AHPPEBot: Autonomous Robot for Tomato Harvesting based on Phenotyping and Pose Estimation

为了解决传统自动化收获机器人的局限性，特别是其成功率不高和作物损伤的风险，我们设计了一种名为AHPPEBot的新型机器人，它能够基于作物表型和姿态估计进行自主收获。具体来说，在表型分析方面，我们采用了一个多任务YOLOv5模型和一个基于检测的自适应DBScan聚类算法来完成对番茄枝和单个水果的检测、关联和成熟度估计。在姿态估计方面，我们采用深度学习模型来预测花梗上的七个语义关键点。这些关键点有助于机器人的路径规划，最小化目标接触，并促进我们专门用于收获的末端执行器的使用。在商业温室中进行的自主番茄收获实验中，我们提出的机器人实现了86.67%的收获成功率，平均成功收获时间为32.46秒，展示了其持续和强大的收获能力。这一结果突显了收获机器人在填补农业劳动力缺口方面的潜力。

设计一种自动化收获机器人，解决传统机器人收获效率低，容易损坏作物的问题。

AHPPEBot机器人通过作物表型和姿态估计实现自主收获，通过多任务YOLOv5模型和基于检测的自适应DBScan聚类算法检测、关联和成熟度估计番茄，通过深度学习模型预测花梗上的七个语义关键点，辅助机器人路径规划，最小化目标接触，促进专门的末端执行器用于收获。

实验在商业温室中进行，AHPPEBot机器人的收获成功率达到了86.67％，平均成功收获时间为32.46秒，展示了其连续和稳健的收获能力。论文提出了一种新颖的自主收获机器人，填补了农业劳动力缺口。

近期的相关研究包括：1）基于深度强化学习的自主收获机器人；2）基于视觉传感器的自主收获机器人；3）基于机器视觉的果蔬自动收获系统。