农业机器人视觉传感系统的实现与应用研究

论述了农业机器人视觉传感系统的主要实现技术和当前的应用现状,包括基于视觉传感原理的距离检测技术,基于视觉传感原理的工作对象特征识别技术和基于视觉传感原理的运动导航技术.基于双目立体视觉的测距方法可应用于葡萄和番茄采摘机器人,配备激光光源和红外光源的测距系统可在室外有效抵抗日光变化对检测结果的影响.几何形状、灰度级、颜色,尤其是农产品表面的反射光谱特性,可以用于农业机器人识别操作对象.人工路标方法是实现农业机器人视觉导航的简单方法,另外,直接基于田间作物在空间排列的特征也可实现农业机器人的视觉导航.最后讨论了农业机器人视觉传感系统的未来发展趋势.     

农业机器人视觉传感系统的实现与应用研究进展

论述了农业机器人视觉传感系统的主要实现技术和当前的应用现状，包括基于视觉传感原理的距离检测技术，基于视觉传感原理的工作对象特征识别技术和基于视觉传感原理的运动导航技术。基于双目立体视觉的测距方法可应用于葡萄和番茄采摘机器人，配备激光光源和红外光源的测距系统可在室外有效抵抗日光变化对检测结果的影响。几何形状、灰度级、颜色，尤其是农产品表面的反射光谱特性，可以用于农业机器人识别操作对象。人工路标方法是实现农业机器人视觉导航的简单方法，另外，直接基于田间作物在空间排列的特征也可实现农业机器人的视觉导航。最后讨论了农业机器人视觉传感系统的未来发展趋势。     

基于串行BP网络的农业机器人视觉导航控制(英）

农业机器人视觉导航系统可引导其自身在田间自主行走,为此,必须充分有效地利用导航参数。将反馈和预视参数应用于农业机器人视觉导航系统实现导航。将当前ROI窗口划分为上下区域以获取预视导航信息和当前导航信息。根据预视导航参数、当前导航参数和反馈导航参数,利用串行BP神经网络训练并调整分配神经元间的权值和阈值,确保得到正确的输出。依据串行BP网络对系统控制算法进行测试,取得了满意的结果。农业机器人实际行走路线与理想路线横坐标的最大反馈位置偏差为-0.069 m,最大预视位置偏差为-0.043 m,最大反馈角度偏差为-3.5度,最大预视角度偏差-2度。试验结果表明,该方法能获取较高精度的导航参数。     

基于光照无关图的农业机器人视觉导航算法

完成沿作物行的行走作业是农业机器人视觉导航系统的一个基础功能,但是由于田间环境的复杂性,比如阴影的存在和天气的恶劣变化等外界因素的影响使导航参数的提取变得困难。该研究针对农业机器人视觉导航中存在的阴影干扰问题,采用基于光照无关图的方法去除导航图像中的阴影,然后采用增强的最大类间方差法进行图像分割和优化的Hough变换提取作物行中心线,最终通过坐标转换获得导航参数。最后,通过作物行跟踪试验表明,基于光照无关图的阴影去除方法不仅满足了导航实时性的要求,而且使农业机器人在光照变化的情况下导航参数提取的鲁棒性有了更大的提高。     

农业机械自动导航技术研究进展

农业机械自动导航是精准农业技术体系中的一项核心关键技术,广泛应用于耕作、播种、施肥、喷药、收获等农业生产过程。农机位置测量方法、农机模型与导航路径跟踪控制方法是农业机械自动导航技术的研究重点,受到国内外科研人员的广泛关注。农机位置测量主要有相对测量和绝对测量二类方法,前者以基于机器视觉的测量方法为代表,主要利用图像处理技术识别作物行,进而确定导航基准线,实现农机与作物的相对位置与航向信息的测量;后者则以基于全球导航卫星系统的测量方法为代表,利用卫星定位技术实现农机位置的高精度测量,在农业生产中应用最为广泛;而面对复杂的田间环境变化,在位置测量中应用多传感器数据融合技术通常可以得到更好的测量结果。导航路径跟踪控制通常以农机运动学模型或动力学模型为核心,多采用最优控制、最优估计、自适应控制、人工神经网络、模糊控制、鲁棒控制等现代控制理论与方法;而无模型控制方法则可以避免建模不准确或者模型参数剧烈变化对农机路径跟踪控制性能所产生的负面影响。该文从上述2个方面综述分析了农业机械自动导航技术的研究现状及存在的问题,并对未来农机导航技术的发展做出了展望,指出采用卫星导航技术,开展农机地头自动转向控制、障碍物探测及主动避障、多机协同导航等高级导航技术研究,以及引入先进的物联网技术,是现代农机自动导航技术发展的主要趋势。     

