《Sustainability》：Towards Sustainable Grape Harvesting: A Review of End-Use-Specific Mechanisation, Quality Loss Reduction, and Digital Intelligence
用于鲜食、酿酒、制干和加工的葡萄在质量要求和采收损伤耐受性方面存在显著差异，因此不太可能存在普遍适用的机械化采收路径。本综述从面向最终用途的可持续性视角，对低损伤葡萄采收进行了综合评述。通过结构化文献检索和主题叙事综合，纳入了主要发表于2000年1月至2026年5月间的184项研究。证据表明，采收适宜性取决于最终用途、葡萄与果穗性状、葡萄园架构、损伤耐受性、劳动力与作业约束以及下游需求之间的兼容性。在以选择性整穗处理和可售性为主导的场景中，人工和辅助采收仍然更为可取；基于振动的散装采收在兼容性葡萄园中为酿酒和加工葡萄提供了更高产能；藤上干燥（DOV）采收与葡萄干专用干燥系统紧密耦合；选择性机器人采收仍具前景，但需要更强的商业葡萄园验证。在这些路径中，更高的自动化水平并不天然带来更大的可持续性，因为劳动力需求的减少可能被质量损失、资本和能源需求或系统利用率不足所抵消。本综述的主要贡献在于提出了一个面向最终用途的框架，将葡萄园设计、采收路径、损伤与损失机制以及环境、经济和社会可持续性考量联系起来。由于实验条件、损伤定义和报告指标仍存在异质性，现有文献支持基于情境的定性比较，而非统一的定量可持续性排名。
以下为论文主体部分的内容总结：
**1. 引言**
葡萄支撑着多样化的农业食品价值链，包括鲜食、酿酒、制干、果汁加工及其他增值应用。不同最终用途的葡萄在浆果形态、果皮特性、果穗结构、风味组成和质量评价标准上存在显著差异。鲜食葡萄强调外观、果粉和果穗完整性，而酿酒、制干和加工葡萄更注重成熟度、干燥适宜性和加工稳定性。葡萄园扩张、劳动力可得性变化以及采收和运输成本上升，增加了人工采收的压力。机械化与智能采收因此成为提升产能和减少季节性劳动力依赖的重要手段。然而，可持续性不能仅从劳动力替代或作业速度推断。葡萄采收的可持续性应涵盖相互关联的环境、经济和社会维度，同时防止作物和质量损失。田间评估表明，地形、采收损失、作业规模和所有权模式共同决定机械采收的经济表现。机械化的后果必须结合葡萄最终用途和葡萄园情境进行评估。
葡萄浆果因软组织、脆弱果皮、果粉、果穗结构和果蒂连接方式，极易受到采收诱导的机械损伤。压缩、冲击、摩擦、剪切和振动等机械应力可导致破裂、脱落、果粉损失和潜在组织损伤，而果穗紧实度和角质层蜡质进一步调节损伤敏感性和采后质量保持。由于可接受的损伤因最终用途而异，鲜食葡萄采收优先考虑浆果完整性和果穗外观，酿酒葡萄采收强调成熟度、洁净度、浆果破裂、汁液释放和非葡萄物质（MOG），而葡萄干系统需要协调成熟度、枝条切割、干燥和收集。供应链证据进一步表明，机械诱导的葡萄损失可能带来经济、能源、水和温室气体负担。因此，采收损伤应通过其对可售或可加工价值的影响来解释，而非作为通用机械损伤指标。
现有研究大多将葡萄品质、葡萄园管理、采收机械、机器人系统和智能传感分为独立的研究流。因此，葡萄最终用途、葡萄园架构、采收路径、损伤与产品损失、劳动力与资源需求以及下游价值之间的关系仍未充分整合。本综述的创新之处在于将葡萄采收视为一个面向最终用途的可持续性决策问题，将作物性状和葡萄园结构与采收路径、损伤损失机制、作业约束以及环境、经济和社会结果联系起来。
