摘要：针对非花果同期油茶果采收效率低这一问题,提出一种侧枝振动采摘点定位方法,通过振动侧枝降低树木损伤并实现高效采收。首先构建数据集,对侧枝分段标注,向UNet中添加CloFormer注意力机制并命名为Clo-UNet,实现侧枝的二维重构。其次,在Clo-UNet基础上进一步设计采摘点定位方法并命名为Clo-UNet-Point,该方法优先选择采收离果实最远且最粗的枝条。试验表明,Clo-UNet在验证集上表现优异,其中br_con(连果枝)、danger(危险区)和br_pro(优先采收区域)的平均交并比mIoU分别达到85.36%、86.37%和81.29%,平均像素精度mPA分别达到94.97%、96.17%和89.48%,Clo-UNet在整个数据集上的mIoU和mPA分别比UNet高5.14、6.85个百分点。通过观察验证集647幅图像,Clo-UNet-Point算法在不同光照条件下均能定位到采摘点,平均检测一张图像用时0.15 s。该研究可为未来非花果同期类油茶果的自动化振动采收奠定理论基础。

摘要：为了应对油茶果采摘劳动力短缺、采摘效率低等问题,文中分类综述目前国内已研制的油茶果采摘设备,对其采摘效率、花苞损伤率、采净率等进行总结概括;通过对一些典型采摘设备的分类对比发现,目前油茶果机械化采摘普遍存在采摘效率低、花苞损伤严重和无法适应复杂的采摘环境等问题;介绍了复杂环境下基于深度学习的油茶果识别算法;并针对提高采摘效率、适应采摘环境和提高油茶综合效益提出了若干应对策略,如多光谱预测、农机农艺融合和采摘设备创新性研究等;最后,对油茶果机械化采摘设备提出了一些设计思路和参考依据。