366.

[16]ZHANG J，KANG NB，QUQJ，ZHOU LH，ZHANG HB.Automatic fruit picking technology：A comprehensive review of research advances[J]. Artificial Intelligence Review，2024，57（3）： 54.

[17]WANG D M， HUANGFU Y B，DONG Z J， DONG Y Q. Research hotspots and evolution trends of carbon neutrality：Visual analysis of bibliometrics based on CiteSpace[J]. Sustainability， 2022，14（3）：1078.

[18] XU C，YANG T， WANG K，GUO L，LI X M. Knowledge domain and hotspot trends in coal and gas outburst：A scientometricreview based on CiteSpaceanalysis[J].Environmental Science and Pollution Research，2023，30（11）：29086-29099.

[19]MONGEONP，PAUL-HUS A. The journal coverage of web of science and Scopus：Acomparative analysis[J].Scientometrics， 2016，106（1）：213-228.

[20] ZHU S，MENG H，GU Z J，ZHAO Y L. Research trend of nanoscience and nanotechnology：A bibliometric analysis of Nano Today[J].Nano Today，2021，39：101233.

[21]ERDOGAN D，GUNER M，DURSUN E，GEZER i. Mechanical harvestingof apricots[J].Biosystems Engineering，2oo3，85（1）： 19-28.

[22]YAO P H，QIU L Q，SUN Q，XU L P，ZHAO Y，FAN Z X， ZHANG AD.Designing and testing a picking and selecting integrated remote-operation-type dragon-fruit-picking device[J].Applied Sciences，2024，14（11）：4786.

[23]高自成，李立君，李昕，閔淑輝，易春峰.齒梳式油茶果采摘機 采摘執行機構的研制與試驗[J].農業工程學報，2013，29（10）： 19-25. GAO Zicheng，LI Lijun，LI Xin，MIN Shuhui，YI Chunfeng. Development and test of picking actor in oil-tea camelia fruit picking machine of tooth comb type[J]. Transactions of the Chinese Society ofAgricultural Engineering，2013，29（10）：19-25.

[24]TANG YC，CHEN MY，WANG CL，LUO LF，LI JH，LIAN G P，ZOU X J. Recognition and localization methods for visionbased fruit picking robots：A review[J].Frontiers in Plant Science，2020，11：510.

[25]PALUMBO M，CEFOLA M，PACE B，ATTOLICO G，COLELLI G.Computer vision system based on conventional imaging fornon-destructivelyevaluatingqualityattributesin fresh and packaged fruit and vegetables[J]. Postharvest Biology and Technology，2023，200：112332.

[26]GANGANAGOWDARNV，GUNDAD AV. An intelligent computer vision system for vegetablesand fruits quality inspection using soft computing techniques[J].Agricultural Engineering International：CIGR Journal，2019，21（3）：171-178.

[27]ANDHARE P，RAWAT S. Pick and place industrial robot controller with computer vision[C]//2016 International Conference on Computing Communication Control and automation （ICCUBEA）.August 12-13，2016，Pune，India：IEEE，2016：1-4.

[28]OVERBECK V，SCHMITZ M，BLANKE M.Non-destructive sensor-based prediction of maturity and optimum harvest date of sweet cherry fruit[J]. Sensors，2017，17（2）：277.

[29]NEUPANE C，WALSH K B，GOULART R，KOIRALA A. Developingmachinevisionin tree-fruit applications-fruit count， fruit size and branch avoidance in automated harvesting[J]. Sensors，2024，24（17）：5593.

[30]LEE J，NAZKI H，BAEKJ，HONGY，LEE M. Artificial intelligence approach for tomato detection and mass estimation in precision agriculture[J]. Sustainability，2020，12（21）：9138.

[31]WANG CL，LI CJ，HAN QY，WU FY，ZOU X J.A performance analysisof a litchi picking robot system for actively removing obstructions，using an artificial intelligence algorithm[J]. Agronomy，2023，13（11）：2795.

