中圖分類號：S66 文獻標志碼：A 文章編號：1009-9980（2025）07-1582-28

Abstract： With the aging ofthe rural population，standardized and intelligent orchard production has become a key development direction for modern orchards.Orchard production currently faces several chalenges，including labor shortages，low mechanization levels，and inefficient resource utilization. Intelligent orchard technologies offer potential solutions to these problems by improving productivity，reducing costs，and minimizing resource waste.This study systematically reviews the four key technological areas of intelligent orchards： information perception， intelligent decision-making， precision operations，and intelligent management，and analyzes their current status，future directions，and applications in modern orchards based on recent research and developments at home and abroad. First，information perception technology forms the foundation of intelligent orchard production.By integrating various sensors，drones，and Internet ofThings （IoT），orchards can achieve real-time，multidimensional monitoring of their environments，crop growth，and operational equipment. Environmental perception technologies cover factors such as climate，soil moisture，and temperature.These data are collected using tools like LiDAR，remote sensing，and soil sensors，helping orchard managers beter understand the microenstatus of trees using hyperspectral imaging， infrared technology，and other advanced sensors. This enables early interventions to prevent losses in yield or quality. Additionally， operational equipment perception technology provides real-time monitoring of the status and performance of agricultural machinery， supporting autonomous navigation and precision operations by providing crucial data for optimizing equipment use and ensuring efficient orchard management. By fusing multiple sources of information，intelligent orchards can monitor and manage their operations across the full lifecycle of the orchard，from planting to harvest. Secondly，intelligent decision-making systems are essential for achieving smart orchard production. By analyzing and processing the collcted data， these systems can optimize various orchard production processes such as irrigation， fertilization，flower thinning，pesticide application， and harvesting. For example， intelligent irrigation systems analyze soil moisture levels and meteorological data to determine the best times and quantities for irrigation，ensuring efficient use of water resources. Fertilization and pesticide application systems adjust the timing and dosage based on the specific growth needs of the trees， promoting healthy growth while reducing the use of fertilizers and pesticides， thus minimizing environmental pollution. Additionally， smart harvesting systems use fruit maturity detection to schedule harvests efficiently， improving productivity while reducing fruit damage. Precision operations are a vital component of smart orchard production. Autonomous navigation technologies allow agricultural machinery to operate autonomously in the complex environments of orchards.Using LiDAR，vision-based navigation，and obstacle avoidance algorithms，machinery can complete tasks safely and eficiently.Precision operations are enhanced by real-time sensor data，which enables machinery to adjust its parameters automatically to ensure accuracy and quality. For example， precision fertilization and pesticide application systems adjust the amount applied based on the actual needs of each tree，improving resource utilization efficiency and production outcomes. In terms of system integration， intelligent orchards rely on cloud platforms to achieve unmanned and automated management. Orchard inspection robots colect real-time data on tree growth and pest status， which is uploaded to the cloud for analysis by intelligent decision-making systems. Orchard management robots carry out tasks such as fertilization，flower thinning，and pruning based on the instructions from the intelligent decision systems， executing complex operations automatically. Harvesting robots，equipped with visual recognition technology and deep learning algorithms， can assess fruit maturity and perform harvesting tasks efficiently.In multi-machine collaborative operation systems，several robots in the orchard are coordinated through cloud platforms to work together， improving overall efficiency.For example，during harvest seasons，harvesting robots and transport robots collaborate to ensure that picked fruits are swiftly transported to designated locations，reducing spoilage and enhancing workflow efficiency.Finally，this study looks forward to the future development direction ofsmart orchard technology and provides specific research ideas.Future smart orchard technology willplace greater emphasis on multi-source information fusion，autonomous operation of agricultural machinery，and inteligent management throughout the entire process.By deeply integrating perception data from different sources，orchard managers can more accurately grasp the production dynamics of the orchard， further improving the scientificity of decision-making.The autonomous operation technology of agricultural machinery will continue to improve， achieving autonomous navigation and operation in more complex environments.The fully intelligent management system willoptimize the production process，reduce operating costs，improve the overall production efficiency and fruit quality of the orchard through technologies such as big data analysis and cloud computing， in order to provide reference and guidance for the development of key technologies in standardized orchards.In conclusion， the future of intelligent orchards lies in the continuous improvement and integration of these technologies.Through the development of more advanced sensing technologies，intelligent decision-making systems， and autonomous machinery， orchards will become more eficient， sustainable，and productive，helping farmers to manage their resources bettr while meeting the demands of modern agriculture.This will not only enhance orchard productivity and fruit quality but also contribute to the overall sustainability and competitiveness of the agricultural sector.

Key Words： Orchard; Intelligent agriculture;Precise operation; Intelligent agricultural machinery; Modernagriculture

中國水果種植面積和產(chǎn)量均居世界首位，果園種植面積已達到 1.280 8×10⁷hm² ，果業(yè)在中國農(nóng)業(yè)農(nóng)村經(jīng)濟發(fā)展中占有重要地位。近年來，中國水果規(guī)模化生產(chǎn)優(yōu)勢明顯，但與發(fā)達國家相比仍存在差距。例如目前中國果園中的施肥、除草、施藥、疏花、剪枝、采收分級等農(nóng)事活動主要依賴人工完成，在蘋果園生產(chǎn)管理中，人工成本占到了總生產(chǎn)成本的 60% 以上，以美國、意大利為代表的歐美國家的果園綜合機械化率超過 80% ，而中國目前僅為25.88%^[2] ，雖然部分作業(yè)環(huán)節(jié)已經(jīng)實現(xiàn)機械化，但智能化程度相對較低，且中國老齡化趨勢日益加劇，未來有經(jīng)驗的工作人員將大幅減少。此外，果園生產(chǎn)面臨勞動力短缺。另外，傳統(tǒng)果園水、肥、農(nóng)藥投放全憑經(jīng)驗，管理手段粗放、效率低下，造成嚴重的資源浪費。種種問題表明，果園管理亟需實現(xiàn)由機械化向智能化的轉(zhuǎn)型升級。

通過融合物聯(lián)網(wǎng)、大數(shù)據(jù)、裝備智能化等技術(shù)，可以有效解決中國傳統(tǒng)果園生產(chǎn)中面臨的勞動力短缺、農(nóng)機作業(yè)和生產(chǎn)資料管理困難、生產(chǎn)效率低下及資源浪費等問題。這樣不僅能減少人力投入、降低生產(chǎn)成本，還能通過精準水肥藥管理實現(xiàn)農(nóng)藥和化肥的減施增效，減少環(huán)境污染，提升果園的產(chǎn)量和品質(zhì)。韓冷等在北京市平谷區(qū)初步構(gòu)建了智慧梨園與智慧桃園，應(yīng)用了智能信息獲取系統(tǒng)、智能管理系統(tǒng)、智能作業(yè)裝備系統(tǒng)、智能管理平臺，結(jié)果表明，智慧果園生產(chǎn)模式可減少人工成本 50% 以上，節(jié)約農(nóng)藥用量 30%～40% 、肥料用量 25%～35% 、灌溉用水量60%～70% ，綜合經(jīng)濟效益提升 32.5% 。

目前中國智慧果園建設(shè)發(fā)展迅速，但大部分智慧果園項目尚未包含完整的信息管理平臺和智能作業(yè)機具，筆者在本研究中針對智慧化果園的系統(tǒng)架構(gòu)、關(guān)鍵技術(shù)以及智慧化果園系統(tǒng)集成的研究現(xiàn)狀進行了分析，總結(jié)了目前智慧果園在實際建設(shè)中存在的問題，并指出了智慧果園未來的發(fā)展方向和趨勢，旨在探討智慧果園的建設(shè)思路，以期為相關(guān)領(lǐng)域的研究與實踐提供借鑒與參考。

1智慧化果園系統(tǒng)架構(gòu)

智慧化果園系統(tǒng)架構(gòu)如圖1所示，融合了數(shù)字化感知、智能化決策、精準化作業(yè)和智慧化管理4大關(guān)鍵技術(shù)，構(gòu)建了覆蓋果園不同生產(chǎn)環(huán)節(jié)的無人化作業(yè)裝備，并建立了果園智慧云管控平臺。該智慧管控云平臺能夠解析感知到的信息，自主分配農(nóng)機作業(yè)任務(wù)，調(diào)度農(nóng)機完成耕作、種植、管理、收獲、運輸?shù)雀黝愖鳂I(yè)任務(wù)，并實時監(jiān)控與調(diào)控農(nóng)機的作業(yè)狀態(tài)。通過果園標準化基礎(chǔ)設(shè)施建設(shè)，旨在突破信息感知、農(nóng)機智能作業(yè)、智慧生產(chǎn)云管控等技術(shù)瓶頸，制定智慧果園建設(shè)的技術(shù)規(guī)程，從而實現(xiàn)果園生產(chǎn)全過程的智慧化和可持續(xù)運行。

2智慧化果園關(guān)鍵技術(shù)

智慧果園的建設(shè)依賴于感知、決策、作業(yè)與管理四大核心環(huán)節(jié)的有機融合與高效協(xié)同，形成一個數(shù)據(jù)驅(qū)動、信息互通、智能反饋的閉環(huán)系統(tǒng)。感知環(huán)節(jié)通過多源傳感器、無人機、機器人等終端設(shè)備對果樹生長狀態(tài)、環(huán)境參數(shù)和病蟲害信息進行實時采集和數(shù)字化建模，為后續(xù)智能決策提供數(shù)據(jù)基礎(chǔ)。決策環(huán)節(jié)依托大數(shù)據(jù)分析、機器學習和專家系統(tǒng)等技術(shù)，對采集數(shù)據(jù)進行深度處理與判斷，輸出作業(yè)指令與管理建議，實現(xiàn)針對性強、反應(yīng)及時的智能決策。作業(yè)環(huán)節(jié)則根據(jù)決策結(jié)果，驅(qū)動采摘機器人、噴藥機、施肥設(shè)備等智能裝備進行精細化、高效率的田間作業(yè)，確保執(zhí)行的準確性與一致性。在作業(yè)過程中產(chǎn)生的運行狀態(tài)、作業(yè)質(zhì)量與環(huán)境反饋信息被實時回傳至管理平臺，形成管理環(huán)節(jié)的基礎(chǔ)數(shù)據(jù)支撐，使管理者能夠動態(tài)掌握果園運行狀況并優(yōu)化生產(chǎn)策略。各環(huán)節(jié)之間信息高度互通、反饋及時、動態(tài)閉環(huán)，是智慧果園區(qū)別于傳統(tǒng)果園管理模式的重要特征，體現(xiàn)了其系統(tǒng)化、智能化的發(fā)展方向。

2.1數(shù)字化感知

數(shù)字化感知技術(shù)在果園管理中的應(yīng)用主要體現(xiàn)在通過不同傳感器對果園環(huán)境、果樹和作業(yè)裝備等信息的高精度感知3個層面（表1）。果園環(huán)境信息包括果園地貌、氣候、果樹位置等信息；果樹信息包括果樹種類、長勢、病蟲害以及產(chǎn)量等信息；作業(yè)裝備信息包括作業(yè)裝備位置、作業(yè)狀態(tài)和作業(yè)質(zhì)量等信息。

2.1.1果園環(huán)境信息感知 果園環(huán)境信息包括果園

地圖和果樹生長條件信息。果園地圖信息包括果樹位置、地塊位置、地勢地形、道路、房屋等地物自標特征信息，果樹生長條件信息包括氣候條件、土壤特性、養(yǎng)分含量等信息。

果園地圖信息通常以數(shù)字地圖的形式呈現(xiàn)，為農(nóng)機智能化作業(yè)提供全面、精準的地理信息支持。果園數(shù)字地圖一般通過激光雷達、深度相機等傳感設(shè)備，結(jié)合載波相位差分技術(shù)，采集樹體點云數(shù)據(jù)、可見光（RGB）圖像及深度信息，并依據(jù)點云數(shù)據(jù)提取果樹體積、冠層密度等關(guān)鍵參數(shù)4。同時，借助遙感技術(shù)獲取果園整體的植被分布、土壤類型及地形特征等信息，進而構(gòu)建包含地形地貌、果樹分布與生長狀態(tài)等多種要素的三維數(shù)字果園地圖。馮涵等采用手持式三維點云采集設(shè)備，結(jié)合即時定位與激光測距技術(shù)，建立果園點云數(shù)據(jù)集，并利用Unity3D引擎構(gòu)建果園三維場景，為數(shù)字果園地圖的構(gòu)建提供了新的實現(xiàn)路徑。為滿足果園冠層參數(shù)高精度測量的需求，Wang等[13]采用激光雷達與慣性測量單元（IMU）采集果園點云數(shù)據(jù)，結(jié)合三維同步定位與建圖（SLAM）算法，實現(xiàn)了高精度果園環(huán)境地圖的重建，其果樹分割準確率達 95.4% ，冠高均方根誤差為0.04337，展現(xiàn)了較高的實用性和可靠性。這些研究成果不僅為果園數(shù)字地圖構(gòu)建提供了技術(shù)支撐，也為智能農(nóng)機路徑規(guī)劃、果樹個體管理與精準作業(yè)等環(huán)節(jié)奠定了堅實的數(shù)據(jù)基礎(chǔ)，推動果園智能化管理向更加精細化、高效化方向發(fā)展。

果樹生長環(huán)境信息包括一系列與果樹生長、發(fā)育和產(chǎn)量密切相關(guān)的因素，如溫度、濕度、光照、土壤含水量、營養(yǎng)元素含量等，這些因素對果樹的健康以及果實的質(zhì)量和產(chǎn)量都有著直接影響。其中，溫度和光照是影響落葉果樹休眠期與萌芽期的關(guān)鍵環(huán)境因子。研究表明，除了空氣溫度外，根域溫度、光照周期及光質(zhì)等因素同樣對果樹的生理狀態(tài)具有顯著調(diào)控作用。光照對果樹從休眠到萌芽的過程發(fā)揮著重要作用，僅依賴空氣溫度來判斷其生長階段存在一定局限[14]。因此，在果樹栽培管理中，應(yīng)綜合考慮多種環(huán)境因子的協(xié)同作用，以實現(xiàn)對果樹生長過程的科學調(diào)控。此外，土壤養(yǎng)分狀況也是決定果樹健康生長的重要基礎(chǔ)。Toselli等[15提出了以土壤肥力監(jiān)測為基礎(chǔ)，結(jié)合精準農(nóng)業(yè)技術(shù)開展土壤養(yǎng)分動態(tài)監(jiān)測，可有效解決施肥量控制問題，實現(xiàn)施肥時間和劑量的精準調(diào)控，從而優(yōu)化果樹生長環(huán)境，提高養(yǎng)分利用效率，減少農(nóng)業(yè)面源污染。

綜上所述，果園作業(yè)環(huán)境信息的高精度感知，包括果園地圖、氣候條件以及土壤特性等信息，能夠顯著提升果園管理水平的時效性和準確性。這些信息的準確感知不僅有助于優(yōu)化果樹生長條件，也可以為果園管理智能化決策提供科學依據(jù)，為優(yōu)化資源分配、提升決策準確率提供支持，提高資源利用效率，減少環(huán)境負擔，推動智慧果園的可持續(xù)管理。

2.1.2果樹信息感知果樹信息感知是裝備智能化作業(yè)、果園智慧化管理的前提和基礎(chǔ)。研究果樹表型多源信息感知與解析技術(shù)，為作業(yè)智能化決策提供技術(shù)基礎(chǔ)，從而為果園智慧化管理提供數(shù)據(jù)支撐和決策支持。果樹信息感知主要包括果樹長勢、病蟲草害等信息。

（1）長勢信息感知。果樹長勢信息是表征果樹生長狀態(tài)的重要參數(shù)，受到光、溫、土壤、水、肥等諸多因素的影響，是多因素綜合作用的結(jié)果。準確感知果樹長勢信息，判斷果樹生長狀態(tài)，對變量施肥、精量噴灌、選擇性疏花等作業(yè)具有重要意義。

