Yn 'e ôfrûne jierren is de fergrizingstrend fan' e agraryske arbeidskrêft signifikant yntinsivere, en de swierrichheid by it werven en djoere arbeid is in knelpunt wurden dy't de ûntwikkeling fan 'e tee-yndustry beheine. It konsumpsje fan manuele picking fan ferneamde tee is goed foar sa'n 60% fan 'e behearskrêft fan 'e heule teetún, wylst de blomknoppen fan' e ferneamde ferneamde tee delikaat binne, mei ferskate groeiposysjes, posysjes en tichtens, benammen yn 'e unstrukturearre omjouwing dy't feroaret mei de wyn en ljocht. Machine picking dreech te realisearjen. Dêrom, it ûndersyk op yntelliginte tee picking technology en de seleksje fan geskikttee plukje masinesentee ferwurkjen masinesbinne fan grutte betsjutting foar it befoarderjen fan 'e ûntwikkeling fan' e tee-yndustry fan myn lân.

Op it stuit is it ûndersyk nei high-end merknamme tee-plukmasjines yn binnen- en bûtenlân krekt begon, en it is noch yn it stadium fan konseptuele prototypetesten. D'r binne noch wat útdagings yn praktyske tapassing, lykas de hjoeddeistige agraryske produksje hat problemen lykas de ynkompatibiliteit fan lânboumasines en agronomy, de identifikaasje fan spruiten wurdt sterk beynfloede troch ljocht, en it is lestich om ôfbyldings te segmentearjen mei ferlykbere eftergrûnen en spruiten. Yn ferliking mei tradisjonele masine learen, it ûntstean fantee tún masinesen tee ferwurkjen masines is basearre op de knop en blêd erkenning metoade fan djip learen, mar fereasket in grut oantal bestimpele samples foar training, en hat in tanimming fan netwurk kompleksiteit, en hardware systeem upgrades binne ek in probleem. Mei de flugge ûntwikkeling fan masinefisy en technology foar keunstmjittige yntelliginsje, dit jout in goede basis foar it ûndersyk en ûntwikkeling fan yntelliginte teeplukmasines. Yn 'e takomst, de yntelliginte tee picking masine sil hawwe de folgjende ûntwikkeling trends. De hjoeddeistige swierrichheden yn identifikaasje en lokalisaasje fan teeknop lizze yn it ferskaat oan teesoarten en groeiende omjouwing, de strategy foar identifikaasje fan teeknop ûnder oerlappende occlusions, dynamyske ynterferinsje, en de minne stabiliteit en veelzijdigheid fan it algoritme. Yn 'e takomst, gegevenssammeling moat wurde útfierd op tee bylden fan tee tunen fan ferskate fariëteiten, ferskillende tee seizoenen, ferskillende graden, ferskillende oarsprong, en ferskillende ferljochting omstannichheden, sa as te realisearjen de útwreiding fan tee ôfbylding sample gegevens sets, ferrykjen de ferskaat oan samples, en fêstigje multi-ferskaat en multi-graad tee knoppen. Blêddatabases ferbetterje de algemienens fan algoritmen. De tekstuer fan tee knoppen is relatyf sêft, en tradisjonele picking masines binne maklik te feroarsaakje skea oan 'e knoppen.

Tagelyk, yn 'e gaoatyske en breezy omjouwing fan tee tunen, posisjonearring flaters en willekeurige flaters binne gefoelich foar foarkomme. Dêrom, detee tún ferwurkjen masinemoat de tender knoppen net beskeadigje by it wurkjen, en in passende metoade foar flaterkompensaasje brûke. Dêrom is it nedich om fleksibiliteit te studearjen mei fouttolerânsje. De ein pakt de effektor op. Neffens de easken fan ljocht, fleksibele en hege snelheid tee-picking manipulator, troch it lichtgewicht ûntwerp fan 'e struktuer en it oerienkommende algoritme foar bewegingskontrôle, kin de tee-picking end-picking actuator en syn kontrôlesysteem realisearre wurde. Tagelyk is de effisjinsje fan single-ended pickup actuators te leech. Yn 'e takomst, om fierder te ferbetterjen de effisjinsje fan tee picking, multi-terminal picking actuators en effisjinte kontrôle systemen moatte wurde ûntwikkele te realisearje taak tawizing en beweging koördinaasje planning fan multi-terminal picking actuators en ferbetterjen tee picking effisjinsje.