（问题）在全球多地农业劳动力持续紧缺的背景下，采摘环节成为设施农业自动化升级的重点；但番茄等果蔬并不是“直接上机器”就能解决的作物：果实常成串生长，成熟与未成熟混在一起；果柄细小、姿态多变；叶片和枝蔓频繁遮挡。对机器人来说，“够得到”只是起点，更难的是在不伤果实和植株的前提下稳定摘取。生产现场一次失败，就可能引发挤压、落果或植株受损，进而影响商品率和后续产量。 （原因）传统采摘机器人多依赖视觉定位与路径规划，主要解决“目标在哪、机械臂怎么到”。但在番茄这种高复杂度场景里，到达并不等于成功：果柄与果实连接处的空间关系决定抓取和扭转是否顺畅；叶片遮挡会带来误判与碰撞风险；同一串果实的拥挤程度会限制末端工具的姿态选择。换句话说，采摘本质上是带不确定性的决策过程，只有把“成功概率”纳入计算，才更贴近真实生产需求。 （影响）大阪都市大学研究生院工程系助理教授藤永拓也团队介绍，他们将图像识别与统计分析结合，在机器人下手前先对每个番茄做“采摘难度”评估。系统通过识别果实位置、果柄形状与朝向、周边叶片遮挡等信息，推算更合适的采摘角度与策略，把判断从“能不能摘”推进到“成功概率有多大”。测试显示，该系统采摘成功率达到81%。其中约四分之一的成功来自“策略调整”：机器人正面尝试未果后，改从侧面切入完成采摘，表现出一定的动态决策与纠错能力。团队认为，将“采摘难度”量化为可评估指标，有助于提升机器人在复杂田间环境中的稳定性与实用性。 （对策）从应用角度看，“难度评估—策略选择—动态调整”的思路，为采摘机器人规模化落地提供了更清晰的路径：一是优先处理“低风险、高成功率”目标，减少无效尝试和果损；二是为温室生产管理提供新的数据依据，可据此优化整枝、疏叶、吊蔓等栽培操作，降低遮挡与拥挤，提高整体可采性；三是为末端执行器结构改进与训练数据采集指明方向，围绕导致失败的关键因素迭代工具形态与控制策略。 （前景）藤永拓也提出，人机协作可能是设施农业更现实的选择：机器人自主判断成熟度与采摘难度，优先处理易操作果实；人工则集中处理位置隐蔽、果柄复杂、遮挡严重等高难度目标，实现分工互补。业内人士指出，随着传感器成本下降、算法与控制系统持续迭代，采摘机器人有望从“实验室可行”走向“生产可用”。但要进入稳定产业化阶段，仍需在跨品种泛化能力、复杂光照与遮挡下的可靠识别、连续作业的维护成本、以及与温室生产流程的系统集成等深入验证与完善。有关成果已发表于《智慧农业技术》期刊。
从“抓到目标”到“评估成功概率”，再到“失败后即时换策”，番茄采摘机器人的进展反映了智慧农业从概念走向具体场景攻坚的趋势。面向未来，提升农业韧性不仅依赖单点技术突破，也需要与栽培管理、生产组织和标准体系合力推进。让机器承担更擅长的稳定作业，让人负责更依赖经验的关键判断，人机协作或将成为设施农业提质增效的可行路径。