當前該技術(shù)已在果樹分布、樹冠體積檢測等方面取得了一定進展。悉尼大學機器人研究中心研發(fā)了果園表型機器人，可以快速檢測果樹分布、樹冠體積、花果密度等表型信息。Patrick等[基于四旋翼無人機和傾斜攝影傳感器，獲取果樹冠層高度、冠幅和體積等藍莓灌木形態(tài)特征，高度和寬度尺寸在系統(tǒng)低估校正后成像平均誤差為 5.82cm ，為生產(chǎn)者進行修剪、地塊布局等管理提供了幫助。潘時佳等采集弼猴桃果實膨大期的冠層多光譜圖像數(shù)據(jù)，提出了一種復合視覺卷積回歸神經(jīng)網(wǎng)絡(luò)（CVCR），與基于植被指數(shù)的傳統(tǒng)反演方法相比，反演結(jié)果相關(guān)性和準確率得到一定的提升，在復雜場景下達到了良好的反演效果，為精準灌溉和水資源利用率的提高奠定了基礎(chǔ)。為解決惡劣環(huán)境下果園果樹冠層信息提取困難的問題，楊洲等基于可變軸的橢球模型自適應(yīng)密度聚類算法，采用毫米波雷達識別單株果樹、提取冠層點云，結(jié)合Alpha-shape算法和隨機抽樣一致算法，實現(xiàn)了果樹冠層三維重構(gòu)與體積計算，相比幾何法，體積估算準確率提高了59.4% 。但現(xiàn)有技術(shù)仍具有局限性，如在復雜的果園環(huán)境下的測量誤差較大，且對不同果樹品種的適應(yīng)性不強。未來的研究應(yīng)著重于進一步提高在復雜果園環(huán)境下感知系統(tǒng)的精度和魯棒性，同時結(jié)合數(shù)據(jù)分析和人工智能技術(shù)，進一步提升果樹長勢信息的綜合分析能力，以實現(xiàn)更為精準和智能的果園管理。

（2）病蟲草害信息感知。果園病蟲草害是指影響果樹生長和果實品質(zhì)的疾病、害蟲和雜草，病蟲草害信息早期檢測是病蟲害預測與防控的重要依據(jù)。及時感知并精準控制病蟲草害對維護果園的健康、保障果實品質(zhì)具有重要意義。

為準確識別病蟲害發(fā)生及其危害等級，萬軍杰等融合遷移學習與GoogLeNet模型，對6種果園作物的25類病蟲害進行識別與危害程度分級，識別精度達 99.35% ，危害程度分級精度達 92.78% 。病蟲害的發(fā)生受光照、溫度、濕度和降雨量等多種因素的影響，基于單一數(shù)據(jù)源的方法可能無法準確檢測病蟲害。為解決果園病蟲害數(shù)據(jù)獲取不全的問題，閆云才等采用空地融合方法采集多源病蟲害信息，建立基于Yolov5的病蟲害檢測模型，冠層葉片被害率檢測準確率達到 99.54% ，為研究多源信息融合的病蟲草害識別系統(tǒng)提供了技術(shù)支持。融合并解析多源信息，通過融合遷移學習和深度學習模型，構(gòu)建病蟲害識別和危害程度分級模型，對果園管理起到了重要作用。然而，仍需進一步優(yōu)化模型在復雜果園環(huán)境下的表現(xiàn)，提升模型對不同果園、不同環(huán)境、不同時期病蟲害的適應(yīng)性，同時探索更豐富的數(shù)據(jù)源以提高檢測的全面性和可靠性。

2.1.3作業(yè)裝備信息感知作業(yè)裝備信息主要包括作業(yè)裝備位置、作業(yè)狀態(tài)、作業(yè)質(zhì)量等信息。感知作業(yè)裝備信息并分析其變化，可以協(xié)助制定作業(yè)裝備任務(wù)分配、智能調(diào)度、路徑規(guī)劃方法，也是實現(xiàn)果園精準化作業(yè)的重要前提。

作業(yè)裝備位置信息通常采用GPS、INS以及無線傳感器來獲取。但對于密植果園，林間衛(wèi)星信號易受枝干遮蔽影響，為減少此類影響，周俊等[18利用激光雷達和圓弧聚類獲取樹干中心點位置，通過坐標變化校正機器人位置與航向，實現(xiàn)密植果園機器人準確定位（圖2-A），定位誤差約 0.08m 。沈躍等[1]融合GPS信號與LiDAR/IMU緊耦合框架，提出了一種全局無偏狀態(tài)估計果園機器人定位與建圖方法，定位精度在 0.05m 左右，均方根誤差達 0.0162m 。采用激光雷達與其他傳感器融合的方法有效解決了衛(wèi)星信號受遮擋的問題，定位誤差可控制在厘米級，在提高密植果園中作業(yè)裝備的定位精度方面表現(xiàn)出了顯著優(yōu)勢。

作業(yè)裝備狀態(tài)信息指果園作業(yè)裝備在特定時間點的運行狀態(tài)，包括設(shè)備是否正常運行、當前作業(yè)模式（如采摘、噴灑、耕作等）作業(yè)速度、工作時長等。這些信息可以幫助管理系統(tǒng)實時監(jiān)控設(shè)備的工作情況，確保農(nóng)機作業(yè)的連續(xù)性和高效性。徐鵬程等[19]利用CAN總線獲取農(nóng)機工作狀態(tài)信息，通過4G模塊及TCP/IP協(xié)議實現(xiàn)數(shù)據(jù)傳輸，設(shè)計出了一套用于實時監(jiān)測農(nóng)機工作狀態(tài)的系統(tǒng)，可同時實現(xiàn)對64臺農(nóng)機裝備的實時監(jiān)測。溫鑫等2利用STM32103主控制器進行數(shù)據(jù)處理，通過BC20無線通信模塊進行數(shù)據(jù)傳輸，研究了一種基于OneNet開放平臺的玉米中耕變量施肥機遠程監(jiān)測系統(tǒng)，實現(xiàn)了PC端和移動端對施肥機速度、坐標、排肥軸轉(zhuǎn)速等狀態(tài)參數(shù)的實時遠程監(jiān)測，數(shù)據(jù)傳輸成功率在 95% 以上，為果園施肥機遠程監(jiān)測系統(tǒng)的優(yōu)化提供了參考。基于物聯(lián)網(wǎng)技術(shù)，農(nóng)機裝備狀態(tài)信息監(jiān)測系統(tǒng)實現(xiàn)了高效的實時監(jiān)控，有效提升了作業(yè)管理的精準度與設(shè)備運行的連續(xù)性，是當前農(nóng)機作業(yè)裝備狀態(tài)監(jiān)測的研究熱點。

作業(yè)質(zhì)量信息指果園作業(yè)裝備完成作業(yè)任務(wù)的效果和質(zhì)量，如農(nóng)藥噴霧量、施藥均勻度、開溝深度等。作業(yè)質(zhì)量信息的感知可以實時監(jiān)測農(nóng)機在作業(yè)過程中的表現(xiàn)，幫助管理人員及時調(diào)整作業(yè)參數(shù)，提升整體作業(yè)效率。張鵬九等2通過建立不同發(fā)育期富士蘋果葉片最大持液量與藥液表面張力之間的關(guān)系，以擔架柱塞泵式機動噴霧機在喬化稀植蘋果園和風送式自走履帶噴霧機在矮砧密植蘋果園的施藥行為為例，建立了蘋果園農(nóng)藥精準噴霧量計算模型，按照計算用藥量施藥（圖2-B），較常規(guī)施藥節(jié)省藥液量 18% 以上。陳子文等[22基于人工施藥過程中噴嘴與樹冠間距的動態(tài)變化，結(jié)合2D激光雷達、雙環(huán)PID控制器以及FreeRTOS實時操作系統(tǒng)，設(shè)計了一種樹冠包裹式輪廓-定向噴霧施藥機（圖2-C），液滴覆蓋率達 47.5% ，與固定間距噴霧機相比，液滴沉積量和平均滴液密度分別增加了 36.3% 和 58.3% ，有效提高了精準噴霧的利用率和均勻性。周馨墨等[]結(jié)合LabVIEW上位機人機交互系統(tǒng)和Arduino單片機下位機數(shù)據(jù)測量系統(tǒng)，研制了一款果園開溝深度寬度監(jiān)測裝備，實現(xiàn)了開溝作業(yè)過程中開溝寬度、開溝深度、作業(yè)時間等參數(shù)的實時監(jiān)測，開溝深度最大誤差為 3.7cm ，開溝寬度最大誤差為 3.1cm ，為果園開溝作業(yè)質(zhì)量實時監(jiān)測奠定了基礎(chǔ)。目前關(guān)于果園裝備作業(yè)質(zhì)量監(jiān)測系統(tǒng)的研究相對較少，但其重要性不容忽視。高效精準的作業(yè)質(zhì)量監(jiān)測對提升果園智能裝備作業(yè)質(zhì)量，以及保障果園、果樹管理的智能化水平和果樹產(chǎn)量具有關(guān)鍵作用。因此，應(yīng)進一步開展果園智能作業(yè)裝備作業(yè)質(zhì)量信息監(jiān)測技術(shù)研究，融合多源傳感器和人工智能技術(shù)，對作業(yè)過程進行全面、實時監(jiān)測，并反饋給調(diào)控系統(tǒng)，從而保證作業(yè)質(zhì)量，減少農(nóng)資浪費，推進果園管理的數(shù)字化轉(zhuǎn)型。

2.2 智慧化決策

智慧化決策是指利用人工智能、大數(shù)據(jù)等先進技術(shù)，對海量感知數(shù)據(jù)進行分析處理，自動生成農(nóng)業(yè)生產(chǎn)與調(diào)控決策指令，并驅(qū)動智能農(nóng)機完成各項生產(chǎn)任務(wù)，主要包括灌溉、疏花、施肥、噴藥等關(guān)鍵環(huán)節(jié)

的智能決策。智能農(nóng)機是指融合物聯(lián)網(wǎng)、北斗導航、機器視覺等現(xiàn)代信息技術(shù)改造的農(nóng)業(yè)裝備，如植保無人機、智能施肥施藥機、智能灌溉系統(tǒng)等。智慧決策系統(tǒng)通過分析土壤情、作物長勢等數(shù)據(jù)生成作業(yè)處方圖，并實時下發(fā)至智能農(nóng)機執(zhí)行，同時智能農(nóng)機在作業(yè)過程中反饋工況與作業(yè)數(shù)據(jù)，為智慧決策系統(tǒng)動態(tài)優(yōu)化決策提供支持，構(gòu)建“感知-決策-執(zhí)行-反饋”的閉環(huán)控制體系。

2.2.1 灌溉智慧決策灌溉智能決策是根據(jù)氣象數(shù)據(jù)、土壤水分、作物狀況相關(guān)信息，綜合分析作物水分需求，從而確定最佳灌溉時間、灌溉水量和最合適的灌溉方式，以滿足不同作物或地塊的需求，減少水資源浪費。

目前研究主要通過傳感器網(wǎng)絡(luò)和遙感技術(shù)獲取農(nóng)情數(shù)據(jù)，利用機器學習與人工智能技術(shù)預測果樹水分需求，設(shè)計智能決策算法，給出最優(yōu)灌溉方案，包括灌溉時間、水量和灌溉區(qū)域等；隨后通過控制系統(tǒng)控制灌溉設(shè)備的開關(guān)和流量實施決策結(jié)果，同時持續(xù)監(jiān)測果園土壤濕度和環(huán)境參數(shù)，實時反饋至決策系統(tǒng)；決策系統(tǒng)根據(jù)實際情況實時調(diào)整灌溉方案，保證果園灌溉的最佳狀態(tài)。謝家興等[23利用網(wǎng)關(guān)節(jié)點實時接收來自傳感器節(jié)點采集的果園環(huán)境信息，通過分析土壤實測含水率與預設(shè)最佳含水率的誤差及變化率，設(shè)計了荔枝園智能灌溉決策系統(tǒng)，實現(xiàn)了對荔枝園的適時、適量灌溉，可以使荔枝園土壤含水率平均值控制在 17.6% ，與系統(tǒng)預設(shè)最佳含水率誤差為 0.6% 。王金發(fā)等[24提出了一種基于物聯(lián)網(wǎng)的智能灌溉方法與裝置，可實時采集土壤信息，并通過構(gòu)建土壤標準模型對數(shù)據(jù)進行分析，進而輸出區(qū)域劃分結(jié)果，并依據(jù)該結(jié)果判斷灌溉條件是否達成。該系統(tǒng)具備土壤狀態(tài)的實時監(jiān)測與動態(tài)灌溉調(diào)控能力，能夠有效規(guī)避降雨后出現(xiàn)的非必要灌溉行為，從而為植物生長提供更為科學和健康的水分管理環(huán)境。史潔等[25通過傳感器感知灌溉區(qū)域的相關(guān)信息，設(shè)計并實現(xiàn)了一種應(yīng)用于智慧農(nóng)業(yè)的灌溉機器人。該機器人將水筒固定設(shè)置于底座上方，水筒內(nèi)部儲存灌溉用水，其外部連接有可轉(zhuǎn)動的環(huán)形套筒，套筒上配備噴嘴及第一齒圈。水筒外側(cè)壁安裝的第一驅(qū)動電機通過輸出軸上的第一驅(qū)動齒輪與第一齒圈嚙合，驅(qū)動環(huán)形套筒旋轉(zhuǎn)，從而實現(xiàn)噴嘴朝向的調(diào)節(jié)，進而擴大噴灌覆蓋范圍，顯著提升了灌溉作業(yè)的效率與靈活性。雖然已有灌溉決策系統(tǒng)的研究，但如何融合遙感數(shù)據(jù)、地面?zhèn)鞲袛?shù)據(jù)、氣象數(shù)據(jù)等多源數(shù)據(jù)，制定科學的灌溉決策策略，根據(jù)果園不同地塊、不同果樹需水量，智能調(diào)控灌溉時間、灌溉水量等，仍是一個值得研究的方向。

2.2.2耕整智慧決策不同作物對土壤特性有不同的需求，耕整的時機、方式和程度是影響土壤結(jié)構(gòu)的重要因素。土壤的濕度、養(yǎng)分含量、作物需求決定了耕整的深度和時間；降雨量、風速、溫度等影響著實時耕整策略的優(yōu)化；果園地形決定了耕整的方式和路徑。在果園耕整時，根據(jù)實際情況制定合理的耕整方案，包括行間整理、除草、犁地等，有助于改善土壤結(jié)構(gòu)，提升果樹產(chǎn)量。針對果園平整設(shè)備不便對碎土產(chǎn)生的灰塵進行處理的問題，祝旦璞等2改進了一種果園犁地平整設(shè)備，結(jié)構(gòu)簡單便于使用，能夠?qū)λ橥粱覊m進行有效處理。張斌等2設(shè)計了一款彈尺式除草機，采用彈簧鋼材料制成，在遇到障礙物時不易受損，彈尺的顫動不僅增強了除草和碎土的能力，還在松土方面取得了良好的效果。針對丘陵果園環(huán)境非結(jié)構(gòu)化且復雜多變、常規(guī)的除草方式效率低等問題，趙智宇等28設(shè)計了一種果園除草機器人底盤系統(tǒng)（圖3-A），作業(yè)效率達 0.51～2hm²?h^-1 ，可在25^° 斜面上正常行走，運動控制響應(yīng)及時，為不平整果園除草作業(yè)的安全性和準確性提供了保障。馬若飛等2設(shè)計了一種基于多源信息融合的耕整深度檢測系統(tǒng)（圖3-B），系統(tǒng)集成了地形基準檢測、北斗差分定位（BDSRTK）、多傳感器融合檢測等關(guān)鍵技術(shù)，構(gòu)建了適用于復雜農(nóng)田環(huán)境的高精度深度感知框架。研究提出利用自適應(yīng)迭代擴展卡爾曼濾波算法對多源數(shù)據(jù)進行融合處理，有效應(yīng)對當前耕整作業(yè)對深度、精度要求日益提高的挑戰(zhàn)，實現(xiàn)了對耕整作業(yè)深度的高效、精準檢測。

當前的果園耕整智能決策系統(tǒng)在提高作業(yè)效率和優(yōu)化土壤管理方面表現(xiàn)出色，但仍存在精準度不高、設(shè)備適應(yīng)性有限以及應(yīng)對復雜地形能力不足等挑戰(zhàn)。未來的發(fā)展方向應(yīng)集中于開發(fā)能夠適應(yīng)復雜地形的自適應(yīng)耕整技術(shù)，設(shè)計更加環(huán)保和節(jié)能的耕整設(shè)備，以實現(xiàn)更高效的果園管理并促進可持續(xù)發(fā)展。2.2.3疏花智慧決策疏花是在果樹開花期，根據(jù)果樹花朵密度、位置等信息，去除密度較大、位置不佳花朵的果樹管理措施，最適宜疏花可以達到穩(wěn)產(chǎn)，甚至增產(chǎn)的目的。傳統(tǒng)疏花方法依賴經(jīng)驗判斷，耗時耗力，疏花智能決策利用圖像識別、傳感器和人工智能技術(shù)，實時監(jiān)測花朵數(shù)量與分布，實時優(yōu)化疏花策略，可以有效提高疏花的精度，減少人力成本。

