综述：针对特定区域的杂草管理，机器人除草方法的综述 高峰， 丁淑贵， 朱文鹏， 韩康， 吴斌， 赵茂成， 李忠， 金晓军

《Sensors》：A Review of Robotic Weeding Modalities for Site-Specific Weed Management Feng Gao, Shugui Ding, Wenpeng Zhu, Kang Han, Bin Wu, Maocheng Zhao, Zhong Li and Xiaojun Jin

　　摘要：杂草控制仍然是现代作物生产中的一个关键挑战，尤其是在减少化学投入和提高环境可持续性的压力日益增加的情况下。精准农业和机器人系统的最新进展使得能够实施针对特定位置的杂草管理，即根据检测到的杂草位置选择性地进行干预。虽然大量研究致力于改进杂草检测算法，但对不同除草方式的特性和限制因素的关注相对较少，而这些因素最终决定了田间的实际效果。本文从执行器的角度对机器人除草方式进行了系统分析。具体而言，我们建立了一个全面的除草方法分类体系，包括机械、化学、热能、激光、电气以及其他新兴方法，并分析了它们的基本原理和操作特性。此外，我们还探讨了传感与执行之间的耦合关系，强调了不同干预方式对感知输出的不同要求。然后，我们开发了一个基于场景的比较框架，用于评估不同方法在代表性农业条件下的适用性，包括萌芽前控制、行内选择性除草、密植作物系统以及大规模杂草情况。基于此分析，讨论了单一模式系统的局限性，并回顾了多模式集成和空地协作杂草管理的发展趋势。总体而言，本文将重点从以检测为中心的方法转向机器人除草系统中传感与执行的集成，并提供了一个决策导向的框架，以支持下一代机器人杂草管理技术的设计、选择和部署。

1. 引言
杂草仍然是作物生产中最顽固的生物障碍之一，它们与栽培植物竞争水分、养分、光照和空间，导致全球范围内的产量和品质损失[1]。传统的杂草管理主要依赖于广谱除草剂的应用和机械耕作[2]。然而，随着除草剂抗性的增加、环境污染以及社会对可持续农业需求的增长， uniform(此处“uniform”可能为“uniform”或“统一”的误译，根据上下文可能需要调整)的全场处理方法暴露出了其局限性[3,4]。在这种背景下，杂草控制不再仅仅是一个农艺操作，而成为可持续作物生产系统中的一个核心问题，需要既能减少化学投入又能保持高效率和效果的方法[5]。
精准农业技术的迅速发展使得从广谱杂草管理转向针对特定位置的杂草管理成为可能，即仅在检测到杂草的目标位置进行干预[6,7]。机器视觉、深度学习、实时定位系统和自主农业平台的发展促进了在田间条件下更准确的杂草识别[8,9,10]。因此，机器人除草系统作为一种有前景的途径应运而生，旨在减少化学投入并在植物尺度上进行选择性干预[6,7,11]。然而，尽管近年来识别性能有了显著提高，但在实际条件下有效的杂草控制不仅取决于检测精度，还取决于所选干预方式的特性和限制因素[12]。

最近的大量综述文献主要集中在杂草检测算法上，特别是基于深度学习的分类和分割方法[13]。这些研究使用精确度、召回率、平均精确度等指标系统地评估了检测性能，并为数据集设计和模型架构优化提供了宝贵的见解[14]。然而，仅靠检测精度并不能保证成功的杂草抑制。不同的干预方式——机械清除、化学微量施用、热处理、激光消融或电破坏——对空间精度、时机、能量传递和作物安全有不同的要求[7,15]。此外，土壤条件、杂草生长阶段、多年生根系、执行器吞吐量和操作安全性等因素强烈影响了田间效果[7]。因此，杂草检测和物理干预应该被视为一个紧密耦合的系统，而不是独立的组件[13,16]。
尽管有关机器人除草的研究数量不断增加，但从执行器角度系统地探讨不同除草方式的工程特性和应用范围的综述相对较少[7,17]。本文通过关注特定位置杂草管理系统中的机器人除草方式来填补这一空白[6]。具体来说，本文（1）建立了包括机械、化学、热能、激光、电气以及其他新兴方法在内的除草方法统一分类体系；（2）分析了它们的物理机制和操作限制；（3）比较了这些方法在代表性强的一系列农业场景中的适用性，如萌芽前控制、行内选择性除草、密植作物和大规模杂草情况；（4）讨论了多模式集成和空地协作策略等系统级趋势。通过将重点从单独的检测算法转移到检测-执行耦合和工程可行性上，本文旨在为研究人员和系统开发人员提供一个决策导向的参考框架[16]。

为了确保全面覆盖，我们在Web of Science、Scopus、ScienceDirect、IEEE Xplore、SpringerLink和Google Scholar上进行了结构化的文献搜索，涵盖了大约2000年至2026年的出版物。关键词组合包括“机器人除草”、“自主除草机器人”、“末端执行器”、“机械除草”、“激光除草”、“热能除草”、“电除草”、“定点喷洒”和“特定位置杂草管理”。纳入了报告实验验证、系统实现或详细技术分析的期刊文章和会议论文。此外，还考虑了关于商用机器人除草系统的精选报告，以捕捉实际的工程发展。检索的文献重点分析了干预机制、执行器结构、性能限制和系统集成，而不仅仅是算法检测指标。

本文的其余部分组织如下：第2节基于不同干预机制提出了机器人除草方法的全面分类体系，包括机械、化学、热能、激光、电气以及其他新兴方法。第3节探讨了传感与执行之间的耦合关系，强调了不同干预方式对感知输出的不同要求。第4节提供了基于场景的除草方法比较，并为方法选择开发了决策框架。第5节讨论了单一模式系统的当前局限性，并强调了混合除草策略和空地协作系统中的新兴趋势。第6节对关键技术瓶颈、权衡和研究空白进行了批判性讨论，第7节总结了文章。

2. 机器人除草方式与干预机制
特定位置杂草管理系统的有效性最终取决于检测到杂草后如何将其物理消除[18]。尽管感知技术的进步使得杂草定位越来越准确，但实际的农艺结果取决于干预方式，包括杂草死亡率、再生风险、作物安全性和能源消耗[19,20]。机器人除草系统采用了多种干预方法，这些方法在能量传递机制、结构配置和田间适用性方面各不相同[21,22]。
图1展示了本综述中考虑的机器人除草方法的总体分类，并根据其基础干预机制进行了分类。为了进行系统比较，本节将机器人除草方法分为五个主要类别：机械、化学、热能、光学和电气方法。对于每种方法，都讨论了其基本工作原理、操作特性和典型应用范围。这种结构化的分析为后续的跨方法比较和基于场景的评估奠定了基础。

