雙臂采茶機器人的協同采摘規劃

中圖分類號：S571.1；TS272.3

文獻標識碼：A

文章編號：1000-369X（2025）04-0671-16

Collaborative Picking Planning for A Dual-Arm Tea-Picking Robot

JIA Jiangming1，3， WANG Xiang1， ZHOU Yujie1， WU Chuanyu ^1，2* ， CHEN Jianneng1，3 YU Rong'，LI Yujie1

1.SchoolofecalEgig，jgShUsitygoa;2jgeanUesity

316022，China;3.KeyaboratoryofAgriculturalIntellgentPerceptonandRoboticofZejiangProvice，Hangzou18Cina

Abstract： In recent years， multi-arm tea-picking robots have become aresearch hotspot due to the shortage of labor， rising laborcosts，and the demand forhigh-precision picking inthe high-qualitytea industry.Acolaborative planning method that dynamically allcates the space for picking points was proposed，and the path planning of the robotic arm was optimized by combining the ant colony algorithm and the picking point priority in order to improve the operational efficiency of the tea-picking robot. Simulation results show that the average time for one-shoot picking was 1.41 s， and the time ratio for dual-arm synchronous operation was 91.95% .Compared to the 62.86% （24號 coverage rate of the two-space segmentation method， this method achieved fullcoverage of the space.To overcome the limitations of the existing independent operation mode of the depth camera，a dynamic adition of picking point planning was further proposed， which realized the synchronous operation of the depth camera and the robotic arm. Field experiment results show that the tea-picking robot adopts the picking point allocation method that dynamically divides the operating space and the double-arm collaborative planning method that dynamically divides the space for picking point allocation. The average time for one-shoot picking was 1.52 s， a 29.95% improvement compared to the one-arm tea-picking robot.This method not only significantly improves the operational eficiency of the tea-picking robot but also achieves full coverage of the space， ensuring efficient collaborative picking. Keywords： picking robot， multi-arm， collaborative picking planning， dynamic picking point addition planning

隨著全球茶產業的發展，茶葉種植面積逐漸擴大，產量逐年增加[1-2]。目前大宗茶的采摘已實現了機械化[3-4]，但名優茶因原料要求高，仍以人工采摘為主[5-7]。然而名優茶需求量大、采摘周期短以及勞動力逐年短缺等問題，導致勞動密集程度高[8-9]，采摘成本較高，極大限制了名優茶產業的發展[10-11]。為解決這一問題，采茶機器人是一種可行的替代方案[2]。然而，單臂機器人采摘效率有限，不能滿足茶葉采摘的需求[13]。

隨著農業自動化技術的不斷進步，多臂采摘機器人在農業領域的應用逐漸增加。Zion等[14]提出了一種優化多臂采摘順序的規劃方法，提高了采摘效率，減少了作業時間，避免了機械臂間的干擾。Ling等[15]結合雙目視覺系統，實現了對番茄位置的精準定位，并采用協調控制算法使兩個機械臂協同工作，其中一臂固定植株，另一臂執行采摘；路徑規劃算法避免了碰撞，提升了采摘效率。Barnett等[通過分配算法協調多個機械臂的高效協作，減少了不必要的移動和空閑時間，從而提高了整體采摘效率。Arikapudi等[17通過三自由度線性機械臂采摘水果，并研究了不同工作區域劃分方式和運動參數對采摘周期的影響，提高了多臂機器人在果園環境中的采摘效率。Li等[18]通過感知技術和任務規劃算法優化了多機械臂的工作分配和作業順序，實現了高效采摘。李濤等[19]針對具有重疊訪問域的多臂協作采摘機器人任務規劃，將其歸納為異步多旅行商問題，并提出了基于遺傳算法的優化方法。

名優茶采摘要求機械臂在復雜環境中執行高度精準的操作[20-21]，因此，合理的采摘點分配方法和機械臂路徑規劃對作業的穩定性和高效性至關重要。盡管多臂采摘機器人提升了采摘作業效率，但在采摘點分配、路徑規劃等領域依然存在諸多挑戰。

