針對農林業(yè)采收機器人在工作中所面臨的眾多問題，采收機器人的研究仍面臨巨大的挑戰(zhàn)。

       (1)復雜的非結構環(huán)境：農林業(yè)采收機器人的工作地點往往處于農田、果園和溫室壟間等具有坡度、坑洼地形、不可預見的障礙物的復雜地形環(huán)境中[5]。因此機器人想要完成工作必須具有優(yōu)良的導航避障能力、穩(wěn)定的爬坡行走能力。

       (2)自然環(huán)境下的作物信息獲?。翰墒諜C器人通過傳感獲取的各種信息都是在自然條件下進行的，自然環(huán)境如光照、作物背景和枝葉遮擋等無關要素對于獲取信息的干擾非常嚴重，因此采收機器人信息系統(tǒng)對于作物信息篩選區(qū)分的成功率至關重要[1]。

       (3)作物的摘取與分揀：由于不同作物的生長情況和形狀特點各不相同，果實的生長位置、大小長短、易損程度也有很大區(qū)別，因此針對采收機器人的采收對象的不同，需要使用不同的末端執(zhí)行器以滿足不同的要求。

導航避障系統(tǒng)

       中國農業(yè)大學湯修映等[42]提出了基于機器視覺和關節(jié)空間的黃瓜采收機器人障礙規(guī)避方法。該方法將障礙分為球體、正方體和長方體，再根據障礙類型將其歸類，構造障礙保護圓和障礙保護點，采取過中間障礙點的三次多項式插值函數完成機器人相應節(jié)段關節(jié)的運動。

       尹建軍等[43]提出了一種基于構形空間的關節(jié)型機械臂避障路徑規(guī)劃方法。該方法利用空間映射原理，將關節(jié)型機械臂工作空間三維避障問題轉變?yōu)镽-R機械臂避開障礙圓的問題，用臨界關節(jié)角建立C-障礙空間的映射計算模型，將工作空間的位置避障轉換為構形空間連桿的關節(jié)角計算。

       江蘇大學姬偉等[44]針對特殊環(huán)境下采摘機器人的實時避障問題，提出了一種基于改進人工勢場法的障礙規(guī)避方法。此方法通過引入虛擬目標點使搜索過程跳出傳統(tǒng)人工勢場法的局部最優(yōu)極小點，從而實現機器人實時避障。

末端執(zhí)行器

       浙江工業(yè)大學[64]采用氣動彎曲關節(jié)，設計了一款通過圓鋸片切割果梗的柑橘采摘末端執(zhí)行器。

       江蘇大學劉繼展等[65]改進了一般番茄采摘機器人的吸盤式末端執(zhí)行器結構，設計了一種以集成式真空發(fā)生器為核心的真空吸盤裝置，提高了果實吸附和采摘的成功率，減輕了吸附過程中對果實的損傷。

       浙江工業(yè)大學錢少明等[66]設計的黃瓜采摘末端執(zhí)行器針對黃瓜抓持的力學特性，建立了氣動驅動器氣壓值與抓持能力之間的關系。該末端執(zhí)行器由抓持器和切割器構成，其中抓持器由兩個氣動柔性彎曲關節(jié)構成，切割器由旋轉氣缸和刀片構成。

       重慶理工大學王毅等[67]基于仿生學理念，模仿蛇的吞咽動作和上顎結構，設計了以鉸鏈四桿機構為構型的末端執(zhí)行器。

結論與展望

       經過50多年的發(fā)展，農林業(yè)采收機器人的研究已經取得了長足的進步，無論是機型種類，還是在關鍵技術方面，無論是國內，還是國外，農林業(yè)采收機器人的研究和開發(fā)都方興未艾。在日本、美國和西班牙等農林業(yè)機器人發(fā)達國家，采收機器人研究開發(fā)較早，開發(fā)的機型較多，但是，大多數仍未達到產業(yè)化水平。國內研究開發(fā)較晚，但是，在國家和相關地方政府和科技部門的大力支持下，在采收機器人的研發(fā)方面做了大量有益的研發(fā)工作，取得了一定的研究成果，距離產業(yè)化還有一定的差距。未來國內外的學者仍將致力于農林業(yè)采收機器人的實用化和產業(yè)化研究。

目前農林業(yè)采收機器人的研究仍存在一些問題亟待解決。

       (1)末端執(zhí)行器。機器人采收作物的收獲率、作物的完整程度以及采收完成后對原植株的損壞程度也是制約農林業(yè)采收機器人投入實際生產的重要原因。采收機器人的采收過程需要仿照人工作業(yè)，但是機械采摘末端執(zhí)行器的設計限制了采收機器人在復雜環(huán)境下采收的成功率和采收下的作物的完好程度。同時農林業(yè)采收機器人的采收要盡量避免采收過程中對農作物植株的損傷，破壞性的采收是不可取的。因此，采收機器人末端執(zhí)行器的設計既要考慮到末端執(zhí)行器在枝葉間運動的靈活性，又要考慮采摘手爪對果蔬進行采收作業(yè)時接觸力的大小、摘取的方式，以保證果蔬的完好。

       (2)圖像識別技術。目前對于采收作物的圖像識別技術已有了較多的研究，但是面對自然環(huán)境下生長的農作物，光照、枝葉遮擋和果實熟度等都是采收機器人工作時需要考慮的干擾因素，因此采收機器人對于成熟作物的識別率與識別速度始終難以達到較高的水平，這也導致機器人難以投入實際的農林業(yè)生產。采收機器人準確識別成熟作物的速度與精度是提升機器人作業(yè)效率的關鍵。利用高效的算法和先進的傳感器，將數據采集設備與視覺系統(tǒng)結合，提高視覺系統(tǒng)對信息的處理速度，同時利用機器學習和深度學習等技術不斷提高對成熟果實作物的識別精度將會成為未來圖像識別技術的發(fā)展方向。

       (3)導航定位技術。隨著精準農業(yè)、設施農業(yè)的發(fā)展，高架栽培、溫室栽培等新型栽培方式將逐漸取代傳統(tǒng)的露天種植。而采收機器人在壟間的路徑規(guī)劃與障礙規(guī)避速度會對采收機器人的作業(yè)速度產生極大影響。采用人工神經元網絡技術，結合機器學習等方法提高機器人對復雜環(huán)境的識別和處理能力將是未來導航定位技術發(fā)展的關鍵。

       (4)柔性結構。目前，農林業(yè)采收機器人基本都是針對特殊作物研究制造的特型機器人，泛用性差。采收機器人的設計和制造不應只滿足于單種類的作物，應該提高機器人的泛用性，通過更換末端執(zhí)行器和控制程序能夠完成多種類型的作物收獲作業(yè)，甚至是將播種、施肥和噴藥等多種農林業(yè)生產作業(yè)集成到一臺機器人上。

       (5)機器人本體設計。目前，農林業(yè)采收機器人由于所需的傳感器、圖像采集設備等儀器以及本體造價等原因導致其成本高昂。因此，對采收機器人結構的簡化既能有效降低其生產成本，又能提高機器人在復雜環(huán)境下工作靈巧性。同時簡化操作能讓農林業(yè)采收機器人能夠更快地在農林業(yè)生產中得到普及。