2.1. 机械除草
机械除草是最早应用于机器人特定位置杂草控制的技术。它通过切割、锄地、旋转耕作或拔除等物理操作直接破坏杂草的根和生长点，从而实现有效的杂草去除或抑制再生[23,24,25,26,27,28]。与化学除草相比，其主要优势在于完全消除了除草剂残留的风险。这一特点赋予了机械除草在有机农业、低农药或减少农药生产的系统以及高价值园艺作物种植中的巨大潜力和实际价值[24,25,26,27,29]。
根据其工作机制，机械除草系统通常可以分为四种典型模式：（1）切割，通过刀片或摆动锄在浅层土壤中切断杂草茎部；（2）拔除，利用夹紧、带驱动或弹跳装置将幼苗拔出；（3）掩埋，通过堆土或覆盖土壤来阻挡光线，从而抑制杂草生长；（4）根部干扰，通过破坏浅层土壤来打破根与土壤的接触，减少杂草存活[24,25,26,27,30,31]。
从操作空间的角度来看，机器人机械除草末端执行器可以分为行间和行内配置[24,25,26,27,32,33]。行间除草主要针对作物行之间的相对开放空间，通常使用刚性刀片、锄头、旋转耕作器或滚轮组件进行连续操作。这种场景在控制方面的要求相对较低，关键技术考虑集中在路径跟踪稳定性和作业宽度的优化上，以提高效率[24,25,26,34]。相比之下，行内除草必须在紧邻作物植物的限制空间内快速避开作物并精确插入工具。由于其对定位精度和响应速度的要求极高，这被认为是机械除草中最技术挑战性的场景之一[24,25,26,27,35]。图2展示了一个典型的智能行内机械除草装置的结构，说明了执行器如何在相邻作物植物之间的狭窄空间内操作[36]。

早期的研究表明，视觉引导的机械行内除草系统已经能够在移植蔬菜生产中实现作物识别和同步刀片动作，从而有效减少了对手动除草的依赖[24,37,38]。在此基础上，后来的协机器人系统采用了混合智能策略，其中更复杂的感知校正任务由人类监督，而重复的高频刀片插入动作则由自动化机制执行。这种方法不仅大幅减少了劳动力投入，还表明即使在半自主操作下，机械末端执行器也能提供实质性的劳动替代[25,39]。
随着机器视觉、深度学习和立体匹配技术的发展，现代机械除草机器人经历了控制策略的根本转变，从基于预设植物间距的传统开环控制发展到由实时检测驱动的闭环控制[27]。这些系统可以实时识别作物和杂草，并通过整合作物安全区、杂草质心位置和工具运动范围来动态生成最佳工作轨迹，从而实现精确的特定位置切割、侧向作物避让和局部土壤扰动[27]。值得注意的是，虽然深度学习的引入大大提高了复杂田间背景下的识别鲁棒性，但也带来了新的系统限制：末端执行器对感知延迟、坐标校准误差和执行器响应延迟的容忍度显著降低，即使是微小的误差也可能导致操作失败[27]。
从工程角度来看，机械除草具有明显的优势，包括没有化学残留物、易于模块化集成以及对大型杂草的高效率[23,24,25,26,27]。在果园和葡萄园的近距离作物作业中，其性能尤为突出，那里的旋转切割头结合可调定位机制显示出了强大的效果[26]。
然而，机械除草也有明显的局限性[24,25,26,27]。首先，它高度依赖土壤条件：过于湿润、紧实、多石或覆盖大量残留物的土壤会显著降低工具稳定性、杂草去除效率和作物安全性[24,25,26]。其次，它需要极高的控制精度，通常要求在厘米级或更高，否则容易遗漏杂草、损伤作物或造成土壤反复扰动[24,25,27]。第三，根部去除往往不彻底。虽然机械除草在杂草幼苗阶段有效，但对于深根、多年生或再生能力强的杂草，单次干扰后仍容易再生[23,24,27]。第四，操作受到空间和可见度的限制。在高种植密度、行距狭窄或树冠遮蔽严重的情况下，系统经常面临无法在不充分接触的情况下检测到杂草，或者无法安全地操作工具来去除杂草的困境[24,25,27]。即使在果园中，靠近树干的操作也需要具有复杂多自由度调整的执行器以避免与树干碰撞或无法完全去除杂草[26]。
总体而言，机械除草最适合在限制使用除草剂、目标植物较大、需要精确的近距离作物处理以及土壤条件良好的场景中[24,25,26,27]。为了便于比较不同机械除草机制的工作原理、优势、局限性和应用场景，表1总结了机器人机械除草中常用的典型末端执行器，并为每一行提供了相应的参考文献。机械除草的核心价值不仅在于替代化学除草剂，还在于建立了一个包括检测、定位、避开作物和工具激活的典型感知-行动闭环[25,27]。然而，其性能上限受到感知精度、机械灵活性、运行速度和土壤条件之间权衡的限制，因此仅通过单独的改进难以进一步提升。因此，未来的系统设计可能会朝着多模式集成方向发展，即将机械除草与喷洒、激光处理或电控技术结合，以实现更优的整体性能[25,27]。

表1. 机器人机械除草中使用的典型末端执行器：典型工作模式、优势、局限性、应用场景及参考文献。

2.2. 化学除草
化学除草是现场特定杂草管理中最广泛使用且技术最成熟的方法之一。其核心原理是从传统的全面喷洒转变为局部化、定量和按需施用除草剂，其中干预措施由杂草的空间分布、密度或单个位置来指导[40,41,42,43]。与传统方法不同，机器人化学除草系统建立了完整的感知-决策-执行闭环：首先使用机器视觉、光谱传感器或深度学习模型识别杂草，然后根据检测结果激活喷雾器，从而仅将除草剂施用于目标区域[40,41,42]。这种方法在保持除草效果的同时，可以大幅减少化学药剂的使用量，减轻环境影响，并提高施用效率，特别适合杂草分布存在显著空间异质性的田地[40,41,42,44]。根据作业规模和执行方式，机器人化学除草通常可以分为四大类：斑块喷洒、条带喷洒、点喷洒和特定植物喷洒[40,41,44]。斑块喷洒主要针对连续遭受杂草侵扰的区域，并根据预先建立的地图或实时检测结果处理局部杂草斑块[41,44]。条带喷洒通常沿着作物行或预定义的条带连续施用除草剂，在作业效率和精确度之间取得平衡[41,45]。点喷洒侧重于单个目标或小株杂草簇，并通过快速切换喷嘴实现精确的小面积覆盖[40,44]。特定植物喷洒代表了最高精度的模式：它不仅需要识别杂草，还需要可靠地区分作物和杂草，然后将除草剂精确地输送到每株杂草的有效目标区域[46,47]。表2详细比较了这四种技术途径在目标规模、执行方式及其各自的优势和局限性[40,41,44,46]。如图3所示，典型的机器人点喷洒系统将感知、决策和喷嘴级执行集成到一个统一的平台上，用于现场特定的除草剂施用[48]。(a) 示意图展示了杂草检测后由喷嘴触发的喷洒过程。(b) 原型喷雾臂和摄像头/喷嘴组件。

