摘要 ：番茄作为全球广泛使用的农产品，传统采摘方式依赖大量人力，存在成本高、效率低等问题。为此，本项目设计了一款基于深度学习和物联网技术的番茄采摘机器人，利用YOLOv8模型识别番茄的成熟度，结合田间监控视频对成熟度进行预测，从而科学确定采摘时机。机器人配备鱼鳍式机械臂和麦克纳姆轮，能实现高效精准采摘。该系统集成虫情检测和土壤监测功能，全面提升作物管理智能化水平，同时通过微信小程序实现远程监控，帮助农民高效管理农场。本项目的实施将显著提高番茄采摘效率，推动智能农业发展。

关键词：番茄采摘机器人、深度学习、YOLOv8、成熟度预测、虫情检测、智能农业

0 引言

番茄是全球广泛消费的农产品，广泛用于生吃、熟食以及加工成酱料等。随着全球农业面临劳动力短缺和生产成本上升的挑战，自动化和智能化农业显得尤为重要[1]。番茄的采摘多依赖人工，不仅耗时耗力，还容易导致果实损坏。自动化采摘机器人作为替代方案，能够提高效率，减少劳动力消耗，降低果实损坏率。

当前，市场上番茄采摘机器人尚处于研发阶段，存在高成本、低成熟度识别准确率和效率等问题。因此，本项目旨在开发一款低成本、高效率、功能多样的番茄采摘机器人。

1 国内外研究

1.1番茄成熟度识别

番茄的成熟度识别是自动化采摘中的关键技术之一。传统的图像处理方法依赖颜色、形状等特征进行分类，但难以应对复杂环境中的光照变化和果实遮挡。近年来，深度学习尤其是YOLO模型在图像识别中的应用逐渐增多，成为提高成熟度识别准确率的有效手段。国内外研究通过结合YOLOv2、YOLOv5和YOLOv8等算法，提升了番茄成熟度检测的精度[2]。

1.2 番茄采摘技术

番茄采摘方法主要分为成串采摘和单果采摘。常见的采摘点识别方法包括单目视觉定位、立体视觉匹配定位[3]。机械臂的设计需要考虑到果实的生长姿态和位置，确保采摘过程不伤果。

2项目整体设计

2.1 项目建设目标

本项目目标是设计一款全自动番茄采摘机器人，通过采用深度学习和物联网技术，解决番茄采摘中的人工依赖问题。系统能够准确判断番茄的成熟度并进行自动采摘，同时结合虫情检测和土壤监测，提前预防生长问题，保障番茄的健康。

2.2 系统方案设计

本项目采用物联网技术与计算机视觉结合，设计了智能化的番茄采摘机器人。系统由摄像头、YOLOv8模型、传感器和机械臂组成。YOLOv8模型实时识别田间番茄的成熟度，通过数据分析为农场主提供最佳采摘时间建议。机器人还集成了虫情检测和土壤监测功能，通过监控和传感器为农场主提供实时数据，提升农场管理效率。

2.3 系统功能设计

（1）成熟度识别：利用YOLOv8图像识别技术，快速准确地判断番茄成熟度。

（2）自动化采摘：配备灵活的机械臂和智能导航系统，确保精准采摘。

（3）环境感知与决策支持：融合温湿度、光照等传感器数据，优化采摘时机。

（4）病虫害监测：实时监控并识别病虫害，帮助农民采取预防措施。

（5）移动应用支持：通过微信小程序，农场主可随时查看采摘进度、果实状态及环境数据。

3 项目研究成果

3.1 基于深度学习的番茄成熟度检测

番茄成熟度的准确检测对于自动化采摘系统的高效运作至关重要。为了实现这一目标，本项目采用YOLOv8深度学习模型进行番茄成熟度的检测。YOLOv8相较于之前的版本（如YOLOv3和YOLOv5），在速度和精度上都得到了显著提升，能够实时处理大规模数据，适应动态环境变化。

我们通过大量的实地采集图像数据，涵盖了不同生长阶段的番茄，并进行了数据标注。标注包括番茄的大小、形状以及表面颜色等信息。使用这些数据训练YOLOv8模型，结果表明，模型在分类不同成熟度的番茄时，准确率达到了90%以上，显著高于传统图像处理方法。

3.2 机械臂与自动化采摘系统的设计与实现

为了实现番茄的精准采摘，机器人配备了具有高灵活性的机械臂。机械臂采用鱼鳍式设计，可以适应不同姿态的番茄，并根据目标物体的位置调整角度和姿势[4]。针对番茄的特殊性（如容易受损的果皮、不同生长环境的姿态差异等），机械臂的末端配备了定制化的采摘夹爪，能够精准抓取番茄并避免损伤果实。

在自动化控制方面，机械臂通过视觉引导系统与运动规划算法相结合，确保采摘过程的准确性和稳定性。通过传感器反馈和图像识别系统，机器人能够自主判断采摘动作的执行时机，避免因误操作造成果实损坏。

3.3 基于物联网技术的田间监测与远程控制系统

除了深度学习的成熟度检测，项目还结合了物联网技术，为农场主提供实时的田间监控与远程控制功能。通过部署传感器网络（包括温湿度传感器、光照传感器、土壤湿度传感器等），系统能够实时监测环境条件，并优化采摘策略。每个传感器的采集数据上传萤石云平台，实现数据的集中处理和远程查看。

此外，本项目开发了一个基于微信小程序的远程控制平台，农场主可以通过手机随时查看农场状态。该系统不仅能提高作物管理的智能化水平，还为农民提供了便捷的远程监控手段，帮助他们及时调整农场管理策略。

3.4 虫情监测与病害预警功能

虫害是影响番茄生长的重要因素，本项目在采摘机器人中集成了虫情检测模块。通过安装高清摄像头和红外传感器，机器人能够实时监测番茄周围的环境，识别出害虫的活动区域。通过对虫情数据的分析，系统能够自动发出警报，提示农场主采取相应的防治措施，减少虫害对番茄的损害。此外，系统还结合了植物生长模型和环境数据，对潜在的病害进行预测。

4 项目总结与展望

本项目成功设计并实现了一款基于深度学习和物联网技术的番茄采摘机器人。通过YOLOv8模型的成熟度识别，机器人能够准确判断采摘时机，提升采摘效率，减少果实损坏。同时，集成的虫情检测和土壤监测功能为农民提供了科学的作物管理工具。番茄采摘机器人将在智能农业中发挥重要作用，推动农业向高效、绿色、可持续方向发展。

参考文献

[1]赵敬，杨化伟，刘光辉，等.我国果蔬采摘机器人技术发展现状及展望[J].农业装备与车辆工程，2023，61（07）：23-28.

[2]常文龙，谭钰，周立峰，等.基于改进YOLOv5s的自然环境下番茄成熟度检测方法[J].江西农业大学学报，2024，46（04）：1025-1036.

[3]郗厚印，张栋，周涛，等.采摘机器人识别抓取重叠番茄果实的方法研究[J].农机化研

[4]常财超，胡浩然，尹纪康，等.视觉引导的番茄采摘机械臂定位与轨迹控制研究[J].电子产品世界，2024，31（05）：8-12.