近年、農業労働力の高齢化が顕著に進み、採用難と高額な労働力が製茶産業の発展を阻害するネックとなっている。名茶の手摘みによる消費量は茶園全体の管理労働力の約6割を占めていますが、高級銘茶の花芽は繊細で、成長位置や姿勢、密度が異なり、特に茶園内では成長位置や姿勢、密度が異なります。風や光によって変化する、構造化されていない環境。機械によるピッキングは実現が難しい。したがって、インテリジェントな茶摘み技術と適切な茶摘み技術の研究が行われています。茶摘み機械そして製茶機械我が国の茶産業の発展を促進する上で非常に重要です。

現在、国内外の高級ブランド茶摘み機の研究は始まったばかりで、まだ概念的試作テストの段階にある。現在の農業生産では農業機械と農学が両立しないこと、新芽の識別が光に大きく影響されること、背景や新芽が似ている画像を切り出すことが難しいことなど、実用化にはまだ課題がいくつかある。従来の機械学習と比較して、茶園機械茶加工機は深層学習の芽と葉の認識手法に基づいていますが、学習には大量のラベル付きサンプルが必要で、ネットワークの複雑さが増大し、ハードウェアシステムのアップグレードも問題です。マシン ビジョンと人工知能テクノロジーは、インテリジェントな茶摘み機の研究開発に優れた基盤を提供します。将来的に、インテリジェント茶摘み機は次のような開発傾向になるでしょう。茶芽の識別と位置特定における現在の困難は、茶の種と生育環境の多様性、重なり合う閉塞下での茶芽の識別戦略、動的干渉、アルゴリズムの安定性と汎用性の低さにあります。将来的には、茶画像サンプルデータセットの拡張を実現し、茶画像サンプルデータセットを充実させるために、さまざまな品種、異なる茶期、異なる等級、異なる産地、異なる照明条件の茶園の茶画像についてデータ収集を実行する必要があります。サンプルの多様性を確認し、複数品種および複数グレードの茶芽を確立します。リーフ データベースにより、アルゴリズムの汎用性が向上します。茶芽の質感は比較的柔らかく、従来の摘み取り機では芽が傷つきやすいです。

同時に、茶園の混沌とし​​た風通しの良い環境では、位置決めエラーやランダムエラーが発生しやすくなります。したがって、茶園加工機作業中に柔らかい芽を損傷しないようにし、適切な誤差補正方法を使用してください。したがって、耐障害性を備えた柔軟性を検討する必要があります。最後はエフェクターを拾います。軽量、柔軟、高速茶摘みマニピュレータの要件に従って、構造の軽量設計と対応する動作制御アルゴリズムを通じて、茶摘みエンド摘みアクチュエータとその制御システムを実現できます。同時に、シングルエンドピックアップアクチュエータの効率が低すぎます。将来的には、茶摘みの効率をさらに向上させるために、多端子摘み取りアクチュエータのタスク割り当てと動作調整計画を実現し、茶摘み効率を向上させるために、多端子摘み取りアクチュエータと効率的な制御システムを開発する必要があります。