果蔬采摘机器人关键技术开发与示范应用

主要完成人：张昭  教授

果蔬采摘机器人商业化的关键瓶颈主要表现为“看不准、抓不上、摘得慢”。其深层原因为识别精度低、末端执行器通用性差、未规划最优作业路径。围绕上述问题，以苹果和金银花为典型对象，张昭教授团队开展系统攻关：

首先，针对因无法获取各类别果-枝-叶交互边界的差异信息导致苹果原位状态检测精度低的问题，结合多尺度特征的层次化分析和几何不变性建模技术，阐明复杂交互边界特征混淆机制，构建苹果原位状态多类别检测模型。模型mAP 达到95.8%，可将机械臂误操作概率降低10%，解决了看不准的问题。

其次，针对因果实在枝状态及其非规则形态差异导致的固定尺寸吸盘吸附成功率低问题，基于果实物理和损伤特性，探明非光滑凹槽稀疏形态下的章鱼柔韧特性真空吸附机理，并结合硅胶可塑性和运动及动力学分析，开发直径和贴合面自适应吸盘，该装置可将吸附成功率提升约5%，解决了抓不上的问题。

最后，针对因可采摘性指标量化不精准导致连续采摘效率低的问题，结合果实在枝状态，探究“位置-姿态-遮挡-动态障碍”四因素内在关联及交互对权重分配的影响，构建多因素加权的苹果采摘优先级评估模型，从而开发基于优先级的连续采摘顺序规划算法。该算法可将采摘耗时缩短20%~35%，解决了摘的慢的问题。

上述工作推动了我国水果、中药材产业节本增效，对实现智慧农业全面落地、助力乡村振兴具有重要意义。

张昭，教授，博士生导师，Springer旗下Smart Agriculture系列丛书主编，研究方向为果蔬采摘机器人，2025年围绕苹果、金银花、芒果自动化采摘关键技术发表SCI论文12篇（9篇1区TOP，2篇IF>10），编纂英文专著2篇，申请项目经费累计超200万。