其中，實現(xiàn)花朵和花苞的分類與準確監(jiān)測是保證疏花機器正常工作的基本要求。夏燁等[3針對梨園智能化生產(chǎn)中的花序檢測與分類問題，提出了一種基于YOLOv5s的水平棚架梨園花序識別算法Ghost-YOLOv5s-BiFPN，實現(xiàn)了對梨樹花苞與花朵的精確識別和分類，平均精度 91.3% ，為后續(xù)果園智能化疏花的實現(xiàn)提供了技術(shù)支持。Shang等3提出了一種輕量級蘋果花檢測方法，在大大減小模型尺寸的同時，提高檢測速度，便于模型的遷移和應(yīng)用，模型在Jetsonnano B01開發(fā)板上的檢測速度為2.48fps，證明了蘋果花實時檢測的可行性，為果園疏花機器人的發(fā)展提供了技術(shù)參考。開建榮等[32提出了一種面向葡萄疏花疏果作業(yè)的智能機器人系統(tǒng)，該系統(tǒng)由葡萄架結(jié)構(gòu)及數(shù)顯控制面板構(gòu)成，其中葡萄架上的移動車配合升降調(diào)節(jié)機構(gòu)，可實現(xiàn)剪切機械爪作業(yè)距離的精準控制與作業(yè)時間的顯著縮短。系統(tǒng)結(jié)合攀爬繩設(shè)計，具備執(zhí)行網(wǎng)格式精準作業(yè)的能力，為葡萄栽培的智能化管理提供了關(guān)鍵性技術(shù)支撐。高昂等[33圍繞蘋果花激光疏花中關(guān)鍵參數(shù)優(yōu)化問題，設(shè)計了激光疏花試驗平臺，并通過正交試驗法確定了最佳參數(shù)組合（激光高度 20cm 打擊時間 10s PWM占空比 50% ），顯著提升了疏花效果。同時，提出了輕量級檢測模型LT-YOLO，引入DPRViT-Block、DPRVBC2f和ELA注意力模塊，增強了特征提取能力。實驗結(jié)果顯示，該模型準確率、召回率和mAP分別達到 83.16%.82.15% 和 87.47% ，較YO-LOv8均有提升，且模型小巧、檢測速度快，滿足疏花作業(yè)的實時性與精度需求，為果園智能疏花技術(shù)發(fā)展提供了技術(shù)支持。楊洲等[34研發(fā)了一種自適應(yīng)疏花機及其配套疏花方法，系統(tǒng)集成作業(yè)載體、多段式自適應(yīng)疏花裝置、智能花密度識別系統(tǒng)、自適應(yīng)控制系統(tǒng)與液壓驅(qū)動站，具備較強的果樹花識別能力與自適應(yīng)作業(yè)性能。該裝備顯著提升了疏花作業(yè)的智能化與精準化水平，同時有效降低了勞動強度，為果園高效、自動化疏花作業(yè)提供了有力的技術(shù)支撐。

盡管當前基于圖像識別和人工智能技術(shù)的疏花智能決策研究逐漸成為熱點，但在模型的輕量化和實時性方面，以及復雜場景下花序識別與定位方面的研究仍不夠成熟。下一步突破復雜場景下花序?qū)崟r檢測與定位技術(shù)，優(yōu)化智能疏花策略，才能為果園疏花管理提供更全面的支持。

2.2.4施肥智慧決策施肥智能決策是結(jié)合傳感器、遙感、大數(shù)據(jù)和人工智能技術(shù)，根據(jù)作物生長階段、土壤養(yǎng)分和環(huán)境條件實時優(yōu)化施肥策略。通過研究不同果樹在不同生長階段對氮、磷、鉀等養(yǎng)分的需求，實時監(jiān)測土壤和果樹生長狀況，根據(jù)實際情況制定科學合理的施肥方案，可以最大程度地提高果樹產(chǎn)量，同時減少對環(huán)境的負面影響。果園當前常用施肥技術(shù)為水肥一體化技術(shù)，已日漸普及[35，其有效性得到了越來越多果農(nóng)的認可。陳平錄等3針對丘陵果園大型機械通行困難、小型機械功率不足及功能單一的問題，研制了一種適用于 25^° 坡地的小型電驅(qū)動立式螺旋開溝施肥機（圖4-A），集開溝、施肥與覆土于一體。通過仿真建模與Box-Behnken試驗優(yōu)化螺旋刀結(jié)構(gòu)參數(shù)，顯著降低功耗，優(yōu)化結(jié)果與實測誤差僅為 5.6% 。田間試驗表明，該機在開溝深度、施肥均勻性和覆土率等方面表現(xiàn)優(yōu)異，滿足丘陵果園作業(yè)需求，實現(xiàn)開溝施肥一體化作業(yè)。于豐華等對水稻分蘗期追肥量處方圖進行了深入研究，展示了其對合理施肥的重要指導作用。此外，果園

A.果園立式螺旋開溝施肥機[3];B.果園自動對靶變量施肥機[38];；C.果園自走式無人開溝施肥機[39]。

A.Vertiallctoatiblrtloeloladrl machine.

精準變量施肥裝置[3也為智慧果園的管理提供了重要技術(shù)手段，其能夠根據(jù)不同果樹冠層的直徑大小對靶按需施肥、定量施肥，滿足不同大小果樹的精準變量自動施肥需求（圖4-B），為果樹提供量身定制的營養(yǎng)供給，推動了果園施肥智慧決策的發(fā)展。宋若弘等39針對果園施肥作業(yè)智能化水平低的問題，提出一種基于模糊控制的改進型純追蹤控制算法，并研發(fā)自走式果園開溝施肥機無人駕駛控制系統(tǒng)（圖4-C）。該系統(tǒng)以JetsonNano與STM32為控制核心，軟件系統(tǒng)由路徑規(guī)劃、路徑跟蹤和自動作業(yè)等模塊組成，實現(xiàn)了施肥作業(yè)全過程的智能控制。仿真與田間試驗結(jié)果表明，該系統(tǒng)路徑跟蹤精度高，滿足果園智能化無人施肥作業(yè)需求，為智慧施肥決策提供了技術(shù)支撐。但施肥智慧決策的研究仍然比較薄弱，與根據(jù)果園地塊養(yǎng)分分布、果樹養(yǎng)分脅迫情況自動決定施肥量，并調(diào)控施肥系統(tǒng)實現(xiàn)上述目標仍有距離，此外在多種類、多品種、多年期的復雜果園條件下水肥一體化系統(tǒng)施肥決策的智慧化仍有待進一步探索。

2.2.5施藥智慧決策施藥智能決策是基于病蟲害監(jiān)測結(jié)果，結(jié)合不同階段果樹對藥劑的敏感性和需求，做出施藥決策，包括是否需要施藥、藥劑選擇、施藥時機與用藥量等。果園智慧施藥主要包括數(shù)據(jù)采集、數(shù)據(jù)處理與決策生成、精準施藥3個步驟。首先采用地面平臺、低空遙感等技術(shù)手段實時采集果園多源數(shù)據(jù)，然后通過管控平臺對采集的數(shù)據(jù)進行分析處理，確定果園病蟲害分析情況，并利用算法生成施藥方案，包括施藥時間、地點、藥劑種類和用量等。最后，由平臺發(fā)送指令控制智能施藥設(shè)備根據(jù)施藥方案進行精準施藥，從而實現(xiàn)施藥的智慧決策。熊斌等[4]基于果園施藥機自動導航噴藥作業(yè)需求，結(jié)合施藥機運動學模型與純追蹤模型，設(shè)計了一種基于北斗衛(wèi)星導航系統(tǒng)（BDS）的施藥機自動導航控制系統(tǒng)（圖5-A），針對果園地形特點對施藥機進行了導航路徑規(guī)劃，并在果園實地試驗，直線跟蹤最大誤差不大于 0.13m ，平均跟蹤誤差不大于 0.03m 。劉理民等4研發(fā)的果園自主導航兼自動對靶噴霧機器人（圖5-B），采用單個3DLiDAR采集果樹點云數(shù)據(jù)，結(jié)合RANSAC算法提取果樹行線并生成導航中線，同時通過編碼器與IMU實現(xiàn)位姿矯正，最終基于分區(qū)冠層檢測動態(tài)控制噴頭開關(guān)。試驗表明，其自主導航最大橫向偏差為 21.8cm ，航向偏角為4.02^° ，較傳統(tǒng)噴霧機減少施藥量 20.06% 、漂移量38.68% 及地面流失量 51.40% 。該研究創(chuàng)新性地將導航與對靶功能集成于單一LiDAR系統(tǒng)，簡化硬件配置的同時顯著降低農(nóng)藥浪費，為果園智能化裝備研發(fā)提供了高性價比解決方案。董繼偉等[42針對丘陵山地果園施藥需求，設(shè)計了一種履帶式對靶仿形施藥機，通過升降開合機構(gòu)與可調(diào)陣列式超聲波傳感器實現(xiàn)施藥距離和高度動態(tài)調(diào)整，解決了傳統(tǒng)施藥中霧化性能差、藥液浪費及環(huán)境污染等問題。試驗表明，該機位移誤差率 ?0.20% ，時間誤差率 lt; 4.79% ，仿形穩(wěn)定性優(yōu)異；在 0.5m?s^-1 作業(yè)速度下，對靶施藥霧滴密度達78.2個 ?cm^-2 ，較固定施藥提升20.6% 覆蓋率，且節(jié)藥 26% 。該研究為果樹精準變量施藥提供了裝備基礎(chǔ)與方法參考，尤其適用于地形復雜的標準化果園。當前，果園施藥決策系統(tǒng)已經(jīng)取得一定的研究進展，但仍面臨著果樹實時監(jiān)測數(shù)據(jù)的獲取、解析、集成難度較大、多年期和復雜環(huán)境影響施藥決策的難題。因此，需進一步研究果園病蟲害相關(guān)信息采集、解析與施藥決策技術(shù)，探索更加智能和可持續(xù)發(fā)展的施藥決策技術(shù)，以進一步提升施藥決策的精準性和有效性。

2.2.6采摘智慧決策智能采摘旨在通過傳感器、人工智能和機器人技術(shù)，自動化地完成果園中的采摘作業(yè)，提高采摘效率和質(zhì)量，優(yōu)化果園管理。首先是采摘點定位，采摘目標空間位姿信息缺失和目標定位精度低是影響采摘機器人采摘效果的關(guān)鍵因素之一?？芾桌椎萚43針對采摘機器人多目標檢測影響因素多、識別準確率低等問題，提出了一種輕量化的改進型YOLOv5目標檢測模型，該模型在晴天、陰天、順光和逆光等多種光照條件下的蘋果果實識別平均準確率達 94.37% ，平均幀率達到74.72fps，表現(xiàn)出較高的檢測效率與魯棒性。畢松等[44設(shè)計了基于顏色信息和卷積神經(jīng)網(wǎng)絡(luò)的草莓圖像目標定位與分割模型，采摘定位綜合誤差為 2.3mm ，為采摘機器人的目標定位提供了有效信息。二是末端執(zhí)行器，末端執(zhí)行器是水果采摘機器人的核心部件。由于目前水果采摘對象種類繁多，結(jié)構(gòu)及參數(shù)固定的采摘末端執(zhí)行器無法適應(yīng)多場合采摘作業(yè)需求，虞浪等[45設(shè)計了一種欠驅(qū)動關(guān)節(jié)型采摘末端執(zhí)行器（圖6-A），模擬人手包絡(luò)采摘動作，并以柑橘為對象模擬球型果實對末端執(zhí)行器進行結(jié)構(gòu)設(shè)計，所設(shè)計的末端執(zhí)行器針能夠針對不同果徑的球型果實時做出快速變形反應(yīng)，適合蘋果、梨等不同種類球型果實采摘作業(yè)。三是機械臂，馮青春等[4針對鮮食蘋果智能化高效采收需要，以中國矮砧密植高紡錘形果樹為對象，根據(jù)樹冠內(nèi)果實空間分布，設(shè)計了四臂并行采摘的“采-收-運”一體式機器人系統(tǒng)（圖6-B），以代替人工采收作業(yè)，平均采摘效率為 7.12s 果，對可見果實采摘成功率為 82% ，為鮮果智能化采摘的探索應(yīng)用提供了技術(shù)支撐。此外，基于振動原理的果實收獲方法，通過控制振動參數(shù)，可以實現(xiàn)大規(guī)模高效采摘。尚書旗等[4設(shè)計了一種液壓控制的高酸蘋果振動式采摘機，采摘損傷率為 1.3% ，果實摘凈率為 95.9% ，驗證了蘋果大規(guī)模高效采摘的可行性。Ma等[48通過支持向量數(shù)據(jù)描述（SVDD）和K-means聚類算法構(gòu)建了一種藍莓果實成熟度識別模型，基于高光譜圖像處理技術(shù)從像素層面和外觀層面對藍莓果實進行混合識別，對藍莓成熟果實的識別正確率達到 96.1% ，近成熟果實識別率為 94.7% ，青果識別率為 91.2% 。

果實目標識別與定位、柔性采摘末端執(zhí)行器、機械臂方面的研究逐步深入，大幅提高了果園機械化采摘作業(yè)效率和質(zhì)量，為果園智能化、機械化采摘的實現(xiàn)奠定了基礎(chǔ)。但目前采摘機器人作業(yè)效率難以滿足成熟果實采收需求，且不同產(chǎn)品、不同用途的果實采摘農(nóng)藝要求存在差異，應(yīng)根據(jù)不同果實農(nóng)藝要求，針對性地設(shè)計柔性采摘機械手，同時應(yīng)用先進的現(xiàn)代人工智能技術(shù)和控制技術(shù)全方面提高成熟果實機械化采收效率。

2.3精準化作業(yè)

2.3.1農(nóng)機自動導航智慧化果園精準化作業(yè)技術(shù)主要包括農(nóng)機自動導航和農(nóng)機精準作業(yè)技術(shù)。農(nóng)機自動導航是實現(xiàn)農(nóng)田精準化作業(yè)的前提4，也是果園農(nóng)機裝備實現(xiàn)智能化作業(yè)的關(guān)鍵，其主要內(nèi)容包括導航定位、路徑提取與規(guī)劃、導航控制技術(shù)[50。表2展現(xiàn)了3種當前研究中典型的農(nóng)機自動導航技術(shù)。

（1）導航定位信息。果園作業(yè)機器人常用的定位方式可以分為絕對位置測量和相對位置測量兩類[53]。絕對位置測量包括全球?qū)Ш叫l(wèi)星系統(tǒng)（Glob-alnavigationsatellitesystem，GNSS）、超高頻射頻識別技術(shù)（radio frequencyidentification，RFID）和信標定位等，相對位置測量技術(shù)主要包括機器視覺、激光雷達和慣性導航等。但果樹密植時GNSS信號易受冠層遮擋影響導航精度；激光雷達數(shù)據(jù)量大，對算法與硬件要求高；慣性導航中的慣性測量單元（Iner-tialmeasurementunit，IMU）會隨著導航時間增大累積誤差；視覺傳感器易受光照影響。由此可見，單一傳感器導航存在或多或少的問題，因此多傳感器融合導航成為導航技術(shù)研究的熱點和重點。Zhang等[提出了一種基于擴展卡爾曼濾波（EKF）的激光雷達、視覺信息和IMU融合方法，能夠?qū)崿F(xiàn)果園農(nóng)機的實時定位以及果園三維彩色地圖的繪制，該方法定位精度的均方根誤差為0.1230，一幀激光雷達點云的定位和制圖僅需 75.01ms ，在農(nóng)用車輛自主導航方面具有巨大潛力。沈躍等針對果園環(huán)境中GNSS定位信號易丟失和傳統(tǒng)SLAM算法魯棒性差的問題提出了一種基于LiDAR/IMU緊耦合的果園機器人定位與建圖方法，能夠?qū)崟r輸出準確且高頻連續(xù)的位姿信息，在果園的定位精度維持在 0.05m 左右，均方根誤差為 0.0162m ，有效減小了系統(tǒng)累積誤差，保證了構(gòu)建地圖的全局一致性。現(xiàn)有研究聚焦于使用多傳感器融合技術(shù)解決單一傳感器在果園環(huán)境中存在局限性的問題，該研究思路雖然能夠提升精度，使用互補性增強魯棒性，但硬件成本高、算法復雜度較大，且多源數(shù)據(jù)同步校準與實時性保障，在果園的密集冠層下仍需優(yōu)化抗干擾能力。

