采摘机器人的感知入口。以多光谱成像与深度视觉模型完成果实识别、成熟度判定与三维位姿估计,把「看得见」变成「抓得准」。
模组不只输出「有没有果实」,而是输出「哪一颗、熟没熟、在哪、什么姿态」——这四件事共同决定了机械臂能不能一次抓准。
在真实果园里,视觉要面对的从来不是实验室条件:晨露反光、强逆光、棚内弱光、枝叶遮挡、果实成串分布同时存在。模组针对这些条件做了专门优化,冬枣场景实测识别精准度 96%,蓝莓场景 92%。
识别只是第一步,能否稳定输出可直接执行的抓取位姿,才是视觉模组的价值所在。
以下数据来自冬枣、蓝莓基地的真实田间实测,行业平均区间为公开资料参考值。
| 能力项 | 说明 |
|---|---|
| 果实识别 | 多品类果实检测与定位,支持成串、成簇与密植场景下的果实分割 |
| 成熟度判定 | 综合色泽、果径与表面特征判定可采摘成熟度,输出可采摘果列表 |
| 三维位姿估计 | 实时输出果实空间坐标与姿态,供机械臂直接执行抓取 |
| 复杂光照适应 | 晨露反光、强逆光、棚内弱光与夜间补光场景下稳定工作 |
| 遮挡适应 | 枝叶遮挡、果实重叠、高密度种植条件下稳定检出 |
| 新作物适配 | 基于小样本 / 零样本训练快速适配新作物品类,缩短上线周期 |
视觉能力由数据、模型与标定三者共同决定,缺一不可。
田间作业图像采集、标注与数据增强,构建农业场景数据集。
面向果实形态的骨干网络,完成特征提取与多品类目标检测。
少量样本即可适配新作物品类,显著缩短新场景上线周期。
多特征融合判定成熟度与果径,输出可采摘果列表。
高精度标定打通视觉坐标系与机械臂坐标系,保障抓取到位。
模组同时接入数据闭环:田间识别与作业结果回流农业大脑,经标注与训练形成新模型版本,再通过 OTA 下发到设备端,让识别能力随作业量持续提升。
模组按平台标准化接口设计,可随整机交付,也可用于既有设备的感知升级。
已应用于二代采摘机器人(冬枣、蓝莓),随量产机型批量交付;三代平台化机型沿用同一感知架构。
向上对接农业大脑与智能调度系统,向下与末端执行器、移动底盘联动,形成完整的感知—决策—执行闭环。
识别结果与作业数据汇入农业大脑,支撑产量预测、种植方案与溯源体系,让感知能力反哺经营决策。