农林业采收机器人发展现状

机器人采收是农林业现代化的关键技术之一。文中基于采收机器人采收对象进行分类，主要类型有苹果采收机器人、草莓采收机器人、番茄采收机器人、黄瓜采收机器人和林业采收机器人等，根据采收机器人类型对国内外农林业采收机器人的研究进行了分析，讨论了采收机器人发展过程中涉及的导航避障、视觉系统和末端执行器这些关键技术，通过分析现有采收机器人的优缺点，提出了目前研究中在末端执行器、图像识别技术、导航定位技术、柔性结构和机器人本体设计方面的问题，展望了未来农林业采收机器人的发展方向。

纵观美国、日本、荷兰、英国和比利时等农林业生产大国，现代化农林业已成为当今世界农林业发展的潮流。随着设施农业、精准农业等新型农业的出现，计算机、传感器和自动化技术越来越多被应用于农林业生产中。中国作为农林业大国，实现农林业现代化、农林业装备机械化和智能化成为发展的必然趋势。

目前，针对水稻、小麦等大面积种植的谷物已经基本实现了从播种到收获的自动化、机械化，大大节约了人工成本。但是，针对水果蔬菜等农作物，即使在种植环节已经能达到高度的自动化，但在采摘环节仍然需要大量的人工劳动。随着近年来机器人技术、图像识别技术的发展，如何使用机器人代替人工高效地完成采摘作业成为亟待解决的问题。

1国内外研究现状

自1968年美国学者Schertz和Brown首次提出将机器人技术应用于果蔬采摘，经过50年的研究与发展，农林业收获装备经历了从半自动化的采摘机械到全自动的采摘机器人。目前，日本、英国、美国和西班牙等发达国家都展开了农林业采收机器人方面的研究，主要涉及的采收对象有苹果、西红柿、草莓和甜橙等。我国在农林业采收机器人方面的研究工作起步较晚，但近年来发展势头迅猛并取得了大量成果。国内许多科研院校已经设计出试验样机，同时也提出了许多关键技术理论，但总体较国外研究相比，仍有一定的差距。

1.1国外研究现状

1.1.1苹果采收机器人

20世纪末，韩国庆北大学研发的苹果采收机器人具有4自由度，同时包括3个旋转关节和1个移动关节。该机器人选用内含压力传感器的3指夹持器作为末端执行器，可以有效避免损伤苹果。虽然此机器人采用了CCD摄像机和光电传感器，能够较为准确地识别苹果，但受限于自由度，仍然难以避开障碍物进行工作。

2008年，比利时BAETEN J等研发了一种苹果采收机器人，该机器人采用6自由度机械臂，安装于可升降运动平台上，由拖拉机拖动。末端执行器选择气压驱动柔性执行器。该机器人采摘周期为8~10 s，采摘率达80%，但是结构占地面积大，采摘动作不够灵活。

1.1.2草莓采收机器人

日本的KONDO N等针对草莓的温室高垄内培模式，研发了安装在龙门式移动平台上的3自由度直角坐标机械臂，是草莓采收机器人的初代样机。该机器人由彩色CCD相机检测草莓果实，利用吸入旋转切断式末端执行器切断果梗，采摘果实。试验发现吸持方式对小型果实十分有效，但仍有34%的果实无法被正确采摘。

陈至灵等：农林业采收机器人发展现状农业工程装备与机械化随后，KONDO N等又在第一代样机的基础上，通过改进末端执行器机构，研制了第2代草莓采收机器人。第2代机器人吸取了吸入旋转式和勾取式的优势，在末端执行器真空吸入草莓果实的基础上，增加了张合爪用于夹取果梗，完成切断，有效地提高了采摘的成功率。

日本宫崎大学NAGATA M等开发了由3自由度直角坐标机械臂带动末端执行器的采收机器人，其能完成竖直向下夹持并切断果梗。该机器人配备了固定-移动双相机，在白色或黑色的塑料膜背景下对草莓果实进行识别和定位，成功率超过90%。

针对高架悬挂式栽培的草莓，日本的HAYASHI S等研制了适用于高架栽培的草莓采收机器人。此机器人采用轨道移动平台和龙门式机械臂，以长条形LED点阵光源和3个相机构成视觉单元，末端执行器选用反射式光电传感器。与初代机型相比，新型的采摘机器人质量轻，采摘耗时缩短，但由于机器视觉算法无法妥善处理光源光照不均匀的问题，采摘成功率无法保证。

