近幾年來人工智慧的發展突飛猛進，ChatGPT 掀起了一陣眾所矚目的旋風，也讓人越來越看重 AI 在各種實地場景的潛力。像是搭配機械手臂進行各式的勞動力工作，就是備受期待的一項應用。在今（2023）年 3 月於馬來西亞舉辦的第 22 屆 MTE 國際發明展，大葉大學電機工程學系黃登淵教授、資訊管理學系教授陳郁文與自動控制研發廠商合作開發的「水果採摘機器人」榮獲銀牌獎。水果採摘機器人挑戰了哪些技術開發？未來又將有哪些發展潛力呢？

獲獎的研發主題為「水果採摘機器人」，但黃登淵教授著手 AI 開發的起點，卻是彰化芳苑在盛產時節往往人手不足、來不及全部採收的小黃瓜。「大葉大學地處彰化，原本就處於農村的周邊」談起產學合作的契機，自述也是農村出身的黃登淵教授，對於現階段農村人口老化、青壯年人口外移、勞動力嚴重不足的狀況感同身受，因此在接觸廠商討論需求之後，很快就同意投入以 AI 進行影像辨識、偵測小黃瓜的開發工作，搭配合作廠商專長為自動化設備，讓整個開發工作進展相當順利。

而雖然一開始設定的農產品為小黃瓜，團隊採取模組化的開發概念，以「智慧盒」與「末端執行器」兩者組合的設計模式，未來的水果採摘機器人可以因應不同的需求，替換「智慧盒」的方式更換邊緣運算的開發版，以及為了特定農產品而設計的「末端執行器」，就可以讓水果摘採機器人運用在小黃瓜、草莓等各式各樣的農產品採收。

運用機器人協助採收農產品的概念並不新鮮，在實際的開發上會遭遇到哪些困難呢？專長為影像辨識的黃登淵教授分享，水果採摘機器人在影像辨識上，以通用的 YOLO 物體偵測模型（YOLO, You Only Look Once）進行轉移學習（Transfer Learning），幾經挑戰後已經能獲得不錯的偵測結果。黃登淵教授強調，影像偵測訓練模型的重點之一，是提供最接近使用情境的訓練資料。像團隊一開始以網路的小黃瓜圖片訓練影像辨識模型，在實地辨識就不太理想，而後轉以田間現場的畫面進行訓練，才獲得理想的偵測效果。

農人在田間採收水果，動作難度不高、相當直覺，但在機器人的設計上，就需要拆解成許多不同的步驟。以小黃瓜為例，首先會遭遇到的困難，就是果實有可能會被葉片遮掩住、影像偵測無法運作，團隊規劃在機械手臂末端加上風扇，透過風力氣流讓葉片不致遮掩住果實，讓系統具備有更高的強健性。其次，影像辨識不僅要「認出」小黃瓜，更要分辨小黃瓜的成熟度，才能決定是否要進行採摘。這部分也是研究室目前著力發展的訓練階段，黃登淵教授對於目前的工作進度相當樂觀。

然後，找到了熟度剛好的果實，系統還需要進行深度估測，透過可程式化邏輯控制器 (PLC, Programmable Logic Controller）送出深度訊號來推動機械手臂，才能完成整個採摘的動作。最後，整個操作牽涉到的影像偵測、深度估測演算法，都需要再整合到邊緣運算的晶片中，才能在田野現場以機械手臂完成摘採。

現階段水果採摘機器人已經使用小型的機械手臂進行驗證，在田野間小黃瓜的偵測識別非常順利，接下來也預備針對農產品的種類設計不同的末端執行器，可以因應不同的作物特性做更換。由於合作廠商的專長為機械控制，下一階段已經預備採購大型機械手臂以進行更完整的田間測試。「可以有這樣的成果，可以說是天時地利人和，」黃登淵教授分享，團隊期待以小黃瓜為目標開發整個系統後，還可以順利延伸到其他有缺工壓力的農作物，以科技為勞動力不足的農村做出貢獻。

機械手臂之後，還可以往哪個方向研發挑戰？隨著技術演進，黃登淵教授更期待可以結合 5G 高速傳輸，將採摘現場的影像資料送回到控制中心進行大數據分析，甚至讓未來水果採摘機器人都可以遠端操控排除障礙，徹底改變未來的農業經營模式。