為此，本研究根據茶葉的生長特性和雙臂采茶機器人的結構特點，提出了一種動態劃分作業空間的采摘點分配方法，結合了蟻群算法和采摘點的優先級綜合優化了雙機械臂進行路徑，以實現高效協同作業。此外，深度相機難以在單一點位采集整個作業空間的嫩稍數據，在現有的采茶機器人作業流程中，深度相機先在不同點位采集嫩梢數據，增加了采茶機器人的整體作業時間。為此，提出了動態新增采摘點規劃方法，在機械臂運動過程中，深度相機同步采集當前作業空間的嫩稍數據，實時進行多次任務分配和路徑規劃，實現嫩稍的連續采摘，從而進一步提升采茶機器人的作業效率。

1雙臂采茶機器人

1.1雙臂采茶機器人的整機結構和作業流程

在茶園中，茶壟寬度通常為 1000～1200mm 蓬面高度約為 1100mm ，如圖1A所示，整體呈現弧形結構。如圖1B所示，嫩梢生長在茶壟蓬面附近，中間區域較為密集，兩側相對稀疏，高度差約為 150mm 。

雙臂采茶機器人由底盤、深度相機和機械臂等組成（圖2）。采茶機器人采用高地隙的跨壟式履帶底盤，確保平穩運行。作業過程中，深度相機在多個點位采集嫩梢的圖像及點云數據，處理后識別嫩梢，并計算其在全局坐標系下的采摘點坐標。基于這些采摘點坐標，結合本研究提出的協同采摘方法，為每個機械臂分配相應的采摘點和采摘路徑，實現高效采摘。

雙臂采茶機器人的作業過程如下： ① 采茶機器人移動至未采摘區域，并將機械臂復位至初始位置； ② 深度相機在多個點位采集當前作業空間的嫩稍圖像及點云數據，通過數據處理，識別嫩梢，計算其在全局坐標系下的采摘點坐標； ③ 通過協同采摘方法，為每個機械臂分配適宜的采摘點并規劃采摘路徑； ④ 系統依次向機械臂發送目標采摘點，機械臂進行相應的運動； ⑤ 末端執行器對目標嫩梢進行剪切采摘，并通過負壓裝置將采摘的嫩梢收集至暫存盒； ⑥ 重復步驟4和步驟5，直至采摘完當前作業空間內所有識別出的嫩稍； ⑦ 采摘完成后，采茶機器人將暫存盒中的嫩梢倒入收集倉中，機械臂復位，并繼續移動至下一個待采摘區域。具體流程圖如圖3所示。

圖1茶葉采摘環境 Fig.1 Tea-picking environment

圖2雙臂采茶機器人整體機構

Fig.2 Overall structure of the dual-arm tea-pickingrobot

1.2雙臂采茶機器人的作業空間

在雙臂采茶機器人中，兩個機械臂的動子布置在同一條直線電機的磁軌上，導致在x軸方向上的作業空間存在重疊（圖4）。如圖5所示，1號機械臂的作業空間為 0～900mm ，2號機械臂的作業空間為 300～1200mm 。因此，在x軸的300～900mm 區域內，兩臂的作業空間發生重疊，可能導致二者同時進入該區域時發生碰撞。

圖3雙臂采茶機器人的流程圖

圖4雙臂采茶機器人的機械臂

Fig.4Theroboticarmsofthedual-armtea-pickingrobot

如圖5所示，將整個雙臂采茶機器人的作業空間劃分為各機械臂的作業空間 （S_I，S₂） ）以及雙臂的公共作業空間 （D） 。通過合理的采摘點分配和機械臂路徑規劃，可以有效避免機械臂間的碰撞風險，提高采摘效率。

2雙臂采茶機器人的協同采摘方法

在雙臂采茶機器人中，采摘點的分配和機械臂路徑規劃是提高作業效率的關鍵。采摘點分配算法需確保每個機械臂分配的采摘點數量相對均衡，避免個別機械臂采摘點過多或過少。此外，路徑規劃應綜合考慮機械臂的運動狀態，目標是最大化機械臂的同步作業時間，以此提升整體作業效率，并有效避免機械臂間的碰撞風險。相關名詞解釋如表1所示。

2.1雙臂的采摘點分配算法

基于作業空間劃分，將雙臂采茶機器人作業空間內的采摘點（圖6）分為各機械臂的作業空間 S_I ！ S₂ 的采摘點以及雙臂的公共作業空間 D 的采摘點，同時，對整個作業空間的采摘點設置優先級，初始優先級均為0（圖7）。其中， P_i^p 表示采茶機器人作業空間內第i個采摘點的優先級是 p 。

