基于多传感器数据融合的茶树冠层检测算法及其在优质茶叶智能采摘中的应用研究

为解决优质茶叶机械化采摘中冠层定位精度低的问题，研究人员开展了基于多传感器数据融合的茶树冠层检测算法研究。通过构建"洋葱剥皮"算法，实现了异常值剔除和特征区域精确定位，实验表明该算法可将采摘完整率提升至83.66%，为优质茶叶智能化采收提供了有效的技术支撑。

　　

茶叶作为重要的经济作物和广受欢迎的饮品，在世界主要产区对乡村振兴起着关键支撑作用。然而茶叶采摘具有极强的季节性，延迟采收会导致营养成分大量流失，严重影响茶叶品质。当前农村劳动力严重短缺，对机械化采茶需求迫切，但现有采茶机械大多局限于大宗茶采收，无法满足优质茶叶对形状（单芽或一芽一叶）的严格要求。由于优质茶叶的特殊性，国际上尚未开发出适用的采收技术和装备。

针对这一挑战，东南大学自动化学院的研究团队在《Smart Agricultural Technology》上发表研究，提出了一种基于多传感器数据融合的茶树冠层检测算法。该研究旨在解决优质茶叶机械化采收中的关键技术难题——茶树冠层表面的精确定位问题。

研究团队首先构建了多传感器茶树冠层位置检测系统，通过特征分析发现了茶树冠层的识别规律：数据范围内存在集中分布的数据带特征区域。基于这一发现，研究人员创新性地提出了"洋葱剥皮"算法（Onion Peeling算法），该算法能够有效排除空传感器读数、异常茶梢等异常值，精确逼近目标区域。

关键技术方法包括：采用15个超声传感器（Pepperl+Fuchs UB800-18GM40-I-V1型）组成检测阵列，采样频率20Hz；基于ARM芯片的微控制器（STM32F407VE）进行数据采集预处理；建立垂直纵向检测模型，传感器布置在采摘机切割器上方的横梁底部。

研究结果主要包含四个部分：

茶树冠层表面检测数据分析表明，传感器数据在垂直方向呈带状分布，存在异常值，且对应一芽一叶、一芽二叶位置有集中数据分布。通过模拟茶棚检测实验发现，不同作业速度下数据具有相同的带状分布特征。

冠层表面位置检测模型建立显示，冠层顶面位置与特征区域位置相差一个常数值，特征区域位于顶面下方约一芽二叶长度处。该模型将冠层表面位置分为冠层顶面和特征区域两部分，分别用于控制切割器切割深度和冠层识别定位。

"洋葱剥皮"算法原理与步骤部分详细阐述了算法的四个步骤：构建"洋葱"数据结构、识别剔除异常值、位置逼近和位置估计。算法通过不断剥离异常值外层，逐步压缩数据带向特征区域逼近，最终通过均值估计确定特征区域位置。

算法复杂度分析与精度验证表明，算法整体复杂度为O(N³)，在实际应用中N小于50，具有良好的实时性。精度验证实验显示，算法预测值的标准差仅为3.49，能够准确预测特征区域位置，精度约为±4.5mm。

田间试验结果显示，在龙井43品种茶园中，该算法使采茶机的平均采摘完整率达到83.66%，漏采率0.77%，漏收集率0.80%，茬口粗糙度2.84mm，较传统采茶机有显著提升。统计表明，超过63%的采收叶片为较高质量等级，包括单芽、一芽一叶和一芽二叶。

研究结论强调，该算法能够可靠准确地检测茶树冠层的最佳采摘位置，有效消除异常值，在检测精度和鲁棒性方面具有显著优势。尽管算法对数据量要求较高，且在茬口粗糙度指标上略逊于固定切割高度的自走式采茶机，但整体性能满足优质茶叶机械化采收要求。未来研究应关注不同茶树品种的适应性，在检测精度与成本间寻求合理平衡。

这项研究为优质茶叶的连续、高效、智能化机械化采收提供了精密的技术基础，对推动茶产业智能化升级具有重要意义。通过农艺与农机的有机结合，为实现高品质名优茶的机械化采收开辟了新的技术路径。