隨著我國茶產(chǎn)業(yè)的迅速發(fā)展，名優(yōu)茶采摘環(huán)節(jié)關鍵技術裝備缺乏、自動化程度低等問題日益凸顯。
不同于大宗茶采摘大多采用“一刀切”模式，名優(yōu)茶采摘面臨著人工采摘效率低，季節(jié)性勞動力短缺，茶樹品種和管理方式的不同導致機械化采摘標準難統(tǒng)一等問題。
西湖龍井采摘
（圖源：龍冠龍井）
本期綜述了名優(yōu)茶采摘環(huán)節(jié)技術裝備的研究現(xiàn)狀，系統(tǒng)歸納了近年來名優(yōu)茶采茶機在鮮葉識別、目標定位、采摘末端執(zhí)行器及整機方面的研發(fā)及推廣應用情況，分析了不同方法和裝備的技術特點，總結了其優(yōu)勢和不足，并針對目前名優(yōu)茶采摘技術裝備短板，指出了名優(yōu)茶采摘機器人研發(fā)面臨的挑戰(zhàn)和未來的發(fā)展趨勢。
01名優(yōu)茶機采裝備研究現(xiàn)狀
名優(yōu)茶采摘目標以單芽、一芽一葉、一芽二葉為主。名優(yōu)茶機械化采摘一般包括目標識別、定位、采摘、集葉等過程。
名優(yōu)茶葉片（左）名優(yōu)茶采摘點（右）
//茶葉嫩芽識別方法
作物目標識別一直是國內(nèi)外研究者關注的重點問題，隨著計算機視覺技術和深度學習算法的快速發(fā)展，草莓、蘋果、獼猴桃等作物目標檢測識別精度在不斷提高，基本實現(xiàn)了作物目標精準識別。
但是名優(yōu)茶嫩芽與老葉顏色相近、新老葉生長密集、形體小、形狀不規(guī)則、生長高度不一致，對機械化采摘提出了巨大挑戰(zhàn)。
《中國茶葉》編輯部制
茶葉嫩芽的識別是實現(xiàn)茶葉自動化采摘的前提，分傳統(tǒng)識別方法和深度學習識別方法：
傳統(tǒng)識別方法步驟多，精度有限，一般通過茶葉圖像顏色、紋理參數(shù)等進行目標識別。
深度學習模型可以從海量茶葉圖像數(shù)據(jù)庫中提取有價值的特征信息，并建立茶葉識別模型。常用的分步驟（先檢測后分類）方法有FastR-CNN、FasterR-CNN，與傳統(tǒng)的識別算法對比，識別準確度有所提高。隨著YOLO系列算法的不斷演進，其在作物目標識別領域的精度和效率得到了顯著提升。
區(qū)別于YOLO系列算法，DeepLab模型通常用于語義分割任務，在茶葉目標識別上也取得了較好的效果。
目前茶葉嫩芽精準識別方面依然存在嫩芽檢測模型識別環(huán)境單一，對光照強度變化的敏感性較差，計算量大、模型尺寸大不利于部署到移動端等問題。
如何設置構架好的深度學習模型，使之在監(jiān)測茶葉嫩芽長勢及計算芽頭傾角、采摘節(jié)間距時具有合適的識別精度和快速的收斂速度，將對加速機器視覺技術在名優(yōu)茶智能化采摘上的應用具有重要意義。
//茶葉采摘點定位方法研究
名優(yōu)茶采摘過程中，除了目標檢測以外，芽葉嫩芽采摘點坐標位置判斷也十分重要，但面臨和茶葉識別同樣的問題，茶芽與嫩葉、老葉顏色相近，難以準確識別，這對機器操作來說構成了巨大的挑戰(zhàn)。
龍井茶芽和老葉
（圖源：龍冠龍井）
手持式采茶機基于人工經(jīng)驗獲取采茶點。
單人手持名優(yōu)茶采茶機
二維定位是從茶葉嫩芽二維圖像中尋找嫩芽區(qū)域的特征及采摘點二維坐標，再依據(jù)二維坐標信息求解其三維空間位置。
最小外接矩形法更能反映嫩芽茶梗所在，但其對于嫩芽外形輪廓要求相對理想，在俯視情況下則無法定位采摘點二維坐標，還需后續(xù)輔助工作來完成采摘任務。
常規(guī)的名優(yōu)茶采茶機通過定位采摘點實現(xiàn)精準采摘，但茶葉嫩芽生長在不同高度，僅識別出采摘點二維信息還不能作為最終的采摘依據(jù)，只有準確判定出茶葉嫩芽的空間三維坐標才能實現(xiàn)最終的采摘。而目前大多數(shù)研究都集中在特定場景下茶葉目標的二維定位，對三維空間采摘點定位的探索相對有限。
隨著消費級RGB-D相機的普及，基于RGB-D相機的三維定位方法逐漸成為研究熱點。
“最小外接矩形”定位
