我国是农业大国，而水果产业是农业中的第三 大产业，具有劳动力使用密集、进出口吞吐量大等特点 。 根据国家统计局主办的国家数据网站 (data.stats.gov.cn)提供的数据显示，2019 年我国水果产量达到 27 400.84 万吨，干鲜果品类成交额达 7 904.26 亿元，蔬菜、水果、坚果或其他植物制品 出口额为 80.50 亿美元，进口额为 14.01 亿美元。

图片来源与网络

目前，人工智能在我国水果业生产的各个环节 得到普及，从果实的种植、养护到采摘、分级和运输等环节都可以见到人工智能的影子。尤其在智 能机器人和视觉识别技术飞速发展的基础上，农业上推广了智能采摘机器人、农药喷洒无人机系统和 果实分拣包装系统等人工智能系统；因此，笔者 重点对水果智能分拣产线的现状和趋势进行分析。

1 水果产业智能技术介绍

1.1 工业机器人技术现状

随着科技的高速发展，人工智能已进入农业、工业、运输业等领域，呈现出蓬勃的发展趋势。 工业机器人技术最早在 20 世纪 60 年代由美国人提 出，作用是通过编写程序驱动机器代替人工进行各类作业。最早的机器人是由恩格尔伯格 (George Charles Dovel)设计研制。1969 年，出现了 6 个轴 全由电气化驱动的机器人—“斯坦福机械臂”，该机 器人由美国人 Victor Scheinman 发明，使得机器人 技术开始商业化。当前，世界销量排名前4 的机器人企业分别为德国的 KUKA，瑞典的 ABB，日本的 FANUC 和安川电机，他们的工业机器人本体销量 之和占据整个市场的一半以上。4 大企业介绍如 图 1 所示。

图 1 工业机器人 4 大企业介绍

1、选址翻耕。圣女果适合生长发育在土壤层较为富饶，并且自然通风和阳光照射排水设备较为好，因此选址较为关键，好的农田能促使圣女果生产量提升，也有益于期生长发育。选址后要再次开展翻种，将土壤层中残余的种子根处和野。

国际机器人协会 (International Federation of Robotics，IFR)在“World Robotics 2019”统计报告中指出，从 2016 年起，最近 4 a 内工业机器人的销量以世界 15%、亚洲 18%的速度递增，2019 年中国 市场占全球机器人销量的 40%。

在中国，埃夫特、新松机器人、富士康科技、 格力智能等公司也相继研发机器人，圣女果选果机，但是起步较晚， 市场占有量不高。截止 2019 年上半年，不同品牌机器人在中国市场占有量如图 2 所示。

图 2 不同品牌机器人在中国市场占有量

随着机器人在各行各业的普及，其完成的工序 也越来越复杂，不但能够代替人工进行装配、打包、 码垛等重复性作业，而且能够配合视觉系统进行 采摘、分拣等高精度作业。

1.2 视觉识别技术现状

视觉识别技术研究重点之一是结合工业机器人 技术对产品进行识别分拣，在果蔬生产、安全防护、 医药卫生和制造业等多个产业得到广泛应用。该 技术以光学、信号处理、机器学习等技术为基础， 以图像处理和计算机视觉技术为核心，结合工业机 器人技术，从而实现产品的识别分拣。产品识别 分拣技术关系如图3所示。

图 3 产品识别分拣技术关系

2 国内外研究现状

可以赚到20000元至28000元。\x0d\x0a栽培方式\x0d\x0a露地栽培\x0d\x0a春番茄：12月在大棚内进行热线加小棚育苗，3月下旬地膜覆盖后定植大田，5月下旬至7月下旬采收。选早熟丰产的四季红、圣女等品种。\x0d\x。

2.1 国外现状

2.1.1 市场现状

在国外，水果分拣技术已经进入商业化阶段， 很多国家，如美国、日本等，早在 20 世纪末期就开始相关技术的研究，并拥有成熟的分拣技术手段。

在美国，比较著名的分拣系统有：用于苹果分拣处理的 Merling 系统，该系统集成了视觉高速采集技术，能够实现苹果的快速分拣；通过质量进行 分拣的 Decco 系统，该系统通过对果实质量的测量 实现果实的分拣；更为先进的 Inspecttronic 系统和 Model6 系统，可以通过视觉设备采集果实的外形、 尺寸和颜色，作为果实分拣的测量依据。