1.1.3番茄采收机器人

番茄由于其成串生长的特性，导致果实之间贴碰重叠和遮挡现象严重，因此被认为是机器人收获难度最大的蔬果之一。日本早在20世纪80年代初就开始进行番茄采收机器人的研究。京都大学川村登等较早进行了番茄采摘机器人样机的开发。该机器人包括电动轮式底盘、5自由度机械臂和2指夹持器，利用相机对果实定位。尽管该机器人结构与性能还不够成熟，但已完成番茄采摘机器人的初步构想与基础框架。

冈山大学的KONDO N等设计的番茄采收机器人，选用彩色摄像头和图像处理卡构成的视觉系统识别和定位成熟的番茄，7自由度机械手用以避开障碍物，带有橡胶套的夹持器和吸盘用以夹取和采摘果实。该机器人采摘周期约为15 s，成功率能够达到70%。

后来，KONDO N等又针对番茄的生长特性研制了新的番茄采收机器人。该机器人选用三菱RH-6SH5520型工业机器人，末端执行器采用切断式来剪切果梗，同时配有夹持器夹取被采摘的整串番茄。其最大采摘质量6kg，采摘周期约为15 s，但成功率较低，仅为50%左右。

FUJURA T等针对45°倾斜水培樱桃番茄开发了采收机器人。采用电动轮式底盘，4自由度直角坐标机械臂，吸持-摆动剪断式末端执行器和红外立体视觉传感器。该机器人的采摘能保证果实较高的收获率和果实花萼较高的完整性。

东京大学的CHEN X等开发了仿人型双臂式番茄采收机器人。该机器人在头部和腕部装有两个体感摄像头，每个手臂有7个自由度，并装有夹剪一体式的末端执行器。目前该机器人仅能靠人的指令完成采摘，仍处于试验阶段。

科威特的TAQI F等为温室和家庭采摘樱桃番茄设计了一款机器人，该机器人通过相机拍摄图像识别番茄果实，并且能够自主判别番茄是否成熟，是否破损或腐烂并完成分拣。

1.1.4黄瓜采收机器人

日本KONDO N等研制的黄瓜采摘机器人，采用6自由度机器人，配以CCD相机，根据黄瓜与其茎叶红外光反射率差异的原理进行识别，果梗分离采用传统的夹持切断式。但受制于茎叶对于黄瓜识别的影响程度较大，该机器人采摘成功率并不高。

荷兰的VAN HENTER E J等研制的轨道式黄瓜采摘机器人，包括4个采收机器人和1个机器人停靠站。每个采收机器人由智能控制运动装置、采摘机械手、终端感应器和计算机视觉系统组成。其利用瞬时高温方式切断果梗，避免了细菌感染，采摘成功率能达到80%。

1.1.5林业采收机器人

原苏联中央森工机械研究所的伊尔库茨克分所设计了一种装备有信息测量系统、执行系统和控制系统的伐木归堆机器人，其由计算机控制操纵抓切装置，使机械臂按指定方向动作，以完成抓树、从根部伐树、搬移和归堆等工作。

北美推出的Rottne 2202型和Rocan T型微型轮式采伐联合机采用计算机程序控制机器人完成伐木、打枝和造材作业，该机的特点是机体小巧，作业时不会对周围树木造成损伤，机组接地压力较小，减少了对地表的破坏和树根的损伤。

Timberjack公司开发了适用于陡坡和松软林地的6足采伐联合机器人，该机器人通过腿部传感器获取地面路况信息，采用计算机系统控制步伐，平衡机器人各足的载重，能越过120 cm的障碍，按设定的程序自动完成伐木、打枝和造材等工作。

1.1.6其他类型采收机器人

希腊工程师POOL TA和美国佛罗里达大学工程师HARREL R C等合作研发了一种柑橘采收机器人。该机器人由彩色摄像机和超声波测距机进行识别定位，采用半圆形环切刀切断果梗。

日本冈山大学MONTA M等研制的果园棚架栽培模式的葡萄采收机器人由一个5自由度机械臂和视觉传感器组成。此机器人同时集成了葡萄的剪枝、套袋和药物喷洒功能。

日本京都大学UMEDA K等研制了一种名叫“STORK”的西瓜采收机器人。该机器人包含有平行4球联动的机械采摘手爪、视觉传感器和移动机构。采摘手爪利用真空吸盘吸附方式提起西瓜，完成采摘。

