设施农业加速发展的大背景下，番茄采摘这个劳动密集环节长期面临效率和质量的双重压力；人工采摘劳动强度高、果实易受损；而现有采摘设备多受限于视觉识别不够精准、对环境变化适应性不足，难以满足现代温室的生产要求。针对这一痛点，山东华宇工学院跨学科学生团队深入产区调研，发现视觉识别系统的性能短板是影响采摘技术落地的关键。团队发挥计算机视觉与机械工程的专业优势，用一年时间完成算法研发并开展百余次田间测试，最终构建了具备自主知识产权的智能识别体系。技术突破主要体现在三上：一是采用改进型端到端模型，引入全局—局部协同增强，使识别精度达到87.3%，在低照度、枝叶遮挡等情况下仍能稳定识别；二是通过轻量化设计将模型内存占用压缩50%，可部署在低成本硬件平台；三是开发自主学习功能，可自动优化采摘策略，并适配不同番茄品种。应用测试显示，搭载该算法的机器人单果采摘时间约10秒，成功率68%，损伤率低于2%，单台设备日均作业量相当于3至5名熟练工人。与传统采摘方式相比，新技术在提升果实完整度的同时，也在一定程度上缓解了季节性用工紧张。农业专家认为，该成果兼具技术与应用示范意义：在技术层面提供了农业机器人低成本落地思路，在实践层面探索了更贴近生产的产学研协同路径。随着我国设施农业面积突破4000万亩，有关智能装备市场空间预计超过百亿元。团队表示，后续将继续优化算法表现，并拓展到草莓、黄瓜等经济作物的采摘场景。
从温室一线的“看不清、抓不稳”出发，以数据和工程化能力把算法做“轻”、把系统做“实”，展现了高校创新与农业需求对接的可行路径；要让科技成果真正进入田间地头，既离不开持续迭代，也需要兼顾应用端的成本控制与标准体系建设。随着更多面向问题的创新实践落地，设施农业智能化升级将走得更稳、更快。