当前，我国的农业机械化水平仍相对落后，综合技术水平仅相当于发达国家20世纪60~70年代的水平；农业装备的研发、创新有限，存在类型规格少、水平较低、而且可靠性差等问题，远不能适应现代农业生产发展的需要。
1．丘陵山地提升农机化水平的迫切性
南方丘陵山地是我国重要的粮食、油料、蔗糖、烟叶、蔬菜瓜果、麻类作物等生产基地，在我国农业生产中有着举足轻重的地位，但是南方丘陵山地农机化水平较低，农机综合机械化率还不足10%，大部分作物机械化生产处于技术改进熟化或示范推广阶段。
尤其在浙江、湖南、云南等11个南方省份中，丘陵山地占耕地比例在60%以上，导致南方地区成了我国农机化发展的“洼地”。所以，南方丘陵山地农业生产机械化水平提升迫在眉睫。
尽管国内一些厂家针对适合丘陵山地使用的小微型机具进行了研发和改进，但由于技术成熟度不高、机型少、性能不稳定等原因，导致研发的农机具种类不适宜或者不完全适宜丘陵山地农业生产，造成了丘陵山地农机装备供给严重不足，农机化水平难以提高。
2．丘陵山地林果采摘智能自动化的必要性
目前，我国果品总种植面积和产量均占世界第1位，已成为种植业中位列粮食、蔬菜之后的第三大产业。
2000年至2015年，中国果园面积由893.2万公顷增至1,281.6万公顷，CAGR2.44%，呈现稳定增长态势。2010年至2015年，中国水果总产量由2.14亿吨增至2.74亿吨。
据中国农业科学院预测，到2024年，中国人均水果消费量将达到93.9kg，市场规模将达到3.24万亿元。林果产业已成为我国林果产区经济发展和农民增收致富的新亮点和支柱产业，规模化生产需求越来越迫切。
图1.1.2.1 中国果园面积
图1.1.2.2 中国水果产量
林果采摘是整个林果生产环节中最重要的部分，所用劳动力约占整个生产过程所用劳动力的35%~45%，且具有季节性强、周期性短、劳动强度大、劳动力成本高但却采摘效率低下的特点，严重制约了我国林果产业的进一步发展。
3.机器视觉深度学习相结合
对于林果采摘机器人研究而言，当前最大的最迫切需要解决的问题是果实的实时识别和定位不准确。在采摘过程中，机器人通过相机实时捕获图像，视场中除了果实还包括天空、枝叶、果实、大地等干扰项，而且存在重叠、遮挡，光照不均，背景复杂等因素，对识别算法的鲁棒性提出了严峻考验。
此前，基于机器视觉技术的识别、定位研究是主流趋势，但是经过多年的研究实践，仍未能很好的解决这一问题，陷入了瓶颈期。
随着计算机应用技术的不断发展，人工智能技术得到了长足的发展，尤其是识别技术和深度学习技术。目前基于深度学习技术的识别、定位研究已有初步成效。比如农业界就有位AlphaGo 已学习成为“植物医生”，可以实时告诉农业人员什么疾病正在对农作物产生影响。生物学家戴维·休斯和作物流行病学家马塞尔·萨拉斯开发的手机应用Plant Village，运用深度算法可以检测出14种作物的26种疾病，作物疾病的识别准确率高达99.35%。又如乔戈里科技在以往机器视觉技术等研究的基础上，以深度学习技术为创新突破口，在学习了近万张猕猴桃的照片后，已经能像经验丰富的一样桃农根据猕猴桃的大小、质量等自动进行分拣，目前准确率已达到90%。
由于有深度学习技术的加持，机器在后续的使用中还能不断累计数据，边工作边学习，变得越来越“聪明”。事实证明机器视觉技术结合深度学习等人工智能技术在实时精准识别、定位上大有所为。