日本HAYASHI S等针对V型架栽培的茄子开发了采收机器人，其采用履带式底盘、7自由度机械臂、掌心相机、超声距离传感器、真空吸盘和带有柔性夹持器的果梗夹剪一体化末端执行器。但由于枝叶遮挡等问题，该机器人的识别率和采摘成功率都较低。

巴里理工大学和莱切大学合作研制的菊苣采收机器人机是由一个双4杆机构机械手、末端执行器和视觉系统组成。其基于智能彩色滤波算法和图像形态学操作来确定菊苣的位置。末端执行器采用切断方式削减根茎，并能够夹持菊苣送入采集托盘内。

1.2国内研究现状

1.2.1苹果采收机器人

南京农业大学顾宝兴等针对标准矮化苹果果园，设计的苹果采摘机器人，利用DGPS自主导航载有采摘机械臂的轻型履带式智能移动平台，通过果实与树枝色差模型的图像处理识别和定位果实，完成采摘。

天津农学院苏媛等以瑞典ABB公司的ABB irb460型3自由度工业机器人为模型，利用BP神经网络构建了苹果采收机器人的视觉系统。该机器人将640×640像素的图片，在RGB颜色空间下，结合中值滤波降噪和拉普拉斯算子边缘检测方法实现果实的特征提取，最终完成苹果果实定位。

1.2.2草莓采收机器人

中国农业大学陈利兵针对垄作草莓研制了3直动直角坐标机械臂配置剪切式末端执行器，配合CCD相机构成视觉系统的草莓采摘系统；针对高架草莓，也制作了采用3直动直角坐标机械臂配置夹剪一体式末端执行器，并安装了微型履带底盘的“采摘童1号”样机。

国家农业智能装备工程技术研究中心冯青春等研发的草莓采摘机器人针对高架栽培模式，采用了声纳导航移动平台，6自由度机械臂和双目视觉系统，并开发了吸持果实，夹持果梗后，利用电热丝烧断果梗的新型末端执行器。

1.2.3番茄采收机器人

上海交通大学的ZHAO Y S等开发的双臂式番茄采收机器人，安装了两只三自由度PRR式机械臂，采用了滚刀式和吸盘筒式末端执行器，使用双目视觉系统进行果实识别与定位。

国家农业智能装备工程技术研究中心王晓楠等针对温室立体培育番茄种植，设计了一款智能番茄采摘机器人，包括视觉定位单元、采摘手爪、控制系统及承载平台。该机器人基于HIS色彩模型进行图像处理，提高了果实定位与识别精度；通过气囊夹持方式，保证了采摘过程中果实的柔性夹持，降低了采摘过程中果实的损伤率。

1.2.4黄瓜采收机器人

汤修映等研制的黄瓜采摘机器人FVHR-I，拥有一个带活动刃口和固定刃口的末端执行器，用以切断果梗。其视觉识别系统采用了RGB模型的G分量进行图像分割，同时进行黄瓜果实识别和分割点的确定。该机器人的采摘成功率很高，但黄瓜果实的识别还有待提高。

中国农业大学纪超等根据黄瓜果实与背景叶片分光反射特性差异，设计的黄瓜采摘机器人由自主移动平台、果实识别定位系统、采摘机械臂、柔性末端执行器和能源系统构成，并提出了三层式系统控制方案，设计了导航控制程序和采摘控制程序。该机器人单根黄瓜采摘耗时28 s左右，成功率达85%，具有较高的稳定性与实用性。

1.2.5林业采收机器人

东北林业大学陆怀民等研制的林木球果采集机器人拥有一个5自由度的机械手。工作时，机械手爪由双泵双回路液压系统驱动，实现机械手爪与机械臂整体的柔性动作。机器人停放在距母树3~5m处，机械手爪张开并对准要采集的树枝。随后，机械臂前伸使采集爪趋近球果，采集爪收拢，利用采集爪的梳齿结构夹拢果实并将果实撸下。最后完成球果的收集。

郭秀丽等设计的采伐联合机器人以SDWY-60型履带式挖掘机作为行走机构，安装有6自由度机械手，采用双泵双回路液压系统驱动，利用基于模糊自适应卡尔曼滤波的径向基函数神经网络控制系统，使机器人能实现立木定位、采伐与归堆等多功能自动循环作业。

