《Horticulturae》：Canopy Regulation and Intelligent Branch Operations in Fruit-Tree Pruning: A Review
果树修剪必须在控制树体结构的同时持续更新结果枝，许多决策仍依赖实践经验。本叙述性综述综合了1983年至2026年间通过Google Scholar及反向引文追踪检索获得的92篇英文文献。随着果园系统日趋规整以及机械化程度不断提高，机械修剪已被用于控制树冠边缘。视觉与三维（3D）传感技术目前正被用于识别枝条并定位修剪点，而机器人系统也开始尝试选择性修剪。本综述从树冠尺度和枝条尺度审视相关文献。机械树冠修剪能够有效快速处理规整的树冠轮廓，但田间试验表明，再生枝、后续人工补剪以及负载管理可能改变后续产量和经济结果。枝条层面的自动化已从二维（2D）识别发展到三维（3D）重建、修剪点生成以及小规模机器人试验。更具挑战性的问题日益集中在枝条功能评估与连续全树作业方面。对于修剪自动化而言，机器速度或一次成功剪切仅是部分结果，修剪后树体响应和长期生产表现同样需要考虑。多时相树体记录、枝条功能信息、连续作业以及长期田间测试值得更多关注。
1. 引言
果树为多年生作物。树体结构一旦形成，将在多年内影响光截获、结果和田间作业。矮化、高密度种植以及更加规整的整形系统改善了机械作业的可达性，但随着树龄增长，枝条仍会加粗并交叉，结果部位可能向树冠外围转移。因此，修剪仍是维持树形和生产能力的基本果园管理措施。
修剪不仅仅是剪除枝条。实际操作中，作业者需要选择枝条、控制修剪强度并预判修剪后的树体生长响应。休眠期修剪和夏季修剪对枝梢生长的影响不同，进而改变光环境和果实表现。梨、桃等果树的更新方法亦因其结果习性和整形系统差异而不同。这些决策长期依赖实践经验，因此修剪机械化并非简单地自动化剪切动作。
早期电动剪枝剪和工作平台主要用于减少人工用力、攀爬和频繁移位。后来沿行连续作业的机械开始处理树冠外围轮廓。近年来，视觉和三维传感技术被用于测量树冠和枝条结构，机器人开始利用这些信息进行局部修剪。随着任务从处理整体树冠轮廓转向判断单根枝条，修剪对象变得更加精细，对树体信息的需求也随之增加。
综述范围与检索策略
本综述涵盖果园或葡萄园中管理的多年生木本园艺作物，包括仁果类、核果类、柑橘、枣、油橄榄和葡萄。这些作物具有共同的周期性树冠调控和枝条更新任务，但其响应被视为作物、品种、砧木和整形系统特异的，而非可直接互换。一年生作物、林业作业和观赏植物修剪不在范围内。
Google Scholar为主要检索平台，辅以相关综述和原始研究的反向引文追踪。检索在稿件准备期间迭代进行，最近更新于2026年8月。作物术语与修剪和技术术语组合检索。未设最低发表年份限制，最终文献时间跨度为1983年至2026年。
英文文献先按标题和摘要筛选，再进行全文评估。原始研究纳入标准为报告树体或树冠响应、劳动或经济结果、传感或重建性能、修剪决策、剪切质量或集成机器人验证。最终叙述性综述纳入92篇文献。由于作物、整形系统、数据集、作业规模和指标差异显著，证据以叙述性方式而非定量合并方式进行比较。
2. 树冠尺度修剪
2.1 树冠修剪的园艺要求
树冠修剪主要限制树冠高度和宽度，处理树冠边缘的枝梢。目的并非简单缩小树冠，而是为光截获、结果和田间作业留出适宜空间。窄树冠和结果墙系统将结果区域集中在沿行的相对狭窄空间内，也便于人员和机械到达树冠。然而，树冠变窄后，主枝分布、叶面积和结果枝位置也随之改变。这类树形是否长期适合机械化管理的最终判断依据是产量、果实品质和结果单位的更新。