三維定位中點云預處理和聚類的有效性取決于深度圖像的采集質(zhì)量，當深度圖像質(zhì)量差時，聚類和濾波的準確性受到影響。深度相機采集的圖像感知質(zhì)量在長距離下相當有限，特別是在復雜的背景下，會影響采摘點定位的準確性。
//采摘末端執(zhí)行器的設計研究
末端執(zhí)行器是采茶機與嫩芽目標直接作用的關鍵裝置，主要承擔剪切、放置等任務。傳統(tǒng)手工采摘方式是提斷，機械往復式剪切茶葉的刀片是通過交錯切割莖桿進行采摘。
人工提采
國內(nèi)外學者對各種果蔬采摘末端執(zhí)行器進行了大量研究，這些末端執(zhí)行器大多采用“先夾持、后采摘”的采摘動作。由于茶葉作業(yè)環(huán)境復雜程度遠高于結構化的工業(yè)場景，茶葉采摘末端執(zhí)行器的采摘難度高，需要開發(fā)特殊的末端執(zhí)行器用于采茶，仿生設計成了破解這一難題的關鍵突破口。
部分科研團隊成功開發(fā)出了基于仿生設計的茶葉采摘末端執(zhí)行器，通過設計仿生拇指與食指，實現(xiàn)了力量抓握、精確抓握和橫向抓握，揭示了手指結構和大小的差異與手的操作靈活性之間的聯(lián)系。改進設計了一種“旋轉拉起”仿生手指夾扯采摘末端執(zhí)行器。
夾扯采摘末端
手持式名優(yōu)茶采摘器模擬人手指夾住茶葉并通過提拉進行采摘，試驗表明采摘成功率為74.3%，3次采摘平均速度為25.2個/min。上述“仿生”夾采單點采摘方式基本可實現(xiàn)茶葉采摘，但采摘效率均偏低。
夾斷式采摘末端
針對名優(yōu)茶機械化采摘過程中側芽無法采摘的問題，設計分體刀具式名優(yōu)茶采摘末端執(zhí)行器，能夠有效完成茶葉采摘工作，頂芽、側芽采摘成功率分別為93%、63%，試驗值與預測值的相對誤差小于5%。
異形切割采摘末端
科學家們從茶葉嫩梢的力學模型、力學特性、采摘刀仿生設計等角度嘗試研發(fā)出了各種茶葉嫩梢采摘末端執(zhí)行器，在復雜茶葉作業(yè)環(huán)境下，其仿生結構的穩(wěn)定性與耐用性欠佳，難以長期穩(wěn)定運行。同時，制造成本居高不下，限制了從實驗室走向大規(guī)模商業(yè)化應用，距離滿足茶園實際生產(chǎn)需求還有較大的差距。
//采茶機器人的設計研究
傳統(tǒng)的采茶機通過一刀切的方式快速剪切茶葉，但是這種采茶機普遍存在對茶葉沒有選擇性的缺點，不適用于名優(yōu)茶的采摘。
單人采茶機（左）雙人采茶機（右）
隨著工業(yè)機器人技術和計算機視覺技術的快速發(fā)展，近年來我國開始了對名優(yōu)茶采摘的研究。
跨壟式名優(yōu)茶采茶機（左）背負折斷式采茶機（右）
已有名優(yōu)茶采摘機均處于中試階段，從最早的并聯(lián)采摘機器人，單手爪采摘機器人，到目前龍門架結構和機械臂結構（單臂、雙臂）采摘機器人。采摘原理是通過圖像對嫩芽識別、定位，通過末端執(zhí)行器采摘。
如浙江理工大學研制了龍門架結構的名優(yōu)茶采摘機，有效解決目前機采茶葉老嫩一刀切的弊端，為實現(xiàn)全自動化茶葉采摘奠定了基礎。但龍門架結構的采茶機是采用導軌引導的方式實現(xiàn)機器人沿壟運動，對于茶園道路建設要求較高。
江西農(nóng)業(yè)大學設計了一種自走式名優(yōu)茶采摘機器人，通過Delta并聯(lián)機械臂結合柔性指尖結構無損傷地采摘名優(yōu)茶嫩芽，但僅止步于圖紙階段。
Delta并聯(lián)機械臂采茶機
江西省農(nóng)業(yè)科學院研發(fā)了自走式雙臂采摘機器人，將雙目相機安裝在雙臂采摘機器人的采摘末端上方，實現(xiàn)了茶葉嫩芽的精準識別，準確率在99%以上，通過識別定位控制機械臂運動實現(xiàn)采摘，平均單個芽頭采摘時間小于5s。但該裝備仍然存在效率偏低的問題，整機作業(yè)適應性有待優(yōu)化，距離產(chǎn)業(yè)化應用有較大差距。
名優(yōu)茶雙臂采茶機
已有名優(yōu)茶采茶機面向不同茶園采摘精準度參差不齊，使用場景受限，難以推廣到大面積茶園采摘中。