魏占国等设计了轮式林木采伐联合机器人CFJ-30，其底盘采用铰接式车架构造，采用全液压驱动，集伐木、打枝、造材和归楞于一体。

1.2.6其他类型采收机器人

郭素娜等设计了一款能够自主导航定位的葡萄采摘机器人，其通过RSSI自主导航和颜色特征提取，操作5自由度机械臂对成熟的葡萄完成定位和采摘，准确率超过95%。

宋健等设计的开放式茄子采摘机器人，以4自由度关节式采摘机器人为本体。基于直方图的固定双阈值法对G-B灰度图像进行分割，提取了果实目标的轮廓、面积、质心、外接矩形以及切断点等特征，对茄子进行识别和定位。该机器人系统运行稳定可靠，抓取成功率为89%，平均耗时37.4 s。

2关键技术研究进展

针对农林业采收机器人在工作中所面临的众多问题，采收机器人的研究仍面临巨大的挑战。

（1）复杂的非结构环境：农林业采收机器人的工作地点往往处于农田、果园和温室垄间等具有坡度、坑洼地形、不可预见的障碍物的复杂地形环境中。因此机器人想要完成工作必须具有优良的导航避障能力、稳定的爬坡行走能力。

（2）自然环境下的作物信息获取：采收机器人通过传感获取的各种信息都是在自然条件下进行的，自然环境如光照、作物背景和枝叶遮挡等无关要素对于获取信息的干扰非常严重，因此采收机器人信息系统对于作物信息筛选区分的成功率至关重要。

（3）作物的摘取与分拣：由于不同作物的生长情况和形状特点各不相同，果实的生长位置、大小长短、易损程度也有很大区别，因此针对采收机器人的采收对象的不同，需要使用不同的末端执行器以满足不同的要求。

2.1导航避障系统

中国农业大学汤修映等提出了基于机器视觉和关节空间的黄瓜采收机器人障碍规避方法。该方法将障碍分为球体、正方体和长方体，再根据障碍类型将其归类，构造障碍保护圆和障碍保护点，采取过中间障碍点的三次多项式插值函数完成机器人相应节段关节的运动。

尹建军等提出了一种基于构形空间的关节型机械臂避障路径规划方法。该方法利用空间映射原理，将关节型机械臂工作空间三维避障问题转变为R-R机械臂避开障碍圆的问题，用临界关节角建立C-障碍空间的映射计算模型，将工作空间的位置避障转换为构形空间连杆的关节角计算。

江苏大学姬伟等针对特殊环境下采摘机器人的实时避障问题，提出了一种基于改进人工势场法的障碍规避方法。此方法通过引入虚拟目标点使搜索过程跳出传统人工势场法的局部最优极小点，从而实现机器人实时避障。

2.2视觉系统

2.2.1苹果采收机器人

BULANON D M等开发了一套实时视觉系统用于采摘苹果。该系统使用一个彩色CCD摄像机实时拍摄苹果图像，并利用PC机处理采集到的图像。该系统能在不同光照下在1 s内识别和定位水果。

LAK M B等采用颜色和形状处理相结合的方法对苹果进行分割。他们对图像进行过滤，转换成二值图像，并降低噪声，最后检测出图像中苹果的位置。

NGUYEN T T等利用相机获取的颜色（RGB）和三维（3D）形状信息，开发了一种用于检测和定位红色和双色苹果的算法。该系统对于完全可见和部分遮挡的苹果的检测率分别可达100%和82%。

中国农业大学冯娟等设计了一种基于激光视觉系统的苹果采摘机器人。该视觉系统基于飞行时间原理对目标场景进行三维扫描，根据扫描数据反映果实曲面特性，更清晰地解析果实和分辨枝叶间的空间几何特性和层次关系，避免或减少自然光线的干扰。

江苏大学吕继东等和冯玮等提出了两种对于苹果果实快速跟踪识别的方法。其一是基于R-G颜色特征的OTSU动态阈值分割方法进行首帧采集图像分割，根据图像中心原则识别果实。其二是在压缩跟踪算法的基础上结合SURF特征的跟踪识别方法。