有研究观察到，苹果夏季修剪试验中，叶面积减少10%–30%伴随整树光截获减少6%–14%。局部位置光照条件改善并不一定意味着整树光截获增加。修剪后光照条件需与叶面积和整树光截获的变化一并考虑。
树冠轮廓能维持多久主要取决于修剪后的再生。重度休眠期修剪会增加剩余芽的活力。在桃树两年试验中，较重修剪产生更多更长的徒长枝，负载也影响这一响应。苹果和桃树的研究进一步表明，夏季修剪的响应取决于时期，枝条朝向也影响苹果树响应。不同苹果品种在相同修剪方法下不会产生完全相同的枝梢组成或叶面积分布。将高纺锤形苹果树改造为窄结果墙时，仅靠绿篱修剪对活力控制效果有限；绿篱修剪结合断根效果更强，但果实大小可能下降。在大小年明显的果园中，小年过度修剪可能刺激营养生长。单次测量树高或树宽难以判断树冠能否保持稳定，下一季的再生和结果枝变化同样值得追踪。
树冠结构变化也影响植保作业如喷雾沉积。喷雾沉积取决于树形和树冠体积以及喷雾机类型，变量喷雾根据树冠季节变化调整施液量。在有机苹果园中，树冠内喷雾沉积也因修剪处理而异。较开放的树冠可能提供更好的喷雾通道，但最终分布仍取决于喷雾系统、叶面积和施药时期。
仅靠目视难以判断一次修剪移除了多少树冠以及枝梢多快长回。基于无人机（UAV）的三维模型已用于估算油橄榄的修剪移除量和年树冠生长量，多光谱无人机影像用于追踪果树多年变化。激光雷达（LiDAR）也可用于构建树冠体积模型并调整喷雾量等作业。这些方法记录树冠的几何变化，可为设定机械修剪边界提供参考。但在单根枝条层面，是否应修剪仍取决于其在树中的位置和作用。
2.2 树冠修剪的技术实现
本综述中，连续树冠修剪设备指沿树行连续移动并按固定或可调边界切割外围枝梢的机械。现有机械采用往复式切割器或圆盘锯等切割单元。矮化密植枣树田间试验表明，漏剪和残桩断裂随前进速度和切割器设置而变化，说明机械参数需与树冠条件匹配。连续机械修剪改变了作业尺度：人工逐枝处理，而机械将树冠边缘转化为沿行反复跟随的几何边界。这种作业模式适合规整树形和连续轮廓处理，但无法判断单根枝条的功能或健康状态。
稳定连续切割部分取决于机械运动，部分取决于枝条本身。地面不平改变机械姿态，响应延迟产生跟踪误差；枝条弯曲或局部突出也可能使实际切割偏离预期边界。即使枝条被成功切断，留下的切面也不总相同。跨果树种类比较表明，不同切割工具造成不同程度的组织损伤。苹果枝条试验发现，枝条直径、进给速度和工具参数影响切割力。在测试条件下，旁切式修枝剪和圆盘锯通常比链锯造成的切口边缘损伤更小。因此机械评估不仅要看枝条是否被切断，还要看切割后留下的组织表面。
当前传感和控制技术允许对固定修剪轮廓进行一定调整。某液压修剪机器人中，油缸控制精度在±1.8°以内，平均启动和停止延迟分别为0.55秒和0.15秒，底盘运动也增加了位置误差。这些数值仅针对该样机和测试方案，但表明轨迹误差和响应延迟需要与切割速度或切割完成情况一并报告。
树形是连续机械修剪的重要条件。窄结果墙和规整的葡萄架式具有更清晰的边界和更连续的刀具通道。开心形树或主枝方向高度变异的树难以用单条连续路径覆盖整个树冠。行距和主枝布局首先决定机械是否有稳定通道，而每年采用的整形方法影响下一次修剪时边界是否仍然清晰。
2.3 机械树冠修剪的田间结果