在日本，通过研发红外传感器和可见光传感器来实现对水果成熟度的检测，并将该检测设备与分拣设备相结合，同步集成在苹果和梨的包装生产线上，以保证水果被无损地分拣包装。

2.1.2 研究现状

2.2 国内现状

对于种植樱桃番茄，我们在选择上也要选择产量高，耐寒性高，中早熟的品种，像圣女1号和圣女2号，甜美20，绿宝石，红钻，黄钻等，都是现在比较好的品种，在选择了品种之后，我们就要对种子进行处理，前期先把种植放在太阳底下。

2.2.1 市场现状

国内分拣技术起步较晚，大部分仍然停留在人 工配合机械系统进行水果分拣的状态。分拣系统主 要是根据特定的水果形状和质量进行分拣，并且防护措施差，对水果表面损耗度较高[20]。如国产某型 间隙式水果分拣机，仅能对苹果进行分拣，并且 6 个分级间隙是根据苹果外形大小设计，无法适用于 其他形状和大小的水果，普及性较差；另一种根据 质量对果实进行分类的水果分拣机，可以对规则形 状的水果进行分拣，但对于不规则形状如杏果、梨 等椭圆形水果无法实现分拣。国产间隙式和质量式 水果分拣机如图 4 所示。

图 4 国产间隙式和质量式水果分拣机

2.2.2 研究现状

2007 年，饶秀勤提出了通过计算水果表面积来 检测水果质量的方法，其中也针对快速检测技术进行理论研究，取得了一定的成果；2013 年杜永忠 等针对圣女果的表皮平整度提出了视觉识别算法并 改进自动分级系统，提高了圣女果自动分级系统的 准确度；2013 年，张发军等尝试将脐橙图像采集 后把图片处理为像素矩阵，使用 MATLAB 进行编程分析；2017 年，卢勇威以并联机器人为执行 器，PLC 为总控单元搭建了智能分拣系统，实现对 水果的分级分拣；2018 年，刘东海等提出了并联 机器人动态分拣系统；2019 年，张震研究了基于 Halcon 视觉的果蔬动态分拣系统。

3 水果产业智能技术发展趋势

3.1 CNN 分拣应用

水果分拣中，第一道分类工序是残次品检测分 类，通过卷积神经网络算法搭建的检测产线，可以 将水果以毫秒级的速度进行分拣处理。

图 5 传统神经网络和 dropout 神经网络对比

3.2 视觉检测光谱分析应用

水果分拣技术实现的目标在于识别水果的成熟度，而水果成熟度的判别最直观因素是水果的外部特征，但是仅从外部特征无法正确识别果实的成熟度；因此，需要从其他的参数中进行成熟度识别补充。

在光谱分析方法中，根据不同类型的水果主要 评估的参数有：果实固形物含量、水分含量、油分 含量、脂肪成分含量、游离酸度、反射率、穿透率 和光密度等。常用的光谱测量方法为近红外光谱 法(near infrared spectroscopy，NIRS)(1 100～2 500 nm)和中红外光谱法(2 500～40 000 nm) 。随着科学技术的不断更新，NIRS 与化学计量学相互交叉结合，使其快速发展形成一种分析速度快、效率高、 免预处理、无损伤、适用于在线分析的现代检测技 术，成为了水果行业乃至其他农产品行业质量鉴别 和损伤检测的优先选择技术之一。近红外光谱区 与有机分子中含氢基团(O-H、N-H、C-H)振动的 合频和各级倍频的吸收区一致，通过扫描样品的近 红外光谱，可以得到样品中有机分子含氢基团的特 征信息。中红外光谱法常用于甘氨酸等大分子颗 粒的检测，是光谱检测技术之一。

M·ZUDE-SASSE 等使用破坏性光子密度波 (photon density wave，PDW)对欧洲梨的含水量进行检测，并根据该系统对欧洲梨的成熟度进行检测， 将成熟度检测的均方根误差降低至 2.6% 。 X·D·SUN 等通过 NIRS 对橄榄的果油进行干物质含 量(dry matter content，DMC)检测，并建立橄榄果实光谱模型，预测成熟度成功率达到 92.5% 。

工业机器人系统、视觉识别系统是水果分拣中智能化实现的纽带，在水果产业中发挥了巨大的作用。传统的视觉分拣系统仅能识别果实的体积、颜 色等外部特征，分拣精度低、识别处理时间长一直是困扰科技工作者的难题。在分拣系统中加入 CNN 和使用光谱分析水果的化学性质等研究，将会大大 提高分拣精度，使水果产业进一步与国际化接轨。

1、栽种前准备 土壤准备：土对于想种菜种花的网购来说是很麻烦的，如果是从花坛或是田里挖回来的土，首先要筛一筛，把大块的颗粒都碾碎。然后如果有条件可以对进行土壤的消毒，掺入的有机肥料一定要发酵腐熟后的，尽量少用。