由于機械臂的結構特點，當兩個機械臂在采茶機器人x軸方向上的距離小于安全距離（Dist_safe）時，會發生碰撞。根據采摘點的分布情況，將作業空間動態劃分為3個空間：1號機械臂的自有空間、2號機械臂的自有空間、碰撞空間，如圖8所示。碰撞空間在x軸方向上的寬度等于安全距離。

S₁ ：1號機械臂的作業空間The private space of robotic arm No.1

S₂ ：2號機械臂的作業空間The private space of robotic arm No.2

D：雙臂的公共作業空間The public space of two arms

圖5雙臂采茶機器人的作業空間Fig.5 Space of the dual-arm tea-picking robot

表1名詞解釋

Table1Noun explanation

圖6雙臂采茶機器人作業空間的嫩梢

Fig.6 Shootsinthe spaceof thedual-armtea-pickingrobot

圖7采摘點初分配

圖8動態作業空間的劃分 Fig.8 Division of the dynamic space

為了實現雙機械臂的采摘點均衡，并確保碰撞空間內有且僅有一個機械臂作業，采摘點的分配應使得進入碰撞空間的機械臂在碰撞空間及自有空間內的采摘點數量盡可能與另一機械臂在其自有空間內的采摘點數量相等，如公式（1）所示。

式中： 表示在x軸方向上，從a到b之間的采摘點數量； N₁ 表示1號機械臂自有空間內的采摘點數量； N₂ 表示2號機械臂自有空間內的采摘點數量； N_d 表示碰撞空間內的采摘點數量；pos為1號機械臂自有空間與碰撞空間在x軸上的分界點位置；distsafe為安全距離；f（pos）通過此公式優化pos，使得兩個機械臂的采摘點個數盡可能平衡；pos是優化后在x軸上的分界點位置。

碰撞空間內的采摘點，越接近另一機械臂的采摘點越容易發生碰撞。根據采摘點在碰撞空間內的位置分布設置優先級，優先級按照等差數列從1到0分布，最靠近另一機械臂的采摘點優先級設為1，最靠近自有空間的采摘點優先級設為0，在各自的自有空間內的采摘點優先級都設為0，優先級高的采摘點應優先采摘，如圖9所示。

圖9雙臂采茶機器人的分配結果

Fig.9Allocationresultofthedual-armtea-pickingrobot

2.2機械臂的路徑規劃

機械臂高效遍歷采摘目標是確保整體作業效率的關鍵。為了簡化問題，假設機械臂末端的運動距離與嫩梢間的空間距離線性相關，并忽略各關節的速度差異，因此，嫩梢的依次遍歷路徑長度直接反映機械臂作業的耗時。為了提高整體采摘效率，采用蟻群算法[22-23]優化機械臂的路徑。該方法的基本思路是模擬螞蟻覓食的過程，以尋找機械臂遍歷采摘點的最優路徑。

首先需要計算機械臂對各自采摘點進行遍歷所需的時間。設末端執行器在嫩稍間的最大移動速度為 u_max ，加速度為 a ，初速度、末速度均為0，對于采摘順序相鄰嫩梢 n_i^j 和 n_i^j+1 之間的距離 D_i^j，j+1 ，可由公式（2）計算相鄰嫩梢間的運行時間，i+1。

式中： t_a 表示速度從0到最大速度 u_max 所需時間。

在機械臂的運動過程中，當兩個機械臂的距離小于安全距離時，判定為發生碰撞。在發生碰撞的情況下，處于自有空間的機械臂必須等待，直到處于碰撞空間的機械臂移至安全距離。因此，機械臂作業過程中存在等待時間t_wait 。設 m 為碰撞發生的次數，第i個機械臂的采摘時間 t_i 可通過公式（3）進行計算。