葡萄园栽培和整形系统提供了作物特性与采收设备之间的空间界面。行距几何、结果带位置、树冠结构和果穗暴露影响机械通行性、目标可见性、设备工作空间和采收期间的机械载荷传递。保护性和开放性整形系统在树冠可达性、果实质量管理和与机械化或机器人作业的兼容性方面存在差异，而棚架配置影响果穗分布和暴露。土壤和载荷条件也影响通行性和设备作业。机械化适宜性应与行距、棚架设计、修剪、树冠管理和田间交通规划共同考虑，而非独立于葡萄园结构的设备选择。
葡萄最终用途和栽培条件的差异产生了不同的采收路径，包括人工采收、辅助采收系统、选择性机器人采收、基于振动的散装采收和藤上干燥（DOV）机械收集。高价值鲜食葡萄需要保持整穗质量和受控分离；为此开发了选择性机器人系统和切割点决策方法，而辅助采收可减少非采摘劳动并改善田间物流。酿酒和加工葡萄通常更兼容连续机械分离和收集，而DOV葡萄干系统将采收与田间干燥耦合。这些路径的相对适宜性取决于质量保持、采收损失、劳动力需求、作业产能、资本需求和下游处理之间的权衡，经济表现还受作业规模和设备利用率影响。路径选择应基于生产情境，而非仅基于自动化水平。
低损伤葡萄采收应被视为一个链级问题，因为损伤可发生在分离、转移、收集和运输过程中，并可能随后影响水果或产品质量。选择性系统需要可靠的感知和低接触操作，而切割后处理必须控制冲击、振动、容器装载和工人暴露。机器人协调可减少碰撞和处理冲突，而散装葡萄酒、加工和葡萄干系统需要协调控制作物机械特性、物料流、原料洁净度、干燥条件和采后操作。评估应超越采收成功，扩展到可售或可加工产量、机械损伤和损失、职业条件和下游质量。
智能传感、状态监测和反馈控制可支持从基于经验的采收向数据驱动决策转变。多尺度传感已应用于目标识别、成熟度和质量评估、导航和葡萄园监测，而机器状态信息和数据驱动方法可支持质量评估、操作和作业参数调整。在更广泛尺度上，传感可支持自适应机器调节、空间采收规划和采收时机决策，而长期数据、数字孪生和可追溯性可支持设备调度和供应链协调。
数字化应通过其对损失预防、投入效率和协调决策的贡献来评估。葡萄园生命周期评估表明，变量速率管理可降低产品碳足迹，尽管结果取决于肥料使用、能源消耗、灌溉和产量；智能葡萄园评估同样表明，先进技术可能将环境负担转向机械和电力使用。闭环系统应整合作物传感、采收质量评估、机器状态、作业参数选择、设备反馈和采后数据协调。
技术采用是机械化和智能采收在实践和社会可持续性中的额外考量。来自英国农业的证据表明，接受度随自动化角色而变化，并受熟悉度、成本和对岗位替代的担忧影响。由于可比葡萄特异性证据仍然有限，技术性能本身尚不能假设预测种植者或工人在葡萄采收中的接受度。
在此背景下，本综述探讨三个问题：（1）葡萄最终用途、作物特性和葡萄园结构如何定义不同采收路径在技术和农艺上的适宜条件？（2）主要采收路径在质量保持、损伤和损失机制、劳动力和资源需求、经济可行性和作业可扩展性方面有何差异？（3）传感、自适应控制和数字协调在多大程度上能够改善采收决策和系统性能，哪些证据和实施缺口目前限制了其更广泛应用？
**2. 材料与方法**
本综述采用结构化文献检索和主题叙事综合方法。相关出版物检索自Web of Science核心合集、Scopus、ScienceDirect、SpringerLink和Google Scholar，并辅以向后参考文献追踪和针对性技术来源检索。主要检索覆盖2000年1月至2026年5月的出版物，重点关注葡萄性状和最终用途、葡萄园栽培和整形系统、机械化采收方法、采收设备、机械损伤和质量损失以及智能传感和控制技术。