[32]LIU SC，JIANQY，WEN HY，CHUNG CH.A crop harvest time prediction model for better sustainability，integrating feature selection and artificial intelligence methods[J]. Sustainability，2022，14（21）：14101.

[33]BELOEV I， KINANEVA D，GEORGIEV G，HRISTOV G， ZAHARIEVP.Artificial intelligence-driven autonomousrobot for precision agriculture[J].Acta Technologica Agriculturae，2021， 24（1）：48-54.

[34]XIAO X， JIANG Y M， WANG Y N. A method of robot picking citrusbased on 3D detection[J]. IEEE Instrumentationamp; Measurement Magazine，2024，27（3）：50-58.

[35] YANG L，CUI B， WU J F， XIAO X， LUO Y， PENG Q M， ZHANG Y L.Automatic detection of banana maturity： Application of image recognition in agricultural production[J].Processes，2024，12（4）：799.

[36]FURMAN JL，PORTER M E，STERN S. The determinants of national innovative capacity[J].Research Policy，2oo2，31（6）： 899-933.

[37]LINJJ，CHEN X.Application of digital design technology in the design of intelligent agricultural machinery and equipment[J]. Applied Mathematics and Nonlinear Sciences，2024，9（1）： 20230215.

[38]肖榮時.1999—2020 年我國數字檔案館研究回顧與計量分 析[J].蘭臺世界，2021（1）：63-68. XIAORongshi.Research review andbibliometric analysisof digital archives in China from 1999 to 2020[J].Lantai World， 2021（1）：63-68.

[39]劉萍萍，厙宇，李海英.基于Citespace 分析中醫翻譯研究的 現狀與趨勢[J].中國中醫基礎醫學雜志，2024，30（2）：356- 361. LIU Pingping，SHE Yu，LI Haiying. Current status and trends of traditional Chinese medicine translation research based on Citespace analysis[J]. Journal of Basic Chinese Medicine，2024， 30（2）：356-361.

[40]AHMAD S，SOHAIL M， WARIS A，ABDEL-MAGID IM，PATTUKUTHU A，AZADM S. Evaluating journal quality：A review of journal citation indicators and ranking in library and information science core journals[J].Collnet Journal of Scientometricsand InformationManagement，2019，13（2）：345-363.

[41]YANG K H， WANG L，YANG G B，JIANG X L. Research hotspots and trends in nursing education from 2014 to 2020： A cowordanalysisbased onkeywords[J].Journal ofAdvanced Nursing，2022，78（3）：787-798.

[42]HE Z，MAL，WANGYC，WEIY Z，DING X T，LI K，CUI Y J. Double-arm cooperation and implementing for harvesting kiwifruit[J].Agriculture，2022，12（11）：1763.

[43]FANIGLIULO R，TOMASONE R. Operative performance and work quality of a hazelnut pick-up machine[J].Acta Horticulturae，2009，845：425-430.

[44]YUSOFF M Z M，ZAMRI A，ABD KADIR M Z A，HASSAN WW，AZIS N. Structural performanceof the integrated oil palm loose fruit collector machine in oil palm plantations[J]. International Journal of Emerging Trends in Engineering Research，2020，8（1.1）：193-198.

[45]MUSTAFA MF，HASANWZW，HASSANMS，KADIRMZ AA，AZISN，YUSOFFMZM.Structural designofCartesian vacuum system for loose fruit collector （LFC） machine[C]// 2019 IEEE International Circuits and Systems Symposium （ICSyS）.September18-19，2019.Kuantan，Pahang，Malaysia： IEEE，2019：1-4.

[46]MD SALLEH S，RAHIME A，GHAZALI I H，AZMI K， JELANIAR，ISMAILMF，AHMADMR.Hand-arm vibration analysisof palm oil fruit harvester machine[J].Applied MechanicsandMaterials，2013，315：621-625.

