《Smart Agricultural Technology》：Cucumber picking robots: Technological progress, challenges, and future directions
编辑推荐：
这篇综述系统梳理了温室黄瓜采摘机器人（CPR）从1980年代手工时代到AI驱动阶段的演进，聚焦视觉-伺服（visual servoing）、绿中绿（green-on-green）识别、末端执行器（end-effector）柔顺设计及碰撞感知路径规划等关键技术，指出“看得快≠摘得准”的物理瓶颈与成本壁垒，为突破商业化阈值提供跨作物借鉴。
2. 历史演进：从剪刀到AI
1980-2000年代完全手工；2000-2015年出现集成原型机，但受限于遮挡与茎定位失败；2016-2020年CNN/YOLO带来检测提速，却未缩短采摘周期；2021至今的试点系统把感知-规划-执行闭环，现场成功率仍仅56.6%-74%，揭示“实验室10 s循环”与“温室124 s循环”的落差。
3. 视觉伺服：让眼手同步
RGB-D相机提供点云，结合PBVS与IBVS混合策略，实时修正叶簇微动；Intel RealSense D435i在56 s内完成一次采摘，较20年前65 s仅快9 s，说明瓶颈已从“看得快”转向“走得准”。
3.1 成像技术：给绿中绿加“第三只眼”
多光谱700-900 nm波段可放大果皮-叶片水分差异，把绿中绿误判率从15%降至5%，但帧率降至5 fps；结构光补光方案在潮湿温室易过曝，需同步湿度-温度-光照校准。
3.2 光谱混淆：硬件+算法双保险
硬件侧加ToF或550 nm窄带滤光片；软件侧用Cr通道（YCbCr）预训练，YOLOv5s检测速度90.9 FPS，绿中绿场景下mAP提升1.5%，证明“低成本RGB+深度学习”仍具潜力。
4. 识别算法：从单特征到amodal分割
单用HIS颜色空间识别率86%；融合形状-纹理-大小的MSER+SVM达90%；Mask R-CNN在1420张图上实现AP50=82.43，可推断被叶遮挡的黄瓜“隐形部分”，为后续刀口规划提供6D姿态。
5. 采摘机构：刚柔并济的“手”
5.1 抓持：吸附+夹剪
软质吸盘（半径50 mm）贴合曲面，吸力0.04 MPa，174次试验成功率86.2%，颈段最低76.8%，损伤率4.7%；AGRIST商用机用三指夹+小吸盘，60 s/根，连续作业10 h。
5.2 分离：冷切与热切
旋转锯片切茎成功率100%，但病毒传播风险高；Henten等用热线45 s/根，降低感染却留下灼痕；激光切割仍在实验室，切口宽度<1 mm，热影响区<0.5 mm，尚未解决能耗与安全性。
6. 运动规划：在藤蔓里穿针
6.1 路径规划
遗传算法优化采摘顺序，行程缩短12%，电池续航增9%；DIRECT全局优化把笛卡尔空间搜索降至0.3 s，但叶簇动态碰撞仍需在线重规划。
6.2 视觉跟踪
eye-in-hand相机以23 FPS估计梗方位，采用P_waypoint=P_cucumber+(0,150,150) mm过渡点，降低60%碰撞；标记立方体实现基坐标在线注册，重定位误差<2 mm。
7. 局限与未来
7.1 实验室vs温室
合成遮挡数据集mAP比真实环境高10%-15%，提示“数据鸿沟”依旧；多季多点多品种试验不足，导致统计可靠性缺口。
7.2 延迟与成本
YOLO推理220 ms仅占56 s循环的0.4%，真正耗时的是机械臂避障；�30 000的6-DoF臂占CAPEX 60%，软体末端成为降本替代方案。
7.3 跨作物启示
番茄“抓-拉-切”策略提示需精准估计果-茎夹角；草莓风扇去遮挡法可移植到黄瓜藤蔓；甜椒碰撞感知序列规划对高线栽培的串收模式同样有效。
7.4 商业化门槛
TCO=CAPEX+OPEX，若目标≤0.05 �/kg，需把单臂成本压至�8 000以下，并将MTBF提升至>100 h，损伤率<1‰，才能与东欧季工薪资竞争。
7.5 未来方向
① 多光谱+主动照明+边缘GPU三合模块，实现5 fps、<5 mm定位误差；② 基于果实生长时序的LSTM预测模型，提前24 h给出“可采窗口”，减少空跑；③ 绳轨-无人机混合框架，让机器人在三维棚架间“飞-走”结合，覆盖1 ha能耗<3 kWh。
8. 结论
视觉算法已逼近实时，但“柔顺接触+碰撞规避+成本可控”的三元悖论仍是CPR商业化最大拦路虎；只有把感知-规划-执行-经济四条曲线同步收敛，黄瓜采摘机器人才能真正走出试验棚，成为温室里的“新农夫”。
