近年来,随着茶叶经济的发展和茶产业的扩张,传统的人工采茶方式由于效率低、成本高的缘故已无法满足发展需求,一些茶叶生产企业开始引进机械化采摘设备代替人工进行茶叶采摘。目前的机械化采茶设备一般采用“无差别”、“一刀割”的方式对茶树芽叶进行采收,且采收后仍需人工手动挑选出芽叶部分。然而,一些中高档的绿茶品种使用以上机械化采摘方式会严重影响茶叶的品质。因此,基于机器视觉的智能化采茶设备开始应用于高品质绿茶的采摘。本文以自然环境下的太平猴魁茶树芽叶为研究对象,运用YOLOv4目标检测算法和深度相机按照先识别后定位的方法对茶树芽叶采摘点的二维和三维定位技术展开研究,主要的研究内容如下:（1）在自然环境下构建猴魁茶树图像数据集。为满足卷积神经网络的训练要求,以深度相机为主要拍摄工具,结合手机、数码相机采集了多种自然环境下的猴魁茶树图像,其中手机和数码相机拍摄的图片能够丰富数据集的多样性。采用改变图像对比度和亮度的方式进行数据集增强,并对所有图像进行标注后完成数据集的构建。（2）在猴魁茶树芽叶智能识别方面,搭建了特定的计算机硬件平台和软件操作环境,并基于YOLOv4卷积神经网络和猴魁茶树图像数据集,训练得到了猴魁茶树芽叶识别模型。通过m AP和FPS等评价指标将YOLOv4和YOLOv3、Faster R-CNN的模型训练结果进行对比分析,其中YOLOv4茶树芽叶识别模型的准确率为89.62%、FPS为9.3,均高于YOLOv3和Faster R-CNN的训练结果,能够满足智能化采摘对准确性和实时性的要求。（3）在猴魁茶树芽叶采摘点的定位方面,通过YOLOv4芽叶识别模型在RGB图像中识别出芽叶区域,并在HSV颜色空间下采用H-S手动阈值图像分割法提取出芽叶主体轮廓。运用“芽梢腐蚀法”在主体轮廓中定位采摘点的二维像素坐标;将采摘点二维像素坐标带入到深度图像中获取采摘点的深度距离数据,根据深度相机标定的内部参数和相机成像矩阵,计算实现芽叶采摘点的三维定位。本文以自然环境下的猴魁茶树芽叶为研究对象,运用YOLOv4目标检测算法、图像处理等技术,对芽叶进行识别和采摘点的二维定位,并基于深度相机计算芽叶采摘点的三维坐标,基本实现了自然环境下猴魁茶树芽叶的自动识别和采摘点的三维定位功能,为智能化采茶设备的研发奠定了基础。