综述：基于土壤分层的根茎类作物地下收获先进技术与装备研究现状综述

《Applied Sciences》：A Review of Research Status of Advanced Technologies and Equipment for Underground Crop Harvesting Based on Soil Stratification

　　

摘要：地下作物的机械化收获长期面临高损伤率和高杂质率的关键工程难题。基于植物科属的传统分类学方法无法为收获机械的工程研发提供有效指导。从工程角度出发，本文提出了一种新的分类逻辑，根据作物土壤埋深和物理分布特征将地下作物分为三大类型：浅层土壤簇生型（0–20 cm）、中层土壤散生型（20–40 cm）和深层土壤垂直根型（>40 cm）。系统阐述了这些土层中代表性作物（包括马铃薯、洋葱、花生、甘薯、木薯和山药）的收获瓶颈。此外，本研究综述深入分析了前沿核心技术的现状，如仿生减阻挖掘、柔性多级分离、微观离散元法（DEM）仿真、运动学优化和基于人工智能的视觉感知。本文旨在揭示地下作物收获中的共性瓶颈，并展望以农机农艺深度融合以及智能感知与自适应为中心的未来发展趋势，从而为全球农业机械创新提供坚实的理论基础和工程参考。

本文基于土壤分层对地下作物进行了工程分类，将作物按埋深划分为浅层（0–20 cm）、中层（20–40 cm）和深层（>40 cm）三类，并系统综述了各类作物的收获技术。以下为主体部分内容总结：

**1. 引言**
传统植物分类方法无法为收获机械设计提供有效指导，因为机械性能根本上取决于作物在土壤中的空间分布和生物力学特性。本文提出一种工程化的分类系统，根据作物三维土壤分布和生物力学特性，打破植物学界限，分析常见收获瓶颈并映射前沿技术，为跨作物模块化收获设备开发提供理论支持。

**2. 材料与方法**
**2.1 综述流程与报告框架**
严格遵循PRISMA规范，采用系统文献检索与叙事综述相结合的研究框架，对基于土壤分层的根茎类作物收获先进技术进行定性综合分析和分类比较。
**2.2 文献检索策略**
检索时间范围为1990年1月至2026年5月，涵盖Web of Science、Scopus、ScienceDirect、SpringerLink、CNKI和万方数据库，共获得2492篇初步文献。检索关键词分为六大主题，包括地下根茎类作物、埋深与分层生长特性、机械化收获机具、低阻低损收获技术、离散元模拟与土壤-块茎耦合力学、农机农艺融合与智能感知控制。
**2.3 文献纳入与排除标准**
纳入聚焦于浅层簇生、中层散生、深层垂直主根作物及水生根茎类作物的研究，涉及田间挖掘、土壤-块茎分离、藤蔓去除和低损输送，且需完整公开田间工况、机器结构尺寸、操作参数和定量测试指标。排除仅涉及作物育种、植物生理生化、病虫害防治或采后加工，以及缺乏原型试验、模拟建模和实测工程数据的文献。
**2.4 文献筛选流程**
通过EndNote X9管理，经去重、标题与摘要筛选、全文精读，最终保留198篇有效文献用于定性综合分析。
**2.5 数据提取与主题分析**
建立标准化信息提取框架，包括作物土层分类、田间起垄农艺参数、土壤质地、关键部件结构配置、机器操作参数、收获性能指标、离散元模拟接触模型及智能感知硬件与控制算法。将研究分为七个核心主题进行横向比较，包括工程分类体系、仿生挖掘与多级柔性分离、预藤粉碎与两段式分离、预松沟槽与柔性低损提取、离散元法建模与优化、水生根茎类专用液压收获设备，以及自适应智能收获设备发展趋势。