机械修剪最明显的优势是沿行的作业效率，但果园劳动并非仅在刀具穿过枝条时发生。转弯、机械调整、枝条清理和人工补剪都耗时。因此更快的机械并不意味着每公顷总劳动按相同比例下降。苹果、柑橘和葡萄的试验表明，当机械修剪后仍需大量人工补剪时，最终劳动节省会减少。
再生将这一差异带入下一个修剪周期。当同一边界被反复切割时，树冠边缘可能出现密集新梢，而树冠内部的竞争枝和结果单位不一定得到调整。在超细长纺锤形果园的两年‘Arisoo’苹果试验中，仅机械修剪减少了修剪时间，但光穿透和部分果实品质指标劣于人工修剪。增加人工补剪后结果接近完全人工修剪。因此，需要多少补剪劳动以及用于哪些枝条，本身就是机械修剪结果的一部分。
多年产量结果更清楚地显示修剪制度间的差异。在一项三年‘Fortune’宽皮柑橘田间试验中，每年机械修剪后人工补剪的处理累计产量比每年人工修剪低约22%，而机械修剪与人工修剪隔年交替时未发现显著累计减产。同一研究仅发现补剪时间适度减少，因此这一品种和处理特异的结果不应被解读为柑橘机械修剪的一般效应。‘Clemenules’宽皮柑橘、‘Navel Foyos’甜橙和‘Fino 95’柠檬的长期试验表明，较温和或交替的机械修剪制度在某些处理中可维持产量和果实大小，同时减少劳动或成本。由于这些试验的修剪边界、修剪强度和机械修剪重复方式不同，其产量结果不应直接排序。
葡萄行为有所不同。机械冬季修剪通常保留更多芽，但增加的芽数不会按相同比例转化为产量。一项五年Trebbiano Romagnolo试验表明，芽结实能力和果穗重量对较高芽数提供了一定补偿。在‘Concord’葡萄中，机械修剪结合补剪或负载调整在大多数年份维持了果汁品质，同时降低劳动成本。这些葡萄结果取决于品种结实能力、保留节位和后续负载调整，不应直接移植到其他果树。
机械修剪的经济结果也取决于后续人工劳动。在四年‘Fino 95’柠檬试验中，机械修剪与人工修剪隔年交替或主要依靠机械修剪缩短了修剪时间并产生高于完全人工修剪的经济回报。相反，同年同时使用机械修剪和大量人工补剪时，经济优势很小。因此经济比较需要区分机械作业时间、人工补剪劳动、总劳动和设备成本。
除产量和经济外，树冠变化可改变病虫害状况。‘Clemenules’宽皮柑橘机械修剪后，外围枝梢数量和蚜虫危害增加。桃树较重冬季修剪与更严重的桃蚜侵染及更多卷叶和落叶相关。苹果响应较不一致。离心整形在部分年份降低了苹果绣线菊蚜和欧洲红螨侵染，但绿苹果蚜在某些年份高于对照、另一些年份低于对照。另一项三年有机苹果研究中，重度冬季修剪对叶黑星病的控制比果黑星病更一致，且响应因品种感病性而异。这些研究特异响应表明树冠改造可改变植保环境，但修剪不能被视为一致的病虫害防治方法。
综合来看，这些长期试验表明机械树冠修剪最明确优势仍是快速处理规整树冠轮廓。最终劳动节省取决于再生和补剪量，而长期维持产量和果实品质还取决于作物的结果习性和逐年管理。因此研究结果支持关于机械修剪的条件性而非普遍性结论。
3. 枝条尺度修剪
3.1 枝条选择与更新的要求
枝条尺度修剪难以在果树间简化为单一规则。仁果类如苹果需要维持结果单位的年龄和空间分布，不同梨整形系统改变主枝和结果位置的布局。桃和甜樱桃的树形、活力、光照条件和结果单位分布均影响生产表现。葡萄冬季修剪也需要调整保留芽数和结果母蔓。细节不同，但实际决策通常归结为几个问题：该枝条当前发挥什么作用？位于何处？若保留将承担多少负载？下一季是否需要为更新留出空间？