贾伟宽等提出了一种基于K-means聚类分割、遗传算法（GA）和最小均方差算法（LMS）优化的径向基（RBF）神经网络相结合的苹果果实识别方法。该方法在LAB颜色空间下利用K-means聚类算法对采集的图像进行分割处理，提取RGB、HSI颜色特征向量和圆方差、致密度等特征。然后将提取的共16种特征输入神经网络，并对RBF神经网络训练，得到苹果果实识别模型。同时引入遗传算法对RBF神经网络进行优化，利用最小均方差算法对连接权值进一步学习，构建新的神经网络模型（GA-RBF-LMS）。此方法能够完成较为快速和精准的识别，对于遮挡、重叠的果实识别率超过95%。

2.2.2草莓采收机器人

中国农业大学张铁中等采用三层BP神经网络，通过分析选取3×3领域像素的H通道值作为草莓图像特征，选取HSV中与亮度无关通道以排除图像明暗对分割效果的影响。利用BP神经网络，通过提取大区域和腐蚀、膨胀等算法处理，能较好地分离成熟草莓果实与背景。

王粮局等又针对传统的基于手眼系统的视觉伺服方法在草莓采摘机器人设计中存在的信息反馈延迟大、频率低、定位耗时长及精度低等问题，采用了摄像机曝光信号触发控制卡进行高速位置锁存，结合位置传感器的反馈信息，减少定位耗时，并采用运动恢复结构方法，提高果实采摘精度。该方法将定位时间缩短至0.9~0.6 s，相对误差控制在-4.3%~1.0%范围内。

西北农林科技大学和日本宫崎大学合作开发了一种直立式草莓采收机器人。该机器人选用两个彩色摄像机（宽视角相机和细节相机）识别草莓果实、定位草莓果梗位置并判断草莓成熟度。其识别率能达到90%，成熟度检测超过50%。

新疆维吾尔自治区大学房爱青等通过双目视觉系统对草莓定位算法进行了研究，提出了基于单目视觉与测距传感器结合的草莓定位算法。该算法对草莓果实的识别率可达95%，定位误差在10 mm以内。

2.2.3番茄采收机器人

伊朗Urmia大学的AREFI A等为了区分番茄是否成熟开发了一种分割算法。该算法首先利用RGB颜色特征去除获取图像信息中的植物根茎等背景；接着用YIQ和HIS颜色空间提取番茄的黄色部分，用RGB提取番茄的红色和橙色部分；最后通过定义YIQ颜色空间的条件关系，识别成熟番茄。

东京大学Chen X Y等提出了一种基于几何和物理推理的番茄采摘机器人视觉系统。该方法利用2个RGB-D传感器采集数据，通过点云模型分割得到果实的原始形状模型，最后通过分析几何结构来识别番茄果实。

东京大学和DENSO株式会社合作开发的番茄采收机器人采用立体相机，可以测量短距离和直射阳光的深度。同时设计了一款使用无限旋转关节采摘手爪的末端执行器。该机器人在半室外环境和阳光照射环境下表现出了较好的适应性和鲁棒性，具有较快的采摘速度（23 s/个）和超过60%的成功率。

浙江大学项荣等提出了一种基于组合匹配方法和深度校正模型的双目立体视觉测距方法用于提高番茄采摘机器人的定位精度。该方法将形心匹配得到的视差值作为区域匹配设定视差范围的参考值，以减小区域匹配计算量及误匹配概率。再利用三角测距原理得到番茄区域深度图，并将区域深度均值作为其深度维坐标。随后，又将这一方法进行改进运用于开放环境中对番茄的定位。

中国计量大学梁喜凤等提出了基于提取番茄果实串连通区域边界的采摘点识别方法。通过图像增强处理获取边界清晰的串番茄图像后，采用多尺度形态学边缘提取法提取串番茄边缘图像，再进行边界提取，填充串番茄边界图，获得目标连通区域，通过计算获得串番茄采摘点的参考点。

上海交通大学赵源深等提出了一种基于非颜色编码的番茄识别算法。通过Haar-like特征类型和AdaBoost深度学习算法获得用于识别成熟番茄的分类器，利用所得分类器对番茄进行在线识别。该方法对光照变化、果实粘连及枝叶遮挡等干扰有很好的自适应性和鲁棒性。

2.3末端执行器

ARIMA S等开发了采用勾取切断式末端执行器的多功能作业机器人，采摘时，先用钩子勾住果梗，手爪夹住果实，再使用切刀切断果梗。

华盛顿州立大学的DAVIDSON J R等考虑到采摘现场的复杂环境和对苹果的损伤，设计了一款末端执行器。该末端执行器产生具有法向力分布的球形功率抓取并且选取重复的选定人类模式拾取序列。考虑到位置误差，采用柔性欠驱动关节，肌腱驱动装置改善执行器性能。

