目前所有的已有機器人收獲系統均為實現商業化應用，雖然理想狀態下非常具有經濟可行性，但是其在保證樣本完好情況下的采摘速度和精度，遠不及人工，其中物流環節占總周期的50%耗時，提升機械臂運行速度可以大幅縮減采摘單個樣品的時間，此外還要保證機器在運行過程中的穩定性、故障控制能力。由此可見，目前農業采摘類機器人離實際應用仍有很長的路要走。
農業作業場景具有非結構化、動態變化的特點，通過實驗發現，機器人在實驗室環境（包括規范的種植品種與固定植行，管道軌道、水泥地、固定天氣條件）與在實際作業環境下的運行效率存在較大差異，即要使自動化農業機器人應用到實際場景，還需要機器人系統適應復雜的、潛在的作業環境。
由于以上原因，目前收獲機器人的研究主要集中在單一方面，如成熟度檢測、路徑規劃、抓取操作等環節，
在甜椒機器人進行實驗的過程中其效果受到到以下幾個方面的嚴重影響（這些影響因素，對其它采摘類機器人的設計同樣具有參考意義。）
1.種植行：種植行數影響果實被遮擋的程度，影響機械臂的動作復雜性，也就影響了計算機視覺的判斷準確率和采摘效率。
2.甜椒品種：品種不同，其果實生長狀態有顯著差異，比如果柄的長度、平均成熟度、成熟時間、顏色變化
3.對莖稈和果實進行分割失敗，原因可能是實際場景過于特殊超過機器學習算法訓練數據的覆蓋范圍。
4.果實莖稈部位切割失敗，末端執行器在角度、距離上的定位不準。機械臂自由度、工作空間不夠。

[以上總結主要源于Boaz Arad，Jos Balendonck，Ruud Barth，Ohad Ben‐Shahar，Yael Edan，Thomas Hellstr?m，Jochen Hemming，Polina Kurtser，Ola Ringdahl，Toon Tielen，Bart van Tuijl等作者的Development of a sweet pepper harvesting robot一文]

關鍵詞介紹：
1.RGB-D相機：同時集成了RGB相機得深度相機。獲得2D圖像得同時向被測物體發送光線，根據光信號返回的時間，來測得物體得深度。其深度圖中得每個點都包含深度信息。一般通過剛性算法將2D圖像與深度圖像對其，消除二者視差。通過RGB-D相機，可同步獲取色彩和深度信息，能夠顯著提升物體 識別與檢測得精度，可廣泛應用于視覺引導機械手抓取、托盤于物品識別。
目前主流的3D視覺技術包括：雙目視覺利用三角測距法計算物體到相機的距離
、結構光其相機通過投射圖案，根據圖案形變計算距離
、飛行時間（Time-of-Flight）即ToF：向被測物體發送光線，根據光信號返回的時間，來測得距離，具有測量距離遠、抗光性強、遠距離精度高的特點
2。相機標定：
3.顏色恒常性：參考文獻：張金友, 張霞, 徐亮山. 基于改進SqueezeNet的顏色恒常性計算. 計算機系統應用, 2023, 32(10): 208-214.http://www.c-s-a.org.cn/1003-3254/9232.html
4.Canny邊緣檢測算法:因其低錯誤率、良好的定位性和最小影響特性，廣泛應用于計算機視覺領域，如圖像分割、目標檢測、圖像識別等，其能夠有效提取圖像中的重要特征，幫助后續的圖像分析和處理等工作。主要包括：1.使用高斯濾波器平滑圖像去噪聲2.計算梯度幅度和方向以識別灰度變化的強度和方向。3.雙閾值檢測，使用兩個閾值來確定強邊緣和弱邊緣。4.邊緣連接，使用滯后技術連接強邊緣和弱邊緣以形成完整邊緣