为监控柑橘的生长情况，提出了一种通过巡检机器人获取单个柑橘果实完整表面信息的方法。使用LabelMe为标记工具，采用类圆形和类长方形分别对柑橘果实和分段枝干进行标记，在使用Mask R-CNN模型对其进行训练与识别，可从Kinect v2相机拍摄的含有深度信息的图像中提取出柑橘果实及分段枝干的三维信息。根据柑橘果实生长情况及病虫害发生实际，对柑橘果实表面进行区域化划分并采取积分制以描述其表面信息获取率。通过机械臂末端连接的CCD相机对柑橘果实进行表面信息获取，提出了获取柑橘完整表面信息的3种机械臂拍摄位姿。搭建了巡检机器人样机，并在机器人操作系统(Robot operating system，ROS)下进行了仿真，提出了实验室环境下柑橘表面信息获取流程。在实验室环境下对巡检机器人获取柑橘完整表面信息进行了实验验证。实验结果表明，柑橘果实的横纵茎比越接近1，拍摄所获取的柑橘外表面信息越完整，当采用3个拍摄位的拍摄方式时，可以在保证获取柑橘表面完整率的同时有较高的避障成功率和工作效率，柑橘表面信息获取率可达94.21%，机械臂平均运动时间为86.57 s，为农业巡检机器人获取柑橘表面情况、监控柑橘生长及病虫害提供了方法。