按行走方式的不同可將名優(yōu)茶采茶機的動力底盤分為輪式底盤、履帶式底盤、輪履結合式底盤和仿生式底盤。
與輪式相比，履帶式底盤在狹窄、高低起伏不平等復雜路面有較好的通過性，行駛穩(wěn)定性、爬坡和越障能力都有所增強。緩坡茶園坡道較多，要求采茶機底盤具備爬坡能力、通過能力強的特點，因此履帶式動力底盤是丘陵緩坡茶園采茶機的最佳選擇。
02名優(yōu)茶機采裝備研究存在的問題
目前，我國名優(yōu)茶采收環(huán)節(jié)存在機械化程度不夠高，機械化技術與裝備不能很好地滿足當前和未來現(xiàn)代農(nóng)業(yè)生產(chǎn)需要的問題，具體體現(xiàn)為機械化、智能化水平低，裝備缺乏。
第一，對名優(yōu)茶采摘裝備深入、系統(tǒng)的研究不夠，目標定位、末端執(zhí)行機構研發(fā)等關鍵技術難以突破，裝備可靠性較差，推廣應用困難。
第二，我國茶園種植還存在農(nóng)藝粗放、不規(guī)范，修剪模式和種植行間距差異較大等問題，名優(yōu)茶采摘機械化難以適應多種栽培方式。
第三，非結構化的茶園環(huán)境增加了茶葉精準定位識別和采摘的難度。雖然深度學習技術可以提高采摘機器人在復雜環(huán)境下的目標識別性能，但仍然存在許多不可控的影響因素，需要考慮視覺識別系統(tǒng)的穩(wěn)定性。為了獲得更加準確的定位三維信息，基于視覺的三維重建技術可以作為一種有效的途徑，但是現(xiàn)有的三維重建技術仍然面臨著各種挑戰(zhàn)。例如，基于RGB-D視覺傳感器的3D重建技術在采集茶葉嫩芽時存在填充率不足的問題。因此，非結構化的茶園環(huán)境增加了精準識別定位的難度。
第四，裝備智能化系統(tǒng)的開發(fā)仍停留在實驗室研究階段，距離實際量產(chǎn)應用有較大差距。
03名優(yōu)茶機采裝備發(fā)展趨勢
//名優(yōu)茶精準識別定位技術研究
隨著圖像數(shù)據(jù)學習增多，識別準確率也在不斷提升，但不同的光照條件、重疊和遮擋仍然會影響采摘機器人的精準識別定位性能。因此，提高復雜環(huán)境下采摘機器人視覺識別系統(tǒng)的魯棒性和通用性具有重要意義。
此外，由于茶葉長勢、分布隨機，導致機械化采樣路徑隨機，已有的采摘路徑存在效率低和復雜環(huán)境下探索能力不足等問題，如何快速、高效地設計采摘路徑將會是未來研究的重點和難點。
//名優(yōu)茶采摘末端執(zhí)行機構研發(fā)
目前市面上的名優(yōu)茶采摘末端執(zhí)行機構多是用往復切割、捏切或拉旋切割，切割方式不同，茶葉莖口氧化程度也不一致，對后期名優(yōu)茶的加工影響程度也不一致，目前認為拉旋捏切方式更接近于人工采摘。
末端執(zhí)行機構大多配套在自走式平臺上安裝使用，采摘機器人在作業(yè)過程中，因自然風和采摘動作會使茶蓬面產(chǎn)生動態(tài)振蕩，雖然采摘機器人末端執(zhí)行器的設計可以容納一定的位置偏差，但茶葉嫩芽擺動的隨機性和復雜性仍然可能導致末端執(zhí)行器采摘失敗，從而損壞芽葉。
因此，未來研究重點是研發(fā)設計適宜的末端執(zhí)行機構，在復雜動態(tài)環(huán)境中實現(xiàn)毫米級的采茶作業(yè)目標，降低對茶葉嫩芽的損傷，保證采摘的芽葉完整度。
//輕簡化、高效節(jié)能采茶分級機設計
為了便于茶農(nóng)操作，輕巧便攜、采用輕量化材料與緊湊結構的采摘機將是未來發(fā)展的方向。配套嵌入可用的輕量級目標檢測模型，采用高性能電池或燃油發(fā)動機等動力源，提高能源轉化效率，降低能耗與成本。同時，因為采茶機采摘鮮葉會有一定的含雜率，鮮葉分選可作為解決名優(yōu)茶原料采摘問題的另一條有效途徑。
本文節(jié)選自《中國茶葉》2025年第5期《名優(yōu)茶機采關鍵技術及其裝備研究現(xiàn)狀和發(fā)展趨勢》。作者：葉春，趙爽，徐光浩，劉和來，陳道根，吳羅發(fā)*，舒時富，文中圖片由作者提供。
信息貴在分享，如涉及版權問題請聯(lián)系刪除