表2. 机器人化学除草的不同技术途径及其参考文献。一个典型的机器人化学除草系统由四个核心模块组成：杂草识别、目标定位与决策、喷雾执行和移动平台控制[40,43,49]。在早期发展中，杂草识别主要依赖传统的机器视觉方法，如颜色分割和形态学分析，来识别行内和行间的杂草，并触发基于电磁阀的点喷洒[40,43,51]。随着深度学习和边缘计算的引入，这些系统越来越多地采用对象检测、语义分割和轻量级卷积神经网络，在不同的光照条件、遮挡和复杂田间背景下显著提高了识别能力[46,49,50]。因此，机器人化学除草正从基于面积的可变剂量喷洒向植物级精确施用发展[46,47,49,50]。

与机械除草相比，机器人化学除草通常在可扩展性、工作宽度和工程集成方面具有优势，尽管这些优势应条件性地看待，而非绝对地[41,43,49]。由于系统不需要与每株目标植物直接接触，它通常更能适应复杂的作物结构、部分遮挡以及中等的几何定位误差，而这是行内机械执行器在狭窄工作空间内必须同时实现作物避开和精准工具插入所面临的挑战[41,46,49]。此外，化学除草系统通常可以更容易地与现有的喷雾臂或多喷嘴架构集成，从而扩展工作宽度，并支持大规模作业中的较高田地处理能力[41,44,49]。从工程角度来看，这种与成熟喷洒硬件的兼容性使机器人化学除草成为当前机器人杂草控制技术中最易于实际应用的方法之一，尤其是在大面积田地应用中[7,43,49]。然而，这些比较优势在很大程度上取决于杂草密度、喷洒分辨率、作物与杂草的重叠程度、行进速度、环境条件以及农艺背景，因此最好使用如除草剂节省率、田地处理能力、目标命中率、作物损伤率以及每处理面积的成本或能源输入等标准化指标来进行评估[44,46,47,49]。尽管能够实现精准的除草剂施用，化学除草仍受其内在属性的限制[7,41]。(1) 它受到生物学限制。其有效性取决于杂草对除草剂的敏感性；如果杂草产生了抗性或喷洒覆盖不足，仅凭精确的定位无法确保满意的控制效果[7,40,41]。(2) 它容易受到环境干扰。喷雾漂移、蒸发和反弹沉积受到风速、喷洒距离和车辆速度的强烈影响，这可能降低施用精度并增加非目标植物的风险[44,49]。(3) 错误检测是一个严重的风险。在特定植物喷洒中，将作物误判为杂草可能会导致除草剂对作物造成伤害，使得系统对误报的容忍度极低[46,49]。因此，对机器人化学除草系统的评估不应仅限于精确度或平均精度（mAP）等算法指标，而应关注一个更基本的问题：即检测结果能否转化为有效的田间杂草控制[46,49]。只有当感知坐标、喷嘴时机、运动补偿和喷雾流体动力学匹配得当时，高检测精度才能导致高杂草死亡率。这种面向应用的系统级评估对于高分辨率微喷雾系统尤为重要[46,47,50]。

随着高分辨率微喷射技术的成熟，化学除草正从单纯减少处理面积转向提高目标级别的精确度[47,49,50]。然而，在可持续农业的更广泛背景下，不应将其视为一种独立的解决方案，而应视为综合杂草管理的一部分。未来的发展方向可能是多模式协作系统，将化学方法与机械、激光、电控或热非化学方法相结合，以应对除草剂抗性问题并满足日益增长的环保型杂草控制需求[7,43,49]。从综述的角度来看，机器人化学除草不仅仅是在机器人上安装一个喷雾器的问题；实际上，这是一个涉及感知、喷雾流体动力学、运动控制和生物杂草响应深度耦合的系统工程问题，进一步的突破需要在整个流程中进行协调优化[46,49,50]。

2.3. 热力除草
热力除草是机器人现场特定杂草控制中的关键非化学方法。其核心原理是利用高温或定向能量快速破坏杂草细胞结构和生长点，从而抑制其生长[6,52,53,54,55]。与化学除草不同，热力除草不依赖除草剂活性成分，这使得它在有机农业、减少化学物质使用量的系统以及管理抗除草剂杂草方面特别具有吸引力[52,54,55]。从技术上讲，热力除草通常包括火焰除草、蒸汽除草、热水除草、热泡沫除草和红外线除草。尽管它们的机制不同，但这些方法主要通过直接加热地上植物组织来发挥作用，导致细胞液迅速膨胀、膜不稳定和组织坏死，而不需要将植物完全烧焦成碳化状态[6,17,52,53]。具体来说，火焰除草在杂草幼苗阶段施加由燃料燃烧产生的短暂热冲击，目的是诱导快速生理失活而不是持续燃烧。蒸汽和热水除草依靠加热介质与植物表面之间的导热传递产生热冲击；虽然这些系统在直接田间能量输入方面较为笨重和耗能较高，但它们显著降低了明火带来的风险。热泡沫除草应与热水处理区分开来，因为隔热泡沫层延长了热量在目标表面的停留时间，可能在较低的水用量下实现更好的杂草控制效果。红外线除草使用辐射加热元件，具有无火焰操作和可控热源的优势，但仍面临田间作业速度和能源使用效率的挑战[6,17,52,53]。同时，比较热力除草和化学方法时不应仅考虑直接田间能量需求，因为除草剂的生产、运输和施用过程中也蕴含了大量的间接能量。此外，火焰除草的最新发展包括使用生物质燃料或合成气作为传统液化石油气的替代方案，而利用太阳能预热工艺水可能代表了一种降低热水或热泡沫系统外部能源需求的潜在工程策略。表3总结了这些热力除草方法在作业模式、主要优势、主要局限性和最适合的应用场景方面的差异，为技术选择提供了明确依据。总体而言，这些传统的热力方法对具有暴露生长点的小型幼苗期杂草最有效。相比之下，多年生、根系深入或形态保护良好的杂草通常需要更高的能量输入或重复处理[3]。