浙江工业大学采用气动弯曲关节，设计了一款通过圆锯片切割果梗的柑橘采摘末端执行器。

江苏大学刘继展等改进了一般番茄采摘机器人的吸盘式末端执行器结构，设计了一种以集成式真空发生器为核心的真空吸盘装置，提高了果实吸附和采摘的成功率，减轻了吸附过程中对果实的损伤。

浙江工业大学钱少明等设计的黄瓜采摘末端执行器针对黄瓜抓持的力学特性，建立了气动驱动器气压值与抓持能力之间的关系。该末端执行器由抓持器和切割器构成，其中抓持器由两个气动柔性弯曲关节构成，切割器由旋转气缸和刀片构成。

重庆理工大学王毅等基于仿生学理念，模仿蛇的吞咽动作和上颚结构，设计了以铰链四杆机构为构型的末端执行器。

3结论与展望

经过50多年的发展，农林业采收机器人的研究已经取得了长足的进步，无论是机型种类，还是在关键技术方面，无论是国内，还是国外，农林业采收机器人的研究和开发都方兴未艾。在日本、美国和西班牙等农林业机器人发达国家，采收机器人研究开发较早，开发的机型较多，但是，大多数仍未达到产业化水平。

国内研究开发较晚，但是，在国家和相关地方政府和科技部门的大力支持下，在采收机器人的研发方面做了大量有益的研发工作，取得了一定的研究成果，距离产业化还有一定的差距。未来国内外的学者仍将致力于农林业采收机器人的实用化和产业化研究。

目前农林业采收机器人的研究仍存在一些问题亟待解决。

（1）末端执行器。机器人采收作物的收获率、作物的完整程度以及采收完成后对原植株的损坏程度也是制约农林业采收机器人投入实际生产的重要原因。采收机器人的采收过程需要仿照人工作业，但是机械采摘末端执行器的设计限制了采收机器人在复杂环境下采收的成功率和采收下的作物的完好程度。

同时农林业采收机器人的采收要尽量避免采收过程中对农作物植株的损伤，破坏性的采收是不可取的。因此，采收机器人末端执行器的设计既要考虑到末端执行器在枝叶间运动的灵活性，又要考虑采摘手爪对果蔬进行采收作业时接触力的大小、摘取的方式，以保证果蔬的完好。

（2）图像识别技术。目前对于采收作物的图像识别技术已有了较多的研究，但是面对自然环境下生长的农作物，光照、枝叶遮挡和果实熟度等都是采收机器人工作时需要考虑的干扰因素，因此采收机器人对于成熟作物的识别率与识别速度始终难以达到较高的水平，这也导致机器人难以投入实际的农林业生产。

采收机器人准确识别成熟作物的速度与精度是提升机器人作业效率的关键。利用高效的算法和先进的传感器，将数据采集设备与视觉系统结合，提高视觉系统对信息的处理速度，同时利用机器学习和深度学习等技术不断提高对成熟果实作物的识别精度将会成为未来图像识别技术的发展方向。

（3）导航定位技术。随着精准农业、设施农业的发展，高架栽培、温室栽培等新型栽培方式将逐渐取代传统的露天种植。而采收机器人在垄间的路径规划与障碍规避速度会对采收机器人的作业速度产生极大影响。采用人工神经元网络技术，结合机器学习等方法提高机器人对复杂环境的识别和处理能力将是未来导航定位技术发展的关键。

（4）柔性结构。目前，农林业采收机器人基本都是针对特殊作物研究制造的特型机器人，泛用性差。采收机器人的设计和制造不应只满足于单种类的作物，应该提高机器人的泛用性，通过更换末端执行器和控制程序能够完成多种类型的作物收获作业，甚至是将播种、施肥和喷药等多种农林业生产作业集成到一台机器人上。

（5）机器人本体设计。目前，农林业采收机器人由于所需的传感器、图像采集设备等仪器以及本体造价等原因导致其成本高昂。因此，对采收机器人结构的简化既能有效降低其生产成本，又能提高机器人在复杂环境下工作灵巧性。同时简化操作能让农林业采收机器人能够更快地在农林业生产中得到普及。

（作者：陈至灵 姜树海 孙翊）