《Smart Agricultural Technology》：Development and Laboratory Assessment of Automatic Selective Harvesting Mechanisms of Green Asparagus
编辑推荐：
本研究针对绿芦笋人工采收劳动强度大、成本高，现有自动化系统效率不足的难题，开发并集成了基于深度学习的实例分割、三维点云处理与精准气动执行（切割/折断）的端到端选择性采收技术。结果表明，切割式采收成功率高达100%，综合选择性采收系统在实验室条件下实现了73%的切割效率和74%的总体决策准确率，为面向田间应用的自动化采收系统设计提供了高效、紧凑的技术方案。
芦笋，这种营养丰富的多年生蔬菜，其清脆的口感和丰富的营养价值广受全球消费者喜爱。然而，在美味背后，其生产正面临着一个日益严峻的挑战：采收。芦笋的生长特性极为独特——笋芽在空间和时间上随机萌发，且生长迅速，每天可长高数厘米。这使得采收窗口极为短暂，通常需要在生产季节每日进行。目前，全球芦笋种植，特别是在美国，主要依赖人工采收。工人们需要在田间反复弯腰、半蹲，识别并采收符合规格的笋芽，这不仅劳动强度极大，还容易导致人体工程学损伤。随着季节性劳动力短缺和工资成本不断攀升，芦笋的生产成本持续上涨，甚至导致种植面积逐年减少。尽管机械化是解决这一困境的必然出路，但数十年的研究进展有限。现有的非选择性采收机（如割晒机型）会不分大小、成熟度地批量切割，导致可上市笋芽的产量损失高达50%。而基于机器人臂的选择性采收系统，又往往因复杂的机械结构、较慢的操作速度（如单个采收周期长达数秒甚至20秒）以及高昂的成本，难以在实际田间部署。因此，开发一种高效、快速、准确且适用于田间环境的自动化选择性芦笋采收系统，已成为农业工程领域一个亟待突破的关键问题。
为了应对这一挑战，来自密歇根州立大学生物系统与农业工程系的Naseeb Singh和Yuzhen Lu在《Smart Agricultural Technology》上发表了一项研究。他们并未采用复杂的多自由度机械臂，而是另辟蹊径，致力于设计一套结构紧凑、执行快速、集成三维视觉引导的端到端选择性采收系统。其核心在于将先进的机器视觉感知与简单可靠的气动执行机构深度融合，旨在实现速度与精度的平衡，为未来田间实用化奠定基础。
研究人员主要运用了以下几项关键技术：1) 三维视觉感知：使用Intel RealSense D405被动立体深度相机采集RGB-D（红绿蓝-深度）图像，构建实验室测试环境。2) 深度学习实例分割：基于YOLOv8s模型，对采集的芦笋图像进行训练，实现笋芽的像素级精确分割，为后续长度测量提供掩膜。3) 三维点云处理与长度估算流水线：利用分割掩膜从深度图生成点云，经DBSCAN（基于密度的聚类算法）去噪、体素化、三维骨架化提取中心线，并拟合B样条曲线来计算笋芽的“真实”曲线长度。4) 紧凑型气动执行机构设计与评估：创新性地设计并制作了两种基于气动旋转执行器的采收末端执行器——折断式与切割式，并在实验室条件下系统评估了它们的采收成功率、吞吐量等性能。5) 系统集成与同步控制：将上述视觉感知、决策（基于长度阈值）和动作执行模块集成，通过边缘计算设备（NVIDIA Jetson AGX Orin）与微控制器（Arduino）接口，实现实时视觉引导下的气动切割动作触发。
研究结果
- •
采收机制性能对比：研究人员首先在实验室对比了折断与切割两种气动机制的性能。切割机制表现出了显著优势，其采收成功率达到了100%，而折断机制为87.23%。在吞吐量方面，两者接近，分别为3.2根/秒和3.27根/秒。这表明切割机制在保证速度的同时，实现了更可靠的采收效果。研究还分析了折断机制的相关参数，发现折断比例（丢弃的下部长度与总长之比）主要集中在0.18-0.29之间，且总长与折断下部长度呈正相关（R2= 0.60），说明较长的笋芽倾向于在更高的位置折断。
- •
长度估算流水线的精度：开发的基于三维视觉的长度估算流水线展现出了高精度。与手动测量的地面真实值相比，其预测长度与真实值之间的决定系数（R2）达到0.94，平均误差为0.77厘米。这为后续基于长度的选择性采收决策提供了可靠的数据基础。
- •
选择性采收集成系统性能：将性能更优的切割机制与三维视觉感知、目标跟踪模块集成，构建了完整的自动化选择性采收流水线，并在实验室测试平台上进行了验证。系统以0.16公里/小时的前进速度和5帧/秒的图像处理帧率运行。评估结果显示，该集成系统在识别并切割合格笋芽方面的切割效率（召回率）为73%，总体决策准确率为74%。此外，单个笋芽的平均采收时间约为1.9秒。在目标跟踪方面，多目标跟踪准确度（MOTA）达到85%，身份切换（IDSW）次数较少，表明确保了笋芽在连续帧中的身份一致性。系统拓扑清晰地展示了从相机采集、边缘设备处理、微控制器信号传递到气动执行器动作的完整数据流与控制链。
结论与意义
本研究成功设计、开发并实验室评估了一套用于绿芦笋选择性采收的端到端自动化系统。该系统的核心贡献在于：1) 提出了两种新颖的紧凑型气动采收机制（折断与切割），并通过实验证明切割机制在成功率上更具优势。2) 开发了一套高精度的三维视觉引导长度估算流水线，为选择性决策提供了关键参数。3) 实现了感知、决策与执行的实时集成，构建了一个工作原型，证明了其在可控环境下的可行性。
这项工作的重要意义在于，它为克服现有芦笋自动化采收系统速度慢、结构复杂、实用性差的瓶颈提供了一种有前途的解决方案。通过采用简单的单自由度气动执行器替代复杂的多轴机器人臂，并结合高效的深度学习视觉算法，本研究在采收速度、系统复杂度和成本之间取得了有益的平衡。虽然目前仅在实验室条件下验证，但该系统架构为面向田间的实用化芦笋采收机器人开发奠定了坚实的技术基础。研究人员指出，未来的工作将聚焦于设计集成笋芽收集系统，并在实际生产田间条件下进行 rigorous 测试，以进一步验证和优化该框架的鲁棒性与适应性。这项研究不仅对芦笋产业自动化具有直接推动作用，其集成三维视觉与简易执行器的思路也可为其他直立型、选择性收获的果蔬作物自动化采收提供有价值的参考。