在机器人系统中，热力除草的研究正从大面积热处理转向与机器视觉紧密结合的现场特定热施用[6,17,19]。这一转变的本质是机器人平台首先通过视觉或多模态感知识别杂草位置，然后精确定位每个目标的几何中心或生长点，并控制热源仅作用于杂草，同时将热量暴露降到最低[6,17]。对于火焰、红外线和蒸汽/热水方法，这种感知、决策和执行的闭环过程可以大幅减少处理面积，降低不必要的能源消耗，并大大提高在作物行内有限空间中的适应性[6,52]。与机械除草相比，热力除草的一个主要优势是其非接触式作用方式[6,17,52]。与刀片不同，热源不需要进入狭窄的行内空间或承受直接切割负荷，从而降低了在作物附近操作时因机械碰撞造成的作物损伤风险。此外，热力除草避免了喷雾沉积和化学残留，特别适用于高价值蔬菜、有机作物以及对农药使用有严格限制的生产系统[54,55]。热力除草模块还可以自然地与自主导航、目标检测和姿态控制模块集成，使其成为多模式机器人除草平台的重要组成部分[6,17]。然而，热力除草也存在一些重要的局限性[6,17,52,53,54,55]。首先，传统的火焰、蒸汽和热水系统通常每单位面积的能耗较高，特别是在需要高行进速度和大工作宽度的情况下；在这种情况下，能源供应和热效率成为实际应用的关键限制[53,54,55]。现有研究表明，在大规模作业中，热力除草通常需要比化学或机械方法更多的能源输入[55]。其次，处理效果高度依赖于杂草的生长阶段：幼苗期的杂草更容易受到热冲击，而较大的植物或多年生杂草可能需要更高的剂量或重复处理[52,54]。第三，在秸秆覆盖较多、干残留物丰富或环境干燥的田地中，基于火焰的热力除草还存在火灾隐患和残留物安全问题，必须在保护性农业系统中仔细评估[53,55]。从系统评估的角度来看，不应仅通过杂草是否“被烧死”来评估热力除草机器人的性能，而应全面考虑目标命中率、每个目标的能源消耗、运行速度、重复处理的需要、作物损伤风险和环境安全性[6,17,55,58]。对于火焰、蒸汽和热水系统，通常存在热传递效率与运行速度之间的权衡：随着行进速度的增加，每个目标的暴露时间减少，可能会降低控制效果；相反，降低速度以增加热剂量可能会影响整体田间效率和能源使用效率[53,54,55]。因此，热力除草不应仅仅被视为热源的提供方式，而应视为一个综合的系统工程问题，涉及目标识别、热能传递、运动控制和生物响应[6,17,58]。在可持续农业和综合杂草管理的框架内，热力除草的实际价值主要在于将其非化学性质与机器人系统的精准控制潜力相结合[6,17,53]。对于不能容忍化学残留物的生产系统来说，热力除草提供了一种相对直接的物理控制途径[53,54]。然而，从中长期来看，热力除草更有可能作为多模式精准除草系统的一个关键组成部分，与机械、化学或电方法结合使用，而不是完全取代所有其他干预措施[6,17]。总体而言，热力除草结合了环境可持续的杂草控制潜力与重大的工程挑战。未来的发展可能会集中在提高能源使用效率、增强目标识别精度、降低系统成本以及加强安全保护机制上[6,17,19,53,58,59,60]。

2.4 基于激光的除草方式
激光除草作为机器人精准除草领域的前沿技术，正在推动从选择性处理向植物级目标干预的范式转变[19,58,61,62,63]。其核心原理是使用高能量密度的激光束在极短的时间内对杂草的生长点或其他关键组织造成局部热损伤，从而破坏细胞结构并抑制生长[19,58,63]。由于激光除草具有非接触操作（避免对作物造成机械损伤）和非化学作用（消除喷洒残留物）的双重优势，在有机农业和抗除草剂杂草的管理中表现出特别的前景，尤其是在高价值蔬菜和果园系统中的近距离操作中[19,59,61,62]。典型的激光除草系统是一个复杂的闭环平台，集成了感知、决策、控制和执行功能[19,58,59,60,64,65]。该系统首先使用深度学习算法准确检测杂草并确定其在复杂田地背景中的生长点，然后将视觉坐标实时映射到激光发射坐标系统中。一个关键要求是具有强大的动态补偿能力，以抵消由于机器人运动、图像处理和机械响应造成的延迟，从而使激光束即使在高速操作过程中也能保持稳定的目标定位[58,59,65]。因此，激光除草的性能不仅取决于识别算法的准确性，还取决于坐标校准、云台响应速度和运动控制策略的综合效果[19,58,59]。表4详细比较了不同系统在目标位置、系统配置及其各自的优势和局限性方面的差异。

尽管激光除草具有明显优势，但其工程应用仍面临许多挑战[19,58,59,60,64,65,70]。首先，它对精度要求非常高：任何由遮挡或光照变化引起的坐标偏差都可能导致目标错过或意外伤害作物[19,58,59,64]。其次，高昂的设备成本、复杂的热管理和电力管理以及相对较低的操作吞吐量限制了其在大规模低价值作物生产中的应用[58,59,65]。最关键的是安全性问题。潜在的眼部伤害、反射光束危险和火灾风险要求激光除草系统采用多层安全架构，包括封闭的工作空间、目标互锁、紧急停止机制和入侵检测[19,60,63,70]。从农艺角度来看，激光除草的效果对处理时机非常敏感。在幼苗阶段，特别是从子叶期到两叶期效果最佳，因为此时生长点暴露且所需能量输入较低；相比之下，对于较大的杂草，控制效果和能源效率都会显著下降[61,62]。这表明激光除草有明确的农艺 timing 要求，更适合用作早期精准干预工具，而不是完全替代后期对较大杂草的控制[61,62,63]。

在研究进展方面，激光除草已经从早期的静态原型验证发展到集成深度学习检测、动态路径规划和自主导航的移动机器人系统[19,58,59,60,64,65,70]。虽然它不太可能取代所有传统的除草方法，但在高价值、低密度和零残留的生产场景中扮演着不可替代的角色。最有可能的未来发展方向是将其整合到多模式协作除草系统中，与机械、化学和其他控制方法相结合，以应对复杂的田间条件[19,62,63,70]。总体而言，激光除草不仅仅是一个新型执行器，而是一个需要人工智能、光机电系统、运动控制和杂草生物学深入整合的系统工程挑战。