[47]PAL A，LEITE AC，FROMP J.A novel end-to-end vision-based architecture foragricultural human-robot collaborationin fruit picking operations[J].Robotics and Autonomous Systems，2024， 172：104567.

[48]WEIXQ，JIAK，LANJH，LIYW，ZENGYL，WANG C M. Automaticmethodoffruitobject extractionundercomplexagricultural background for vision system of fruit picking robot[J]. Optik，2014，125（19）：5684-5689.

[49] WANG J，CHORTOS A.Control strategies for soft robot systems[J].Advanced Intelligent Systems，2022，4（5）：2100165.

[50]ZHAO Y S，GONG L，HUANGYX，LIUCL.A review of key techniques of vision-based control for harvesting robot[J]. Computers and Electronics in Agriculture，2016，127：311-323.

[51] MAHENDRAN R， JAYASHREE G C，ALAGUSUNDARAM K.Application of computer vision technique on sorting and grading of fruitsand vegetables[J]. Journal of Food Processng amp; Technology，2012，10：2157-7110.

[52] LIY J，FENG QC，LI T，XIE F，LIU C，XIONG Z C.Advance of target visual information acquisition technology for fresh fruit robotic harvesting：A review[J].Agronomy，2022，12（6）：1336.

[53] GAYATHRI DEVI T， NEELAMEGAM P， SUDHA S. Image processing system for automatic segmentation and yield prediction of fruits using open CV[C]//2017 International Conference on Current Trends in Computer，Electrical，Electronics and Communication（CTCEEC）.September8-9，2017，Mysore，India： IEEE，2017：758-762.

[54]XIAO X，WANG YN，JIANGYM. End-effectors developed for citrus and other spherical crops[J].Applied Sciences，2022，12 （15）：7945.

[55]LI Z Y，YUAN X J，WANG CY.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.

[56] 王燕，楊慶華，鮑官軍，荀一，張立彬.關節型果蔬采摘機械臂 優化設計與試驗[J].農業機械學報，2011，42（7）：191-195. WANG Yan，YANG Qinghua，BAO Guanjun，XUNYi，ZHANG Libin.Optimization design and experiment of fruit and vegetable picking manipulator[J]. Transactions of the Chinese Society for Agricultural Machinery，2011，42（7）：191-195.

[57]金波，林龍賢.果蔬采摘欠驅動機械手爪設計及其力控制[J]. 機械工程學報，2014，50（19）：1-8. JIN Bo，LIN Longxian. Design and force control of an underactuated robotic hand for fruit and vegetable picking[J]. Journal of Mechanical Engineering，2014，50（19）：1-8.

[58]YANG H W，WU J，LIANG A F，WANG S W， YAN Y F， ZHANG HJ，LIN，LIU Y Z， WANG J X，QIU JF.Fruit recognition，task plan，and control for apple harvesting robots[J].Revista Brasileira de Engenharia Agricola e Ambiental，2024，28 （9）：e277280.

[59]REZAEI P，HEMMAT A，SHAHPARI N，AHMAD MIREEI S. Machine vision-based algorithms to detect sunburn pomegranateforuseina sortingmachine[J].Measurement，2O24，232： 114682.

[60] LIUJ S，ZHAO G Z，LIU SX，LIUY，YANG HW，SUN JW， YANYF，FAN GQ，WANGJX，ZHANG HJ. NeW progress in intelligent picking：online detection of apple maturity and fruit diameter based on machine vision[J].Agronomy，2024，14（4）：721.

[61]LIU TH，WANG X，HUKW，ZHOUH，KANG HW，CHEN C.FF3D：A rapid and accurate 3D fruit detector for robotic harvesting[J].Sensors，2024，24（12）：3858.

[62]ZHANGQ，LIUFP，LI B.A heuristic tomato-bunch harvest manipulator path planning method based on a 3D-CNN-based position posture map and rapidly-exploring random tree[J]. Computers and Electronics in Agriculture，2023，213：108183.