式中： T_i 表示第i個機械臂共有 T_i 個采摘點的采摘任務。

整體采摘過程的總用時 t_sum 為耗時最長的機械臂采摘時間，如公式（4）所示。

在上述的采摘路徑規劃中，未考慮碰撞空間內采摘點的采摘優先級。為了減少機械臂之間的碰撞，應優先采摘碰撞空間的嫩梢，而后機械臂在各自的自有空間內獨立采摘。本研究給出綜合采摘順序和采摘優先級的綜合優先級系數 P_sum 作為采摘規劃的目標，參見公式（5），當優先級較高的采摘點安排在較先的采摘順序上，可有效降低綜合優先級系數 P_sum P_sum 越小，處于碰撞空間的嫩梢優先被采摘。

（24號 （5）

式中： T₀ 表示作業空間（包括自有空間和碰撞空間）中的所有采摘點數量； O_i^j 表示第 i 個采摘點的順序值是 j （例如， O₂₃⁵=5 ，（2 P₂₃^0.75=0.75 ）

路徑規劃的優劣可以通過適應度函數來評估，如公式（6）所示。通過不斷更新信息素并迭代優化隨機初始解，當適應度達到最大時，便可得到最優的采摘任務規劃（圖10）。

f=A/P_sum+B/t_sum. （6）

式中： A 和 B 表示權重系數，用于平衡作業時間和優先級系數的影響。

圖10雙臂采茶機器人的路徑規劃結果

Fig.l0 Path planningresult of the dual-arm tea-pickingrobot

2.3動態新增采摘點規劃方法

在采茶機器人進行茶葉采摘的過程中，深度相機難以在單一點位采集整個作業空間的嫩梢數據。為了獲得作業空間內更多嫩梢數據，深度相機需在多個點位采集不同形態的嫩稍圖像及點云數據，識別盡可能多的嫩稍，并計算其在全局坐標系下的采摘點坐標。在現有的規劃方法中，深度相機在機械臂作業前通過多個點位拍照后一次性獲取作業空間內嫩梢數據（作業流程如圖3所示），導致采茶機器人在實際作業中需花費較多時間進行多點位數據采集，降低了作業效率。

為進一步提高采摘效率，提出了動態新增采摘點規劃方法的作業流程，如圖11所示。在機械臂作業前，深度相機在其中一個拍照點位采集嫩梢的圖像以及點云數據，處理數據并獲得采摘點坐標后，整體流程劃分為兩條并行路線：深度相機拍照路線和機械臂規劃路線。其中，深度相機拍照路線主要目的是為了從不同拍照點位和角度獲取嫩稍數據，實現采摘點的動態更新；機械臂規劃路線則根據當前采摘點的分布，實時分配雙臂的采摘任務并規劃路徑（圖12A～圖12C）。在機械臂執行采摘作業的同時，深度相機獲取并處理新的嫩梢數據，將新識別的采摘點與未采摘的采摘點整合（圖12D）。根據最新的采摘點分布，重新劃分雙臂的自有空間以及碰撞空間，確保雙臂的采摘點數量始終保持相對均衡（圖12E）。同時，對作業空間內的采摘點重新設定優先級，并在機械臂路徑規劃過程中，綜合考慮各個機械臂的作業時間、當前位置以及采摘點的優先級，形成最優路徑（圖12F），并實時將規劃后的采摘點下發給機械臂，直到所有采摘路徑上的采摘點被采摘且深度相機拍攝完所有點位后，完成本作業空間的采摘任務。移動機器人到下一個待采摘區域繼續作業。該方法通過深度相機和機械臂的同步作業，減少相機獨立工作的時間，從而提高采茶機器人的整體作業效率。

圖12動態新增采摘點規劃方法

Fig.12 The dynamic addition of picking point planning

3試驗驗證

3.1仿真試驗

由于茶葉采摘具有明顯的季節性，為驗證算法的有效性，在省市西湖區中國農業科學院茶葉研究所的試驗基地利用深度相機采集‘中茶108’的圖像及點云數據。通過數據處理，識別嫩梢，計算其在全局坐標下的采摘點坐標，利用在茶園收集到的采摘點數據進行仿真試驗，評估所提出的雙臂協同采摘規劃方法的性能。