2.5 电除草方式
电除草是一种非常有前景的非化学除草方法。其核心原理是通过电极接触向植物输送高电压或其他形式的电能，从而通过焦耳热和细胞破裂等机制破坏组织并导致植物死亡[6,73,74,75,76,77]。由于没有化学残留物、对土壤干扰小，并且有可能损害多年生杂草的根系，电除草在有机农业和抗除草剂杂草的管理中受到了越来越多的关注[6,73,78]。目前的主要技术路线是连续电极接触处理。这不是一个简单的“通电即杀”的过程，而是一个由多种因素共同控制的能量传递过程，包括功率水平、操作速度、植物含水量和土壤电导率[73]。表5总结了不同电除草方法在操作机制、优势、局限性和应用场景方面的差异[73,74,78,79]。在机器人系统中，电除草正从大面积处理向视觉引导的精准点接触转变[6,79]。在这些系统中，感知模块识别杂草，控制系统引导电极精确接触目标后再输送电能。这一过程高度依赖于前端检测的准确性、电极姿态控制和运动补偿；任何不良接触或位置偏差都可能降低处理效果或造成意外伤害作物。特别是，电除草对杂草种类和生长阶段的敏感性很强：双子叶杂草通常更容易受到影响，而在幼苗阶段所需的能量远低于成熟植物[73,74,81]。这表明未来的机器人系统必须支持动态参数优化，根据目标类型实时调整能量输出，而不能依赖固定的功率设置。

尽管电除草具有相当大的潜力，但其实际应用仍面临重大工程挑战[73,78,79]。首先，其效果受到环境条件的强烈影响：植物表面的水膜可能导致电流绕行，而土壤电导率的变化会影响能量分布[73,78]。其次，安全性是一个核心限制。高电压输出需要严格的绝缘、互锁和紧急停止机制，在干燥且覆盖有残留物的环境中还可能引发火灾风险[73,78]。第三，系统集成仍然复杂，因为高功率传输必须与轻量级机器人平台的需求相平衡[73,79]。总体而言，电除草是一种非常有前景且具有前瞻性的非化学除草技术。其主要优势在于没有化学残留物，与精准感知的高度兼容性，以及对某些多年生或再生性杂草的特殊抑制效果[6,73,78,82]。然而，其最终性能仍受多种交互因素的限制，包括物种差异、生长阶段、接触质量、能源效率以及与高电压操作相关的严格安全要求[73,78,81]。因此，电除草不应被视为所有其他方法的通用替代品，而应作为综合杂草管理中的关键补充技术，与机械、激光和精准喷洒方法协同作用[6,78,79]。

2.6 其他新兴的除草方法
除了主流的机械、化学、热力、激光和电除草方法外，几种新兴的替代方法，包括微波除草、生物除草剂和冷等离子体处理，也开始受到关注，并为可持续杂草管理提供了新的可能性[83,84,85,86,87]。尽管这些方法通常不如上述主要除草方法成熟，大多仍处于实验验证或原型开发阶段，但它们共同指向一个重要趋势：减少对化学控制的依赖，同时通过深度集成精准检测、点定位应用和智能机器人平台，建立一个更加多样化和环境可持续的杂草管理系统[83,84,85,87]。表6简要总结了这些新兴方法的作用机制、核心优势、主要局限性和当前发展状态。微波除草利用介电加热快速提高植物组织和土壤内的温度，从而杀死杂草[83,84]。与传统表面加热不同，微波处理提供了体积加热，不仅能够破坏地上组织，还可能影响浅层土壤中的种子库和地下繁殖体[83]。然而，由于高能量需求、难以控制处理深度以及功率密度和操作速度之间的明显权衡，在大规模传统田间应用中受到限制。因此，它更适合用于高价值生产系统中的局部密集处理[84]。

生物除草剂代表了一种不同的非物理方法，依靠微生物或天然代谢物选择性地抑制杂草[85]。尽管它们的环境兼容性和目标特异性得到了广泛认可，但由于活性不稳定、环境适应能力差、作用启动缓慢以及配方和商业化困难，其广泛应用一直受到限制[85,86]。从机器人应用的角度来看，一个有前景的方向是精准点定位输送：视觉系统可以将微量剂量仅施用于已识别的杂草个体或热点区域，从而大幅提高利用效率并最小化非目标风险。这可能成为生物除草剂工程转化的关键途径[86]。冷等离子体是另一种新兴方法。它通过活性氧和氮物种以及局部电热效应破坏种子或幼苗组织，在理论上提供了一种无残留物的控制策略[87]。现有研究表明，冷等离子体可用于抑制种子萌发和处理小型出苗杂草，显示出作为无残留物技术的巨大潜力[87]。然而，这种方法仍处于相对早期的发展阶段。关于田间规模实施、设备稳定性和能源效率的证据仍不足，距离成为成熟的机器人点定位除草解决方案还有很长的路要走。因此，将其纳入综述中更适合作为一项新兴前沿技术，而不是与成熟技术一起讨论[87]。

尽管这些新兴技术存在共同的挑战，包括高能耗、稳定性有限和缺乏标准化，但它们大大扩展了杂草管理工具箱，并反映了更广泛的未来趋势：从依赖单一类型的执行器向多模式物理和生物干预策略的转变[83,84,85,86,87]。

3. 不同除草方式中的感知要求
机器人除草系统通过一个紧密耦合的流程运行，将环境感知与物理干预联系起来[69,88]。虽然已经投入了大量研究努力来改进杂草检测算法，但机器人除草系统的感知要求从根本上取决于干预方式的特性[89]。图4展示了机器人除草系统中的通用感知-决策-执行流程，并展示了如何将感知输出转化为物理杂草控制动作。不同的除草方法对感知结果的空间精度、输出格式和鲁棒性有不同的要求[90]。例如，一些方法只需要在处理区域内粗略定位杂草的存在，而其他方法则需要毫米级的定位精度，甚至需要估计特定的植物结构，如茎或生长点[67]。图5展示了一种基于网格的感知-执行映射策略，其中杂草检测结果被转换为针对特定喷嘴的喷洒控制区域。当机器人在目标区域上方移动并检测到杂草时，相应的喷嘴会被激活[95]。这种基于网格的映射方法简化了感知-执行接口，即使在检测结果相对粗糙的情况下也能实现高效实时控制[95,96]。因此，点喷系统可以在不需要详细植物形态信息的情况下，依靠对象检测或基于分类的感知输出来有效工作[97]。图5. 用于机器人点喷的基于网格的感知-执行映射策略。