（2）路徑提取與規(guī)劃。路徑提取是運動控制的前提，也是路徑規(guī)劃和避障的參考要素。高效的導航路徑提取可以提高作業(yè)裝備復雜路面的適應(yīng)能力，從而提升作業(yè)安全性。路徑規(guī)劃是基于果園環(huán)境地圖信息和果園作業(yè)需求確定作業(yè)裝備的移動路線和方式的過程，是果園導航與自動作業(yè)的關(guān)鍵環(huán)節(jié)之一。有效的路徑規(guī)劃可以提升作業(yè)效率，避免重復作業(yè)和作業(yè)遺漏。

為提高植保機器人葡萄園作業(yè)在壟行識別和路徑規(guī)劃中的準確性和可靠性，艾長勝等5使用二維激光雷達獲取葡萄園壟行點云，提出了基于支持向量機（SupportVectorMachine，SVM）的葡萄園路徑規(guī)劃算法擬合壟間中心線，中心線擬合平均角度偏差為 0.72^° 。為了在有大量不規(guī)則障礙物的果園中高效路徑規(guī)劃，Ye等[2提出了一種連續(xù)雙向QuickRRT*（CBQ-RRT*）算法，有效解決雙樹交界處的路徑平滑問題，與Bi-RRT*對比仿真顯示：CBQ-RRT*的平均路徑長度和最大航向角分別減少了 8.5% 和21.7% ，果園試驗結(jié)果表明其平均最大路徑橫向誤差為 0.334m 。針對果園采摘機器人行間行走易受障礙物影響的問題，胡廣銳等[55]提出了一種基于改進人工勢場法的機器人行間導航路徑優(yōu)化方法，使用隨機采樣一致性（Random SampleConsensus，RANSAC）提取初始路徑后，使用改進人工勢場法進行優(yōu)化，避免了傳統(tǒng)人工勢場法易陷入振蕩的問題，經(jīng)改進后的路徑將障礙物點云距導航路徑的最短距離由 0.156m 提高至 0.863m 。路徑規(guī)劃算法需兼顧復雜果園場景與實時性需求，當前存在的問題主要是算法泛化能力有限、實時性與精度矛盾突出，難以實現(xiàn)動態(tài)障礙物處理與復雜地形下的多目標路徑優(yōu)化。

（3）導航控制。果園場景復雜、地表起伏波動影響農(nóng)機行走路徑，因此導航控制是智能農(nóng)機精準作業(yè)的關(guān)鍵環(huán)節(jié)。研究果園復雜場景下農(nóng)機自主導航控制技術(shù)對農(nóng)機具實現(xiàn)精準作業(yè)有重要意義。

熊斌等[4設(shè)計了基于北斗衛(wèi)星導航系統(tǒng)（BDS）的果園施藥機自動導航控制系統(tǒng)，在行距 5m 的櫻桃園中實現(xiàn)了路徑跟蹤，最大誤差 ?0.13m ，平均跟蹤誤差 ?0.03m 。針對履帶式車輛轉(zhuǎn)向控制平滑性差、控制精度低等問題，ZHANG等5設(shè)計了一種基于虛擬阿克曼轉(zhuǎn)向模型的狀態(tài)反饋導航控制系統(tǒng)，并提出了一種基于極點分配的路徑跟蹤控制方法，果園導航試驗結(jié)果表明：樹行間平均跟蹤誤差和標準誤差分別為 0.051m 和 0.084m 。為實現(xiàn)丘陵山地果園的復雜地形下果園機器人自主導航，劉杰等[57]提出了一種基于預瞄跟蹤的自校正增量PID控制策略，利用遞歸最小二乘法實時調(diào)整PID參數(shù)。整機測試結(jié)果表明：機器人以 1.2m?s^-1 速度行駛時，直線行駛時平均位置偏差和航向角偏差分別為 0.18m 和 4.2^° ，轉(zhuǎn)彎行駛時分別為 0.38m 和 16.7^° 。導航控制需平衡跟蹤精度與地形適應(yīng)性，雖然當前研究中的控制策略多樣化，但硬件依賴性（如BDS）和參數(shù)調(diào)整復雜度較高，難以實現(xiàn)非結(jié)構(gòu)化地表（如泥濘、坡地）下的動態(tài)穩(wěn)定性控制，以及高速作業(yè)時的實時響應(yīng)能力提升。

2.3.2農(nóng)機精準作業(yè)技術(shù)果園農(nóng)機精準作業(yè)主要包括剪枝、施肥、施藥、灌溉、除草、授粉、疏花、采收分級和運輸?shù)拳h(huán)節(jié)。果園傳統(tǒng)各環(huán)節(jié)人工作業(yè)方式粗放，精細化水平不高，導致農(nóng)資浪費、作業(yè)效率不高，而變量作業(yè)通過“感知-決策-執(zhí)行\(zhòng)"形成閉環(huán)，顯著提高了果園農(nóng)機作業(yè)精準化水平，減少了農(nóng)資浪費，降低了生產(chǎn)成本[58]。

近年來，針對果園復雜的作業(yè)環(huán)境，研究者們構(gòu)建了一系列變量作業(yè)裝備（圖7）。白秋薇等[38研制了一種果園精準變量自動對靶施肥裝置與控制系統(tǒng)，建立了排肥輪轉(zhuǎn)速控制規(guī)則，能夠?qū)崿F(xiàn)對靶按需施肥，對靶施肥試驗結(jié)果表明：實際施肥量與目標施肥量相對誤差最大為 4.83% ，變異系數(shù)最大為6.96% ，且均在果樹冠層直徑范圍內(nèi)完成。肖珂等[2]設(shè)計了基于冠層體積的果園自動變距精準施藥系統(tǒng)，該系統(tǒng)可以在水平和垂直方向調(diào)整噴霧距離和噴施高度，與定距對靶噴霧相比，自動變距對靶噴施農(nóng)藥附著率提高 18.66% ，節(jié)約 30.25% 藥液?；谌簤郝膸竭b控動力底盤，楊嬌[研制了一款丘陵地區(qū)柑橘樹修剪機，可調(diào)節(jié)柑橘樹修剪高度、寬度和角度，縱向、橫向極限翻傾角分別為 60^°，53.57^° ，極限滑移角分別為 31^°，28.34^° ，平均漏割率 10% ，平均合格率 89.8% ，修剪斷面質(zhì)量良好。李果[融合雌花生長階段、狀態(tài)信息和雌花位置分布信息，研發(fā)了基于視覺感知和雙流式噴霧的弼猴桃精準授粉裝置，實現(xiàn)了冠層中優(yōu)勢雌花精準授粉，對單朵花平均授粉時間約2s，雙流式對靶噴霧授粉區(qū)域坐果率為

88.5% ，比人工點授區(qū)域低4.0個百分點，比人工噴霧授粉區(qū)域高6.7個百分點，分別節(jié)省 39% 和 42% 的花粉。結(jié)合傳統(tǒng)果園行距、株距較小等特性，邢剛等[1設(shè)計了一種滿足山地作業(yè)需求的自走式果園割草機切割器，平均割茬高度 24.15mm ，割幅利用系數(shù)為 98.96% ，漏割損失率為 1.54% 。Khanal等[]提出基于YOLOv5的果樹早期花朵檢測方法，并通過K-means識別單個花朵中心點，用于進行精確疏花和授粉。精準變量作業(yè)裝置雖然節(jié)省資源、精準性高，但是在多目標協(xié)同方面仍具有一定難度，未來的發(fā)展應(yīng)該聚焦于如何在復雜果園環(huán)境下（多變地形、密集冠層、動態(tài)花果分布），實現(xiàn)高精度感知-低延遲控制-高魯棒執(zhí)行的閉環(huán)協(xié)同，同時降低系統(tǒng)的復雜度與成本。

2.4智慧化管理

智慧化管理包括果樹管理、果園管理和農(nóng)機管理。傳統(tǒng)果園中果農(nóng)觀念滯后，管理體系不完善。隨著現(xiàn)代農(nóng)業(yè)的快速發(fā)展，智能化、智慧化的管理模式能夠?qū)崿F(xiàn)高效生產(chǎn)與高質(zhì)量作業(yè)，智能農(nóng)機裝備的應(yīng)用大大減輕了人工勞動強度，提高了管理效率，增強了果品的市場競爭力和果園可持續(xù)發(fā)展能力。2.4.1果樹管理果樹管理是確保果園高產(chǎn)高質(zhì)的核心環(huán)節(jié)，其通過監(jiān)測果樹生長狀況，及時應(yīng)對氣候變化、水肥脅迫、病蟲草害以及果樹不同生育期的特殊需求，可以有效避免果樹受到侵害，從而保障果園高質(zhì)高產(chǎn)。

果樹的生理指標能夠反映果樹的健康狀況，比如氮素、葉綠素含量能夠影響果樹光合作用，葉片含水率和葉水勢能夠衡量水分供應(yīng)情況和水分利用效率，葉面積指數(shù)能夠反映作物長勢、預測產(chǎn)量。在不同生育期、不同水肥脅迫和病蟲害情況下，果樹生理指標發(fā)生變化。因此，為實現(xiàn)果樹生長智慧化管理，應(yīng)針對果樹品種建立果樹生理指標反演模型、病蟲害脅迫程度識別模型，對果樹生長狀況進行監(jiān)測，根據(jù)監(jiān)測結(jié)果實施作業(yè)智能決策（表3）。陳魯威基于無人機多光譜數(shù)據(jù)建立梨樹冠層氮素反演模型，并繪制氮素含量分布圖，實現(xiàn)了梨樹冠層氮素含量分布與分區(qū)的可視化，為梨樹精準變量施肥技術(shù)提供了支撐。陳魁等研發(fā)了一種具有切割器支撐臂液壓伸縮調(diào)節(jié)裝置的3PJ-1型龍門葡萄剪枝機，可以實現(xiàn)作業(yè)幅寬和角度的無級可調(diào)。郭惠萍等[5提出了一種基于改進MobileNetV3蘋果落葉病識別模型，平均準確率達 95.62% ，模型體積 6.29MB ，將模型部署到果園噴藥裝置上進行試驗，結(jié)果顯示：病害識別準確率達到 96.7% ，平均耗時為 4.12s 。孫樂琳[構(gòu)建了一種基于改進YOLOv5s的梨花識別及密度分級模型，識別準確率為 91.62% ，密度分級準確率為 94.29% ，可以實現(xiàn)復雜自然環(huán)境下梨花的識別和密度分級，為產(chǎn)量預估和機器智能疏花提供了技術(shù)支持。

2.4.2果園管理果園管理主要包括產(chǎn)前、產(chǎn)中、產(chǎn)后三個環(huán)節(jié)。產(chǎn)前主要包括：苗木的選擇、果園規(guī)劃等，要充分考慮市場、環(huán)境等因素，挑選品質(zhì)好、產(chǎn)量高、抗病蟲害的果樹品種；合理規(guī)劃種植密度，充分考慮到通風、光照等，注意樹種搭配，防止病菌蟲害交叉感染；合理規(guī)劃作業(yè)道路以及灌排系統(tǒng)，保證灌排方便，水源無污染。產(chǎn)中主要包括果園環(huán)境監(jiān)控、翻耕、施肥、灌溉、病蟲害防治等多種農(nóng)事操作。對園地進行深翻可以提升土壤透氣性，翻出地下越冬害蟲，降低次年病蟲害發(fā)病概率[；合理適量施肥，改善土壤物理和生物特性，根據(jù)果樹所處時期不同來調(diào)節(jié)土壤pH值，改善土壤環(huán)境，促進果樹根系的健康發(fā)展[]；一次充分的灌水有助于避免多次補充灌溉引起的土壤板結(jié)和土溫降低的問題，選擇適當?shù)墓喔确椒ǎ軌虼_保水分均勻分布，并最大程度減少水分浪費；果樹對自身的生長環(huán)境要求嚴苛，當其生長環(huán)境無法滿足自身需求時就會出現(xiàn)病蟲害。因此，合理選址、精準施肥、變量灌溉、合理密植，保證果樹生長所需的肥力、水分和光照等條件，可以有效避免病蟲害的發(fā)生；若病蟲害已經(jīng)發(fā)生，采取科學的化學防治方法控制病蟲害，比如選擇低毒性、無污染的農(nóng)藥，減少農(nóng)藥副作用的產(chǎn)生[2]。隨著智慧農(nóng)業(yè)的發(fā)展，果園管理的核心環(huán)節(jié)已逐步實現(xiàn)感知-決策-執(zhí)行的閉環(huán)優(yōu)化。表4通過典型案例展示了智能化系統(tǒng)在果園管理中的具體應(yīng)用場景與應(yīng)用成效，驗證了智能化精準管理對傳統(tǒng)果園管理中痛點的突破性緩解。

趙巍等設(shè)計了一種基于5G通信技術(shù)的智慧果園灌溉系統(tǒng)，該系統(tǒng)使用多種傳感器獲取果園內(nèi)果樹生長環(huán)境數(shù)據(jù)，利用5G通信網(wǎng)絡(luò)構(gòu)架將采集的數(shù)據(jù)傳送至服務(wù)器端，運用動態(tài)配水模型獲得果園灌水需求，果園試驗表明：該系統(tǒng)節(jié)水率最高達到43.16% 。張旭東[4設(shè)計了一種基于物候期識別的果園智能灌溉系統(tǒng)，能夠?qū)崟r精準地監(jiān)測果園環(huán)境狀況、快速準確地判斷果樹物候期，并根據(jù)種植策略制定科學合理的灌溉施肥決策，之后通過果園部署灌溉執(zhí)行模塊對果園各分區(qū)進行自動灌溉與精準施肥。產(chǎn)后包括果實分級、倉儲、運輸銷售等環(huán)節(jié)。李港設(shè)計了一種結(jié)構(gòu)化蘋果園蘋果采摘與分級裝箱的一體化聯(lián)合采收機，對分級裝箱效果進行試驗，結(jié)果表明：果實分級率 93.3% ，裝箱率100% ，損傷率 6.67% 。張耀麗基于物聯(lián)網(wǎng)技術(shù)搭建了智慧果園云平臺，能夠?qū)h(huán)境監(jiān)控、病蟲害監(jiān)測、農(nóng)機具管理等信息通過可視化屏幕呈現(xiàn)，方便管理人員及時準確地了解園區(qū)整體情況并制定后續(xù)應(yīng)對方案。

2.4.3農(nóng)機管理農(nóng)機管理包括農(nóng)機具的作業(yè)位置、作業(yè)質(zhì)量和作業(yè)工況等。作業(yè)位置是指通過定位技術(shù)實時追蹤、記錄農(nóng)機具在果園中的具體位置，以便于合理規(guī)劃作業(yè)路線，避免重復作業(yè)或發(fā)生遺漏，靈活調(diào)整作業(yè)區(qū)域，實現(xiàn)精準管理。作業(yè)質(zhì)量是對農(nóng)機具作業(yè)效果的監(jiān)測和評估，主要通過各類傳感器實時采集土壤耕作深度、施肥量、病蟲害防治效果等關(guān)鍵指標，確保作業(yè)質(zhì)量符合標準要求。作業(yè)工況是農(nóng)機具在工作時的運行狀況和性能，通過監(jiān)測傳動、液壓等系統(tǒng)的工作狀態(tài)以及發(fā)動機轉(zhuǎn)速、油壓、水溫等關(guān)鍵參數(shù)，及時發(fā)現(xiàn)并排除潛在故障，確保農(nóng)機具在最佳工況下運行，同時根據(jù)作業(yè)需求和農(nóng)機具性能特點，合理調(diào)整作業(yè)參數(shù)和速度，避免過載運行和無效作業(yè)，提高農(nóng)機具的使用效率和壽命。為實現(xiàn)農(nóng)機管理的全流程精細化管控，基于物聯(lián)網(wǎng)與傳感技術(shù)的實時監(jiān)測系統(tǒng)已成為優(yōu)化作業(yè)效率、保障農(nóng)機安全的核心工具。如表5所示，當前研究通過LoRa通信、在線監(jiān)測等關(guān)鍵技術(shù)，重點解決作業(yè)工況動態(tài)感知與設(shè)備狀態(tài)透明化管理難題。