检索策略将检索词分为四个主题组。每组内同义词用“OR”连接，不同主题组间用“AND”组合。第一组为研究对象和最终用途：葡萄、酿酒葡萄、鲜食葡萄、酿酒葡萄、制干葡萄、果汁葡萄和加工葡萄；第二组为作物特性和生产系统：浆果特性、果穗结构、果穗紧实度、果梗、分离力、机械特性、成熟度、葡萄园、栽培系统、整形系统、棚架和树冠结构；第三组为采收方法、设备和损伤控制：人工采收、辅助采收、机械化采收、机械采收、机器人采收、选择性采收、振动采收、藤上干燥采收、葡萄采收机、末端执行器、捕捉、输送、清洗、分选、机械损伤、压缩、冲击、摩擦、振动、浆果破裂、汁液损失和质量损失；第四组为智能传感和控制：机器视觉、深度学习、葡萄识别、果穗检测、成熟度检测、激光雷达（LiDAR）、高光谱成像、多源传感、状态监测、自适应控制、精准葡萄栽培、数字孪生和可追溯性。
纳入标准包括：以鲜食葡萄、酿酒葡萄、制干葡萄和加工葡萄及其相关葡萄园生产和采收系统为对象的研究；涉及至少一个与葡萄采收直接相关的方面，包括浆果和果穗特性、力学特性、栽培和整形系统、人工或辅助采收、选择性机器人采收、振动机械采收、藤上干燥采收、关键设备部件、机械损伤、质量损失、与采收相关的采后处理以及智能传感和控制技术；文献类型包括同行评审期刊文章、高质量国际会议论文、博士论文、技术报告、标准和推广出版物。排除标准包括：与葡萄采收无关或缺乏直接相关性的研究，仅关注育种、遗传、生理、病害控制、灌溉、施肥、食品成分、发酵或产品加工的研究（除非提供与采收性能或采后质量直接相关的信息）；新闻、广告、商业宣传材料等非学术出版物；重复出版物；信息不足的研究。
文献筛选流程：初始识别1655条记录，去除401条重复后剩余1254条进行标题和摘要筛选，排除901条无关记录，剩余353篇文章进行全文资格评估，最终排除169篇，纳入184项研究进行定性综合。
数据提取和主题分析：对每项纳入研究提取发表年份、葡萄类型和最终用途、品种、栽培和整形系统、实验或田间条件、采收方法、设备结构、作业参数、性能指标、机械损伤和质量损失结果、智能传感和控制技术、应用场景和研究局限性等信息。文献分为五个主题：葡萄最终用途和影响机械化适宜性的特征；葡萄园栽培和整形系统；采收方法及其适用条件；机械损伤机制和低损伤设备技术；智能传感、自适应控制和数字采收技术。主题分析比较了不同采收路径和设备系统的技术特征、适用性、性能差异、主要局限和发展趋势。由于文献中结果定义和报告格式的异质性，综合强调情境依赖比较和证据局限性。
**3. 葡萄类型与最终用途**
**3.1 葡萄最终用途类别和质量目标**
从采收技术和设备设计角度看，葡萄按主要最终用途分为四类：鲜食葡萄、酿酒葡萄、制干葡萄和加工葡萄。这些类别并非互斥的植物学类型，而是代表采收质量、损伤耐受性和处理要求所评估的主要去向。鲜食葡萄以可售性和食用品质为主要评价标准，强调浆果大小和形状、果皮颜色、果肉质地、甜度、多汁性、香气、果粉和果穗形态。采收必须保持浆果、果粉、穗轴和果穗完整性，同时限制压缩、磨损、冲击和浆果脱落。酿酒葡萄作为酿酒原料，主要评价糖酸平衡、酚类成熟度、成熟均匀性和原料洁净度。它们对整穗外观的依赖较低，更兼容机械化散装采收，但过度浆果破裂和汁液释放可能加速氧化并增加微生物风险，叶片、叶柄、新梢等非葡萄物质（MOG）会改变葡萄汁成分、香气和酚类发育。制干葡萄主要评价糖含量、无核性、成熟均匀性、干燥适宜性和最终葡萄干等级。采摘路径需与成熟度评估、藤上干燥和机械收集协调。加工葡萄用于果汁、浓缩汁、果酱等产品，评价糖酸组成、颜色、香气、榨汁特性、卫生和原料稳定性，整穗外观次要，可加工产量、污染控制和稳定输送更为重要。
