Автоматизированная машина для сбора фруктов

Первые эксперименты по автоматизации сбора фруктов начались в XX веке с созданием механических платформ и вибраторов для фруктовых деревьев. Массовое развитие робототехнических систем стартовало в 1980—1990-х годах с появлением промышленных роботов и совершенствованием систем компьютерного зрения. С начала XXI века исследовательские работы сместились в сторону автономных мобильных платформ и манипуляторов, оснащённых сенсорами и интеллектуальными системами управления, способными распознавать и аккуратно отделять плоды^[3].

В 2010-е годы технологии автоматизированного сбора фруктов перешли от лабораторных исследований к полевым испытаниям коммерческих прототипов. Основное внимание в первой половине десятилетия было сосредоточено на решении фундаментальных задач в области сенсорных технологий и алгоритмов для работы в неструктурированной среде сада^[4]. Ключевыми направлениями исследований стали:

• Машинное зрение для распознавания спелых плодов среди листьев и веток в различных условиях освещения^[4][5].
• Технологии захвата (энд-эффекторы), способные деликатно срывать плоды без повреждений, включая мягкие захваты и вакуумные системы^[5].
• Автономная навигация роботов в рядах без повреждения деревьев^[5].

Во второй половине десятилетия, на фоне роста стоимости ручного труда, появились стартапы, представившие коммерческие прототипы^[6].

Сбор яблок

• Abundant Robotics (США): компания, выделившаяся из SRI International, разработала робота, использующего вакуумную систему для «всасывания» спелых яблок с веток со скоростью один плод в секунду^[7]. Система использовала лидар для навигации и компьютерное зрение для определения спелости плодов. К 2019 году роботы начали применяться для коммерческого сбора урожая в Новой Зеландии^[8].
• FFRobotics (Израиль): представила прототип с несколькими манипуляторами (от 4 до 12), оснащёнными трёхпалыми захватами. В 2017 году система была способна собрать до 85–90 % плодов с дерева^[9].

Сбор клубники

• Agrobot (Испания): разработала автономную платформу SW6010 с 24 манипуляторами. Робот использовал искусственный интеллект для оценки зрелости и товарного вида каждой ягоды^[9]. Стоимость машины в 2015 году оценивалась в 250 тысяч долларов^[10].
• Octinion (Бельгия): в 2017–2018 годах компания представила робота, который использовал машинное зрение и специальный мягкий захват, напечатанный на 3D-принтере. Скорость сбора составляла одну ягоду за пять секунд, что было сопоставимо с ручным трудом, но с большей аккуратностью^[11].

К концу десятилетия стало очевидно, что автоматизация сбора нежных фруктов является реальностью ближайших лет^[8]. Несмотря на продемонстрированный потенциал, роботы ещё не могли полностью заменить человека, так как не всегда могли обнаружить плоды, скрытые густой листвой^[12].

В этот период разработка автоматизированных машин для сбора фруктов перешла от экспериментальных прототипов к коммерческим испытаниям в садах. Основными стимулами стали растущая нехватка сезонных рабочих и стремление повысить эффективность сбора урожая^[13]. Технологии, основанные на искусственном интеллекте (ИИ), компьютерном зрении и роботизированных манипуляторах, легли в основу нового поколения агророботов^[14].

Сбор яблок и косточковых

• Eve (Ripe Robotics, Австралия): робот для сбора яблок, слив и персиков, который в 2023–2024 годах проходил коммерческие испытания. Компания предложила бизнес-модель «оплаты за контейнер», что избавляет фермеров от необходимости покупать дорогостоящее оборудование^[15][16]. Система использует ИИ для анализа размера, цвета и качества плодов^[17].
• MARS (Университет Монаша, Австралия): разработанный в 2021 году робот-сборщик яблок, оснащённый системой компьютерного зрения, которая обнаруживает более 90 % видимых плодов, и манипулятором, собирающим до 85 % из них^[18].

Летающие дроны-сборщики

• Tevel (Израиль): компания разработала систему летающих автономных роботов (дронов), привязанных к наземной колёсной платформе. Дроны используют ИИ для определения спелости яблок, персиков и слив, после чего срывают их^[19]. Технология была представлена в ноябре 2024 года^[20].

Сбор ягод и овощей

• Agrist (Япония): на выставке CES 2023 года была представлена система для сбора перцев в теплицах. Робот перемещается по натянутым тросам, сканирует плоды и срезает спелые^[13].
• Robocrop (Fieldwork Robotics, Великобритания): в 2024 году компания усовершенствовала своего четырёхрукого робота для сбора клубники, улучшив распознавание ягод и скорость сбора^[18].
• Rubion (Octinion, Бельгия): робот, способный бережно собирать клубнику, сортировать её по размеру и спелости, а также прогнозировать будущий урожай^[19].

