“溫室番茄採摘常面臨成熟-半熟混合的場景，且果實常常被植株、葉片遮擋。機器人強行採摘不僅效率低，還可能損傷植株。”中國農業科學院農業信息研究所機器視覺與農業機器人創新團隊首席柴秀娟説，在現代設施農業中，機器人在密植環境下採摘需要面對相機視角受限、果實分佈複雜等挑戰。

基於這樣的研究背景，柴秀娟團隊近日研發出一種數字孿生驅動的智能溫室採摘系統，能有效解決現代溫室番茄生産密植環境下，機器人採摘效率低、易損傷植株的問題。

這套系統的核心，在於通過數字孿生技術重建一個高度還原的虛擬番茄溫室。系統包括溫室數據掃描、孿生建模、強化學習訓練與真實採摘執行四個環節。

團隊成員郎一寧介紹：“首先，機器人搭載的滑軌式深度相機會沿溫室逐行掃描，採集高精度的RGB-D數據。滑軌能從更多視角、更大範圍獲取信息，相當於給機器人‘打開了眼界’，讓它擁有溫室全局視野。”

隨後，系統會將果實、枝葉等全部在三維空間中重建，生成一個可交互的數字孿生溫室。在虛擬環境中，團隊開發的強化學習算法會嘗試不同採摘策略。“我們通過數字孿生環境下的訓練，讓模型形成決策能力，包括手臂軌跡規劃、番茄優先級選擇、採摘模式選擇等。”柴秀娟説。

訓練完成後，模型被部署到機器人中，實現從數字世界到現實世界的“遷移”。值得一提的是，這一算法具有通用性，不需要在每個溫室重新訓練，具備可推廣性優勢。

在真實溫室的測試中，這套系統展現出採摘效率提升、機械臂移動距離縮短、與植株的碰撞率降低等明顯優勢。郎一寧説：“目前單果平均採摘時效已能控制在8秒以內，在複雜場景下依然保持穩定表現。”

“傳統系統視野有限，只能局部決策。我們把訓練環境從低還原度的簡化空間提升到高度真實的三維孿生環境，使得強化學習模型的策略更加成熟。”柴秀娟説，這正是該系統相較國內外同類研究的一大突破。

智能番茄採摘只是開始。團隊成員&&，這套系統具備較強的泛化能力，有望推廣至其他溫室果蔬作物的採摘與管理任務中。

該研究得到北京市智慧農業創新團隊、中國農業科學院科技創新工程、江蘇省農業科技自主創新資金等項目資助。