**3.2 低损伤机械化适宜性的农艺和生物力学决定因素**
采收路径的适宜性不能仅从最终用途推断，还取决于分离和物料转移所需的机械作用是否保持在作物的损伤耐受范围内。关键决定因素包括浆果表面完整性、压缩和冲击抗性、浆果-果梗连接、果穗紧实度、成熟均匀性以及这些性状在葡萄园内的空间一致性。对鲜食葡萄，表面状况和结构完整性是主要约束。机械压缩可增加水分损失、软化、腐烂和细胞退化，角质层蜡质有助于保水和表面保护。可见破裂是不完整的损伤度量，因为果粉损失、磨损、穗轴损伤和潜在压缩也会降低可售价值。选择性采收应限制接触和支撑力，以保持浆果、果粉和果穗完整性。对于散装采收的酿酒和加工葡萄，关键关系是分离性和浆果抗性之间的平衡。浆果-果梗分离力和浆果挤压抗力可共同测量，以确定采收日期和作业条件。脱落剂研究显示乙烯利反应因品种而异，过量处理可能增加采前落果，化学调节需针对每个品种和最终用途路径验证。果穗紧实度影响局部浆果运动和浆果间接触，可集中压缩和碰撞载荷。多视角成像和多元分类可实现客观紧实度分级，振动-碰撞建模可阐明局部接触在机械激励过程中的载荷重新分布。
**3.3 面向最终用途的采收指标和损伤耐受性**
作物-机器组合是否可接受最终取决于收获价值必须保留的形式。采收性能通过三个相互关联的维度判断：作物回收率、采收诱导损伤和目的地质量。鲜食葡萄的可售产量比总收集率更具信息量，相关指标包括完整果穗回收率、脱落浆果率、破裂浆果率、果粉保留率、果穗形态保持率以及符合市场等级的比例。作为田间规模定量示例，'Crimson Seedless'在两个连续季节的田间损失分别为13.9%和5.97%，其中一季机械损伤果实占7.1%。由于鲜食葡萄是非呼吸跃变型，采后仍易失水、软化、穗轴褐变和病原感染，即时视觉检查可能低估采收损伤，应在定义的储存或运输期后评估。酿酒葡萄的核心指标包括采收完整性、藤上残留果实、地面损失、非葡萄物质（MOG）的比例、未成熟、霉变或其他不适合浆果的比例、浆果破裂和汁液释放。Parenti等人报告的MOG范围——低于1%为理想，1-2%为可接受且质量风险相对较低，高于3%不适合高品质葡萄酒生产——提供了面向最终用途的验收标准示例。制干葡萄的采收性能延伸至成熟度评估、枝条切割、田间干燥和机械收集，相关指标包括切割时可溶性固形物或干物质、干燥持续时间、最终含水量、脱水均匀性、采收回收率、浆果损失、异物含量和符合所需葡萄干等级的比例。干藤系统定量证据表明，枝条切割约在20°Brix时开始，干燥至含水量≤16%后机械收集；受控热风干燥可将最终水分降至<15%，预处理将干燥时间从74小时缩短至38-54小时。果汁葡萄方面，机械采收的'Concord'果汁葡萄在温暖散装条件下约12小时后开始出现酒精积累，近32°C保持72小时的果实达到约3%酒精并损失约44%初始可溶性固形物。
**4. 葡萄栽培系统**
**4.1 栽培系统类型和采收可达性**
栽培系统形成葡萄性状与采收设备之间的空间界面。可分为三类：开放田间棚架系统、保护性棚架系统和机器适应性开放整形系统。开放田间棚架系统以行式种植、相对清晰的行间通道和垂直或近垂直树冠平面为特征，广泛用于酿酒葡萄、加工葡萄和一些制干生产系统。垂直新梢固定和自由生长树冠的比较表明，整形配置影响树冠结构、果穗暴露以及与机械化管理的兼容性。当结果带集中在相对一致的高度范围内时，自走式或牵引式采收机可沿行连续行驶，依次执行振动、捕捉、输送和清洗操作。保护性棚架系统主要与高价值鲜食葡萄生产相关，包括避雨棚、聚乙烯隧道、温室和水平或棚架。果实通常悬挂在头顶树冠平面下方，便于目视检查、选择性成熟度评估和整穗切割。田间测试的水平棚架系统测量显示，棚架约2.0米高、2.5米宽，葡萄串下端距地面约1.7-1.9米，串顶通常在棚架平面下方20-120毫米。同一机器人配置下，采收成功率从叶片遮挡0-5%时的93.3%下降到6-20%时的86.7%和21-40%时的73.3%。