移动式采摘机器人研究现状与进展

采摘机器人是21世纪精准农业的重要装备之一，是未来智能农业机械的发展方向。移动式采摘机器人由机械手、末端执行器、移动机构、机器视觉系统以及控制系统等构成。机械手的结构形式和自由度直接影响采摘机器人智能控制的复杂性、作业的灵活性和精度。移动机构的自主导航和机器视觉系统解决采摘机器人的自主行走和目标定位，是整个机器人系统的核心和关键。该文对移动式采摘机器人的研究现状进行综合，提出目前采摘机器人技术发展中面临的技术难题及相应的对策，包括采用开放式控制系统。     

自动导航技术在农业工程中的应用研究进展

分析了GPS技术、机器视觉和多传感器融合技术在自动导航中的应用研究进展。GPS 技术具有较高精度，机器视觉能够采集丰富的环境信息，而多传感器融合技术能够结合GPS技术和机器视觉等导航模式的优点，用不同的传感器可组合出高精度、高可靠性的导航策略。但GPS精度和可靠性容易受到环境因素的影响，机器视觉导航应用中的图像处理受自然光线等条件的干扰很大，图像处理算法的速度不够快，多传感器融合技术在传感器精度、信息获取和处理速度以及抗干扰能力方面存在一些问题。因此解决这些存在的问题，有利于自动导航技术在农业工程中的广泛应用。     

基于知识的视觉导航农业机器人行走路径识别

目前的农业生产方式引起了环境污染、生态恶化等诸多问题，研制具有精确作业能力的视觉导航农业机器人因而被较多关注。针对导航视觉系统采集的农田非结构化自然环境彩色图像，探讨了用于行走路径识别的适宜的彩色特征，并结合农田作业时农业机器人行走路径的特点，运用路径知识启发机制识别出行走路径。与传统的阈值分割算法的对比处理试验表明，此识别算法可以明显地改善路径识别效果。     

基于自主导航和全方位转向的农用机器人设计

为了提高农业作业的自动化程度,在对传感器技术、信息技术、自动导航技术等进行研究的基础上,设计了一种自动导航农用轮式移动机器人.针对目前农业机器人存在的操纵、路径跟踪等技术问题,机器人采用四轮全方位转向,操纵灵活;利用CAN总线使导航、控制等模块的通讯效率得以改善;选用模糊控制模仿人在路径跟踪控制时的控制策略,提高了移动机器人的智能化程度.仿真和试验表明机器人有较好的转向性能且在速度为1 m/s时跟踪路径的偏差为0.1 m左右.     

改进DeepLabV3+算法提取无作物田垄导航线

机器视觉导航是智慧农业的重要部分,无作物田垄的导航线检测是旱地移栽导航的关键。针对无作物田垄颜色信息相近、纹理差距小,传统图像处理方法适用性差、准确率低,语义分割算法检测速度慢、实时性差的问题,该研究提出一种基于改进DeepLabV3+的田垄分割模型。首先对传统DeepLabV3+网络进行轻量化设计,用MobileNetV2网络代替主干网络Xception,以提高算法的检测速度和实时性;接着引入CBAM（convolutional block attention module,CBAM）注意力机制,使模型能够更好地处理垄面边界信息;然后利用垄面边界信息获得导航特征点,对于断垄情况,导航特征点会出现偏差,因此利用四分位数对导航特征点异常值进行筛选,并采用最小二乘法进行导航线拟合。模型评估结果显示,改进后模型的平均像素精确度和平均交并比分别为96.27%和93.18%,平均检测帧率为84.21帧/s,优于PSPNet、U-Net、HRNet、Segformer以及DeepLabV3+网络。在不同田垄环境下,最大角度误差为1.2°,最大像素误差为9,能够有效从不同场景中获取导航线。研究结果可为农业机器人的无作物田垄导航提供参考。     