**3. 浅层土壤簇生型作物关键收获技术**
**3.1 作物特征与收获瓶颈**
浅层簇生作物（如马铃薯、洋葱）生长深度集中在0–20 cm耕作层，需宽幅横向作业覆盖高密度簇群。其机械收获效率受特定农艺种植模式（如垄作、平作）制约。工程瓶颈包括：薄表皮和高含水率导致对冲击载荷敏感，易产生隐性内部损伤；高粘性土壤环境下，土壤粘附导致挖掘阻力非线性增大，并影响分离效率。
**3.2 主流收获技术现状**
**3.2.1 茎/藤预处理与高效去除技术**
针对马铃薯，开发了垂直差速对辊式藤蔓剥离机构，通过EDEM数字孪生仿真与田间试验，在6 r/s辊速、7 mm间隙和1.4 m/s链速下实现高纯度藤蔓去除与无损块茎解耦。针对洋葱，采用前置水平旋转割刀与后置底层振动破碎机构，通过优化前进速度与割刀转速的匹配，有效切断柔性藤蔓，防止机械缠结。
**3.2.2 仿生减阻与低损挖掘技术**
挖掘是主要能耗阶段。通过提取鲶鱼头部流线型轮廓，重构凸面铲，使平均挖掘阻力降低17.76%–21.09%。基于穿山甲鳞片的非光滑表面纹理，通过3D扫描重建微凸脊阵列，使土壤粘附量减少93.3%。针对洋葱，倒V形刀片在75 mm作业深度下平均牵引阻力降低42%。基于鼹鼠前爪中趾的仿生铲，通过不连续切削刃诱导局部剪切破坏，降低粘性阻力。
**3.2.3 高效柔性土壤-块茎分离与多级清洗技术**
开发了多级复合清洗系统，包括偏心曲柄筛分、负压气流清除轻质杂质和螺旋尼龙刷柔性抛光，通过DEM优化，使杂质率降至0.29%，损失率1.01%，破损率0.11%。针对洋葱，优化提升机倾角（15°）和速度比（1.25:1），使挖掘效率达97.7%，分离指数79.1%，损伤率仅3.5%。研究揭示了“土壤缓冲效应”，保持马铃薯-土壤比在18.07%–38.55%之间，可将峰值冲击加速度抑制在28.20 g以下。
**3.2.4 系统集成、数字仿真与智能自适应技术**
通过离散元法（DEM）嵌入Hertz-Mindlin非线性接触模型和并行粘结模型，高保真重构土壤-作物-机械的动力学接触网络。结合有限元分析和拓扑优化，开发了轻量化自走式履带收获机，降低接地比压。智能控制方面，引入基于深度学习的计算机视觉和柔性机器人分拣末端执行器，实现闭环自适应调节。

**4. 中层土壤散生型作物关键收获技术**
**4.1 作物属性与收获瓶颈**
中层散生作物（如甘薯、花生）地下分布复杂，收获效率受土壤流变特性和作物生物力学限制。工程瓶颈包括：藤蔓干扰导致机械堵塞；高强度土壤中穿透困难，传统挖掘铲易滑移颤振；作物连接节点脆弱，如甘薯表皮易擦伤，花生果柄不耐冲击。
**4.2 主流收获技术现状**
**4.2.1 综合预处理与低阻力挖掘技术**
开发了集成式旋转藤蔓切割平台，通过气固两相流将粉碎的藤蔓均匀撒入沟中，消除后续缠结风险。针对花生，采用V形和锄形刀片，通过滑动切割模式降低峰值牵引力。在盐碱地中，仿生减阻铲（基于蜣螂轮廓）结合离散元模拟，优化了土壤流动和粘附性能。
**4.2.2 多相分离与柔性低损输送**
甘薯收获采用双级块茎-土壤分离机，利用柔性d形提升链和差速缓冲平台，在保持高土壤过滤效率的同时减少表皮磨损。花生收获采用三垄六行大宽度联合收获机，通过多体动力学模型优化夹持输送参数，防止高产量下藤蔓断裂和落果。针对花生荚果-藤蔓解耦，优化摘果辊的刀片阵列和转速，实现精确拉断力。
**4.2.3 数字仿真优化与智能控制系统**
利用响应面模型优化前进速度和摘果滚筒转速，确定最低损伤参数组合。开发了风筛辊式清洗架构，结合气流、振动筛和旋转辊，使杂质率降至1.2%以下。智能控制方面，引入机电液姿态校正系统，通过四杆机构实时检测机器-垄台偏差，自动调整转向轨迹和作业深度，有效收集率提升5.8%。采用主成分分析评估六种土壤质地的影响，为自适应控制模型提供数据基础。