3.2. 激光除草感知要求
基于激光的除草系统对感知精度有更严格的要求[69,98]。与处理小面积的喷雾系统不同，激光消融通常将能量集中于杂草植物上的一个非常小的目标点[69,98]。因此，即使是微小的定位误差也可能导致除草效果不佳或意外伤害作物[99,100]。因此，许多激光除草平台需要高精度的杂草位置估计，通常要求空间精度达到毫米级别[67,101]。
除了基本的植物检测外，一些系统还试图估计特定的植物结构，如茎基部或顶端生长点，这些是激光消融最有效的目标[66,68]。识别这些生物敏感位置可以提高激光处理的杀伤效果，同时降低能耗[89]。因此，激光除草的感知流程通常依赖于高分辨率的分割模型、相机和激光执行器之间的精确几何校准，以及实时坐标变换，以确保机器人在运动过程中的精确定位[69,71,72]。

3.3. 机械行内除草
机械行内除草系统更强调精确的作物定位，而不是直接识别杂草[36]。由于许多机械工具会物理性地扰动作物附近的土壤，避免作物受损成为主要约束[36]。因此，这些平台中的感知系统通常侧重于检测作物中心、估计茎的位置，或重建作物植物与周围杂草之间的空间边界[102]。
在某些实现中，诸如刀具、旋转锄头或冲压工具之类的机械执行器在作物茎之间的狭窄区域内操作[36]。因此，感知输出必须提供足够的时间稳定性，以支持机器人在运动过程中的同步执行[102]。常用的技术包括作物行检测、植物中心定位和茎检测，以保持作物植物周围的安全操作范围，同时有效去除剩余土壤区域内的杂草[67]。

3.4. 热力广播处理
热力除草方法，包括火焰除草、热水处理和红外加热，通常采用广播或半广播的方式运作[103]。在许多情况下，这些方法会在连续的处理带上施加热量，而不是针对单个植物[52]。因此，与激光消融等高度定向的方法相比，这些方式的感知要求通常较低[104]。
例如，在出苗前除草过程中，热处理可能根本不需要单独检测杂草[105]。相反，感知系统可能专注于识别作物行或区分处理区域和作物区域，以防止意外伤害作物[57]。在选择性热处理系统中，对杂草丛或处理带的粗略定位可能足以指导执行器的激活[106]。因此，热力除草的感知输出通常强调鲁棒性和覆盖范围，而不是极高的空间精度[103]。

3.5. 电除草感知要求
电除草系统通过接触或靠近杂草植物的电极传递高电压电能[107]。这种方式的有效性取决于能否在植物组织中建立足够的电导，这通常需要与杂草的茎或叶部发生物理接触[108]。因此，电除草的感知系统通常需要可靠地检测植物位置，并估算植物的高度或结构，以确保电极的 accurate 定位[82]。
与激光系统相比，电除草通常能容忍稍低的空间精度，因为电极往往与植物结构的更大部分相互作用[80]。然而，感知系统仍必须高可靠性地区分杂草和作物，以避免意外伤害[109]。因此，电除草的感知流程通常结合植物检测和几何过滤或作物行约束，以确保执行器的安全部署[107]。

4. 跨模态比较和基于场景的决策框架
虽然前几节描述了各种除草方式的技术特性及其相关的感知要求，但机器人除草系统的实际部署最终取决于田间条件和农艺场景[110]。不同的种植系统、杂草生长阶段和操作约束需要不同的干预策略[111]。因此，选择合适的除草方式不仅是一个技术决策，还是一个需要平衡效率、作物安全、操作效率和能耗的依赖上下文的过程[112]。本节分析了不同除草方式在几个代表性农业场景中的适用性，并提供了一个基于场景的比较框架，以指导系统设计和技术选择[113]。图6总结了不同除草方式在代表性农业场景中的相对适用性，并提供了一个基于场景的比较框架用于选择除草方式。图6. 用于机器人杂草管理的场景-方式适用性矩阵。该矩阵定性地比较了主要除草方式在代表性农业场景中的相对适用性，其中H、M和L分别代表高、中和低相对适用性。这种比较基于文献综述，旨在支持基于场景的系统设计，而不是提供定量或绝对的性能排名。

4.1. 出苗前除草
出苗前除草的目标是在杂草种子萌发之前或刚刚萌发之后进行除草，此时杂草幼苗很小，而作物植物尚未出现或对干扰仍然具有很高的耐受性[114]。在这种情况下，由于作物受损的风险相对较低，通常需要大面积处理[115]。火焰除草、热水处理、蒸汽应用和红外加热等热处理方法被认为适合这一阶段，因为它们可以通过快速升温有效破坏杂草组织[56]。这些方法特别有吸引力，因为它们可以在覆盖相对较大的处理区域的同时减少除草剂的使用[114]。
与高度定向的机器人方法相比，出苗前除草一般不需要非常精确的感知和执行[114]。在许多情况下，感知系统只需要识别作物行或确定处理区域，以避免损伤新生的作物[115]。因此，广播或带状热处理可以实现高操作效率，使其适合大规模种植系统中的早期季节杂草抑制[114]。

4.2. 行内选择性除草
行内选择性除草是机器人杂草管理中技术上最具挑战性的场景之一，因为杂草必须靠近作物植物进行清除[116]。在这种情况下，主要挑战在于在避免作物受损的同时实现高清除效率[36]。通常会探索激光除草、点喷和某些机械行内工具等精准定向的方法[27]。特别是基于激光的系统能够向单个杂草植物传递高度局部化的能量，即使在密集种植的作物行中也能实现选择性控制[71]。
然而，行内除草的成功在很大程度上取决于植物定位的准确性和执行机制的反应速度[117]。通常需要高分辨率的感知系统来实时估计作物茎的位置或植物中心[25]。机械行内工具可能依赖精确的作物定位来保持与作物茎的安全距离，而激光系统可能需要毫米级别的定位精度[118]。因此，行内除草系统通常代表了机器人杂草管理中感知、规划和执行最复杂的集成[113]。

4.3. 行间除草
行间除草的目标是在作物行之间生长的杂草，此时作物和杂草之间的空间分离较大，作物受损的风险相对较低[119]。这种情况允许使用更为强烈的机械工具和更宽的处理区域[119]。诸如旋转锄头、刷式除草机和行间刀具之类的机械耕作工具被广泛使用，因为它们可以在保持与作物行安全距离的同时有效扰动土壤并拔除杂草[119]。
由于作物行提供了强烈的几何线索，行间除草的感知要求通常比行内场景的要求要低[112]。许多机器人系统主要依赖作物行检测或行跟随算法来引导机械执行器在行间移动[112]。这种方法允许相对较高的操作速度，使得行间机械除草成为当前农业机器人系统中最为成熟和实际可部署的杂草控制策略之一[119]。

