综述：精准农业机器人技术：面向任务、平台与评估的综述

《Robotics》：Robotics in Precision Agriculture: Task-, Platform-, and Evaluation-Oriented Review Natheer Almtireen and Mutaz Ryalat

　　

机器人技术正日益成为精准农业的关键使能技术，其管理操作必须在劳动力、投入品使用、安全性及环境影响受限的条件下实现时空靶向性。本综述综合了农业田间机器人相关研究，并沿四个互补维度组织文献：任务（监测、除草、喷洒与收获）、平台（无人地面车辆、无人飞行器、龙门/固定结构系统、温室机器人与混合系统）、自主栈模块（感知、定位、规划、控制、执行、安全与人机交互）以及评估环境（实验室、温室、单季大田与多季/多站点大田）。跨维度分析表明，平台约束如何塑造传感几何、执行能力、定位可靠性、能源/续航、监管负担与安全需求。研究进一步探讨了跨任务通用的使能技术，包括在遮挡与光照变化下的视觉与多模态感知、弱拒止全球导航卫星系统(GNSS)下的定位与建图、可变形部分可观环境下的不确定性感知规划，以及面向接触密集型操作的柔顺末端执行器。除系统梳理外，本文强调评估实践，综合了核心任务相关指标，比较了实验室与大田验证环境，并提出了报告清单与基准阶梯以提升可复现性与跨研究可比性。本综述识别了领域偏移、长期自主性、标定鲁棒性、作物安全执行及近人安全保证等方面的共性瓶颈，并以分阶段研究路线图作结，将近期评估改革与远期可信多站点自主性相衔接。综上，本文提供了结构化框架，用于从应用场景、部署环境、系统成熟度及评估可信度等多视角解读农业机器人系统。

