从视觉感知到可行动信息：自主采摘机器人任务导向感知与执行闭环综述

《Computers and Electronics in Agriculture》：From visual perception to actionable information for autonomous harvesting robots: A review

　　

全球农业面临劳动力短缺、生产成本上升以及对高效可持续生产的迫切需求，而采收仍是最难实现机械化的环节之一。自主采摘机器人需在复杂多变环境中识别并选择性处理目标，其视觉感知必须提供超越模块精度、可直接支撑执行决策的信息。研究人员将所需视觉能力组织为四类耦合信息产品：目标检测与分割（Detection and segmentation，D）、度量级三维定位（metric three-dimensional Localization，L）、位姿与任务相关几何估计（Pose and task-relevant geometry，P）、环境重建与自由空间表示（Environment reconstruction，E）。现有研究常把检测准确率、定位误差、位姿精度与系统级采收成功率混用，且缺乏统一的现场评估准则。为此，研究人员提出“可行动性门槛（actionability gate）”概念，从几何容差、不确定性、时序约束与失败恢复四个维度判断感知输出是否真正可用于机器人执行；同时建立完整系统（S）、采收专用模块（M）与相邻证据（A）三级证据分类，以及E1至E4成熟度分级。综述进一步将主动感知与视觉伺服作为跨阶段机制，把感知损失映射到几何误差、接近失败与恢复策略。结果表明，高检测精度并不等价于高采收成功率，真实部署还取决于遮挡、光照、标定、有效深度率、时延、在线更新与安全防护。该综述为采摘机器人从“看得准”走向“做得成”提供了任务导向的理论框架与评价范式。

研究背景方面，农业采收高度依赖人工，果园综合机械化率仍显著低于大田作物，核心瓶颈在于机器人需在遮挡、反光、重叠枝叶与动态光照下完成选择性采收。传统视觉研究多停留在单模块精度，未回答“感知结果能否直接驱动机械臂成功采摘”这一关键问题。研究人员据此开展一项任务导向的叙述性综述，系统整合完整系统、采收模块与相邻证据，提出以D/L/P/E四类信息产品组织视觉能力，并引入可行动性门槛与三级证据分类。

主要关键技术方法上，研究人员采用无年份与语种限制的文献检索，对纳入研究按S/M/A分类，并按E1实验室模块、E2独立现场感知、E3物理采收闭环、E4在线更新与失败恢复进行成熟度编码；提取作物、传感器、指标分母、成功率、周期时间与失效机制，不做跨研究 pooling 或因果推断。

研究结果部分，各小节结论如下。引言与综述方法论：明确感知必须服务执行，建立统一评价语言。当前采收机器人研究现状：汇总51个完整系统案例，苹果、番茄、草莓等作物在受控条件下可达较高识别率，但自然场景中采收成功率明显下降，且感知指标与机器人结果脱节。目标检测与分割：从手工特征、CNN到Transformer，实例分割可保留果梗与花萼边界，但小目标、遮挡与跨域泛化仍是瓶颈。三维定位：单目、立体、RGB-D与多模态融合各有适用边界，有效深度率、标定与匹配质量比标称精度更重要。位姿与任务几何：关键点与形态拟合能提供抓取与切割方向，但对弯曲果柄与对称目标敏感。环境重建：点云注册与神经场景表示可支持避障与接近规划，但在线与计算效率不足。

讨论与结论翻译如下：感知、规划与控制必须作为闭环整体评价，单一模块高分不能证明系统可用；未来应围绕可行动性门槛报告容差、不确定性、时延与恢复能力，推动主动感知、在线更新与安全中止机制，使自主采收机器人从演示样机走向田间可靠作业。

这篇综述的解读已完成，接下来可以选择一个方向继续深化：

把可行动性门槛细化为评估指标体系

对比D/L/P/E四类感知的技术路线与局限

把可行动性门槛细化为评估指标体系

对比D/L/P/E四类感知的技术路线与局限