張耀麗基于物聯(lián)網(wǎng)技術(shù)搭建了一個智慧果園云平臺，具有農(nóng)機狀態(tài)查詢、農(nóng)機作業(yè)軌跡和作業(yè)面積統(tǒng)計等功能，云平臺通過農(nóng)機裝備定位信息中的標識來識別農(nóng)機，實現(xiàn)對農(nóng)機位置和運行狀態(tài)進行監(jiān)測和管理。常崢設(shè)計了一種基于LoRa的果園噴藥機和監(jiān)控系統(tǒng)，可實時監(jiān)測剩余電量、流量、噴藥壓力等作業(yè)參數(shù)，數(shù)據(jù)異常時報警處理，實現(xiàn)了對噴藥機作業(yè)工況的實時監(jiān)測。為準確獲取山地果園作業(yè)機車的使用狀況等數(shù)據(jù)，郭玉姍設(shè)計開發(fā)了一種山地果園運送裝備在線監(jiān)測系統(tǒng)，能夠?qū)崟r監(jiān)測作業(yè)工況（如累計使用次數(shù)、工作時長、機器運行速率等）、定位（經(jīng)緯度）、電池電量檢測以及有無故障停車等信息，真實準確地監(jiān)測農(nóng)機工作情況。

3智慧化果園系統(tǒng)集成

3.1無人作業(yè)系統(tǒng)設(shè)計與裝備集成

3.1.1果園巡檢機器人果園巡檢機器人是一種具備自主巡航、信息監(jiān)測與異常識別等功能的現(xiàn)代果園信息自主巡檢裝備[，主要用于完成果園、果樹多種信息自動采集、解析，為果園智能生產(chǎn)作業(yè)提供信息支撐。表6匯總了典型果園巡檢機器人的功能定位與實測性能。

Bargoti等開發(fā)了果實原位識別及產(chǎn)量估測的果園巡檢機器人，自然條件下果實漏檢率 lt;5% ，估產(chǎn)精度達 85% 。羅小波等[8]基于無人機多光譜影像反演柑橘冠層葉綠素含量，反演結(jié)果評價指標 R² 、

MAE、RME分別為 0.665?7.69mg?m^-2?9.49mg?m^-2， 可用于柑橘生長狀態(tài)監(jiān)測。蘭玉彬等84基于無人機低空柑橘果園的高光譜影像構(gòu)建SVM模型對健康和感染柑橘黃龍病的果樹進行分類，準確率達到94.7% ，對測試集的誤判率為 3.36% ，結(jié)果表明基于無人機高光譜遙感監(jiān)測柑橘黃龍病具有可行性。苗林林基于無人機高光譜影像結(jié)合堆疊集成學習算法模型，構(gòu)建了基于光譜指數(shù)特征的柑橘葉面積指數(shù)（LeafAreaIndex，LAI）反演模型，反演精度評價指標 R² 和RMSE分別是0.932和0.194。張旭基于無人機多光譜影像，構(gòu)建了不同生育期不同深度條件下蘋果園土壤水分和有機碳反演模型，王壤水分反演模型的 R² 和RMSE分別為0.911和0.003，土壤有機碳反演模型的 R² 和RMSE分別為0.654和0.359。

3.1.2果園管理機器人果園管理類機器人是指能夠自主完成施肥、除草、施藥、剪枝、套袋、疏花、疏果等作業(yè)的智能裝備，其主要技術(shù)難點在于根據(jù)果園巡檢結(jié)果、管理平臺決策指令、機具傳感信息等多源信息融合完成精準化作業(yè)8。當前果園管理機器人已經(jīng)能夠在各作業(yè)環(huán)節(jié)實現(xiàn)精準化作業(yè)，表7展示了典型裝備在施肥、施藥、除草、疏花等場景下的功能創(chuàng)新與性能驗證，這些系統(tǒng)推動果園管理從粗放式向定量化、低損化升級。

陳子文等[22基于激光雷達和DBSCAN密度聚類提出樹干動態(tài)識別與定位方法，設(shè)計了兩自由度仿形機構(gòu)及其控制系統(tǒng)，實現(xiàn)基于樹干位置信息的

噴藥裝置噴頭動態(tài)仿形控制。Majeed等設(shè)計了葡萄園剪枝機器人，該機器人基于RGB-D視覺系統(tǒng)檢測果樹結(jié)構(gòu)優(yōu)化剪枝決策作業(yè)點，實現(xiàn)機器人自主剪枝作業(yè)。針對櫻桃機器人剪枝作業(yè)需求，You等[9提出一種櫻桃枝條骨架分析算法，基于語義導引實現(xiàn)櫻桃枝條重建，正確率 gt;70% ，能夠支撐機器人剪枝作業(yè)。針對丘陵果園環(huán)境非結(jié)構(gòu)化且復雜多變、常規(guī)除草方式效率低等問題，趙智宇等2設(shè)計了一種果園除草機器人底盤系統(tǒng)，可在 25^° 斜面上正常除草作業(yè)，除草率可達 97.46% 。孫麗娟[89]設(shè)計了一種蘋果園化學疏花精準控制系統(tǒng)，基于YOLOv5改進得到的輕量化YOLOv5-PRE蘋果花序識別算法平均精度為 85.56% ；田間試驗中定位誤差小于 6cm 對靶噴藥試驗漏噴率小于 3.33% ，精準控制系統(tǒng)較無控制的施藥量節(jié)省約 25.5% 。

3.1.3果園采摘機器人傳統(tǒng)果園中的采摘環(huán)節(jié)需要大量人力物力，果品采收作業(yè)的用工規(guī)模約占果品生產(chǎn)全部勞動力的 40%^[91] 。然而，農(nóng)村勞動力老齡化問題導致果園采摘人力短缺，這嚴重限制了現(xiàn)代化果業(yè)的發(fā)展。因此，研發(fā)具備自主導航、成熟果實識別與定位等功能且能夠高質(zhì)低損完成采摘作業(yè)的機器人，對現(xiàn)代化果業(yè)發(fā)展具有重要意義。針對果園采摘勞動力匱乏的現(xiàn)狀與作業(yè)標準化的需求，果園智能化采摘機器人成為破解產(chǎn)業(yè)瓶頸的關(guān)鍵技術(shù)路徑。表8展示了果園采摘機器人的典型案例，驗證了機器人替代人力的技術(shù)可行性，為規(guī)?；瘧?yīng)用奠定了基礎(chǔ)。

Zhang等設(shè)計了一種蘋果自動采摘機器人，該機器人采用機器視覺定位成熟果實，利用自由度機械臂完成采摘，平均單果采摘時間 6.0s ，采摘成功率為 84% 。針對丘陵果園壟間地面凹凸不平影響采摘作業(yè)的問題，鮑秀蘭等設(shè)計了一種自適應(yīng)調(diào)平平臺，使機械臂基座保持水平，由末端執(zhí)行器完成柑橘采摘，試驗結(jié)果顯示：在低光照或正常光照條件下，果實定位準確率約 82.5% ，采摘成功率約 87.5% .平均采摘時間最快 12.3s 個；高光照條件下果實定位準確率約 72% ，采摘成功率約 80% ，平均采摘時間最快 12.5s? 個。Bloch等[4將蘋果樹按照結(jié)構(gòu)分為CL型（CentralLeader）、Y型（Y-trallis）和TS型（TallSpindle），提出了一種蘋果采收機器人機構(gòu)優(yōu)化方法，并針對樹結(jié)構(gòu)建立了鉸接式（RRR）、笛卡爾（PPP）、伸縮式（RRP）3種采收機器人機構(gòu)。

3.2 智能農(nóng)機多機協(xié)同作業(yè)

農(nóng)機多機協(xié)同作業(yè)是智能農(nóng)機裝備領(lǐng)域一個新的研究方向，是進一步提高農(nóng)機利用率、提升農(nóng)機作業(yè)效率的重要手段[5。果園生產(chǎn)過程中，有時需要兩臺農(nóng)機協(xié)同作業(yè)場景，例如在果實采收中，采用單側(cè)振搖采摘、對側(cè)接果收集雙機協(xié)同作業(yè)模式，兩者需要保持精確的位置關(guān)系保證作業(yè)任務(wù)完成；有時也會需要多臺農(nóng)機協(xié)同作業(yè)，滿足搶農(nóng)時生產(chǎn)需求，其要求合理分配各農(nóng)機作業(yè)任務(wù)，同時協(xié)調(diào)各農(nóng)機間、任務(wù)間的邏輯關(guān)系[。智能農(nóng)機多機協(xié)同作業(yè)方法與結(jié)果對比如表9所示。

3.2.1兩臺農(nóng)機協(xié)同作業(yè)兩臺農(nóng)機協(xié)同工作可以提高作業(yè)效率、降低能源消耗、優(yōu)化資源分配，這種農(nóng)機協(xié)作方式也能夠減少重復勞動，提升果園整體生產(chǎn)效率。

針對傳統(tǒng)植保裝置在忙果樹冠作業(yè)效率低、沉降分布均勻性差的問題，Li等設(shè)計了一種由果園履帶式噴霧機與六旋翼植保UAV組成的地空協(xié)同立體植保系統(tǒng)，協(xié)同完成忙果果園植保作業(yè)，結(jié)果顯示：與單機操作相比，忙果葉片上部樹冠各部分液滴覆蓋率分別提高 14.7% （霧化器）和 12.9% （UAV），有效增強了藥液有效成分在忙果冠層的沉積分布均勻性。果園智慧管理云平臺根據(jù)農(nóng)機作業(yè)位置、作業(yè)性能等信息，完成農(nóng)機任務(wù)分配、智能調(diào)度、自主對行等功能，從而提高農(nóng)機作業(yè)質(zhì)量[95]。陳成坤[98針對果園空-地協(xié)同環(huán)境，基于Node.js與Express.js開發(fā)了多機器人云通信平臺，實現(xiàn)了果園無人車與無人機平臺之間的協(xié)同通信，試驗結(jié)果顯示其具有實際應(yīng)用價值。

3.2.2多臺農(nóng)機協(xié)同作業(yè)傳統(tǒng)農(nóng)業(yè)生產(chǎn)中，通常由單一機器即可完成生產(chǎn)作業(yè)。但若需要搶農(nóng)時生產(chǎn)作業(yè)時，需要多臺農(nóng)機在同一或不同地塊間協(xié)同完成生產(chǎn)作業(yè)。在規(guī)?；墓麍@場景中，單一農(nóng)機作業(yè)往往存在效率不足的問題，多機協(xié)同作業(yè)成為潛在的發(fā)展方向[98]。

面向大規(guī)模果園和緊急植保作業(yè)場景，賈宜霖[9]提出采用多旋翼植保無人機集群編隊作業(yè)，并提出了基于蟻群算法的多旋翼無人機集群作業(yè)的任務(wù)分配仿真，試驗結(jié)果顯示：相較于單機作業(yè)，該方法提升了果園植保作業(yè)效率。但該研究僅對二維航跡規(guī)劃進行了探索，對于丘陵山地地形起伏較大的果園，仍需進行三維路徑規(guī)劃研究。為提高植保無人機作業(yè)效率，Huang等[提出了一種用于多機協(xié)作四旋翼無人機覆蓋路徑規(guī)劃的自主任務(wù)分配和決策方法，并利用多架ZY-UAV-680四旋翼無人機進行了飛行測試，仿真和實際飛行測試結(jié)果顯示：最優(yōu)任務(wù)分配方案分別節(jié)省了60.8s和 80.0s ，分別占平均任務(wù)時間的 10.8% 和 13.2% ，表明該方法能有效地將多架無人機合理分配到不同的區(qū)塊。為提高新型蘋果園內(nèi)多臺無人割草機協(xié)同作業(yè)的工作效率，謝金燕等[以總轉(zhuǎn)彎時間和作業(yè)時長為綜合優(yōu)化自標，構(gòu)建了多無人割草機作業(yè)路徑優(yōu)化模型，實現(xiàn)了割草機任務(wù)與最優(yōu)作業(yè)路徑規(guī)劃，試驗結(jié)果顯示：優(yōu)化后的矩形果園路徑總轉(zhuǎn)彎時間和作業(yè)時長分別平均減少了 22.89% 和19.36% 。但該研究側(cè)重于優(yōu)化作業(yè)行的總遍歷順序和每臺割草機分配到的作業(yè)路徑，忽略了割草機進出果園以及在地頭發(fā)生沖突時的時間消耗。

通過這些技術(shù)的應(yīng)用，智慧果園云管控平臺不僅提高了果園的生產(chǎn)效率，還為果農(nóng)提供了科學的管理工具，推動了果園管理的智能化、精細化和高效化發(fā)展。未來，隨著技術(shù)的不斷進步和完善，智慧果園系統(tǒng)將會在更大范圍內(nèi)推廣應(yīng)用，為現(xiàn)代農(nóng)業(yè)發(fā)展做出更大貢獻。

4智慧果園云管控平臺

智慧果園云管控平臺利用先進的信息技術(shù)和物聯(lián)網(wǎng)技術(shù)，實現(xiàn)果園智能化管理，主要功能包括遠程控制、信息管理和任務(wù)調(diào)度，以提高果園管理的效率和產(chǎn)量（圖8）。為滿足當前果園智能化管理需求，袁帥等[2設(shè)計開發(fā)了基于MQTT遠程控制技術(shù)的智慧果園系統(tǒng)，該系統(tǒng)具有作物生長信息監(jiān)測、病蟲害監(jiān)測與預報、水肥一體化灌溉決策等功能，有效提升了果園的管理效率。此外，郭濤等[]設(shè)計開發(fā)了智慧果園大數(shù)據(jù)移動管理服務(wù)平臺，該平臺綜合應(yīng)用移動GIS、AI目標檢測和混合數(shù)據(jù)庫技術(shù)，具有生產(chǎn)服務(wù)、咨詢服務(wù)、果園管理、數(shù)據(jù)采集與信息可視化等功能，為數(shù)字果園和智慧果園管理提供了技術(shù)支持，具有實際應(yīng)用價值。由此可見，果園管控平臺的應(yīng)用對提高果園管理水平、提升農(nóng)機作業(yè)效率、保障果品質(zhì)量具有重要意義。

智慧果園云管控平臺包括信息管理、任務(wù)分配調(diào)度、遠程控制三大功能。其中，信息管理分為果園基本要素、農(nóng)機、任務(wù)、設(shè)備、數(shù)據(jù)和用戶管理6個模塊。智慧果園云管控平臺采集并分析農(nóng)場要素、農(nóng)機、任務(wù)、設(shè)備以及果蔬各生長期的大量數(shù)據(jù)，如果樹病蟲害信息、農(nóng)機作業(yè)路徑、作業(yè)狀態(tài)、作業(yè)質(zhì)量、農(nóng)資消耗量等多源異構(gòu)數(shù)據(jù)，結(jié)合農(nóng)事生產(chǎn)要求提供可視化界面展示當前數(shù)據(jù)及分析結(jié)果，為農(nóng)事決策和病蟲害防治提供支撐。任務(wù)分配調(diào)度分為農(nóng)機作業(yè)任務(wù)分配和調(diào)度兩部分。管理平臺根據(jù)農(nóng)機當前作業(yè)狀態(tài)和位置，結(jié)合生產(chǎn)需求，對作業(yè)任務(wù)進行分配，調(diào)度農(nóng)機完成相應(yīng)作業(yè)，具體包括多臺同種農(nóng)機或不同農(nóng)機作業(yè)調(diào)度，如多臺除草機的調(diào)度，多臺果實采收機與一臺果實運輸車的調(diào)度、多臺果實采收機與多臺運輸車的調(diào)度。遠程控制包括果園智能農(nóng)機的遠程控制。農(nóng)機遠程控制通過傳感器實時監(jiān)測農(nóng)機周邊環(huán)境、作業(yè)質(zhì)量、作業(yè)狀態(tài)等信息，通過管理平臺監(jiān)測農(nóng)機并為其動態(tài)分配作業(yè)任務(wù)，遠程控制智能農(nóng)機完成作業(yè)任務(wù)。

5智慧化果園展望

5.1多源感知信息的高效高質(zhì)融合技術(shù)