多项苹果研究清晰展示了这类选择。离心整形并非简单按粗度移除枝条，而是调整树冠中心和枝条下侧附近的部分结果单位群体。三维树体分析表明，这种空间调整改变了整树和结果枝层面的光截获效率。‘Galaxy’苹果中，从开花到坐果期间移除部分结果单位改善了当季果实大小和次年返花。人工花簇疏除也改变了花芽密度和单位枝条横截面积负载。因此，枝条或结果单位价值不能仅凭枝龄和直径判断，位置、当前负载及其在后续更新中的作用也需考虑。
对于自动化而言，枝条功能作为园艺工作标签比几何标签更有用。根据作物和整形系统，枝条可能主要是结构性的、结果的、更新的、竞争的、病害或损伤的，或低价值/不结果的。这些类别并非普遍适用且可能重叠，但使修剪决策的理由更加明确。它们可与可观测属性如轴龄、直径、角度、分枝级数、位置、活力、生殖状态、负载以及与相邻枝条的关系相关联。
枝条的作用并非逐年固定。苹果多年观察表明，开花和结果因品种、枝条轴龄和枝条类型而异，适宜的整树负载也随叶面积和年份变化。修剪后，剩余芽再次萌发，枝梢生长和负载被重新调整。桃树中修剪强度和负载影响徒长枝发育，苹果负载变化也改变叶片光合作用和碳代谢。结果单位的数量和分布还与次年返花和更新相关。部分变化无法通过单次扫描捕获，需一个或多个生长季后才显现。
一旦决定修剪某枝条，剪切本身仍然重要。新鲜苹果修剪伤口更易受病原菌侵染，易感性随伤口老化逐渐下降，潮湿条件增加感染风险。新鲜葡萄修剪伤口也易感，易感期随季节和病原种类变化。甜樱桃不同伤口类型也表现出不同感染响应。移除病枝时，切位尤为重要。在多地点火疫病修剪试验中，常见最佳管理处理在可见症状/溃疡近端边缘以下约30厘米处移除感染枝梢；葡萄修剪伤口保护减少部分树干病害病原感染；火龙果冬季移除病组织减少后续茎和果溃疡严重度。因此自动修剪需要考虑切位和伤口状况，而不仅是枝条是否被切断。
工具卫生对伤口健康也重要。自动修剪器可能在许多枝条和树上使用同一末端执行器，受污染工具可在切割序列中携带病原。柑橘类病毒和油橄榄结节研究表明切割设备可传播病原，而消毒受污染绿篱设备减少后续油橄榄结节感染。因此病害感知修剪可能需要工具在移至另一枝条或树前进行清洁或消毒。这一步骤影响末端执行器设计、作业顺序和循环时间，应在报告系统性能时纳入。
实践中，枝条尺度修剪至少涉及两个决策。首先，枝条被保留、短截或移除；然后确定切位和切割方式。人工修剪者通常将两个决策作为同一动作完成。自动化系统必须分离至少部分经验，先将其转化为可观测和可记录的条件，再转化为机器可执行的动作。
3.2 助力人工修剪
当枝条保留仍由工人决定时，最早的机械化主要辅助力和运动。电动、气动或液压剪减少反复握持和切割的用力，延长杆和工作平台减少攀爬和移位。在16天苹果园试验中，电动剪配合工作平台比手剪配合梯子更高效。差异不仅由剪闭合速度造成，还与作业高度、工人移动和树形有关。
动力工具减少体力消耗，但也引入安全问题。葡萄冬季修剪期间，握力受工具类型、环境温度和操作者特征影响。电动修枝剪造成的手部损伤主要发生在非惯用手，一项临床研究中占82.1%。动力工具可改善局部切割效率，但选择哪根枝条和在哪里切割仍由工人决定。
助力与智能修剪的区别在此相当清晰。前者主要帮助人执行动作，枝条保留仍是人的决策。后者开始将部分决策转移给传感和算法。只有当捕获的枝条信息也能转化为候选目标或修剪规则时，修剪才进入传感辅助和机器人执行阶段。
3.3 从二维识别到三维结构重建
智能修剪首先需要识别树干、枝条和其他相关树体结构。早期工作主要从二维图像分离树干和枝条。随着深度相机和点云进入果园研究，关注点逐渐转向枝条直径测量、空间定位和枝条连通性。对修剪而言，知道目标位于何处仅是起点；系统还需知道枝条如何延伸以及如何与其他枝条连接。
