摘要
深度学习驱动的计算机视觉已成为农业机器人的关键赋能技术，为精准农业和自主田间作业提供可靠的感知能力。在各种目标检测框架中，You Only Look Once (YOLO) 系列因其在复杂动态的农业环境中于检测精度、计算效率和实时部署能力之间取得了良好的平衡而受到广泛关注。本文全面综述了基于 YOLO 的农业机器人系统视觉感知与自动化技术。系统回顾了 YOLO 框架从 YOLOv1 到最新 YOLOv11 变体的演变，特别强调了架构创新、性能改进以及对农业特定挑战的适应性，包括复杂背景、光照变化、严重遮挡和多尺度小目标检测。除了算法层面的分析，本综述还研究了基于 YOLO 的感知模块集成到机器人系统中的实际应用，包括自主导航、精准喷洒、作物监测、疾病检测和机器人采摘。此外，本综述分析了基于 YOLO 的农业机器人的完整部署流程，涵盖基准数据集、评估指标、模型优化策略以及边缘计算平台的硬件约束。还讨论了新兴研究方向，包括轻量级 YOLO 架构、多模态视觉 - 语言模型以及面向下一代农业自动化的云 - 边协同智能。通过结合计算机视觉算法的进展与机器人感知和执行，本综述为智能高效农业机器人系统的发展提供了全面的视角。