信息是實現(xiàn)裝備自主作業(yè)、平臺智慧管控的基礎(chǔ)。隨著果園生產(chǎn)機械裝備的不斷更新?lián)Q代，越來越多種裝備取代人工進入到果園中生產(chǎn)作業(yè)。為促進作業(yè)裝備向智能化、自動化方向的轉(zhuǎn)變，需實現(xiàn)果園多種信息的動態(tài)感知，如果園地形、果樹行位置、障礙物等信息以及果樹高通量表型信息，同時需對裝備作業(yè)質(zhì)量、工況信息在線感知，這其中涉及多種傳感器采集多種、不同格式數(shù)據(jù)。對于多源傳感器獲取大數(shù)據(jù)量的果園信息，只有對這些信息進行合理處理、融合、解析，才能使這些信息真正的跨作業(yè)環(huán)節(jié)的應(yīng)用起來，這對促進裝備的自主性、管控平臺的智慧化非常重要。多傳感器融合的信息感知包括果樹信息感知，如激光雷達傳感器可以獲取果園果樹長勢、位置信息，而高光譜傳感器可以獲取果樹生理生化類的表型信息，將果樹長勢信息、理化表型信息以及位置信息高效融合，可為靶向施藥、柔性疏花、水肥變量噴施等作業(yè)環(huán)節(jié)提供精準、精確的信息決策服務(wù)。多傳感器融合的信息還包括智能作業(yè)裝備的作業(yè)工況信息、作業(yè)質(zhì)量信息與平臺管控信息的融合，三者融合后，管控平臺能夠?qū)崟r監(jiān)測作業(yè)裝備作業(yè)狀態(tài)、作業(yè)質(zhì)量，并進行合理的作業(yè)任務(wù)調(diào)度、作業(yè)質(zhì)量調(diào)整。因此，進一步開展多傳感器融合的果園信息感知技術(shù)研究，能夠提高作業(yè)裝備的自主化、管控平臺的智能化水平，從而進一步提高裝備作業(yè)效率。

5.2果園生產(chǎn)裝備自主化作業(yè)技術(shù)

果園生產(chǎn)環(huán)節(jié)包括耕、種、管、收等環(huán)節(jié)，不同環(huán)節(jié)作業(yè)裝備的智能化水平的提升，可以有效提高該環(huán)節(jié)作業(yè)效率。農(nóng)機裝備的自主化作業(yè)需集成導航避障、路徑自主規(guī)劃、作業(yè)質(zhì)量實時感知與調(diào)控等關(guān)鍵技術(shù)，國內(nèi)外雖已有一些關(guān)于果園變量施藥、精量灌溉、立體修剪與智能采摘等環(huán)節(jié)的智能作業(yè)裝備，但對于果園自主作業(yè)水平的提升仍存在不足之處，有待深入研究。如在立體修剪環(huán)節(jié)，現(xiàn)有樹形修剪裝備多為紡錘形立體修剪，將位于“樹墻”外的枝條進行修剪，對于“樹墻”內(nèi)的枝條仍需輔以人工進行修改；從機械疏花環(huán)節(jié)看，現(xiàn)有疏花機械多通過控制疏花繩旋轉(zhuǎn)進行疏花作業(yè)，而對于不同品種的果樹來說，需要去除和保留的花朵存在一些差異，而這種疏花方式很難實現(xiàn)花朵不同的識別疏花，此外對于開花密度不同位置進行速度可控可調(diào)式疏花作業(yè)，現(xiàn)有技術(shù)水平也仍需進一步提高。在施藥環(huán)節(jié)，根據(jù)果樹發(fā)生病蟲害程度進行變量調(diào)節(jié)對靶施藥作業(yè)，減少施藥環(huán)節(jié)對周邊環(huán)境的影響，實現(xiàn)減藥減施作業(yè)，這也一直是國內(nèi)外學者研究的重點內(nèi)容。另外，提高果園生產(chǎn)裝備的自主導航、障礙物識別與避障、路徑規(guī)劃等作業(yè)技術(shù)水平，也是果園生產(chǎn)裝備智能水平提高的必由之路。

5.3果園生產(chǎn)全程智能化管控技術(shù)

果園智能生產(chǎn)云管控技術(shù)是實現(xiàn)果園智慧化運行的“大腦”。云管控平臺將多源傳感器獲取的信息通過數(shù)據(jù)預處理、處理、融合、解析以及可視化等方式方法實現(xiàn)端-云的連接，其發(fā)展的主要功能需包括果園場景數(shù)字孿生、多源信息可視化交互、作業(yè)裝備任務(wù)分配、路徑規(guī)劃與智能調(diào)度等。其中，果園場景數(shù)字孿生是指利用果園低空巡檢機器人以及多源傳感器，將果園場景動態(tài)呈現(xiàn)出來，為裝備自主作業(yè)、果樹長勢監(jiān)測提供技術(shù)支撐；多源信息可視化交互是指在多源傳感數(shù)據(jù)獲取后，對數(shù)據(jù)進行處理、融合、解析并呈現(xiàn)出易于理解、方便管理的信息表現(xiàn)形式；作業(yè)裝備任務(wù)分配、路徑規(guī)劃和智能調(diào)度是指管控平臺利用智能算法對當前作業(yè)任務(wù)、果園作業(yè)裝備數(shù)量、作業(yè)面積大小以及裝備位置等信息進行融合處理，對不同裝備作業(yè)任務(wù)進行合理分配，并對其完成任務(wù)行走路徑進行合理規(guī)劃，從而減少待機行走時間，提高作業(yè)效率，若其中一臺裝備故障則自動調(diào)取周邊裝備代替其完成任務(wù)，確保作業(yè)不中斷。除此之外，智能化管控技術(shù)還包括對農(nóng)事、農(nóng)情的精準判斷與預測，這對指導果園科學安排生產(chǎn)作業(yè)、減少因自然災害等因素造成的不必要損失、保障生產(chǎn)者經(jīng)濟效益、保證果園產(chǎn)品品質(zhì)均具有重要意義。

綜上所述，標準化果園生產(chǎn)效能提升，需全面推動果園多源信息感知與融合、生產(chǎn)裝備自主化作業(yè)、果園生產(chǎn)全程智能化管控等技術(shù)的改革與提升，這對提高中國果園生產(chǎn)效率、保障果業(yè)產(chǎn)品品質(zhì)、提升水果產(chǎn)業(yè)的國際競爭力具有重要意義。

參考文獻References：

[1] 中華人民共和國國家統(tǒng)計局.中國統(tǒng)計年鑒[M].北京：中國 統(tǒng)計出版社，2022. National Bureau of Statistics of the People’s Republic of China.China statistical yearbook[M].Beijing：China Statistics Press，2022.

[2] 竇漢杰，陳震宇，翟長遠，鄒偉，宋健，馮凡，張焱龍，王秀．果園 智能化作業(yè)裝備自主導航技術(shù)研究進展[J].農(nóng)業(yè)機械學報， 2024，55（4）： 1-22. DOU Hanjie，CHEN Zhenyu，ZHAI Changyuan，ZOU Wei， SONG Jian，F(xiàn)ENG Fan，ZHANG Yanlong，WANG Xiu.Research progress on autonomous navigation technology for orchard intelligent equipment[J]. Transactions of the Chinese Society for Agricultural Machinery，2024，55（4）： 1-22.

[3] 孟志軍，王昊，付衛(wèi)強，劉孟楠，尹彥鑫，趙春江.農(nóng)業(yè)裝備自動 駕駛技術(shù)研究現(xiàn)狀與展望[J].農(nóng)業(yè)機械學報，2023，54（10）：1-24. MENG Zhijun，WANG Hao，F(xiàn)U Weiqiang，LIU Mengnan，YIN Yanxin，ZHAO Chunjiang.Research statusand prospectsof agricultural machinery autonomous driving[J]. Transactions of the Chinese Society for Agricultural Machinery，2023，54（10）：1-24.

[4] 韓冷，何雄奎，王昌陵，劉亞佳，宋堅利，齊鵬，劉理民，李天，鄭 義，林桂海，周戰(zhàn)，黃康，王忠，查海涅，張國山，周國濤，馬勇， 伏浩，聶宏遠，曾愛軍，張煒.智慧果園構(gòu)建關(guān)鍵技術(shù)裝備及 展望[J].智慧農(nóng)業(yè)（中英文），2022，4（3）：1-11. HANLeng，HE Xiongkui，WANG Changling，LIU Yajia，SONG Jianli，QIPeng，LIULimin，LITian，ZHENGYi，LINGuihai， ZHOU Zhan，HUANG Kang，WANG Zhong，ZHA Hainie， ZHANG Guoshan，ZHOU Guotao，MA Yong，F(xiàn)U Hao，NIE Hongyuan，ZENG Aijun，ZHANG Wei. Key technologies and equipment for smart orchard construction and prospects[J]. Smart Agriculture，2022，4（3）：1-11.

[5] 潘明，張麗慧，黃曉財，王明，侯陽笛.空天地一體化智慧果園 平臺設(shè)計與應(yīng)用[J].現(xiàn)代農(nóng)業(yè)裝備，2021，42（4）：43-47. PAN Ming， ZHANG Lihui， HUANG Xiaocai，WANG Ming， HOU Yangdi. Design and application of the air-space-ground integrated intelligent orchard platform[J].Modern Agricultural Equipment，2021，42（4）：43-47.

[6] 馮涵，張浩，王梓，江世界，劉偉洪，周凌卉，王亞雄，康峰，劉星 星，鄭永軍.基于激光點云的三維虛擬果園構(gòu)建方法[J].智慧 農(nóng)業(yè)（中英文），2022，4（3）：12-23. FENGHan，ZHANGHao，WANG Zi，JIANGShijie，LIUWeihong，ZHOU Linghui，WANG Yaxiong，KANG Feng，LIU Xingxing，ZHENG Yongjun. Three-dimensional virtual orchard construction method based on laser point cloud[J]. Smart Agriculture，2022，4（3）：12-23.

[7] 潘時佳，吳津樂，程梅，周敏姑，牛子杰，韓文霆.基于改進 CNN的獼猴桃根區(qū)土壤含水率反演方法[J].農(nóng)業(yè)工程學報， 2024，40（11）：85-91. PAN Shijia，WU Jinle，CHENG Mei，ZHOU Mingu，NIU Zijie， HAN Wenting. Inversion method for root soil water content using improved CNN[J]. Transactions of the Chinese Society of Agricultural Engineering，2024，40（11）：85-91.

[8] 楊洲，李洋，段潔利，徐興，余家祥，申東英，袁浩天.基于毫米 波雷達的果園單木冠層信息提取[J].農(nóng)業(yè)工程學報，2021，37 （21）：173-182. YANG Zhou，LI Yang，DUAN Jieli，XU Xing，YU Jiaxiang， SHENDongying，YUAN Haotian. Extraction of the crown information of single tree in orchard based on millimeter wave radar[J].Transactions ofthe Chinese Society ofAgricultural Engineering，2021，37（21）：173-182.

[9]萬軍杰，祁力鈞，盧中奧，周佳蕊，張豪.基于遷移學習的 GoogLeNet果園病蟲害識別與分級[J].中國農(nóng)業(yè)大學學報， 2021，26（11）：209-221. WAN Junjie，QI Lijun，LU Zhongao， ZHOU Jiarui， ZHANG Hao.Recognition and grading of diseases and pests in orchard byGoogLeNetbased on TransferLearning[J].Journal ofChina Agricultural University，2021，26（11）：209-221.

[10]閆云才，郝碩亨，高亞玲，辛迪，牛子杰.基于空地多源信息的 獼猴桃果園病蟲害檢測方法[J].農(nóng)業(yè)機械學報，2023，54（增刊 2）：294-300. YAN Yuncai， HAO Shuoheng，GAO Yaling，XIN Di，NIU Zijie. Design of kiwifruit orchard disease and pest detection system based on aerial and ground multi-source information[J].Transactions of the Chinese Society for AgriculturalMachinery，2023， 54（Suppl.2）：294-300.

[11]沈躍，肖鑫樺，劉慧，張璇.果園機器人LiDAR/IMU 緊耦合實 時定位與建圖方法[J].農(nóng)業(yè)機械學報，2023，54（11）：20-28. SHEN Yue，XIAO Xinhua，LIU Hui， ZHANG Xuan. Real-time localization and mapping method for agricultural robot in orchards based on LiDAR/IMU tight-coupling[J]. Transactions of the Chinese Society for Agricultural Machinery，2023，54（11）： 20-28.

[12] 周馨器，坎雜，蒙賀偉，戚江濤，趙旭洋，李亞萍.果園開溝深 度寬度監(jiān)測裝備設(shè)計與試驗[J].中國農(nóng)機化學報，2021，42 （12）：37-43. ZHOU Xinzhao，KAN Za，MENG Hewei，QI Jiangtao，ZHAO Xuyang，LI Yaping. Design and experiment of monitoring equipment for orchard ditching depth and width[J].Journal of Chinese Agricultural Mechanization，2021，42（12）：37-43.

[13]WANG K， ZHOU J，ZHANG W H，ZHANG B H. Mobile LiDAR scanning system combined with canopy morphology extracting methods for tree crown parameters evaluation in orchards[J].Sensors，2021，21（2）：339.

[14]周慧，李曉瑞，達海莉，王銀惠，張曉倩.溫度和光照對落葉果樹 休眠與萌芽的影響研究[J].寧夏農(nóng)林科技，2018，59（10）：28-29. ZHOUHui，LI Xiaorui，DA Haili，WANGYinhui，ZHANG Xiaoqian.Research progress of influences of temperature and lightondeciduous fruit trees' dormancyand sprouting[J].Ningxia Journal of Agriculture and Forestry Science and Technology， 2018，59（10）：28-29.

[15]TOSELLI M，BALDI E，F(xiàn)ERRO F，ROSSI S，CILLIS D. Smart farming tool for monitoring nutrients in soil and plants for precise fertilization[J].Horticulturae，2023，9（9）：1011.

[16]UNDERWOOD JP，HUNG C，WHELAN B，SUKKARIEH S. Mappingalmond orchardcanopyvolume，flowers，fruit and yield using lidar and vision sensors[J].Computersand Electronics inAgriculture，2016，130：83-96.

[17]PATRICK A，LI CY. High throughput phenotyping of bluebery bush morphological traits using unmanned aerial systems[J]. Remote Sensing，2017，9（12）：1250.

[18]周俊，胡晨.密植果園作業(yè)機器人行間定位方法[J].農(nóng)業(yè)機械 學報，2015，46（11）：22-28. ZHOU Jun，HU Chen.Inter-row localization method for agricultural robot working in close planting orchard[J]. Transactions of the Chinese Society for Agricultural Machinery，2015，46（11）： 22-28.

[19]徐鵬程，龔元明，張德俊.基于4G通信的農(nóng)機工作狀態(tài)實時 監(jiān)測系統(tǒng)設(shè)計[J].農(nóng)業(yè)裝備與車輛工程，2020，58（6）：58-63. XU Pengcheng，GONG Yuanming，ZHANG Dejun. Design of real-time monitoring system for agricultural machinery working status based on 4G communication[J]. Agricultural Equipment amp; Vehicle Engineering，2020，58（6）：58-63.

[20]溫鑫，王熙.基于農(nóng)機CAN總線的OneNet遠程監(jiān)測系統(tǒng)研 究[J].中國農(nóng)機化學報，2022，43（1）：116-121. WEN Xin，WANG Xi. Research on OneNet remote monitoring systembasedonCANbusofagriculturalmachinery[J]. Journal ofChinese Agricultural Mechanization，2022，43（1）：116-121.

[21]張鵬九，王翔，范仁俊，劉中芳，禾麗菲，楊靜，高越.基于蘋果 葉片與藥液界面特性的果園農(nóng)藥精準噴霧量計算模型的建 立[J].農(nóng)藥學學報，2024，26（3）：583-593. ZHANG Pengjiu， WANG Xiang，F(xiàn)AN Renjun，LIU Zhongfang， HE Lifei， YANG Jing，GAO Yue.Establishment of precise pesticide spraying calculationmodel fororchard based on the interfacial characteristics of apple leaves and pesticide solution[J]. Chinese JournalofPesticide Science，2024，26（3）：583-593.

[22]陳子文，胡宗銳，熊揚凡，王沛，余永，彭淼，楊明金.樹冠環(huán)繞 式仿形對靶施藥機設(shè)計與試驗[J].農(nóng)業(yè)工程學報，2023，39 （3）：23-32. CHEN Ziwen，HU Zongrui，XIONG Yangfan，WANG Pei，YU Yong，PENG Miao，YANG Mingjin. Design and test of the canopywrap-around profiling- to-target sprayer for orchards[J]. Transactions ofte Chinese SocietyofAgriculturalEnginering， 2023，39（3）：23-32.

[23] 謝家興，高鵬，莫昊凡，余國雄，胡潔，王衛(wèi)星.荔枝園智能灌溉 決策系統(tǒng)模糊控制器設(shè)計與優(yōu)化[J].農(nóng)業(yè)機械學報，2018，49 （8）：26-32. XIEJiaxing，GAO Peng，MO Haofan，YUGuoxiong，HU Jie， WANG Weixing. Designand optimization of intelligent irrigation decision system in Litchi orchard based on fuzzy controller[J]. Transactions of the Chinese Society for Agricultural Machinery， 2018，49（8）：26-32.