Сбор цитрусовых

• Nanovel (Израиль): в октябре 2024 года стартап представил робота с несколькими манипуляторами и вакуумными захватами для сбора цитрусовых, который способен находить плоды даже в густой листве.

Несмотря на технологический прогресс, массовое внедрение роботов остаётся ограниченным из-за их высокой стоимости. Тем не менее, по прогнозам аналитиков, мировой рынок роботов для сбора урожая в период с 2024 по 2028 год вырастет на 5,04 млрд долларов^[21], что обусловлено постоянной нехваткой рабочей силы в аграрном секторе^[13].

Работы по созданию автоматизированных сборщиков урожая ведутся и в России. В ноябре 2020 года ФНЦ ВИМ совместно с Финансовым университетом при Правительстве РФ и при технологической поддержке Microsoft представил наземного робота для сбора яблок^[22][23]. Платформа, оснащённая рукой-манипулятором^[24], по заявлениям разработчиков, обеспечивала точность распознавания плодов до 97 % и сбора до 90 %.

В конце 2024 — начале 2025 года ФНЦ ВИМ запатентовал другую разработку — беспилотный летательный аппарат (БПЛА) для сбора фруктов^[25][26]. В отличие от наземной платформы, этот аппарат представляет собой дрон, который подлетает к дереву. Он оснащён 3D-камерами, системой навигации ГЛОНАСС и несколькими манипуляторами для аккуратного сбора плодов в контейнер^[25][26].

Автоматизированные машины для сбора фруктов включают в себя платформу (часто на базе мобильного робота), манипулирующие устройства (манипуляторы, захваты, щупальца или вакуумные присоски) и системы сенсоров — видеокамеры, лазерные дальномеры и др. Алгоритмы машинного зрения идентифицируют положение плодов на деревьях, после чего исполнительный орган аккуратно отделяет фрукт от ветви во избежание его повреждения. Многие реализации используют вакуумные захваты для минимизации риска сдавливания и образования вмятин.

Математические модели работы автоматизированных машин описывают распознавание плодов как задачу компьютерного зрения — определение и локализация объектов на изображении (например, с помощью сверхточных нейронных сетей). Стратегии манипуляции задаются траекторией движения исполнительного органа, с учётом препятствий (ветвей) и оценки усилия захвата.

Роботизированные системы находят применение в садах с яблонями, цитрусовыми, черешней и клубникой. Наиболее успешно такие технологии внедряются для сбора яблок и апельсинов, где плоды имеют средний или крупный размер и хорошо заметны для сенсорных систем^[27]. Использование автоматизированных сборочных машин особенно востребовано в регионах с дефицитом сезонных рабочих или при сборе фруктов, требующих быстрой обработки после созревания для сохранения качества.

Основными компонентами автоматической системы сбора являются:

• Система машинного зрения для обнаружения и локализации плодов (алгоритмы сегментации, распознавания цвета, формы, объёма).
• Планирование маршрута исполнительного устройства в трёхмерном пространстве с обходом препятствий.
• Механические захваты — щупальца, захваты с мягкими пальцами, вакуумные присоски.
• Система автономной навигации мобильной платформы по садовому пространству.

Примером реализации являются роботы-собиратели цитрусовых и клубники, где используются визуальные сенсоры высокой чёткости, а также сенсорные системы для оценки степени зрелости и мягкости плода^[28].

Преимуществами автоматизированных машин являются:

• Снижение зависимости от ручного труда и нехватки сезонных рабочих, что является одним из ключевых стимулов развития отрасли;
• Повышение эффективности, включая скорость обработки плантаций и потенциальное снижение потерь урожая;
• Уменьшение затрат на сбор урожая в долгосрочной перспективе.

Основные недостатки и вызовы:

• Сложность обнаружения плодов: системы машинного зрения не всегда способны распознать фрукты, скрытые густой листвой, отличить их от веток или эффективно работать в меняющихся условиях освещения;
• Риск повреждения фруктов при недостаточно аккуратном механическом захвате;
• Высокая стоимость: цена на роботов остаётся значительным барьером для массового внедрения. Однако для снижения этого барьера появляются сервисные бизнес-модели, например «оплата за собранный контейнер» (robots-as-a-service), которые избавляют фермеров от необходимости покупать дорогостоящее оборудование;
• Ограничения по типу культур: наиболее эффективно роботы работают с крупными и хорошо заметными плодами (яблоки, цитрусовые), в то время как сбор мелких ягод или косточковых остаётся более сложной задачей.