⁣
📰 机器人摘番茄，聪明又高效_行业资讯_数字中国建设峰会

在现代设施农业中，采摘番茄的机器人面临许多挑战，尤其是在密植环境下，传统机器人不仅采摘效率低，而且容易损伤植株。针对这些问题，中国农业科学院的研究团队研发了一种数字孪生驱动的智能温室采摘系统，旨在提高机器人在复杂环境中的采摘效率。该系统通过数字孪生技术，重建了一个虚拟番茄温室，包含数据扫描、建模、强化学习训练及实际采摘等环节。

系统中的滑轨式深度相机能够获取高精度的RGB-D数据，为机器人提供更广阔的视野，让其在三维空间中重建果实和枝叶。通过在虚拟环境中进行强化学习，机器人可以优化采摘策略，包括手臂轨迹规划和优先级选择。训练完成后，模型能有效迁移到实际采摘中，展现出显著的效率提升和减少与植株的碰撞。

经过测试，这一系统的单果平均采摘时间已控制在8秒以内，并且在复杂场景中表现稳定。研究团队表示，该系统具备较强的通用性，未来有望推广至其他温室作物的采摘与管理任务，标志着智能农业的新进展。

🏷️ #智能采摘 #数字孪生 #机器人技术 #番茄采摘 #农业创新

🔗 原文链接

⁣
📰 LBS-YOLO：一种用于草莓成熟度检测的轻量级模型 - 生物通

LBS-YOLO是一种轻量级模型，专门用于草莓成熟度检测，旨在解决传统人工采摘效率低和劳动力短缺的问题。该模型基于YOLOv11n架构，创新性地引入了LAWDS自适应下采样模块、BiFPN双向特征金字塔网络和C3k2_Star深度可分离卷积模块，显著提升了小目标检测精度和成熟度识别准确率。实验结果显示，模型在移动端设备上实现了实时检测，且体积仅为3.4MB，参数量减少38%。

本研究建立了包含五级成熟度的农业行业标准数据集，首次实现了从采摘到分级处理的完整技术闭环。通过动态权重分配机制，LAWDS模块降低了信息丢失率，BiFPN网络提升了多尺度特征融合效率，C3k2_Star模块则在减少参数量的同时提高了检测精度。这些技术创新为智慧农业提供了可靠的技术支撑，推动了智能采摘系统的集成与应用。

未来，LBS-YOLO将重点开发多模态融合系统，进一步拓展至其他高附加值农作物的智能采摘领域。研究表明，该模型不仅提高了草莓的成熟度分级准确率，还有效减少了农药使用量，促进了可持续农业的发展，为农业产业的现代化提供了重要支持。

🏷️ #草莓 #成熟度检测 #轻量级模型 #智能采摘 #农业技术

🔗 原文链接