為了驗證本研究所提出的協同采摘算法的有效性，與空間二分法進行了仿真對比分析。空間二分法將作業空間均勻劃分為兩個區域，由機械臂分別完成各自區域內的采摘點。由于該算法缺乏協同規劃，當機械臂之間的距離小于安全距離時，容易發生碰撞。為避免碰撞，將中間區域設置為不可作業空間，如圖13B所示，機械臂各自完成所在空間的采摘點。仿真結果如表2和表3所示，記錄每個機械臂的采摘點數量、作業時間以及采茶機器人作業時間，并計算出單芽采摘平均用時以及雙臂同步作業時間比，其中圖13為表2和表3中第5組數據的兩種規劃方法的不同結果示意圖。

根據表2和表3的數據可知，本研究提出的動態劃分作業空間的協同規劃方法提高了采摘效率，其單芽采摘的平均時間為1.41s，雙臂同步作業時間比為 91.95% 。相比之下，空間二分法的單芽采摘平均時間為 1.54s ，雙臂同步作業時間比為 81.54% 。由于空間二分法缺乏雙臂協同，其空間覆蓋率僅有 62.68% 。此外，空間二分法的雙臂采摘點數量不均衡，減少了雙臂同步作業時間，從而影響了采茶機器人的整體作業效率。

為了評估本研究提出的動態新增采摘點規劃方法的有效性，通過仿真模擬深度相機在3個不同點位拍照，獲取采茶機器人當前作業空間的嫩梢數據及采摘作業過程。采摘規劃有兩種模式：模式1為先完成3個點位拍照后再進行采摘；模式2為動態新增采摘點規劃方法。在模式2中，實時獲取各機械臂的位置，并根據當前采摘點的分布情況，重新分配采摘點以及規劃機械臂路徑。

仿真結果如表4和表5所示，雙臂采茶機器人在模式2下的單芽采摘平均時間為 1.53s ，相較于模式1的 1.68s ，效率提高了 8.93% 。在模式1中，采茶機器人的作業時間不僅包括機械臂的作業時間，還包括深度相機在3個點位的數據采集時間，導致整體作業時間增加。相反，在模式2中，機械臂作業過程中，深度相機同步進行其他點位的數據采集，減少了深度相機獨立作業時間，從而提高了作業的整體效率。

圖13不同規劃結果示意圖Fig.13 Diagram of different planning results

注：A為動態劃分作業空間的協同規劃方法，B為空間二分法。

Note：A，a collaborative planning approach for dynamic division of the space.B，two-space segmentation method.

Table2Simulationresultsofthecolaborativeplanningapproachfordynamicdivisionofthespaceforthedualarmtea-pickingrobot

表3雙臂采茶機器人在空間二分法仿真試驗結果

表2雙臂采茶機器人在動態劃分作業空間的協同規劃方法仿真試驗結果

Table 3 Simulation results of the two-space segmentation method for the dual-arm tea-picking robot

表4雙臂采茶機器人在模式1下仿真試驗結果

Table4 Simulation resultsof the dual-arm tea-pickingrobot under mode1

表5雙臂采茶機器人在模式2下仿真試驗結果

Table5 Simulation results of the dual-arm tea-picking robot under mode 2

3.2田間試驗

為了驗證雙臂采茶機器人協同運動在實際應用中的有效性，于2024年3月11日在省市西湖區中國農業科學院茶葉研究所的試驗基地進行了田間試驗，茶葉品種為‘中茶108'，如圖14所示。

在試驗中，采茶機器人首先利用深度相機在其中一個點位獲取當前作業空間的嫩稍圖像及點云數據。通過數據處理，識別嫩梢，計算其在全局坐標下的采摘點坐標。隨后，通過動態新增采摘點規劃方法，為各機械臂分配采摘點并規劃采摘路徑。在機械臂執行采摘任務的同時，深度相機移動到其他點位繼續拍照，以獲取新的嫩梢數據。在作業過程中，記錄每個點位獲取的采摘點數量、每個機械臂的采摘數量以及采茶機器人的作業時間，如表6所示。

由表6可知，雙臂采茶機器人的單芽采摘平均用時為 1.52s ，相較于Li等[24]的單臂采茶機器人（單芽采摘平均時間為2.17s），采摘效率提高了 29.95% ，雙臂協同采摘規劃方法不僅提升了采摘效率，還實現了作業空間的全覆蓋。

4結論

本研究結合茶葉的生長特性和雙臂采茶機器人的結構特性，提出了一種動態劃分作業空間的采摘點分配方法，結合了蟻群算法和采摘點優先級綜合優化了機械臂的路徑規劃，避免了機械臂間的碰撞，實現了高效協同作業。

