近年来，国内农业劳动力老龄化趋势明显加剧，招工难、用工贵已成为制约茶产业发展的瓶颈。名优茶的人工采摘消耗占整个茶园管理用工的60%左右，而高档名优茶芽叶采摘时，由于叶梢细嫩，生长的位置、姿态和密集程度不一，特别是在微风和光照不断变换环境下，机器采摘实现难度较大。因此，加大研发智能采茶技术力度，对促进我国茶产业持续发展具有重要意义。

基于图像处理的茶叶识别成研发热点

　　实现自动化采茶，首先必须解决的是茶树嫩芽的精准识别。近年来，随着计算机技术的发展和应用，基于图像处理的茶叶嫩芽的准确识别成为研究的热点。

　　基于颜色空间的传统图像处理算法 由于茶叶嫩芽与老叶、树干存在明显颜色差异，可利用颜色特征提取出图像中的嫩芽区域，因此早期的茶叶嫩芽分割研究大多是基于颜色特征。基于颜色空间的传统图像处理算法，其主要过程包括图像预处理、颜色特征选取与分割等步骤。

　　基于传统机器学习的识别方法 为了进一步解决自然条件下茶叶分割易受老叶、树枝、土壤等外界环境影响，以及茶叶互相遮挡与重叠的问题，后续研究中引入了机器学习的方法，通过提取并综合各种特征样本数据，进行训练来识别检测。常见的嫩芽识别方法是基于颜色、纹理、形状等特征，结合使用诸如K均值聚类法、支持向量机方法、贝叶斯判别方法以及级联分类器等。基于传统机器视觉的识别方法，仍依赖图像预处理与数据转换，前期处理如不合理将会严重影响模型的精度。

　　基于深度学习的识别方法 基于深度学习的算法在复杂背景下具有较高的精度，为复杂背景下茶叶嫩芽的智能化采摘设备的研究提供了基础。这种方法可以分为三类，分别是分类算法、目标检测算法和语义分割算法。基于深度学习的分类算法是对一幅图像进行分类，判别出图像是否嫩芽或者识别图像中的嫩芽的状态，如芽叶开面状态、是否处于可采摘的状态等。该方法具有较好的识别效果，不仅能准确识别茶叶嫩芽，同时还可区分不同嫩芽的状态，可满足自然光照下茶叶嫩芽识别要求，实用性较好。但基于深度学习的方法依赖大样本，同时检测效率较低。因此还需要进一步开展茶树芽叶检测研究，增加芽叶图像数量，开发速度更快、精度更高、稳定性更优的算法。

末端采摘执行器与智能控制系统取得进展

　　茶叶的采摘对象是芽叶而非果实，传统的末端采摘执行器难以适用，因此相关研究人员针对茶叶嫩芽开发了新的末端采摘执行器。如2021年设计出一种可夹提式采摘茶叶嫩梢的末端执行器，通过对其控制实现茶园采摘。试验结果表明，一芽一叶的漏采率为2.8%、采摘完整率为91%，一芽二叶的漏采率<3%、采摘完整率为94%。现有的茶叶采摘末端执行器大多采用单纯的机械式结构，基本没有误差补偿能力，无法确保采摘成功率和嫩梢完整率。为解决此问题，设计出一种基于负压导向的名茶采摘末端执行器。这种末端执行器利用负压，以自上而下的方式引导茶芽，从而纠正茶叶的姿势和空间位置。试验结果表明，设计的末端执行器具有偏差容限性能，可以提高拾取成功率。

　　智能控制系统的功能，主要包括行驶系统的控制和采摘装置的控制。日本在茶园智能机械行驶系统控制上已有一些研究成果，如日本松元株式会社利用人工智能（AI）和传感器开发出在无人驾驶的情况下收获茶叶的“无人采茶机”，并已开始上市销售。在采摘装置的控制上，针对传统往复切割式采收装置，设计了一种基于机器视觉的乘用式智能采茶机，提出了自动识别茶叶嫩芽和割刀自动调平控制方法，该机可解决现有采茶机无选择性切割老叶和嫩芽的弊端。目前，针对采摘手控制系统所控制的末端采摘执行器个数均为单个，采摘效率不高，未来还需针对多个末端采摘执行器、多机械臂协同控制系统进行研发。

柔性末端采摘及其高效控制系统成未来研发方向

　　目前国内外针对高档名优茶采摘机器的研究刚起步，尚处于概念样机试验阶段，在实际应用中仍然面临诸多挑战，如当前农业生产中存在着农机农艺结合不紧密的问题，嫩芽识别受光照影响较大，难以分割包含与嫩芽颜色相近背景的图像、叶子间的遮挡和重叠造成识别效果不理想等。相比较传统的机器学习而言，目前基于深度学习的芽叶识别方法具有良好的应用前景，但需要大量的标记样本进行训练，且随着网络复杂程度的升高，硬件系统升级也是一个需要解决的问题。随着机器视觉、人工智能技术的快速发展，这为智能采茶机的研发提供了良好的基础。未来的智能采茶机将会有以下发展趋势。

　　增加样本数据，研发识别模型，提高算法效果 目前茶芽识别和定位的难点在于茶叶种类和生长环境的多样性、遮挡和重叠情况下茶叶嫩芽识别策略、动态干扰，以及算法稳定性和通用性较差。未来应对不同品种、不同茶季、不同等级、不同产区、不同光照下的茶园茶叶图像进行数据采集，实现茶叶图像样本的数据收集扩充，丰富样本的多样性，建立多品种、多等级茶叶芽叶数据库，提高算法普适性。

　　研发具有容差能力的柔性末端采摘执行器 茶叶嫩芽质地较为柔软，常规末端采摘执行器采摘易对嫩芽造成伤害。同时，在茶园非结构化及微风环境下易存在定位误差和随机误差，因此既要在采摘的同时做到不伤害嫩芽，还要采用合适的误差补偿方法，故需要研究具有容差能力的柔性末端采摘执行器。

　　研发多末端采摘执行器及其高效控制系统 针对茶叶采摘机械臂轻巧、柔顺和高速的需求，可通过结构轻量化设计和相应的运动控制算法，实现采茶专用末端采摘执行器及其控制系统。同时因为单个末端采摘执行器效率过低，为进一步提高采摘效率，未来应研发多末端采摘执行器以及高效控制系统，实现多末端采摘执行器任务分配和运动协同规划，提高茶叶采摘效率。

　　（李杨 董春旺 陈建能 贾江鸣）