智能施药机器人关键技术研究现状及发展趋势

喷施化学农药是病虫害防治最主要的手段,对保证作物的产量起着至关重要的作用。传统的施药机械工作效率低,且使用同一施药量进行连续喷施作业易造成农药浪费、环境污染。随着农业智能化发展,机器人被广泛应用到农业植保作业中,智能施药机器人以减少劳动力投入、提高农药利用率、减少农药施用量以及减少环境污染为目的,实现了更加高效、精准的病虫害防治。智能施药机器人是集复杂农业机械、智能感知、智能决策、智能控制等技术为一体的现代农业施药装备,可自主、高效、安全、可靠地完成施药作业任务。为明确智能施药机器人及关键技术的国内外研究现状,本文总结了适用于不同作业场景的施药机器人的应用进展,从智能施药机器人的移动平台设计、喷雾装置设计、导航技术、智能识别技术4个方面进行分析,结合施药机器人作业环境的复杂多变性,分析智能施药机器人关键技术的现存问题,阐述智能施药机器人未来的发展趋势是精准变量施药、自主导航以及无人化作业,以期为智能施药机器人在未来的研究提供参考。     

中国农业信息化技术发展现状及存在的问题

围绕农业传感器技术、精细农作技术、农业机器人技术、农业物联网技术和农业信息服务技术五大方面,对农业信息化前沿技术的发展态势进行了分析,同时探讨了中国农业信息化前沿技术发展存在的问题并提出了相应的建议。研究表明,农业传感器技术是农业信息获取与信息化的基础,精细农作技术代表了当今农业装备的先进水平,农业机器人技术是未来农业智能装备的重要方向,农业物联网技术是农业监管与质量监控的有效手段,农业信息服务技术则愈来愈聚焦农业信息服务中的云存储、云计算、云服务和移动互联的关键技术问题。     

基于中值点Hough变换玉米行检测的导航线提取方法

为解决机器视觉对早期玉米苗带在多环境变量下导航线提取耗时长、准确率低的问题,该研究提出了一种基于中值点Hough变换作物行检测的导航线提取算法。首先,改进了传统的2G-R-B算法,再结合中值滤波、最大类间方差法和形态学操作实现土壤背景与玉米苗带的分割。其次,通过均值法提取玉米苗带特征点,然后采用中值点Hough变换拟合垄间两侧玉米苗列线,最后将检测出的双侧玉米苗列线为导航基准线,利用夹角正切公式提取导航线。试验结果表明：改进的灰度化算法能够正确分割玉米苗带与土壤,处理一幅640×480像素彩色图像平均耗时小于160 ms,基于中值点Hough变换检测玉米苗列再提取导航线的最大误差为0.53°,相比于传统Hough变换时间上平均快62.9 ms,比最小二乘法平均精确度提高了7.12°,在农田早期玉米苗带多环境变量影响因素下导航线提取准确率均达92%以上,具有较强的可靠性和准确性。     

农业机器人视觉导航的预测跟踪控制方法研究

农用拖拉机的视觉导航技术可以帮助人员远离某些高温、高湿以及有毒害的作业环境，提高作业的自动化智能化程度，还能实现精确定点作业以促进农业可持续发展等。该文首先分析了轮式拖拉机跟踪引导路径的行为特点，建立起相应的非线性随机数学模型。而后，基于卡尔曼滤波的思想融合了各传感器的观测值给出预测跟踪控制方法。避免了视觉系统为主的计算耗时导致状态反馈滞后而产生的不利影响，改善了导航控制的鲁棒性和精度。仿真和初步试验结果都表明了此方法的有效性。     