圖14雙臂采茶機器人的茶園試驗

Fig.14Experiment of the dual-arm tea-pickingrobot in tea gardens

表6綜合動態劃分作業空間與動態新增采摘點的雙臂協同采摘規劃方法試驗結果 Table 6Experimental resultsof the dual-arm collaborative picking planning with integrated dynamic division of the space and dynamic addition of picking points

仿真試驗結果表明，采用動態劃分作業空間的協同采摘方法，單芽采摘平均時間為1.41s，雙臂同步作業時間比為 91.95% ；相比空間二分法的 62.86% 覆蓋率，該方法實現了采茶機器人作業空間的全覆蓋。此外，在現有規劃中，相機先在多個拍照點位采集作業空間下的嫩梢數據，然后利用本研究提出的協同規劃方法為每個機械臂分配采摘點和路徑，進行采摘作業，單芽采摘平均時間為 1.68s 。為此，進一步提出了動態新增采摘點規劃方法，通過深度相機和機械臂同時作業，實時更新采摘點信息，進行實時分配采摘點和路徑規劃，減少了深度相機獨立作業時間，單芽采摘的平均時間降低至 1.53s ，從而提升了整體作業效率。

田間試驗結果表明，結合動態劃分作業空間和動態新增采摘點規劃的協同采摘規劃方法，單芽的平均采摘時間為 1.52s ，不僅提升了采摘效率，還實現了作業空間的全覆蓋，較單臂采茶機器人，效率提高了 29.95% 。

參考文獻

[1]DinizDGHP，PistonesiFM，AlvarezBM，etal.Simplified teaclassification basedon a reduced chemical composition profile via successiveprojectionsalgorithm linear

Composition and Analysis，2015，39：103-110.

[2]．王東銘．世界茶葉貿易現狀與我國茶葉出口發展對策[J]. 中國茶葉，2024，46（12）： 7-12. Wang D M. Current status of global tea trade and strategies for the development of China's tea exports [J]. China Tea， 2024，46（12）： 7-12.

[3]吳敏，郁曉龍，陳建能，等．融合2D激光雷達與航向姿態 參考系統的采茶機仿形方法研究與試驗[J]．茶葉科學， 2023，43（1）： 135-145. Wu M，Huan X L， Chen JN， et al. Research and experiment on profiling method of tea picker based on fusion of 2D-LiDAR and attitude and heading reference system [J]. Journal of Tea Science，2023，43（1）：135-145.

[4]．趙潤茂，卞賢炳，陳建能，等．分布控制的乘坐式仿形采 茶原型機研制與試驗[J]．茶葉科學，2022，42（2）：263-276. ZhaoRM，BianXB，ChenJN，etal.Developmentand test for distributed control prototype of the riding profiling tea harvester[J]. Journal of Tea Science，2022，42（2）： 263-276.

[5]黃海濤，毛宇驍，李紅莉，等．茶鮮葉機械化采收裝備與 技術研究進展[J].中國茶葉，2023，45（8）：18-23，31. HuangHT，Mao YX，LiHL，et al.Research progress on mechanized harvesting equipment and technology for fresh tea leaves[J].China Tea，2023，45（8）：18-23，31.

[6]劉明麗，彭云，許艷艷，等．我國名優茶機采機制的研究 現狀[J]．食品工業，2023，44（5）：287-291. Liu M L， Peng Y，Xu Y Y，et al. Research status of mechanized pickingmechanism of premium tea in China[J]. The Food Industry，2023，44（5）：287-291.

[7]．黃家才，唐安，陳光明，等．基于Compact-YOLOv4的茶 葉嫩芽移動端識別方法[J]．農業機械學報，2023，54（3）： 282-290. HuangJC，TangA，ChenG M，et al.Mobile recognition solution of tea buds based on Compact-YOLO v4 algorithm [J].Transactions of the Chinese Society for Agricultural Machinery，2023， 54（3）： 282-290.

[8]陳佳，蔣清海，韓余，等．茶園生產全程機械化研究進展 [J]．中國茶葉，2024，46（4）：8-17. ChenJ，JiangQH，Han Y，etal.Research progress of tea production mechanization [J]. China Tea， 2024， 46（4）： 8-17.