4.4. 密植作物系统
密植作物系统，如胡萝卜、洋葱和某些叶菜类蔬菜，由于作物植物之间的间距较小，给机器人除草带来了独特的挑战[112]。在这些系统中，有限的工作空间显著限制了可以应用的干预机制类型[112]。需要较大操作空间的机械工具可能不适用，而且由于植物重叠和形态相似，作物与杂草的区分变得更加困难[119]。
在这种情况下，已经探索了高度局部化的干预措施，如管式冲压机制、微量化学喷洒和基于激光的除草[27]。这些方式可以在狭窄的空间范围内操作，同时将对周围作物的干扰降到最低[27]。然而，密植系统通常要求更高的感知精度和更快的执行器响应时间，这使得它们成为先进机器人除草技术特别具有挑战性但重要的应用领域[112]。

4.5. 大型多年生杂草情况
大型杂草和具有发达根系的多年生植物给机器人杂草管理带来了额外的挑战[120]。与小型幼苗不同，成熟的杂草通常需要更强的机械或电学干预才能有效控制[75]。电除草、机械拔除或切割工具等方法可以提供足够的能量或力量来破坏地上和地下结构[120]。然而，针对大型杂草也会引入额外的操作约束[79]。例如，电除草系统必须确保电极与植物组织之间的适当接触以实现有效的电流流动，而机械拔除工具必须产生足够的力量来拔除根系深入的植物[75]。在这种情况下，感知系统不仅需要检测杂草的位置，还可能需要估算植物的大小或结构特征，以选择适当的干预策略。因此，大型杂草控制通常偏好鲁棒且高能量的方法，以适应异质的植物结构[75]。

4.6. 机器人除草方式的定量性能指标
尽管上述基于场景的比较有助于阐明不同除草方式的相对适用性，但机器人除草系统的实际价值最终取决于可测量的工程和农艺指标。这些指标包括操作速度、田间能力、能量或化学投入、定位精度、杂草控制效果、作物损伤率、劳动力减少和处理成本。然而，由于报告的值受到作物类型、杂草种类、杂草密度、杂草生长阶段、土壤条件、执行器配置、平台速度和评估协议的影响，跨研究的定量比较仍然具有挑战性。因此，表7中总结的值应被视为代表性性能范围或案例研究指标，而不是各方式之间的绝对排名。表7显示，在有利的作物间距和土壤条件下，机械行内除草系统可以实现高杂草清除效果，但其性能受到行进速度和作物避让精度的强烈限制。例如，据报道，在中等至高杂草密度条件下，机器人行内耕作器可以清除18-41%更多的杂草，并将后续手工除草时间减少20-45%[121]。更先进的智能行内设备在低操作速度下报告了超过95%的除草精度，但随着行进速度的增加，作物损伤增加，除草精度下降[36]。这些结果证实了机械除草性能受到速度-精度权衡的影响。
化学点喷通常在主要目标是减少除草剂投入的同时保持杂草控制效果的情况下，表现出更强的可扩展性和更高的田间适用性。在甘蔗田试验中，一种机器人点喷系统实现了与广播喷洒相当的效果，同时平均减少了35%的除草剂使用量，在杂草压力较低的条带中甚至减少了65%[48]。这表明，化学定点除草的主要定量优势在于减少化学投入，而不是完全消除除草剂的使用。
对于热处理方法，定量性能主要体现在燃料、水或热量需求上。泡沫热处理研究表明，在特定的杂草组成下，3.33–8.33升/平方米的剂量可以实现杂草的完全灭活，而在更难处理的杂草群落中，可能需要更高的剂量（如6.67–8.33升/平方米）来延缓杂草再生[103]。与单独使用热水相比，加入泡沫可以将所需水量减少至少2.5倍，因为泡沫的隔热层可以提高峰值温度并减缓热量扩散[122]。这些结果支持这样的观点：泡沫热处理不仅仅是热水处理的简单替代品，而是一种具有改进的热量传递策略，能够使热量更长时间地停留在目标表面上。

激光除草在主要的物理除草方法中具有最高的空间选择性，但其定量效果很大程度上取决于目标大小、生长阶段、光束直径和传递的能量。在一项最近的剂量-响应研究中，使用了一个50瓦的掺铥光纤激光器，光束直径为2毫米，波长为2微米，杂草暴露在0.4到12.7焦耳/毫米2的剂量下，相当于每个2毫米激光斑点的1.3到39.9焦耳[61]。当草本杂草处于单叶期、双子叶杂草处于子叶期时，效果最佳；而在四叶期时，许多物种仍会出现再生[61]。这表明激光除草应被视为一种早期精准干预措施，而不是适用于成熟杂草的通用高效率解决方案。

电除草在非化学控制方面显示出巨大潜力，尤其是当能量能够有效传递到幼嫩杂草时。在温室试验中，使用脉冲微冲击技术，对每平方米5株杂草的密度实现了100%的控制效果，估计所需能量为0.1–0.9兆焦耳/公顷，而草本杂草对此的敏感性较低[80]。随后在户外田间的实验中，使用平板电极对所有测试物种实现了超过90%的控制效果，所需能量从某些阔叶物种的15千焦耳/公顷到地下生长的Lolium multiflorum的363–555千焦耳/公顷不等，具体取决于电极的位置[123]。这些数值远低于许多大面积热处理方法的能耗，但该方法仍受物种、生长阶段、接触质量和土壤湿度的影响。

总体而言，表7中报告的定量指标进一步强化了本综述的核心论点：没有一种单一方法可以通过一个通用的性能指标来评估。机械除草应通过杂草清除率、作物损伤程度和操作速度来评估；化学点喷剂通过除草剂节省率和目标命中率来评估；热处理方法通过热量剂量和再生延迟来评估；激光除草通过每个目标的能量和定位精度来评估；电除草通过传递的能量、接触可靠性和植物死亡率来评估。因此，未来的研究应报告标准化指标，包括杂草死亡率、作物损伤率、操作速度、每处理区域的能量或化学投入、定位误差、处理成本和重复处理需求，以便在不同平台和农业场景中更严格地比较机器人除草系统。

**5. 多模式整合与未来方向**
**5.1. 单一模式的局限性**
尽管在机器人除草技术的发展上取得了显著进展，但目前大多数系统仍依赖于单一的干预模式[48]。然而，在实际应用中，每种方法在面对各种农业场景时都会表现出固有的局限性[59]。机械除草可以通过扰动土壤或拔除杂草来有效去除杂草，但在密集种植系统或作物-杂草间距有限的情况下可能会对作物造成损害[124]。化学点喷剂可以实现靶向施用除草剂，并减少化学品的使用量，但人们对除草剂抗性、环境影响和监管限制的担忧继续限制其长期可持续性[48]。同样，基于激光的除草系统能够实现高度精确且无化学物质的杂草去除，但它们经常面临能耗、操作速度以及对大型或多年生杂草效果有限的挑战[61]。热处理和电处理方法可以提供足够的破坏性能量来去除杂草，但可能受到能量效率、安全考虑或特定田间条件下选择性受限的影响[63]。因此，没有任何一种除草方法能够完全满足现代农业生产系统的多样化需求，尤其是在异质田间条件和不同杂草生长阶段的情况下[63]。