[24]王金發(fā)，劉柳杏.基于物聯(lián)網(wǎng)的智能灌溉裝置： CN202411433893.9[P]. 2025-02-11. WANG Jinfa，LIULiuxing. Intelligent irrigation device based on the Internet of Things：CN202022248562.1[P].2025-02-11.

[25]史潔，朱顯明，張彭，仲昭宇，周寧，魏增斌，張智秋，張學峰．一 種智慧農(nóng)業(yè)灌溉機器人：CN202510156391.4[P].2025-03-28. SHI Jie，ZHU Xianming，ZHANG Peng，ZHONG Zhaoyu， ZHOU Ning，WEI Zengbin，ZHANG Zhiqiu， ZHANG Xuefeng. An intelligent agriculturalirigationrobot：CN202510156391.4[P]. 2025-03-28.

[26]祝旦璞，張廷茂，王林軍，王兆順，蘆相英.一種果園用犁地機： CN202022248562.1[P]. 2021-06-11. ZHU Danpu，ZHANG Tingmao，WANG Linjun，WANG Zhaoshun， LU Xiangying.A plough for orchards CN202022248562.1[P]. 2021-06-11.

[27]張斌，張宏文，肖宇星，汪鵬飛.果園株間除草機的設(shè)計[J].農(nóng) 機化研究，2018，40（1）：63-67. ZHANG Bin，ZHANG Hongwen，XIAO Yuxing， WANG Pengfei.The design of weeding machine allowing trees among plants[J]. Journal of Agricultural Mechanization Research， 2018，40（1）：63-67.

[28]趙智宇，朱立成，周利明，呂程序，李沐桐，董鑫.丘陵果園除 草機器人底盤系統(tǒng)設(shè)計與試驗[J].農(nóng)業(yè)機械學報，2022，53（增 刊1）：48-57. ZHAO Zhiyu， ZHU Licheng，ZHOU Liming，LU Chengxu，LI Mutong，DONG Xin. Design and experiment of chassis control system for weeding robot in hilly orchard[J].Transactions of the Chinese Society forAgricultural Machinery，2022，53（Suppl.1）： 48-57.

[29]馬若飛.基于多源信息融合的耕整深度檢測系統(tǒng)研究[D].中 國農(nóng)業(yè)機械化科學研究院，2024. Ma Ruofei. Research on tillage depth detection system based on multi-source information fusion[D]. China Academy of Agricultural Mechanization，2024.

[30]夏燁，雷曉暉，祁雁楠，徐陶，袁全春，潘健，姜賽珂，呂曉蘭. 基于改進 Ghost-YOLOv5s-BiFPN算法檢測梨樹花序[J].智慧 農(nóng)業(yè)（中英文），2022，4（3）：108-119. XIA Ye，LEI Xiaohui， QI Yannan，XU Tao，YUAN Quanchun， PAN Jian，JIANG Saike，LU Xiaolan.Detection of pear inflorescence based on improved ghost-YOLOv5s-BiFPN algorithm[J]. Smart Agriculture，2022，4（3）：108-119.

[31]SHANGYY，XU X S，JIAO Y T，WANG Z，HUA ZX，SONG H B. Using lightweight deep learning algorithm for real-time detection of apple flowers in natural environments[J]. Computers and Electronics in Agriculture，2023，207：107765.

[32]開建榮，葛謙，王彩艷，張靜，李彩虹，陳翔，趙丹青，孫翔宇，馬 婷婷，閆玥，王曉靜.一種用于葡萄疏花疏果智能機器人及使 用方法：CN202411592984.7[P].2024-12-13. KAI Jianrong，GE Qian，WANG Caiyan，ZHANG Jing，LI Caihong，CHEN Xiang，ZHAO Danqing，SUN Xiangyu，MA Tingting，YAN Yue，WANG Xiaojing. An intelligent robot for grape flower and fruit thinning and its usage method： CN202411592984.7[P]. 2024-12-13.

[33]高昂，吳昆，宋月鵬，任龍龍，馬偉，劉一琳.基于LT-YOLO 檢 測與機器視覺的蘋果激光疏花試驗臺參數(shù)優(yōu)化與試驗[J].農(nóng) 業(yè)機械學報，2025，56（2）：393-401. GAO Ang，WU Kun，SONG Yuepeng，REN Longlong，MA Wei， LIU Yilin. Parameter optimization and testing of apple laser flower thinning test bed based on LT-YOLO inspection and machine vision[J].Transactions of the Chinese Society for AgriculturalMachinery，2025，56（2）：393-401.

[34]楊洲，丁允賀，劉柏林，段潔利，熊俊濤，李君，徐興，蔣寅龍，袁 浩天，黃廣生，申東英，歐陽琳.自適應(yīng)疏花機及疏花方法： CN202110467116.6[P].2021-07-13. YANG Zhou，DING Yunhe，LIU Bailin，DUAN Jieli， XIONG Juntao，LI Jun，XU Xing，JIANG Yinlong，YUAN Haotian， HUANG Guangsheng，SHEN Dongying，OUYANG Lin. Selfadaptive flower thinning machine and flower thinning method： CN202110467116.6[P]. 2021-07-13.

[35] 戴秀，王堅強，任妮，劉家玉.智能水肥一體化管控平臺的設(shè) 計與實現(xiàn)[J].江蘇農(nóng)業(yè)科學，2021，49（18）：177-181. DAI Xiu， WANG Jianqiang，REN Ni，LIU Jiayu. Design and reaizauun un niuinigein CI11LUI egiacu anagementand control platform[J]. Jiangsu Agricultural Sciences， 2021，49（18）：177-181.

[36]陳平錄，蘇江紅，許靜，劉木華.丘陵果園立式螺旋開溝施肥機 設(shè)計與試驗[J].農(nóng)業(yè)機械學報，2024，55（10）：223-233. CHEN Pinglu，SU Jianghong，XU Jing，LIU Muhua. Design and experimentofhillyorchardverticalspiral ditching-fertilizing machine[J].Transactions of the Chinese Society for Agricultural Machinery，2024，55（10）：223-233.

[37]于豐華，趙丹，郭忠輝，金忠煜，郭爽，陳春玲，許童羽.水稻分 蘗期無人機高光譜影像混合像元特征分析與分解[J].光譜學 與光譜分析，2022，42（3）：947-953. YU Fenghua， ZHAO Dan，GUO Zhonghui， JIN Zhongyu， GUO Shuang，CHEN Chunling，XU Tongyu. Characteristic analysis and decomposition of mixed pixels fromUAV hyperspectral images in rice tillering stage[J]. Spectroscopy and Spectral Analysis，2022，42（3）：947-953.

[38]白秋薇，張信，羅紅品，李光林.設(shè)施果園自動對靶精準變量施 肥控制系統(tǒng)[J].農(nóng)業(yè)工程學報，2021，37（12）：28-35. BAI Qiuwei，ZHANG Xin，LUO Hongpin，LI Guanglin. Control system for auto-targeting precision variable-rate fertilization of fruit trees in a greenhouse orchard[J]. Transactions of the Chinese Society ofAgricultural Engineering，2021，37（12）：28-35.

[39]宋若弘.自走式果園開溝施肥機無人駕駛控制系統(tǒng)設(shè)計與研 發(fā)[D].泰安：山東農(nóng)業(yè)大學，2023. SONG Ruohong. Design and development of unmanned driving control system for self-propelled orchard ditching fertilizer machine[D].Tai'an：Shandong Agricultural University，2023.

[40]熊斌，張俊雄，曲峰，范智棋，王大帥，李偉.基于BDS 的果園施 藥機自動導航控制系統(tǒng)[J].農(nóng)業(yè)機械學報，2017，48（2）：45-50. XIONG Bin，ZHANG Junxiong，QU Feng，F(xiàn)AN Zhiqi，WANG Dashuai，LI Wei. Navigation control system for orchard spraying machine based on Beidou navigation satellite system[J]. Transactions of the Chinese Society for Agricultural Machinery， 2017，48（2）：45-50.

[41]劉理民，何雄奎，劉偉洪，劉紫嫣，韓虎，李揚帆.果園自主導航 兼自動對靶噴霧機器人[J].智慧農(nóng)業(yè)（中英文），2022，4（3）：63- 74. LIULimin，HEXiongkui，LIUWeihong，LIUZiyan，HANHu， LI Yangfan. Autonomous navigation and automatic target spraying robot for orchards[J]. Smart Agriculture，2022，4（3）：63-74.

[42]董繼偉，潘良，曹中華，湛小梅，李亞麗，孫志強，劉汶樹，任桂 英.履帶式果園對靶仿形施藥機設(shè)計與試驗[J/OL].農(nóng)機化研 究，2024：1-10.（2024-12-17） htps：//ns.cnki.net/kcms/detail/ 23.1233.S.20241216.2030.037.html. DONG Jiwei，PAN Liang，CAO Zhonghua，ZHAN Xiaomei，LI Yali，SUN Zhiqiang，LIU Wenshu，REN Guiying. Design and experiment oftracked orchard target alignment and profiling sprayermachine[J/OL]. Journal of Agricultural Mechanization Research，2024：1-10. （2024-12-17）. https：//kns.cnki.net/kcms/detail/23.1233.S.20241216.2030.037.html.

[43]寇雷雷，張紅娜.基于改進YOLOv5的蘋果采摘機器人多目 標識別技術(shù)研究[J].中國農(nóng)機化學報，2023，44（11）：162-168. KOU Leilei， ZHANG Hongna. Research on multi-target recognition technology of apple picking robot based on improved YOLOv5[J]. Journal of Chinese Agricultural Mechanization，2023， 44（11）： 10∠-100.

[44]畢松，隗朋峻，劉仁學.溫室高架栽培草莓空間姿態(tài)識別與采 摘點定位方法[J].農(nóng)業(yè)機械學報，2023，54（9）：53-64. BI Song，WEI Pengjun，LIU Renxue. Spatial posture recognition and picking point location method for greenhouse raisedframe strawberry cultivation[J].Transactions of the Chinese Society for Agricultural Machinery，2023，54（9）：53-64.

[45]虞浪，俞高紅，吳浩宇，孫福興，錢孟波.欠驅(qū)動關(guān)節(jié)型柑橘采摘 末端執(zhí)行器設(shè)計與試驗[J].農(nóng)業(yè)工程學報，2023，39（17）：29-38. YU Lang，YU Gaohong，WU Haoyu，SUN Fuxing，QIAN Mengbo.Design and experiment of the end-effector with underactuatedarticulars forcitrus picking[J].Transactions of the Chinese Society of Agricultural Engineering，2023，39（17）：29-38.

[46]馮青春，趙春江，李濤，陳立平，郭鑫，謝豐，熊子聰，陳凱文，劉 城，嚴童杰.蘋果四臂采摘機器人系統(tǒng)設(shè)計與試驗[J].農(nóng)業(yè)工 程學報，2023，39（13）：25-33. FENG Qingchun， ZHAO Chunjiang，LI Tao，CHEN Liping， GUO Xin，XIE Feng，XIONG Zicong，CHEN Kaiwen，LIU Cheng，YAN Tongjie. Design and test of a four-arm apple harvestingrobot[J].Transactions of the Chinese Society of Agricultural Engineering，2023，39（13）：25-33.

[47]尚書旗，李成鵬，何曉寧，王東偉，王海清，楊帥.高酸蘋果振動 式采摘機設(shè)計與試驗[J].農(nóng)業(yè)機械學報，2023，54（3）：115-125. SHANG Shuqi，LI Chengpeng，HE Xiaoning， WANG Dongwei， WANG Haiqing，YANG Shuai. Design and experiment of highacid apple vibrating picker[J].Transactions of the Chinese Society for Agricultural Machinery，2023，54（3）：115-125.

[48]MA Hao，ZHANG Kai，JIN Xin，JI Jiangtao，ZHU Xu. Identification of blueberry fruit maturity using hyperspectral images technology[J]. Journal ofAgricultural Science and Technology， 2020，22（2）：80-90.

[49]馮玉兵.農(nóng)業(yè)機械自動導航技術(shù)研究進展[J].南方農(nóng)機， 2023，54（15）：173-175. FENG Yubing. Research progress on automatic navigation technologyof agricultural machinery[J].China Southern AgriculturalMachinery，2023，54（15）：173-175.

[50]李榮萍.農(nóng)業(yè)機械自動導航技術(shù)研究進展[J].南方農(nóng)機， 2023，54（4）：165-167. LI Rongping.Research progress on automatic navigation technologyofagricultural machinery[J].China SouthernAgricultural Machinery，2023，54（4）：165-167.

[51]ZHANG Y B，SUN H，ZHANG F H，ZHANG BH，TAO S T， LIHT，QIKJ，ZHANGSL，NINOMIYAS，MUY.Real-time localization and colorful three-dimensional mapping of orchards based on multi-sensor fusion using extended Kalman filter[J]. Agronomy，2023，13（8）：2158.

[52]YEL，LI J，LI P. Improving path planning for mobile robots in complex orchard environments：The continuous bidirectional Quick-RRT * algorithm[J].Frontiers in Plant Science，2024，15： 1337638.

[53]胡靜濤，高雷，白曉平，李逃昌，劉曉光.農(nóng)業(yè)機械自動導航技 術(shù)研究進展[J].農(nóng)業(yè)工程學報，2015，31（10）：1-10. HU Jingtao，GAO Lei，BAI Xiaoping，LI Taochang，LIU Xiaoguang. Review of research on automatic guidance of agricultural vehicles[J]. Transactions of the Chinese Society of Agricultural Engineering，2015，31（10）：1-10.

[54]艾長勝，林洪川，武德林，馮志全.葡萄園植保機器人路徑規(guī)劃 算法[J].農(nóng)業(yè)工程學報，2018，34（13）：77-85. AIChangsheng，LINHongchuan，WUDelin，F(xiàn)ENGZhiquan.Path planning algorithm for plant protection robots in vineyard[J]. Transactions of te Chinese Societyof AgriculturalEngineering， 2018，34（13）：77-85.

[55]胡廣銳，孔微雨，齊闖，張碩，卜令昕，周建國，陳軍.果園環(huán)境 下移動采摘機器人導航路徑優(yōu)化[J].農(nóng)業(yè)工程學報，2021，37 （9）： 175-184. HU Guangrui， KONG Weiyu，QI Chuang，ZHANG Shuo， BU Lingxin，ZHOU Jianguo，CHEN Jun. Optimization of the navigation path for a mobile harvesting robot in orchard environment[J]. Transactions of the Chinese Society of Agricultural Engineering， 2021，37（9）：175-184.

[56]ZHANGLH，ZHANGRR，LILL，DINGCC，ZHANGDZ， CHEN L P. Research on virtual Ackerman steering model based navigation system for tracked vehicles[J]. Computersand Electronics in Agriculture，2022，192：106615.

[57]劉杰，付興蘭，李旭，李川紅，李光林.丘陵山地柑橘果園機器 人自主導航與精確控制系統(tǒng)設(shè)計與試驗[J].西南大學學報（自 然科學版），2024，46（8）：184-197. LIU Jie，F(xiàn)U Xinglan，LI Xu，LI Chuanhong，LI Guanglin. Design and test of autonomous navigation and precise control systemforrobots used in Citrus orchards in hilly and mountainous area[J]. Journal of Southwest University （Natural Science Edition），2024，46（8）：184-197.

[58]劉羊，劉宇洋，陳江春，李景彬，林小衛(wèi)，葡廣兆.標準化果園多 功能作業(yè)平臺關(guān)鍵技術(shù)研究現(xiàn)狀與趨勢[J].智能化農(nóng)業(yè)裝備 學報（中英文），2024（1）：31-39. LIU Yang，LIU Yuyang，CHEN Jiangchun，LI Jingbin，LIN Xiaowei，LIN Guangzhao.Research status and trend of key technologies of standardized orchard multi-functional operation platform[J]. Journal of Intelligent Agricultural Mechanization， 2024（1）：31-39.

[59]楊嬌.丘陵地區(qū)柑橘樹修剪機的設(shè)計與試驗[D].武漢：華中農(nóng) 業(yè)大學，2023. YANG Jiao.Design and experiment of citrus tree pruners in hilly areas[D]. Wuhan： Huazhong Agricultural University，2023.