[9] 張巍，趙幫泰，楊昌敏，等．名優茶智能化采摘關鍵技術 研究進展[J]．中國農機化學報，2024，45（5）：202-209，216. Zhang W， Zhao B T， Yang C M，et al. Research progress on key technology of intelligent picking of high-quality tea [J]. Journal oI Cninese Agricuitural Mecnanizauon， ZUz4， 45： 202-209，216.

[10]汪琳．基于SCARA機械手的采茶機器人研究[D].合肥： 中國科學技術大學，2020. WangL.Research on the tea picking robot based on SCARA manipulators[D].Hefei：University ofScience and Technology of China，2020.

[11] Firouzi S， Azarian F. Propellants of mechanical pruning and plucking of tea [J]. Information Processing in Agriculture， 2019， 6（4）： 454-461.

[12]Han Y， Xiao HR， Song Z Y， et al. Design and evaluation of tea-plucking machine for improving quality of tea [J]. Applied Engineering in Agriculture，2019，35（6）： 979-986.

[13] Zhang H W，Li X G，Wang L，et al. Construction and optimization of a collaborative harvesting system for multiple robotic arms and an end-picker in a trellised pear orchard environment [J].Agronomy，2023，14（1）：80.doi： 10.3390/agronomyl4010080.

[14]ZionB，MannM，LevinD，etal.Harvest-orderplanningfor a multiarm robotic harvester[J].Computers and Electronics in Agriculture，2014，103：75-81.

[15] LingX， Zhao Y S，Gong L，et al.Dual-arm cooperation and implementing for robotic harvesting tomato using binocular vision[J].Robotics and Autonomous Systems，2018，114： 134-143.

[16]Barnett J，Duke M，Au KC，et al.Work distribution of multiple Cartesian robot arms for kiwifruit harvesting [J]. Computers and Electronics in Agriculture，2020，169： 105202. doi： 10.1016/j.compag.2019.105202.

[17]Arikapudi R，Vougioukas SG.Robotic tree-fruit harvesting with arrays of Cartesian arms：a study of fruit pick cycle times[J].Computers and Electronics in Agriculture，2023， 211： 108023.doi： 10.1016/j.compag.2023.108023.

[18]Li T， Xie F， Zhao Z Q， et al. A multi-arm robot system for efficient apple harvesting：perception， task plan and control [J].Computers and Electronics in Agriculture，2023，211： 107979. doi： 10.1016/j.compag.2023.107979.

[19]李濤，邱權，趙春江，等．矮化密植果園多臂采摘機器人 任務規劃[J]：農業工程學報，2021，37（2）：1-10. Li T， Qiu Q， Zhao C J， et al. Task planning of multi-arm harvesting robots forhigh-density dwarf orchards [J]. Transactions of the Chinese Society of Agricultural Engineering，2021，37（2）：1-10.

[20]李亞濤，周宇杰，王少卿，等．名優茶采摘機器人收獲試

驗[J].茶葉科學，2024，44（1）：75-83. LiYT，ZhouYJ，WangSQ，etal.Experimental studyon high-qualitytea plucking by robot [J].Journal of Tea Science，2024，44（1）：75-83.

[21]ChenCL，LuJZ，ZhouMC，etal.AYOLOv3-based computervisionsystem foridentificationof teabudsand the picking point[J].Computers and Electronics in Agriculture， 2022，198：107116.doi： 10.1016/j.compag.2022.107116.

[22]WangHX，WangSH，YuT.Path planningofinspection robotbased on improved ant colony algorithm[J].Applied Sciences，2024，14（20）：9511.doi：10.3390/app14209511.

[23]黃晉，彭浩，劉浩濱，等．基于改進蟻群算法的多無人機 協同任務分配[J].航空計算技術，2024，54（5）：27-32. HuangJ，PengH，LiuHB，etal.Multi-UAVcollaborative task allocation based on improved ant colony algorithm[J] Aeronautical Computing Technique，2024，54（5）：27-32.

[24]LiYT，WuSK，HeLY，etal.Developmentandfield evaluation of a robotic harvesting system for plucking high-quality tea[J].ComputersandElectronicsinAgriculture， 2023，206：107659.doi： 10.1016/j.compag.2023.107659.