二维视觉研究可分割树干和枝条并检测格架钢丝，后续修剪工作提取分枝点。休眠葡萄中可检测修剪区域和不同植物器官。然而，二维图像在枝条交叉或枝梢细弱处容易丢失连通性，遮挡下问题更严重。对后续修剪而言，错误的分枝点可能比小的像素级错误更麻烦，因为它可能直接改变枝条结构的解释方式。
三维传感将关注点转向构建树体结构本身。UFO甜樱桃树语义骨架研究中，29棵树的中位重建准确率为70%。葡萄蔓建模中，51.45%样本恢复完整连通性，另有35.51%仅遗漏一个节间关系。这些数值描述不同单位和定义，因此不可直接比较。其他三维果树重建研究也以较好精度估计了局部尺寸。在规整树形和相对可控采集条件下，枝条直径和空间位置等局部尺寸已可测量。遮挡和枝条交叉下恢复完整拓扑仍更困难。
这些结构数据可用于生成修剪点。Tall Spindle苹果树RGB-D研究中，枝条直径和枝条间距的平均绝对误差分别为1.10毫米和16.06毫米，修剪点识别率达87.2%。核桃和葡萄研究也从点云或二维分割与三维点云组合中生成候选修剪位置。从树体识别到候选切点是一个重要步骤，但建议的点是否应实际使用仍是修剪决策问题。
对智能修剪而言，三维重建的关键不仅是获得视觉上完整的点云，还要将其组织为连通的枝条结构。有研究利用树干识别、枝条聚类和图方法构建果树骨架模型。以苹果为例，滤波后点云保留树冠几何外观，而骨架化明确表示树干和不同枝级间的连接。对自动修剪而言，这些连接比局部尺寸更重要。如果分枝节点识别错误，后续生成的候选修剪点也可能偏移。
验证条件也影响结果解读。相当大比例的枝条识别和修剪点工作在休眠或无叶树、规整平面结构或部分受控采集条件下进行。性能可能随品种、树龄、结构、光照、背景杂乱、风、湿度和物候阶段而变化。因此仅在休眠或受控条件下测试的研究应与已在田间完整树上演示的系统区分开。
3.4 从几何规则到枝条功能评估
枝条结构识别后，应区分三个层面：感知描述枝条位置，包括位置、直径、朝向和连通性。解释询问枝条在树中发挥什么作用，例如主要是结果的、更新的、竞争的还是病害的。决策则确定枝条应保留、短截还是移除以及切位。早期自动化修剪决策常将实践经验转化为可计算的几何条件。枝条直径和间距最常见，部分方法还考虑枝条长度、节点位置和与树干的空间关系。这些变量相对容易从单次扫描获得，适合快速生成候选切点。其他研究将评估扩展到整树。有研究从三维桃树模型虚拟移除枝条并比较不同树冠结构下的光截获和净光合。另有研究在真实果树的LiDAR模型上生成候选虚拟修剪方案，并用树冠体积和模拟光分布进行比较。还有研究在虚拟树上添加光截获和树形约束，模拟多年休眠期整形。
即使完整的几何描述也可能无法揭示枝条在当前树中的作用。开花和结果与枝条轴龄和类型相关，适宜负载也随叶面积和年份变化。不同修剪方法进一步影响下一生长阶段的枝梢组成和叶面积分布。两根直径和角度相似的枝条在不同树上可能分别是结果枝、更新枝或竞争枝。是否应移除还取决于当前负载和后续更新，这些因素难以从一次静态扫描获得。有用的功能记录应包括结果历史、枝条轴龄或类型、活力、生殖芽、当前负载、更新作用、健康状态以及与相邻结果单位的空间关系。