农业机械导航路径跟踪控制方法研究进展

路径跟踪控制技术作为农业机械导航的核心,是提高控制系统控制精度和对环境适应性的关键,可提高农机具作业精度和效率,同时可避免重复作业和遗漏现象,减少农业生产资料浪费。该文根据农业机械导航路径跟踪控制方法中是否涉及农机模型,将路径跟踪控制技术分为与农机运动学模型相关、与农机动力学模型相关以及与模型无关的路径跟踪控制方法。通过对原理的解析明确了各类控制方法的优缺点,及对现有解决方案进行了总结分析,指出了现有方案存在共性或个性问题,由此完成了对现阶段国内外针对农业机械导航路径跟踪控制方法的研究进展的阐述。通过对各类控制方法适用性及农机导航产品发展现状的分析,提出了农机导航路径跟踪控制方法的发展展望,以期为后续路径跟踪控制方法的研究提供指导性方向和有针对性的参考,具体如下：1）明确了现有模型对农机运动过程描述的局限性,指出高精度农机模型研究的必要性;2）为提升控制方法自适应性和鲁棒性,研究需从常规工况向极限工况和复杂工况拓展;3）明确单一控制方法的局限性,明确多方法融合控制的发展趋势。     

基于多学科技术融合的智能农机控制平台研究综述

农业机械的自动化和智能化包含内容广泛,有农机定位与导航,动态路径规划,机器视觉和远程监控等,牵涉到大量的工程技术学科,包括导航、图像、模型与策略、执行器以及数据链等。农机定位与导航一般采用基于农机运动学模型结合GPS(global positioning system)/IMU(inertial measurement unit)组合导航信息,在导航路径规划算法指引下实现农机轨迹跟踪的方法。建立的农机运动学模型精度,GPS数据的连续性以及惯导器件误差系数漂移等因素都会影响该方法的有效性。路径跟踪通常采用各种现代控制理论与方法,而面对复杂的田间作业环境变化,农机的自主避障以及动态路径规划能力也会影响轨迹跟踪精度。机器视觉的稳定性和目标特征信息分离度影响着农机环境感知能力,目前目标识别主要采用hough变换,hough变换的全局检测特性决定了该算法运算量较大,需要探究改进特征提取算法。远程监控农机作业是智能农机发展的一个方向,构建无线导航,控制和视频数据传输网络有助于提高农机的智能化水平,可以采用分布式哈希表(distributed hash table)来研究网络覆盖和互联技术。该文融合多个学科,从高精度定位与导航技术、复杂环境及工况下农机运动精确自主控制技术、稳定清晰的机器视觉感知技术和基于4G网络和新一代物联网的高覆盖数据传输技术几个方面,论述了智能农机在光机电液多个学科领域内的研究现状,并指出采用北斗地基增强网络和网络RTK(real-time kinematic)技术、惯导定位误差精确建模与补偿、环境感知与自主避障、立体结构自组网技术以及多机协作是现代农业机械的发展方向。以期为现代化智能农业机械的设计提供参考。     

智能农机GNSS/INS组合导航系统设计

为提高自动导航农机的定位精度和可靠性,该研究设计了基于全球导航卫星系统(GlobalNavigationSatellite System, GNSS)和惯性导航系统(Inertial Navigation System, INS)的智能农机组合导航系统,该系统根据来自INS的三轴姿态角速度、加速度信息以及高精度定位板卡的三轴位置、速度信息,采用松耦合模式,通过卡尔曼滤波对INS误差实时校正,解算出农机的精准位置、速度和姿态信息。为实现该组合导航系统,设计和制作了智能农机控制板,集成GNSS高精度解析板卡和惯性测量模块,并在控制板上实现组合导航算法。搭建了东风DF1004-2智能农机试验平台,并在试验田中分别进行静止和直线行驶状态下的试验和单独GNSS导航与组合导航效果的对比。试验结果表明,在农机静止状态,两者性能接近,定位误差均在1 cm以内,姿态角误差均在0.1°以内;在农机以2 m/s的速度按照预设直线行驶时,单独GNSS导航位置误差在6 cm以内,姿态角误差在1°以内,GNSS/INS组合导航位置误差在3 cm以内,姿态角误差在0.5°以内,GNSS/INS组合导航精度明显的提升,可为高精度农机自动导航控制提供技术支持。