**5. 深层土壤垂直根型作物关键收获技术**
**5.1 作物特性与机械收获瓶颈**
深层垂直根作物（如木薯、山药）埋深40 cm至1 m以上，面临根土锚固效应和脆性断裂问题。传统水平切削无法到达根部，容易引发根部断裂，且高负载挖掘与作物脆弱力学性质冲突。
**5.2 主流收获技术现状**
**5.2.1 仿生减阻与齿形深松挖掘技术**
基于挖掘兔前爪的仿生铲，通过3D激光扫描和离散元法（DEM）优化拓扑结构，诱导微裂纹扩展，降低碎裂能量阈值。长短齿交错排列的挖掘铲，利用异步加载机制，先导长齿释放侧向地应力，后随短齿二次剪切，在22.68°入土角和0.58 m/s牵引速度下实现最佳耦合。
**5.2.2 基于预松与运动学优化的挖掘提取技术**
采用“先松后拔”两阶段逻辑：双边松土铲预先破坏土壤连续性，释放侧向压力；后置柔性夹持机构根据非线性剥脱阻力模型（如正弦-抛物线叠加速度曲线）执行提取，避免根部断裂。双行振动收获机通过高频交替载荷诱导微裂纹扩展，减小稳态切削阻力。
**5.2.3 极端深度链式沟槽技术（以山药为例）**
针对80–100 cm埋深，采用“垂直链式开沟机”范式，通过高速旋转链齿在根部旁侧切削狭窄卸荷沟，消除径向约束，实现低应力剥离。通过拓扑优化传动系统，增强抗弯扭能力，并采用双向锥形滚子轴承和全封闭高强度灰铸铁壳体，确保在深土连续作业中的可靠性。
**5.2.4 深层作物收获的智能视觉感知**
集成双目视觉、RGB-D相机和LiDAR生成三维点云，嵌入卷积神经网络（CNN）实现高精度实例分割和三维姿态估计。研制了嵌入式茎秆检测系统，利用轻量级深度学习架构在边缘计算上实现高帧率低延迟跟踪，引导电液伺服系统自适应补偿底盘偏差，实现闭环感知驱动柔性控制。

**6. 产业发展前景**
**6.1 核心研究逻辑与技术演化总结**
本文以埋深分类为线索，梳理了从高能耗破土到低阻力仿生设计、从刚性振动筛分到多级柔性缓冲的技术演进，体现了从机械被动适应向“农机农艺融合”的范式转变。
**6.2 特殊维度拓展：泥/水下嵌入式作物（水生地下作物）的突破**
针对莲藕等水生作物，采用非接触式“流固耦合”和高压水射流冲刷技术，结合旋转抓取输送系统，实现从液压定向冲刷到机械自动提升的全流程自动化。
**6.3 当前行业共性技术瓶颈**
包括环境感知不足（缺乏土壤湿度、粘聚力等闭环反馈）、高性能材料与轻量化矛盾、隐性内部损伤的实时无损检测缺失。
**6.4 未来发展趋势与展望**
未来将向数字孪生驱动的多物理场耦合仿真、边缘计算赋能的人工智能（AI）感知与决策、以及基于卫星导航的无人化协同作业机群方向发展，实现绿色低损、高效智能的地下作物收获。