部分近期工作开始从人工修剪结果中学习。梨树修剪前后RGB-D模型差异已被用于自动生成移除枝条标签并训练修剪预测模型。其他系统仍依赖显式规则或专家知识。Vid2Cuts从智能手机视频重建葡萄结构并提供视觉修剪建议。专家自身也不总做出一致决策。种植者、果树研究者和机器人研究者强调的树体属性有所不同。如果训练数据仅包含切点坐标，模型可能学会复现切割而不知道目的是活力控制、更新还是负载调整。因此数据集不应将单一修剪者的动作视为唯一可能的真值。在可能情况下，应记录多位专家的决策、评分者间一致性、置信度、保留或移除理由以及园艺上可接受的替代方案。
健康状态和时间也改变枝条层面决策。苹果和梨的视觉研究已识别部分火疫病外部症状，但症状位置仍需与安全移除距离和枝条结构关联。复杂背景下的数据质量和泛化也是病害传感的常见问题。果园数字孪生可能为保存多时相树体状态和支持管理决策提供途径，但其使用仍处于探索阶段，直接集成到修剪控制回路的例子仍然罕见。玉米作物的一项深度学习研究将病害检测与严重度预测和产量损失估计相结合，说明视觉评估如何与下游农业决策关联。在更广泛的AI-农业框架中，传感、机器学习、决策支持和机器人动作是同一过程的连接部分，视觉传感、决策支持和机器人操作形成集成流水线而非孤立技术，这为从树冠视觉评估到自动化田间修剪的闭环提供了基础。智能修剪最终需要将几何结构与枝条功能连接，然后逐步添加健康状态和时间维度。
3.5 从单枝切割到连续机器人作业
早期机器人修剪研究主要考察机械臂能否接近枝条并切割。有研究开发了苹果修剪机械臂，可切割不同朝向、直径达约25毫米的格架‘Fuji’树枝条。枣树修剪机械臂在单树测试中定位误差低于10毫米，修剪成功率高于85.16%。
后续研究在切割过程中添加近距离传感和接触反馈。系统先用视觉进行粗略定位，工具接触枝条后根据交互力调整运动。混合视觉-交互控制器在剪切对准任务中的精度比仅使用相机深度数据的基线提高超过30个百分点。这一反馈在修剪中很有用，因为深度和标定误差可能使工具位置偏移，而枝条在负载下弯曲可改变实际接触点。
在整系统阶段，传感、运动规划和切割执行开始出现在同一作业过程中。葡萄修剪机器人沿96米行处理59株葡萄，平均每株约2分钟处理8.4根蔓。UFO甜樱桃系统在10棵树上实现58%切割成功率。Tall Spindle苹果田间测试中，15个目标枝条最终有11个成功切割（73.3%）：5个首次成功、5个第二次、1个第三次，平均每枝报告时间17.8秒。这些分母、作业条件和成功定义不同，不应直接排序。
当多根枝条按顺序处理时，切割一根枝条可能同时改变遮挡和下一次接近的空间。已被切断但仍附着在树上的枝条也可能干扰下一动作。如果系统继续依赖切割前建立的模型，后续目标位置和路径可能与实际树体不一致。因此全树作业要求切割后重新观察树体、检查枝条移除结果并及时更新剩余目标。
枝条被切断不一定意味着修剪质量可接受。切位和残桩长度影响最终结果，撕裂或压碎表示组织损伤；机器人还可能接触应保留的邻近枝条。当前整系统试验主要展示传感、规划和切割能否按顺序运行，对伤口状况、修剪后再生或下一季结果枝更新的观察很少。因此这些研究在此被描述为集成机器人试验而非完全闭环系统。本综述中，闭环一词保留给切割后观察改变下一动作或累积树体记录改变后续决策的系统。机器人现可在真实果园进行小规模修剪试验，但枝条判断、接近、切割确认和目标更新尚未完全连接以连续处理单树上多个目标。
组件性能与果园性能的差异解释了为何机器人修剪的经济证据仍然稀缺。大多数系统仍是在单枝、少量树或预定义目标上测试的研究样机。报告的循环时间可能排除设置、树间移动、枝条清理、失败动作恢复和人工完成。经济评估只有在整树或整行试验将这些操作与设备折旧、维护、能源、操作者劳动、设置和运输、人工返工以及明确陈述的核算边界一并报告时才有意义。