1. 1.
   引言
   当前全球粮食需求持续增长，据预测2050年总需求量较2010年将增长35%至62%，这与人口扩张、收入提升、饮食结构变化及气候变化密切相关。单纯依靠扩大生产规模无法满足需求，必须与资源限制和环境可持续性相协调。在此背景下，精准农业作为农业4.0的核心路径应运而生，其核心在于观测、测量并响应时空变异性，而非采用平均条件管理整片农田。机器人技术因能够在劳动力短缺、投入成本受限及环境影响约束下执行时空选择性操作，成为精准农业的重要支撑。然而，农业环境仅具有部分结构性，存在遮挡、光照变化、GNSS信号弱或无信号、地形不规则等挑战，使得农业机器人的评价不能仅依赖算法性能，还需结合平台约束、传感条件及作业环境进行综合考量。
2. 2.
   综述方法与分类体系
   文献检索覆盖机器人学、农业工程、遥感等多学科数据库，时间截至2026年3月5日，聚焦作物生产的精准农业机器人，排除畜牧业机器人。研究筛选采用PRISMA流程，确保纳入文献包含实质性技术内容。分类体系沿四个轴展开：任务类型（监测、除草、喷洒、收获）、平台类别（UGV、UAV、龙门/固定结构系统、温室机器人、混合系统）、自主栈组件（感知、定位、规划、控制、执行/工具、安全、人机交互）及评估环境（实验室、温室、单季大田、多季或多站点大田）。编码方案详细记录作物类型、传感器配置、定位方法、感知策略、末端执行器参数、自主等级及评估协议，并单独标注局限性字段以捕捉失败模式。自主等级被定义为从完全遥控到受验证保障的无监督自主的操作性分级，强调安全功能测试与责任转移条件。
3. 3.
   农业机器人平台
   平台选择决定整个自主栈的设计空间。UGV多采用轮式或履带式移动，需在行距狭窄、冠层变化及土壤-地形相互作用下进行导航，面临车轮滑移、沉陷及振动导致的定位精度下降与感知稳定性降低等问题。UAV提供快速覆盖与俯视传感几何，但受限于续航、载荷与航空法规（如欧盟EASA的目视视距内飞行与120米高度限制，美国FAA Part 107规则），影响其实时决策支持能力。龙门与固定结构系统牺牲机动性换取高精度与重复性，适用于高通量表型实验，但基础设施成本高且难以扩展至普通农田。温室机器人在GNSS拒止、空间受限且人员邻近环境下作业，依赖LiDAR与视觉定位，需应对冷凝、镜面反射及高湿环境。混合系统通过UAV执行大范围测绘与UGV实施定点干预，形成“监测-规划-行动”工作流，其协调架构可分为集中式、分散式与混合式，需解决通信可靠性、共享定位框架及跨传感器标定等瓶颈。
4. 4.
   面向任务的综述
   监测与表型任务侧重作物状态估计与时空制图。UAV主要搭载RGB与多光谱相机生成植被指数（如NDVI、NDRE、EVI、SAVI、MSAVI、PRI）以评估生物量、叶绿素含量及胁迫状况，依赖GNSS-RTK定位，但在冠层下需切换至SLAM与传感器融合。UGV可深入冠层下方，结合RGB-D与LiDAR获取三维结构性状，但受作物生长阶段与行距限制。当前评估多关注感知精度，缺乏对决策影响的验证。
   除草任务需在保护作物的前提下抑制杂草，分为机械中耕、激光热除草与化学微施三类。机械除草依赖高精度作物-杂草区分与行检测；激光除草需明确波长、功率、光斑直径、曝光时间等工程参数；化学微施要求感知与喷嘴执行的严格同步。核心瓶颈在于感知不确定性与不可逆执行之间的耦合，迫使系统在精度、吞吐量与作物安全之间进行权衡。
   精准喷洒旨在优化靶标沉积并减少飘移，分为基于处方图的变量喷施、实时冠层感知变量喷施与植株级微喷。系统通常集成LiDAR或超声波测距、编码器与IMU，结合PWM或流量控制实现剂量调度。沉积效果受气流、平台运动及液滴动力学共同影响，需依据ISO标准报告喷嘴类型、压力、流量、喷杆高度及气象条件。
   收获任务集成检测、定位、路径规划与柔顺抓取，需应对遮挡、光照变化及果实姿态多样性。末端执行器涵盖刚性夹爪、吸附式工具及软体混合设计，其性能取决于材料特性、驱动方式、接触力控制及响应时间。定位在果园中结合GNSS-RTK与局部避障，在温室中依赖SLAM或 fiducial标记。评估需明确采摘成功率、周期时间、损伤率及遮挡程度，并关注不确定性传播导致的保守规划与吞吐量下降。
5. 5.
   跨任务使能技术
   定位与建图方面，GNSS-RTK在开阔区域提供全局参考，但在冠层下与设施环境中需采用视觉里程计、LiDAR-SLAM及多传感器融合，以应对粉尘、遮挡与重复纹理导致的退化。感知与学习广泛采用深度学习进行检测与分割，但面临场景、传感器、采集协议与时间等多维度的领域偏移。提升泛化能力需采用跨站点、跨季节的留出法评估，并依托包含真实异构性的数据集。规划与控制需处理遮挡、可变形目标及状态不确定性，在导航中需结合行结构假设与反应式恢复行为，在收获中需引入碰撞感知与主动感知策略。操作与末端执行器设计需量化机械与流体参数，如软体抓手的刚度、行程、夹持力、接触压力，喷雾系统的喷嘴规格、工作压力与流量分布，以支持工程可比性。安全与人机交互需遵循ISO 18497与ISO 25119标准，实施风险评估、危险分析与功能安全验证，并结合人体工学评估操作员负荷、信任度与培训需求，超越单纯的紧急停止逻辑。
6. 6.
   评估实践与基准建设
   有效评估应立足作业结果而非仅感知精度。监测需补充空间配准与时序一致性指标；除草需报告除草率、作物损伤率及作业效率；喷洒需量化沉积分布与飘移，并记录气象条件；收获需明确采摘成功率、损伤率与周期时间。所有指标需按评估环境分层报告，并明确作物类型、生长阶段、光照、冠层结构与土壤条件等操作设计域属性。推荐采用基准阶梯从部件测试逐步过渡到多季大田验证，并实施包含自主栈透明度、协议完整性、安全机制与可复现性的四项报告清单。标准化单位需统一为货币/小时与货币/公顷、分钟或小时/次充电或油箱，并规范相对比较的表述语境。
7. 7.
   权衡与设计原则综合
   设计权衡主要体现在吞吐量-精度-作物损伤的耦合、自主水平-监管负担-可靠性的关联，以及能源-载荷-作业时长的制约。由此提炼出四项核心原则：不可逆执行需不确定性感知决策；评估需对齐操作设计域；安全功能应作为自主栈核心模块；平台选择是首要设计变量而非实现细节。此外，工具级参数（如夹持力、激光功率、喷嘴压力）与可靠性指标（如正常运行时间、故障频率、磨损堵塞、标定漂移、维护负担）共同决定系统的田间实用性。平台与工具链的选择框架应根据作物类型与农场规模匹配任务需求与自主栈约束，例如大尺度监测优选UAV，冠层下干预优选UGV，高通量表型优选龙门系统，温室作业侧重GNSS拒止导航与近人安全，混合系统则需解决跨平台标定与数据集成。
8. 8.
   开放挑战与研究议程
   近期挑战聚焦于领域偏移下的评估有效性，需推广跨站点、跨季节留出法评估与协议透明化；安全报告需从合规要求转为可量化验证，包括急停响应、接近感知性能与误触发率。中期挑战在于长期自主性与可维护标定，需开发多周部署下的自校验与恢复机制；不确定性感知规划需解决遮挡与可变形环境下的部分可观性问题，结合主动感知与失败恢复。长期挑战是实现多季多站点的可信自主，需构建形式化安全案例与独立审计机制；发展可扩展的基准基础设施，统一喷雾飘移、沉积及近人安全测试标准，支持跨研究元分析。
9. 9.
   结论
   本综述通过任务、平台、自主栈与评估环境的多维整合，系统解析了农业机器人系统的设计约束、失败模式与验证需求。相较于工业环境，农业场景的部分结构化、季节性变化及生物目标的可变性，要求评价必须超越组件精度，转向操作设计域适应性、工具特异性、监管负担与安全行为。当前主要瓶颈仍在于跨时空泛化能力不足、长期可靠性缺失、工具与安全性能报告不规范。未来应沿分阶段路线图推进，近期强化偏移感知评估与透明协议，中期突破长期自主与不确定性规划，长期建立多站点验证、标准对齐与形式化安全保证，从而切实提升精准农业机器人的部署成熟度与应用价值。