机器适应性开放整形系统包括V形和Y形棚架、单高线系统等，可改善通风、光截获和果穗可见性，为机器视觉和机器人操作提供更清晰的接近方向。Palliotti开发的可闭合Y形系统在Sangiovese五年田间试验中采用3.5×1.0米行株距、0.90米高永久主干和1.1米V形框架，开角50°。收获前闭合框架约需3-4小时公顷?1，随后的跨越行采收约需135分钟公顷?1，而垂直新梢定位（VSP）对照为128分钟公顷?1，产量、自由流汁指数和汁液杂质无显著差异。
**4.2 栽培系统对采收路线选择和损伤风险的影响**
栽培系统决定哪种采收路线在技术上可行以及损伤最可能发生在何处。开放田间垂直棚架葡萄园中，规则行和相对清晰的通道有利于连续行驶，适合散装采收。关键权衡是足够激励与过度机械载荷之间的平衡。保护性棚架系统限制大型机械和机器人操作空间，主要限制从连续机器通行性转向目标可见性、可达性和操作。选择性整穗采收需要协调的识别、接近、支撑、切割和转移序列。双机械臂和高速切割捕捉机器人复现支撑与切割的功能划分。损伤风险在分离后持续存在，葡萄串运输和放置实验表明，切割后处理中的重复振动会破坏果穗稳定性并增加二次浆果运动。机器适应性开放系统可减少遮挡和接近相关风险，但残余损伤仍由末端执行器控制、轨迹规划和切割后处理决定。
**4.3 面向最终用途的栽培系统优化**
随着机械化和自动化发展，葡萄园架构成为作物-机器作业环境的一部分。对鲜食葡萄，优化应保留高价值果实品质，同时为选择性整穗采收创造足够的可见性和工作空间。棚架高度、结果带深度、果穗间距、果梗呈现和树冠密度应使果穗能够被识别和接近，而不与叶片、铁丝或邻近果实过度接触。对酿酒和加工葡萄，优化应优先考虑几何规则性、地块内均匀性和与连续机器作业的兼容性。行距、株距、地头转弯空间、地面平整度、棚架对齐、树冠厚度和结果带高度应与牵引式、自走式或跨越行设备的作业包络匹配。制干葡萄系统需要跨成熟度发展、枝条切割、田间脱水和机械收集的连续环节协调。实施应区分新葡萄园建立和现有葡萄园改造。
**5. 葡萄采收方法**
**5.1 采收路径和作业逻辑**
选择性整穗采收：人工采收仍是高价值鲜食葡萄的参考路径，工人结合整穗质量判断与协调支撑、果梗切割和放置。人工采收的低损伤优势是有条件的。辅助采收保留人工选择和切割，将容器运输和田间物流转移给机械或机器人支持。选择性机器人采收将整穗功能重新分配给机器感知、定位、支撑和切割。田间测试的双臂水平棚架系统平均循环时间约9秒/串，果穗识别率88%，采收成功率83%。
连续散装采收：目标从完整果穗转向可回收原料流，适合成熟度相对均匀、结果带集中且对整穗外观依赖较低的酿酒和加工葡萄。更高产能与不完整去除、浆果破裂、汁液释放、地面损失和MOG进行权衡。'Montuni'葡萄试验中，可见破裂和氧化发生，但在葡萄园条件、机器调整和采后处理协调时仍保持可接受的葡萄酒品质。
DOV采收和机械收集：果实有意在最终回收前转化，即切断结果母枝并在棚架上脱水。适宜性取决于成熟度、枝条管理、干燥条件、品种、棚架结构和修剪策略。核心权衡是均匀脱水与田间暴露、作物损失、污染和等级降低。
**5.2 比较性能和决策边界**
没有普遍最优的采收路径。选择性路径保留整穗价值但受劳动力需求或系统复杂性限制，散装和DOV路径仅在作物条件、葡萄园结构和下游操作兼容时实现更高回收能力。经济优势取决于作业规模和设备利用率。意大利葡萄园机械采收成本在平坦条件下约40-45欧元/吨，丘陵葡萄园约50-60欧元/吨，牵引式采收机盈亏平衡面积约7-8公顷，自走式约12-14公顷；罗马尼亚比较报告机械化采收约300-320列伊/吨，人工采收480-520列伊/吨，降低约38%。损伤耐受性应通过保留的目的地价值解释。技术成熟度是额外决策边界：人工和振动散装采收是成熟的商业路径；辅助采收系统仍依赖组件和利用率；选择性机器人采收已展示田间级识别、定位、切割和操作，但缺乏可重复商业规模运营的广泛证据；DOV机械收集主要在兼容的品种-棚架-气候系统中商业化。