[60]李果.基于視覺感知和雙流式噴霧的獼猴桃精準授粉裝置研 發(fā)[D].楊凌：西北農(nóng)林科技大學，2023. LI Guo.Accurate pollination device of kiwifruit based on vision perception and air-liquid spray[D]. Yangling：Northwest Aamp;F University，2023.

[61] 邢剛，王玲，劉樂，王術(shù)波.自走式果園割草機切割器的設(shè)計與 試驗[J].山東農(nóng)業(yè)大學學報（自然科學版），2024，55（2）：244-253. XINGGang，WANGLing，LIULe，WANGShubo.Design and experiment of a self-propelled orchard grass mowing machine with cuting mechanism[J]. Journal of Shandong Agricultural University （Natural Science Edition），2024，55（2）：244-253.

[62]肖珂，郝毅，高冠東.果園自動變距精準施藥系統(tǒng)設(shè)計與試 驗[J].農(nóng)業(yè)機械學報，2022，53（10）：137-145. XIAO Ke，HAO Yi，GAO Guandong.Design and experiment of automatic variable-distance precison spraying system in orchard[J].Transactions of the Chinese Society for Agricultural Machinery，2022，53（10）：137-145.

[63]KHANAL SR，SAPKOTA R，AHMED D，BHATTARAI U， KAKKEE M. Macnine Vision system Ior eariy-stage appie IoWers and flower clusters detection for precision thinning and pollination[J].IFAC-PapersOnLine，2023，56（2）：8914-8919.

[64]陳魁，李慧，納斯哈提，王茂博.3PJ-1型龍門葡萄剪枝機的研 制[J].中國農(nóng)機化學報，2017，38（2）：28-33. CHEN Kui，LI Hui，Nasihati，WANG Maobo.Development of 3PJ-1 type gantry pruning machine for grapes[J].Journal of ChineseAgricultural Mechanization，2017，38（2）：28-33.

[65]郭惠萍，曹亞州，王晨思，榮麟瑞，李怡，王霆偉，楊福增.基于 遷移學習的蘋果落葉病識別與應(yīng)用[J].農(nóng)業(yè)工程學報，2024， 40（3）：184-192. GUO Huiping，CAO Yazhou，WANG Chensi，RONG Linrui，LI Yi，WANG Tingwei，YANGFuzeng.Recognition and application of apple defoliation disease based on transfer learning[J]. Transactions of the Chinese Society of Agricultural Engineering，2024，40（3）：184-192.

[66]孫樂琳.基于改進YOLOv5s的梨花識別及密度分級模型的 研究[D].保定：河北農(nóng)業(yè)大學，2023. SUN Lelin. Research on pear flower recognition based on improved YOLOv5s and density clasification modelD]. Baoding： HebeiAgricultural University，2023.

[67]陳魯威.基于無人機多光譜遙感的梨樹冠層氮素含量監(jiān)測研 究[D].鎮(zhèn)江：江蘇大學，2023. CHEN Luwei. Research on monitoring of nitrogen content in pear canopy based on unmanned aerial vehicle multispectral remote sensing[D]. Zhenjiang：Jiangsu University，2023.

[68]劉照銀.果樹病蟲害綠色防控技術(shù)簡述[J].中國果業(yè)信息， 2024，41（4）：78-79. LIU Zhaoyin. A brief description of green prevention and control technologies for fruit tree diseasesand insect pests[J].China FruitNews，2024，41（4）：78-79.

[69]謝宏勝.龍豐蘋果栽培管理技術(shù)[J].特種經(jīng)濟動植物，2024， 27（5）：125-127. XIE Hongsheng. Longfeng apple cultivation management technology[J]. Special Economic Animals and Plants，2024，27（5）： 125-127.

[70]劉永翠，孫士龍.果園土壤肥力管理對果樹根系生長的影響[J]. 河北農(nóng)機，2023（24）：84-86. LIU Yongcui，SUN Shilong. Effects of soil fertility management in orchards onroot growth of fruit trees[J]. Hebei Agricultural Machinery，2023（24）：84-86.

[71]孟淑婷.蘋果園土肥水管理技術(shù)要點分析[J].果農(nóng)之友，2024 （2）：47-49. MENG Shuting.Analysis of technical pointsof soil，fertilizer and water management in apple orchard[J].Fruit Growers' Friend，2024（2）：47-49.

[72]田秀麗，廖世林.果樹栽培技術(shù)及病蟲害防治措施[J].南方農(nóng) 機，2024，55（7）：183-186. TIAN Xiuli， LIAO Shilin. Fruit tree cultivation techniques and pest control measures[J]. China Southern Agricultural Machinery，2024，55（7）：183-186.

[73]趙巍，黃少雄，鄧鎰，陶偉，胡軍輝.基于5G工業(yè)通信技術(shù)的智 慧果園灌溉系統(tǒng)設(shè)計[J].工業(yè)控制計算機，2024，37（5）：34-36. ZHAOWei，HUANGShaoxiong，DENGYi，TAOWei，HU Junhui.Design of intelligent orchard irrigationsystem based on 5G communication technology[J]. Industrial Control Computer， 2024，37（5）：34-36.

[74]張旭東.基于物候期識別的果園智能灌溉系統(tǒng)設(shè)計與實現(xiàn)[D]. 泰安：山東農(nóng)業(yè)大學，2022. ZHANG Xudong. Design and implementation of orchard smart irrigation system based on phenological period recognition[D]. Taian：Shandong Agricultural University，2022.

[75]李港.蘋果聯(lián)合采收機的分級裝箱裝置設(shè)計與試驗研究[D].楊 凌：西北農(nóng)林科技大學，2023. LI Gang. Design and experimental research on the grading and packing device of apple combine harvester[D].Yangling：NorthwestAamp;F University，2023.

[76]張耀麗.基于物聯(lián)網(wǎng)技術(shù)的智慧果園云平臺的設(shè)計開發(fā)[D].淄 博：山東理工大學，2023. ZHANG Yaoli.Design and development of intelligent orchard cloud platformbased onInternet of Things technology[D]. Zibo： ShandongUniversity ofTechnology，2023.

[77]常崢.丘陵山地果園噴藥機監(jiān)控系統(tǒng)的設(shè)計與試驗[D].武漢： 華中農(nóng)業(yè)大學，2022. CHANG Zheng. Design and experiment of monitoring system fororchard sprayer used in hilly mountain[D].Wuhan：Huazhong Agricultural University，2022.

[78]郭玉姍.山地果園運送裝備在線監(jiān)測系統(tǒng)設(shè)計[D].廣州：華南 農(nóng)業(yè)大學，2020. GUO Yushan. Design of on-line monitoring system for mountain orchard transportation equipment[D].Guangzhou：South China Agricultural University，2020.

[79]季宇寒，李寒，張漫，王琪，賈稼，王庫.基于激光雷達的巡檢機 器人導航系統(tǒng)研究[J].農(nóng)業(yè)機械學報，2018，49（2）：14-21. JI Yuhan，LI Han， ZHANG Man， WANG Qi，JIA Jia， WANG Ku. Navigation system for inspection robot based on LiDAR[J]. Transactions of the Chinese Society for Agricultural Machinery，2018， 49（2）：14-21.

[80]BARGOTI S，UNDERWOOD JP. Image segmentation for fruit detection and yield estimation in apple orchards[J]. Journal of Field Robotics，2017，34（6）：1039-1060.

[81] 陳耀暉，李家一，鮑澤韓，郝國強，余勇華，李善軍.自主導航柑 橘表型巡檢機器人設(shè)計與試驗[J].農(nóng)業(yè)機械學報，2025，56 （3）：49-57. CHEN Yaohui，LI Jiayi，BAO Zehan，HAO Guoqiang，YU Yonghua，LI Shanjun. Design and experimentation of autonomous navigated citrus phenotype inspection robot[J]. Transactions of the Chinese Society for Agricultural Machinery，2025，56（3）：49-57.

[82] 張振乾，李世超，李晨陽，曹如月，張漫，李寒，李修華.基于雙 目視覺的香蕉園巡檢機器人導航路徑提取方法[J].農(nóng)業(yè)工程 學報，2021，37（21）：9-15. ZHANG Zhenqian，LI Shichao，LI Chenyang，CAO Ruyue， ZHANG Man，LI Han，LI Xiuhua. Navigation path detection method for a banana orchard inspection robot based on binocular vision[J]. Transactions of the Chinese Society of Agricultural Engineering，2021，37（21）：9-15.

[83]羅小波，謝天授，董圣賢.基于無人機多光譜影像的柑橘冠層 葉綠素含量反演[J].農(nóng)業(yè)機械學報，2023，54（4）：198-205. LUO Xiaobo，XIE Tianshou，DONG Shengxian. Estimation of citrus canopy chlorophyll based on UAV multispectral images[J]. Transactions of the Chinese Society for Agricultural Machinery， 2023，54（4）：198-205.

[84] 三玉彬，木樣家，小玲，練巖伙，黃吸勿，黃樣雙，明潔，基丁 無人機高光譜遙感的柑橘黃龍病植株的監(jiān)測與分類[J].農(nóng)業(yè) 工程學報，2019，35（3）：92-100. LAN Yubin，ZHU Zihao，DENG Xiaoling，LIAN Bizhen， HUANG Jingyi，HUANG Zixiao，HU Jie. Monitoring and classification of citrus Huanglongbing based on UAV hyperspectral remote sensing[J].Transactions of the Chinese Society of Agricultural Engineering，2019，35（3）：92-100.

[85]苗林林.基于無人機遙感的柑橘果樹葉面積指數(shù)反演研究[D]. 桂林：桂林理工大學，2023. MIAO Linlin.Inversion of citrus fruit leaf area index based on UAV remote sensing[D]. Guilin： Guilin University of Technology，2023.

[86]張旭.基于無人機多光譜遙感的蘋果園土壤水碳反演研究[D]. 楊凌：西北農(nóng)林科技大學，2023. ZHANG Xu. Research on the inversion of soil moisture and organic carbon in apple orchards based on UAV multispectral remote sensing[D]. Yangling：NorthwestAamp;F University，2023.

[87] 劉成良，貢亮，苑進，李彥明.農(nóng)業(yè)機器人關(guān)鍵技術(shù)研究現(xiàn)狀 與發(fā)展趨勢[J].農(nóng)業(yè)機械學報，2022，53（7）：1-22. LIU Chengliang，GONG Liang，YUAN Jin，LI Yanming. Current status and development trends of agricultural robots[J]. Transactions of the Chinese Society for Agricultural Machinery， 2022，53（7）：1-22.

[88]MAJEEDY，KARKEEM，ZHANGQ，F(xiàn)UL S，WHITINGM D.Development and performance evaluation of a machine vision systemandan integrated prototype for automated gren shoot thinning in vineyards[J]. Journal of Field Robotics，2021， 38（6）：898-916.

[89]孫麗娟.蘋果園化學疏花精準控制系統(tǒng)研究[D].楊凌：西北農(nóng) 林科技大學，2023. SUN Lijuan. Research on precise control system of chemical thinning inapple orchard[D].Yangling：NorthwestAamp;FUniversity，2023.

[90]YOU A，GRIMM C， SILWAL A，DAVIDSON JR. Semanticsguided skeletonization of upright fruiting offshoot trees for robotic pruning[J].Computers and Electronics in Agriculture， 2022，192：106622.

[91] 顧寶興，姬長英，王海青，田光兆，張高陽，王玲.智能移動水果采 摘機器人設(shè)計與試驗[J].農(nóng)業(yè)機械學報，2012，43（6）：153-160. GU Baoxing，JI Changying， WANG Haiqing，TIAN Guangzhao， ZHANG Gaoyang，WANG Ling. Design and experiment of intelligent mobile fruit picking robot[J].Transactions of the Chinese Society for Agricultural Machinery，2012，43（6）：153-160.

[92]ZHANG X， KARKEE M， ZHANG Q，WHITING M D. Computer vision-based tree trunk and branch identificationand shaking points detection in Dense-Foliage canopy for automated harvesting of apples[J]. Journal of Field Robotics，2021，38（3）： 476-493.

[93]鮑秀蘭，馬志濤，馬蕭杰，黎亦書，任夢濤，李善軍.丘陵果園 自然環(huán)境下柑橘采摘機器人設(shè)計與試驗[J].農(nóng)業(yè)機械學報， 2024，55（4）：124-135. BAO Xiulan，MA Zhitao，MA Xiaojie，LI Yishu，REN Mengtao， LI Shanjun. Design and experiment of citrus picking robot in hilly orchard natural environment[J]. Transactions of the Chinese Society for Agricultural Machinery，2024，55（4）：124-135.

[94]BLUUH V，DEGANI A， BECHAK A. A metnoaoI0gy oI orchard architecture design for an optimal harvesting robot[J]. Biosystems Engineering，2018，166：126-137.

[95]王博，毛罕平，王亞娜，潘世琦.多維度農(nóng)機多機協(xié)同技術(shù)采納 影響因素與作用機制研究[J].農(nóng)業(yè)機械學報，2023，54（1）：45-53. WANG Bo，MAO Hanping，WANG Yana，PAN Shiqi. Influencingfactorsand mechanismofmulti-dimensional agricultural machinery collaborative technologies adoption[J].Transactions of the Chinese Society for Agricultural Machinery，2023，54（1）：45- 53.

[96]羅錫文，胡煉，何杰，張智剛，周志艷，張聞宇，廖娟，黃培奎.中 國大田無人農(nóng)場關(guān)鍵技術(shù)研究與建設(shè)實踐[J].農(nóng)業(yè)工程學報， 2024，40（1）：1-16. LUO Xiwen，HU Lian，HE Jie，ZHANG Zhigang，ZHOU Zhiyan， ZHANG Wenyu，LIAO Juan，HUANG Peikui. Key technologies and practice of unmanned farm in China[J]. Transactions of the Chinese Society ofAgricultural Engineering，2024，40（1）：1-16.

[97]LIYF，HANL，LIULM，HUANG Z，WANGCL，HEXK.Design and spray performance evaluation of an air-ground cooperation stereoscopic plant protection system for mango orchards[J]. Agronomy，2023，13（8）：2007.

[98]陳成坤.空-地協(xié)同環(huán)境下果園信息共享平臺設(shè)計與實現(xiàn)[D]. 楊凌：西北農(nóng)林科技大學，2021. CHEN Chengkun. Design and implementation of orchard information sharing platform in the air-ground collaborative environment[D]. Yangling：Northwest Aamp;FUniversity，2021.

[99]賈宜霖.多旋翼無人機果園植保作業(yè)規(guī)劃及服務(wù)系統(tǒng)研 發(fā)[D].泰安：山東農(nóng)業(yè)大學，2022. JIAYilin. Scheduling for plant protection using multiple unmanned aerial vehiclesin orchard and development of service system[D].Tai'an：ShandongAgriculturalUniversity，2022.

[100]HUANGJ，LUOY，QUANQ，WANGB，XUEXH，ZHANGY M.An autonomous task assignment and decision-making method for coverage path planning of multiple pesticide spraying UAVs[J]. Computers and Electronics in Agriculture，2023，212： 108128.

[101] 謝金燕，劉麗星，楊欣，王瀟灑，王旭，劉樹騰.蘋果園內(nèi)無人割 草機多機協(xié)同作業(yè)路徑優(yōu)化算法[J].華南農(nóng)業(yè)大學學報， 2024，45（4）：578-587. XIE Jinyan，LIU Lixing，YANG Xin，WANG Xiaosa，WANG Xu，LIU Shuteng. A path optimization algorithm forcooperative operation of multiple unmanned mowers in apple orchard[J]. Journal of South China Agricultural University，2024，45（4）： 578-587.

[102] 袁帥，宗立波，熊慧君，張鵬，鄧箴.一種智慧果園系統(tǒng)的設(shè)計 與實現(xiàn)[J].農(nóng)業(yè)工程，2019，9（4）：20-25. YUAN Shuai， ZONG Libo， XIONG Huijun， ZHANG Peng， DENG Zhen. Design and implementation of a kind of intelligent orchard system[J]. Agricultural Engineering，2019，9（4）： 20-25.

[103] 郭濤，李宗南，何澤濤，黃平，王思.智慧果園移動管理服務(wù)平 臺設(shè)計與實現(xiàn)[J].智慧農(nóng)業(yè)導刊，2023，3（11）：5-8. GUO Tao，LI Zongnan，HE Zetao，HUANG Ping，WANG Si. Design and implementation of mobile management and service platform for smart orchard[J]. Journal of Smart Agriculture， 2023，3（11）：5-8.