《Smart Agricultural Technology》：Advancements in Orchard Thinning Technologies: A Comprehensive Review
编辑推荐：
这篇综述系统梳理了果园疏花疏果技术的演进，重点评述了从传统人工/化学疏除向机械化及智能化（机器视觉、机器人运动规划、末端执行器）发展的创新解决方案。文章对比了喷雾式（spray-based）、接触式（contact-based，如刷式/剪切式）及激光/真空吸附等智能疏除系统的性能，指出高精度花果识别（如YOLO系列、Mask R-CNN算法）、3D空间定位及运动规划算法（如A*、RRT、APF）是提升智能化水平的关键，同时展望了多模态传感融合与轻量化末端执行器在复杂果园环境中实现精准作业的应用前景。
引言
有效疏花疏果对提升果实品质、大小及果园产能至关重要。传统化学疏除存在农药残留及环境风险，且效果受天气、树况及施药时机制约；人工疏除则劳动强度大、效率低。近年来，自动化与智能化疏花疏果技术迅速发展，通过集成机器视觉、机器人技术及智能控制算法，正推动果园管理向精准化、可持续化方向变革。
手动操作疏除设备
手动操作设备依赖人工调节参数（如转速、目标区域识别），仍是当前主流方式。常见类型包括旋转绳式、环式（用于疏花）以及杆式、指刷式、振动式（用于疏果）。车载式设备可提升作业效率，但易受树冠结构限制。研究显示，旋转绳式疏花机在优化参数（如柔性塑料绳、250 rpm转速）下，成本可降至人工的10–18%。环式设计通过橡胶环替代绳索，减轻了对花簇及枝条的物理损伤。振动式疏果设备通过枝干振荡实现脱落，但需精确控制振动力度以避免损伤。
智能疏除设备关键技术
视觉系统与算法
智能疏除设备核心在于花果的精准识别与定位。在二维检测中，深度学习模型（如YOLOv4/v5/v7、Mask R-CNN）通过边界框或实例分割实现花簇、幼果的检测，准确率最高可达97.31%（mAP）。针对重叠、遮挡挑战，多视角三维重建技术（如点云处理、立体相机融合）可提升空间定位精度。例如，结合RGB-D相机与HSMnet深度估计，能实现花簇三维建模，为机器人路径规划提供坐标信息。
机器人运动规划
运动规划算法分为全局规划（如A*、RRT）与局部规划（如人工势场法APF）。全局规划在静态环境中生成最优路径，但动态适应性差；局部规划可实时避障，但易陷入局部最优。智能疏除系统常集成运动规划库（如OMPL），并结合旅行商问题（TSP）优化作业序列。最新研究引入仿生算法（如遗传算法GA、粒子群优化PSO）和深度强化学习（如DQN、PPO），提升系统在复杂果园环境中的自主性与适应性。
末端执行器设计
末端执行器类型决定疏除精度与效率。喷雾式设备（如TeeJet扁平喷嘴）适用于大范围作业，但易误伤非目标花果；接触式设备中，刷式执行器（如单刷/双刷设计）通过旋转摩擦去除花簇，但对密集区域可能造成机械损伤；剪切式执行器（如仿虹膜式、螺旋式）可精准剪断果梗，但结构复杂、实时性差；真空吸附式执行器通过负压吸附幼果，需优化吸盘形状以适配小尺寸目标，防止滑脱。
技术挑战与未来展望
当前智能疏除技术仍面临多重挑战：花果与叶片颜色相似、重叠遮挡导致识别困难；三维点云重建及多模态传感（如热成像、高光谱）融合算法需进一步提升实时性；末端执行器的小型化、轻量化与低成本化是规模化应用的关键。未来研究方向包括开发自适应果园环境的感知算法、融合深度学习的实时运动规划系统，以及多功能集成化平台，最终实现高效、精准、低成本的智能疏花疏果系统在现代化果园中的广泛应用。