**5.3 低损伤采收的优化优先级和设备要求**
不同路径在分离到最终收集或下游利用的序列中引入损伤，需要不同的作业参数、处理结构和传感/控制功能组合。人工和辅助采收应优先考虑保留果穗质量同时减少不必要处理和运输。机械化散装采收的核心权衡是充分分离而不过度破裂、汁液释放和MOG。选择性机器人采收需要将感知和切割点定位转化为安全接近和分离，随后进行柔性支撑和稳定转移。优化目标应遵循保留的最终用途价值，而非任何单一技术指标。
**6. 葡萄采收设备与低损伤机械化协同分析**
**6.1 人工辅助和低损伤田间处理系统**
人工辅助系统保留人类质量评估和果梗切割，同时使用工具、容器、平台和运输设备控制分离后的处理阶段。低损伤作用围绕四个连接阶段：支撑切割和放置、临时保持、人体工程学负载处理和田间转移至包装或冷却。切割工具应提供快速完整切割，果穗在果梗完全切断前保持支撑，然后放置而非掉落。容器设计确定采摘后立即的接触和压缩环境，浅层装载、光滑或柔性接触表面以及受控翻转是损伤控制变量。辅助采收还应降低人体工程学风险。田间干预显示，将采摘负载减少约五分之一并保持容器低于50磅（约22.7公斤）可减少季节后肌肉骨骼不适，且不显著损失生产力。田间转移应控制路线长度、车辆加速度、容器约束、缓冲和转移连续性。
**6.2 鲜食葡萄低损伤选择性机器人采收设备**
选择性采收系统集成果穗定位、支撑或轻柔约束、果梗切割、受控转移和缓冲收集。末端执行器几何和接触力必须与果穗生物力学特性匹配。多个鲜食葡萄品种的测量显示果穗质量和机械特性范围广泛，单一固定夹持力或尺寸难以提供一致性能。柔性材料、分布式支撑和力限制可减少局部载荷。可伸缩四点式葡萄采摘末端执行器采用柔性接触表面和集成切割功能。机器人硬件必须在葡萄园架构的空间约束内运行，水平棚架系统中叶片、新梢、铁丝和邻近果穗限制果梗访问，促使自下而上方法和协调相机-机械臂布置。低损伤执行还取决于将感知输出转化为机械上可行的动作，感知算法的残余定位误差应反映在机械臂工作空间规划、末端执行器间隙、接近速度和碰撞避免余量中。损伤在分离后持续，释放高度应最小化，姿态控制转移、柔性缓冲和分格收集可减少浆果脱落、磨损和变形。
**6.3 酿酒、加工和制干葡萄的机械采收设备与系统级参数优化**
低损伤机械采收取决于协调的分离、捕捉、输送、清洗、收集和卸载，而非仅振动单元。收获准备应从组成成熟度和机械耐受性双重评估，浆果-果梗分离力和挤压抗力决定可行操作窗口。行距、结果带高度、棚架几何、树冠密度和地头条件必须与采收头、打击杆和捕捉系统兼容。振动系统是主要分离单元，频率和振幅决定分离强度，行进速度决定暴露时间。在Jobbágy等人的田间条件下，使用470-490次/分钟的频率并调整行进速度和清洗气流。捕捉、输送、料斗装载和卸载形成第二损伤控制链，仪器化球体测量显示冲击不仅发生在分离期间，还发生在机内转移、料斗装载和运输至酒厂过程中。机载清洗必须在MOG去除与意外剔除和额外损伤之间平衡。DOV制干生产需要不同的设备协调，因为作物条件在机械回收前被有意修改，目标不是最大收集率，而是在可接受的天气和水分窗口内回收充分且均匀干燥的果实。
