果園環境比較復雜，這導致實現全面自動化較困難。但是，最近美國農業部資助的兩個機器人項目可能消除果園自動化管理中的一些障礙。明尼蘇達大學（The Universityof Minnesota，UMN)）獲得了 91. 46 萬美元的資助來開發一種允許機器人在蘋果園中自主操作的規劃算法。
UMN 大學計算機科學與工程系副教授 Ibrahim Volkan Isler 同喬治亞理工學院的工程師胡愛萍一道負責機器人和傳感項目的研究。UMN 大學教授和蘋果育種家 JamesLuby 與 Cindy Tong 和 Emily Hoover 兩位教授一同來提供園藝背景。
這個項目起源于 Isler 與 Luby 和其他園藝學同事關于機器人在果園中應用潛力的一次交流對話，研究工作是在州政府一小筆“種子資助”的幫助下開始于 2014 年。當證明這一概念可行后，該小組便向美國農業部（與聯邦國家機器人創新計劃有關）申請資助，后者在去年年末給予了該項目為期三年的資助。
Isler 說：“本團隊的技術研發將聚焦于兩個任務：計數一個蘋果園中果實的數量和測量它們的直徑。最終的目的是將該技術植入一個設備——例如一個裝有攝像頭的無人機或智能手機或類似的手持設備，來拍攝圖像以獲得果實數量和直徑，并且種植者能夠很容易訪問這些圖像。
” Luby 說：“他們希望構建一個系統，該系統可依據相對廉價但全面的數據采集來幫助種植者評估每一行甚至每一棵果樹在不同生長階段的產量、樹冠體積和果實大小分布。這些數據有助于一些重要的管理決策如疏花疏果、修剪、收獲管理和營銷。該技術對果實的近距離檢查可被用來檢測糖度、干物質含量、內部害蟲危害和外觀問題，這些信息有助于對包裝、成熟度和果品質量進行潛在評估?！?
Luby 說，傳感器的復雜化和小型化成為可能以及機器人設備降價迅速且質量更好，就像過去的電腦、智能手機和其他技術一樣，他對于這一切都感到驚喜。大田作物種植戶已經嘗到了這些科技帶來的好處。但必須指出的是，這些技術并沒完全應用于特產作物上，這主要是由于花銷大和特產作物的生產系統和信息需求不同。然而，特產作物可以從大田作物應用的技術中學習借鑒一些有用的東西。
作為一個果樹育種者，Luby 對于該技術在育種中的應用潛力感到興奮。果樹作物基因組的海量信息已經隨手可得，但對于表型或植株、果實等的測量以獲得重要性狀信息對提高效率來說就越來越關鍵。
加利福尼亞
美國農部報道，加利福尼亞大學 Davis 分校獲得了美國農業部 106.96 萬美元的資金幫助開發理論和技術工具，這些工具能夠對現代果園持續高通量且性價比高的機械化收獲系統進行設計、優化并進行原型和實地測試。
加利福尼亞大學 Davis 分校的助理教授和工程師 Stavros Vougioukas 與來自加利福尼亞大學的 David Slaughter、Fadi Fathallah 和來自卡內基梅隆大學的 Stephen Nusk 一道領導這一研究項目，這個項目是加利福尼亞大學和卡內基梅隆大學合作研究。
Vougioukas 表示，如果沒有美國農業部去年秋天決定的資金支持，這個為期三年的項目是無法進行的。這個項目的目標是將機器人技術引入果園作業平臺以提高效率并增加后者的附加值。第一個目標是實現采摘平臺上每個工人垂直位置的自動化控制，從而將人采摘速度與果實密度相匹配；第二個目標是通過技術開發來形成果園產量地圖。
Vougioukas 說，該項目的想法來自加利福尼亞水果產業界。機械化作業平臺在果園中并不很普遍，其中一個原因是機械的購置花費與其帶來的收益不相當，并且該州大多數果園，如加工型水蜜桃生產上仍采用相對較低的樹體密度，這并不適合機械化采摘平臺的運用。
該項目希望解決的一個問題是：當幾個采摘工人在一臺作業平臺上采收時，采摘速度最慢的那個人成為整個作業平臺的瓶頸，你如何來緩解這個瓶頸？
Vougioukas 說：“采摘平臺上每一個采摘工人都有不同的采摘速度，這取決于兩個因素的作用：每個采摘工人的采摘速度和他們面對的果實數量。我們的想法是開發一個自動系統來測算一名采摘工人的實時采摘速度，另一個系統測算平臺行進過程中所面對的果實密度。一個用于控制平臺推進速度和每名工人高度的計算機可以將采摘速度較慢的采摘工人移至果實密度較低的區域，或者在果實密度較高的區域安排多名采摘工人協同工作。
我們研究團隊的方法是應用一個既有的作業平臺（Bandit Xpress），通過改造加上一個小型的低成本液壓升降機來控制每個采摘工人的高度，以及一個視覺系統來測量果實密度，一個中央處理單元來控制整個系統，他說。
Vougioukas 說，如果他們團隊可以開發一個有價值的原型機，其他公司就可以吸收這一技術并將它應用于任何商業化采摘平臺。他們團隊主要是針對蘋果、梨和邊桃來開展研究，但是這項技術可以應用于任何果園。