4. 果树修剪技术的未来方向
4.1 感知与修剪决策
感知的主要问题是结构信息在方法开发条件之外是否仍然可靠。休眠或无叶树、规整平面结构和受控采集简化了分割、深度传感和拓扑恢复，而果园作业必须容忍品种、树龄、结构、背景、光照、风、湿度和物候阶段的差异。未来研究应随几何或拓扑指标一并报告作物和品种、树形、物候状态、传感器、遮挡条件、数据集大小和训练/测试划分。休眠数据集上获得的结果不应被解读为全年田间鲁棒性的证据。
枝条层面数据集不应以修剪点坐标作为唯一真值开始。记录必须保留切割原因。至少应关联树体身份、品种和整形系统、枝条拓扑、直径和角度、轴龄或类型、生殖状态或负载、健康状态、预期枝条作用、修剪目标、保留/短截/移除理由以及所选修剪点坐标。即时切割结果和下一季再生或结果响应应尽可能附加到同一枝条。当存在多个园艺上可接受的策略时，多位专家标签或评分者间一致性和置信度比单一修剪者的决策更具信息量。
4.2 机器人作业与田间验证
整树基准应将修剪视为状态变化序列而非一组独立切割。系统应扫描初始未修饰树体、无人工重置地选择和执行多次切割、验证枝条脱离、重新观察变化结构、更新剩余目标并在需要时重新规划。报告应区分检测到的目标、选中的、到达的、首次尝试切割的、失败后恢复的和最终人工完成的。切位和质量、对保留枝条的非预期接触或损伤、重试、人工干预、每切时间、每树时间以及系统故障也应报告。若涉及病害材料，工具清洁或消毒属于作业序列和循环时间计算的一部分。
组件和枝条层面指标本身不能显示果园就绪度。整树和整行试验应报告总吞吐量、重试、恢复、人工干预和人工完成。田间就绪系统还需要明确的经济边界，包括设置、运输、能源、维护、折旧、操作者劳动和返工。多季试验随后应测量再生、结果枝更新、产量、果实品质和生产回报。长期机械修剪研究已提供此类证据，可比的机器人证据仍然稀缺。在所有验证层面，应明确说明树、枝或目标数量；成功率使用的分子和分母；排除的失败；田间或受控状态；以及任何人工干预。提出的两季时长是多年生作物验证的实际最低限度而非普遍阈值；在预期大小年或延迟更新时，更长的追踪更可取。
图7通过两个反馈回路连接这些层面。在修剪序列内，切割后验证应触发重新传感、模型更新和重新规划，当脱离不完整或树体状态已变化时。跨季，再生、更新、产量和品质以及劳动和经济记录应为后续枝条解释和修剪决策提供信息。
5. 结论
机械树冠修剪和智能枝条修剪处理修剪问题的不同部分。前者已可用于控制规整树冠轮廓，但多年田间工作表明，仅作业效率对最终园艺结果说明甚少。再生、人工补剪、负载和重复使用都可能改变后续产量、果实品质和经济表现。因此机械修剪应在测试所在的生产条件下评判，而非依据单一作业效率或产量值。
枝条层面自动化尚不成熟。研究已从二维识别发展到三维重建、修剪点生成和机器人切割，但定位枝条仍不同于决定为何应移除它。枝龄、结果历史和更新价值难以仅从几何推断。切割后，枝条脱离、切割质量以及对邻近保留枝条的可能损伤也很重要。一次成功切割确认一个动作完成，它本身不能表明修剪在园艺上可接受。
下一阶段，多年树体记录、枝条功能评估和连续机器人作业需要更紧密连接。评估也需超越单一算法和单一切割，转向整树、果园行和多年田间结果。连续机械修剪和选择性修剪在一段时间内可能保持互补：机械可处理规整外围生长，而工人或机器人处理需要局部判断的枝条。其最终分工将取决于树形、任务复杂性、系统可靠性、生物安全要求和生产成本。