**5.2. 混合除草策略**
鉴于单一干预方法的局限性，越来越多的研究关注于在单一机器人平台上整合多种模式的混合除草策略[90]。通过结合互补的机制，混合系统旨在提高整体杂草控制效果，同时保持操作灵活性[90]。为了解决单一模式系统的局限性，图7展示了一种概念性的混合机器人除草架构，在该架构中，互补的干预机制在一个平台上协同工作。例如，将精准喷洒与机械工具结合使用，使机器人仅在机械清除不可行的地方施用除草剂，而机械耕作可以在行间区域减少对除草剂的依赖[125]。图7展示了集成多种干预模式的混合机器人除草平台的概念性架构。可以根据当地的作物-杂草配置、杂草生长阶段和田间可访问性选择性激活不同的执行器，从而提高操作灵活性和整体控制效果。类似地，基于激光的系统可以与化学或机械方法结合使用，以应对不同生长阶段或空间位置的杂草[90]。在这种配置下，高精度激光处理可用于行内杂草的去除，而机械或喷洒机制可以处理行间或密集的杂草区域[90]。这些混合架构允许机器人平台根据当地田间条件动态选择最适当的干预模式，从而提高系统的鲁棒性和适用范围。

**5.3. 空地协作杂草管理**
除了整合多种干预机制外，未来的机器人杂草管理系统可能会越来越多地采用空地协作架构[126,127]。图8展示了一个概念性的空地协作杂草管理框架，其中空中平台提供大规模的田间监测和决策支持，而地面机器人执行精准的植株级干预。无人驾驶飞行器（UAV）可以利用多光谱或RGB成像结合机器学习进行杂草检测，快速调查大面积农田并生成高分辨率的杂草分布图[128,129,130]。这些空中观测提供了关于杂草密度、空间分布和生长模式的宝贵信息[128,129]。图8展示了机器人杂草管理的概念性空地协作框架：UAV进行大规模田间巡查和杂草绘图，而地面机器人利用空中信息在局部范围内进行精准的物理干预。基于地面的除草机器人可以利用这些地图在植株层面进行精准干预，从而显著提高操作效率[126,127,131]。这种空地协作模式使得空中平台能够执行大规模监测和决策支持，而地面机器人执行精准的物理干预，从而在大规模农业作业中极大地提升可扩展性和效率，尤其是在需要快速覆盖大面积农田的情况下[127,131]。

**6. 讨论**
过去十年中，机器人除草技术得益于计算机视觉、自主导航和精密驱动技术的进步而取得了快速的发展。然而，尽管实验原型和试点应用的数量不断增加，但仍存在一些技术瓶颈限制了其在商业农业中的大规模应用。一个主要挑战是在高度变化的田间条件下感知系统的稳定性。在受控实验环境中表现良好的杂草检测算法，在复杂背景、光照变化、植物遮挡和作物生长阶段不均匀的情况下可能会降低可靠性。此外，感知、运动规划和执行之间的实时协调在技术上仍然具有挑战性，特别是在机器人以实际田间速度运行时。另一个重要问题是在不同除草模式之间的权衡。每种干预机制在精度、能耗、操作速度和作物安全之间都存在特定的平衡。机械除草可以提供强大的物理去除杂草的能力，对大型植物有效，但也可能增加密集种植系统中的作物干扰风险。化学点喷剂可以实现高效且可扩展的杂草控制，但仍依赖于除草剂，从而引发了关于环境影响和抗性发展的担忧。激光除草能够实现高度精准且无化学物质的控制，但目前受到能量效率和操作吞吐量的限制。热处理和电处理方法可以提供足够的破坏性能量，但在选择性或能量需求方面可能面临局限。这些权衡表明，每种方法的适用性高度依赖于具体情境。第4.6节总结的定量指标进一步表明，模式比较应基于多个标准化指标，而不仅仅是单一的性能指标。特别是，应同时报告杂草死亡率、作物损伤程度、操作速度、每单位面积的能量或化学投入、定位误差和处理成本，以支持跨平台的严格比较。

除了模式层面的考虑之外，当前的研究还揭示了机器人除草研究中的几个重要空白。许多提出的系统仅在小型实验地块或受控环境中进行评估，缺乏在不同作物类型和环境条件下的长期田间验证。此外，缺乏用于比较不同平台和模式的标准化基准数据集和评估协议。经济可行性也研究不足，因为很少有工作分析实际 farming 条件下的操作成本、维护需求和潜在投资回报。另一个挑战是系统在农场尺度上的整合。机器人除草不能被视为孤立的技术，而应 integra into 更广泛的数字化农业生态系统中。未来的系统可能需要与作物监测平台、农场管理系统和自动物流基础设施进行交互。在这方面，空中感知平台、地面机器人和基于云的决策支持系统之间的协调将在实现可扩展和适应性杂草管理策略方面发挥越来越重要的作用。

总体而言，机器人除草技术的发展反映了向数据驱动和自动化支持的农业系统的转变。虽然在感知、驱动和机器人平台方面取得了显著的技术进步，但要实现可靠、经济可行且可扩展的杂草管理解决方案，需要农业科学、机器人技术、人工智能和农场管理领域的持续跨学科合作。解决这些挑战对于将机器人除草从实验原型转变为广泛采用的可持续作物生产工具至关重要。

**7. 结论**
本综述从驱动角度探讨了特定地点杂草管理中的机器人除草技术，重点从以检测为中心的方法转向感知与物理干预的结合。建立了包括机械、化学、热处理、基于激光、电处理以及新兴方法在内的除草模式的统一分类体系，并系统分析了它们的机制和操作特性。通过研究感知-驱动的耦合，本文阐明了不同模式对感知输出的不同要求，从粗略定位到高精度定位和结构估计不等，强调仅靠检测精度不足以实现有效的杂草控制。基于场景的框架进一步表明，由于精度、效率和作物安全之间的固有权衡，没有一种单一模式能够满足现实农业系统的多样化需求。通过纳入操作速度、能量或化学投入、定位精度、杂草控制效果和作物损伤风险等代表性定量指标，本综述将模式层面的机制与可测量的工程性能联系起来。这些发现强调了情境感知系统设计的必要性，并支持了多模式整合和空地协作策略的发展趋势。总体而言，本综述为下一代机器人除草系统的设计和部署提供了决策导向的参考，有助于推动可持续和数据驱动的农业发展。