**6.4 智能调控的系统级要求**
低损伤采收无法通过硬件设计或固定参数设置单独实现。作物条件、果穗结构、成熟度、树冠密度、结果带几何和物料流可在同一葡萄园内和单次采收操作中变化。智能调控应围绕路径特定的状态变量、控制动作和可接受结果组织，而非通用自动化功能。智能采收应被理解为闭环调控问题，需要任务相关传感、作物和机器状态估计、面向最终用途的质量评估、多目标决策、参数执行和结果反馈。
**7. 智能技术与葡萄采收低损伤调控**
**7.1 多尺度智能传感与目标识别**
智能调控始于任务相关传感。选择性鲜食葡萄采收需要果穗识别、三维姿态估计、果梗和切割点定位、障碍物检测和可达性评估。机械采收需要更广泛的树冠结构、结果带分布、成熟度变异和机器状态信息。RGB和深度视觉提供主要信息来源，三维关联、RGB-D传感、立体视觉和单目深度估计用于恢复果穗位置、果梗位置、采摘或切割点及周围间隙。感知的实际转变是从检测果穗是否存在到确定是否以及如何采收。稳定感知在动态葡萄园条件下仍是主要限制，遮挡感知模型在不同果穗可见度和环境条件下评估，部署导向研究在低功耗边缘硬件上实现量化葡萄果穗检测器，轻量级YOLO架构在高性能计算平台上实现。成熟度和原料质量是第二个传感任务，颜色图像方法提供快速低成本成熟度评估，高光谱和可见/近红外（VIS/NIR）方法可提供可溶性固形物、可滴定酸度、花青素和多酚相关信息。多尺度传感从单个果穗扩展到葡萄园环境，无人机（UAV）高光谱图像可表征葡萄藤生理、产量和品质属性的空间变异，LiDAR和机器视觉可提供树冠几何、行结构、行间导航和环境映射信息。
**7.2 采收过程状态监测与面向最终用途的质量评估**
过程监测将智能采收从确定何时何地采收扩展到评估设备操作是否稳定以及所得物料是否满足最终用途质量要求。数据驱动监测架构连接三个信息层：机器和过程状态（振动、加速度、接触力、输送机负载、气流和料斗体积）；物料流响应（果穗运动、碰撞、积累、堵塞和不规则进料）；采收质量结果（残留果实、浆果损失、破裂、汁液释放、果粉损失和MOG）。机械状态监测尤为重要，葡萄串处理实验显示运输速度和加速度影响果穗振荡和浆果脱落，受控测试评估了0.4-1.0米/秒的运输速度和6-12米/秒2的加速度激励。采收质量指标应根据最终用途选择。多光谱分类的定量证据：在清洁和Botrytis感染浆果的受控混合物中，高光谱成像分类为感染像素的比例与按浆果计数的感染（R2 = 1.00）和浆果重量（R2 = 0.98）密切相关，浆果计数和重量估计本身强相关（R2 = 0.9821）。同一项目随后选择八个波段（444、531、680、717、790、860、918和972 nm）用于快照多光谱成像，在商业酒厂接收站使用约20公斤复合样本测试；清洁葡萄、Botrytis感染葡萄和MOG在受控照明下铺在标准背景上时最可靠区分。
**7.3 面向最终用途的智能决策与闭环低损伤控制**
传感和监测数据只有转化为目标选择决策、可执行动作和参数更新时才具有操作价值。选择性鲜食葡萄采收的智能决策主要涉及目标选择、采摘点确认、可达性评估和采摘序列规划。近期葡萄特异性研究引入多视角映射和基于可达性的排序，以在不确定观测下平衡采收质量和执行效率。协作机器人系统将问题从个体目标优先排序扩展到采收和运输代理之间的任务分配。执行层应将感知不确定性转化为运动和接触约束。低损伤控制应在果梗切割后继续，转移加速度、果穗振荡、释放高度和接收表面相互作用可产生二次浆果脱落、磨损或压缩。对酿酒和加工葡萄，智能决策更关注整机操作参数的自适应调节。可调打击杆实验定量说明权衡：将打击杆振幅从30毫米增加到90毫米，在测试条件下将报告采收损失从7.9%降至5.1%。控制目标应是一个满足最低回收和田间产能要求同时使损伤、汁液释放、地面损失和MOG保持在最终用途可接受范围内的工作包络。DOV制干葡萄的智能决策从机械收集扩展到成熟度评估、枝条切割时间和干燥进度评估。