[63]WANG J，XIAD，WANJZ，HOUXY，SHENGH，LIS S， CHENH，CUIQ，ZHOUM，WANGJ，RENR，HUW，LIJ， ZHANG Z Q. Color grading of green Sichuan pepper （Zanthoxylumarmatum DC.） dried fruit based on image processing and BP neural network algorithm[J]. Scientia Horticulturae，2024， 331：113171.

[64] XU Y，YANG X H， ZHANG JY，ZHOU X，LUO L W， ZHANG Q.Visual analysis of sea buckthorn fruit moisture content based on deep image processing technology[J].Food Chemistry，2024，453：139558.

[65] WAKCHAURE G C，NIKAM S B，BARGE K R，KUMAR S， MEENAKK，NAGALKARVJ，CHOUDHARIJD，KADV P，REDDY K S.Maturity stages detection prototype device for classifying custard apple （Annona squamosa L.） fruit using image processing approach[J]. Smart Agricultural Technology， 2024，7：100394.

[66]YEHR，DUY，JINYT，LIUFY，HE SS，GUOYH.Articles on hemorrhagic shock published between 20oO and 2021：A CiteSpace-based bibliometric analysis[J]. Heliyon，2023，9（8）： e18840.

[67]TANH，SUNJH，WANG WJ，ZHU CP. User experienceamp; usability of driving：A bibliometric analysis of 20o0-2019[J]. International Journal of Human- Computer Interaction，2021，37（4）： 297-307.

[68]YU Y，ZHANG K L，YANGL，ZHANG D X.Fruit detection forstrawberry harvesting robot in non-structural environment based on Mask-RCNN[J]. Computers and Electronics in Agriculture，2019，163：104846.

[69]SUZZ，ZHANGC，YANTY，ZHUJN，ZENGYL，LUXJ， GAO P，FENG L，HE LH，FANL H.Application of hyperspectral imaging for maturity and soluble solids content determination of strawberry with deep learning approaches[J]. Frontiers in Plant Science，2021，12：736334.

[70]CANO DV，SCHLAMFFH，DE LAOJLR，PRIEGO AFB. ‘Ataulfo’mango maturity index prediction using the AS7262 spectral sensor[J].Revista Brasileira de Fruticultura，2O24，46：e48.

[71]SUN MM，JIANGHZ，YUAN WD，JIN SX，ZHOU HP， ZHOUY，ZHANGC.DiscriminationofmaturityofCamellia oleifera fruit on- site based on generative adversarial network and hyperspectral imaging technique[J]. Journal of Food Measurement and Characterization，2024，18（1）：10-25.

[72]ALAAUDEEN K M，SELVARAJAN S，MANOHARAN H， JHAVERI R H. Intellgent robotics harvesting system process for fruits grasping prediction[J]. Scientific Reports，2024，14（1）： 2820.

[73]CHU PY，LI ZJ，ZHANG KX，LAMMERSK，LURF.Highprecision fruit localization using active laser-camera scanning： Robust laser line extraction for 2D-3D transformation[J].Smart Agricultural Technology，2024，7：100391.

[74]FERNANDEZ R，SALINAS C，MONTES H，SARRIA J. Multisensory system for fruit harvesting robots. Experimental testing in natural scenarios and with different kinds of crops[J]. Sensors，2014，14（12）：23885-23904.

[75]KALEEMA，HUSSAINS，AQIBM，CHEEMAMJM，SALEEMSR，FAROOQ U.Development challenges of fruit-harvesting roboticarms：A critical review[J].AgriEngineering，， 2023，5（4）：2216-2237.

[76]XIAO F，WANG HB，XU YQ，ZHANG RQ. Fruit detection andrecognition based on deep learning for automatic harvesting：An overview and review[J]. Agronomy，2023，13（6）：1625.