**7.4 葡萄园规划、采收作业和质量反馈的数字化协调**
数字协调扩展了智能采收的边界，通过连接采收前、采收中和采收后立即生成的信息。精准葡萄栽培基础设施，包括遥感、近端传感、全球导航卫星系统（GNSS）、地理信息系统（GIS）和决策支持工具，提供连接信息层的空间和时间参考。采收前，无人机高光谱影像、卫星遥感、近端传感和空间分析方法可提供树冠结构、树势、产量变异和成熟度分布信息。车载VIS+SW-NIR传感、机器学习产量预测和基于图像的产量估计方法可辅助评估预期作物负荷和质量变异性。采收期间，数字协调应连接空间位置、机器操作、物料流和采收质量。GNSS轨迹、采收区标识、机器设置和产量记录可建立采收物料的空间和操作历史；料斗体积传感和校准的商业产量监测提供负载积累和空间产量分布的补充信息。接收阶段MOG和数字质量评估提供客观质量检查点。数字孪生和人工智能可提供更高层集成，但其有用性取决于底层数据的一致性。数字协调的有效性取决于数据一致性和互操作性，需要共同的空间参考和时间戳、一致的设备和批次标识、校准记录以及采收损失、损伤、MOG和原料质量的标准定义。保留在数字链中的信息应保持最终用途特异性。
**8. 总结与展望**
**8.1 当前证据综合**
葡萄采收路径应根据必须保留的产品价值形式选择，而非仅根据机械化水平。最终用途定义可接受损伤，而作物和果穗性状、葡萄园架构、采收窗口、劳动力可得性、作业规模和下游需求决定该价值能否在实践中保留。选择性人工、辅助和机器人路径在整穗完整性主导时最受支持；连续散装采收在可加工回收和物料流产能优先时更合适；DOV收集取决于成熟度、枝条切割、田间干燥和机械回收的协调。低损伤采收不能理解为简单用机械替代人工，而是系统级价值保留问题。
**8.2 优先研究缺口和未解问题**
设备适应性不足是最直接的实施需求，需要从任务级可行性转向商业相关条件下的可重复性能。多站点、多季节试验应确定报告的循环时间和采收成功率能否在商业相关规模下维持。端用特异性损伤和性能评估标准化是最可行的近期方法论优先事项。需要建立涵盖采样单元、评估时间、损伤分母、保留产品价值和操作性能的最小报告集。作物-机器协同设计是中期系统优先事项，应转向定量设计包络。智能传感、自适应控制和数字协调的田间集成是另一优先事项，其证据成熟度低于许多单独传感和预测技术。可持续性和技术采用证据是跨领域优先事项，现有研究缺乏共同系统边界、功能单位、成本基础、作业规模和区域采用情境。
**8.3 实施和可持续性展望**
未来低损伤葡萄采收应向最终用途专业化、结构灵活性和可扩展系统集成发展。设备应根据必须保留的价值形式和预期产品的损伤耐受性设计。实施应偏向适应性强、配置和部署规模与葡萄园结构、最终用途和可用证据成熟度匹配的系统。模块化和可调设备可提高不同葡萄园规模和生产条件下的利用率。智能和数字技术应支持而非取代农艺和机械基础，其实践价值取决于是否将传感、预测和数字协调转化为更安全的行动、更低的可避免损失、改善的资源分配和更可靠的质量保留。
**8.4 本综述局限性**
文献识别和筛选过程参照PRISMA报告原则以提高透明度，但本综述是主题叙事综合而非前瞻性注册的系统评价，未预先注册方案，未进行荟萃分析。筛选主要由第一作者进行，不确定病例通过作者间共识解决，未进行独立重复筛选和正式评审者间一致性分析。证据基础涵盖异质性农艺、工程、机器人、田间验证和技术研究，未对所有来源应用单一正式偏倚风险工具。纳入研究在葡萄类型、品种、成熟度、整形系统
