機（jī）器視覺農業應用，幫助識別環境、監測作物-機（jī）器人-數控機床市（shì）場網

您現在的位置：機器人（rén）> 行（háng）業資（zī）訊>機器（qì）視覺農業（yè）應用，幫助識別環境、監測作物

機器視覺農業應用，幫助識別環境、監測作物（wù）

2019-12-30 來源：-- 作者：-

許多不同的技術將（jiāng）使機器人技術向農業領域過渡。有些技術需要專門為農業開發，而其他領域已經開發的技術可以適（shì）應農業領域，例如，自動化車輛、人工智能和機器視覺。在這裏我們會簡要（yào）回顧從硬件（jiàn）到（dào）軟件、多機器人係統（tǒng）和人類機器（qì）人係統的各種（zhǒng）使能技術的現狀、機會和益處。

機器人平（píng）台

農業平台可以分為特定於領域(設計用於在預定義的領域（yù）中對給定作物執行特定任務)和（hé）特定於（yú）任務（wù）(設計用於在不同領（lǐng）域執行多個任（rèn）務)的機器人和通用平台。兩者都可能扮演重要角色。由於農場（chǎng）通常有與眾不同的基礎設施，早期的機（jī）器人隻能在一個特定的農場上操作，而且（qiě）隻能在有（yǒu）限的範圍內跨不同的農場工作。

與（yǔ）當前的農用車輛類似，我們可能會看到適應特定（dìng）任務的機器人的組合，以及能夠執行多種不同任務的多用途機器人的出現，類似（sì）於現代拖拉機的無數使用案例。一個常（cháng）見的挑戰是，目前對於現實世界的（de）條件，如泥漿（jiāng）、雨、霧、低溫和高溫，大多數機器人平台都不夠穩健。例如，目前大多數的機械手都不具（jù）備處理溫室濕度的能力。

機（jī）電（diàn）一體化和電（diàn）子產品

快速還原技術和低成本處理器的發展導致3D打印和“創客”技術的使用激增，提（tí）高了低成本機器人平台在各種應用中的潛力。嵌（qiàn）入式軟件的使用，使高度可配置和特定於應用程序的平台成為可能，這（zhè）些平台可以使（shǐ）用通用的硬件模（mó）塊並適應各種角色。

雖然這（zhè）類方法已（yǐ）廣泛應用於（yú）無人機和小型機器人，但在更大範圍內，機器人技術在農業食（shí）品領域仍有很大的發展空間。從原型遷移到成熟的商業平台需（xū）要解決的問題包括穩健性和可靠性、電源管理(在某些情況下，平台需（xū）要（yào）能夠全天候長時間運行)、可用性(平台必須能夠被非專業人員有效使用)、維護(例如自我診斷)以及與移動通信的集成。

進一（yī）步（bù）的挑戰包括更好地描述與這些機器人相關的土壤（rǎng）的機械特性，能夠在惡劣天氣下（xià）操作的加固平台，實時傳感和控製算法，以使運動策略適應不斷變化的環境，以（yǐ）及與其他性（xìng）能共同設計運動方式。例如，農作物/水果收集是如何影響機器人移動的？我們需要什麽樣（yàng）的（de）運動能力才能有效地（dì）感知農作物?

運動方式（shì）

農業機器人（rén）需要在充滿挑戰的（de）動態和半（bàn）結構（gòu）化環境中移動。地（dì）麵機器人（rén）需要在不平坦（tǎn）、不均勻、泥濘的土壤上行走，而飛行器（qì）需要在不同的天（tiān）氣條件下長時間運行。目前的農業機器人主要是通過借用其他部（bù）門的技術(如無人駕駛飛（fēi）機)或作為現有平台(如自主產業者)的附件來設計的。因此，它（tā）們可能（néng）沒有針對其任務進行充分優化，或者（zhě）可能保留了（le）現有平台的一些限製。

無人機可以使用多旋翼（yì）或（huò）固定翼平台飛行(前者具有精確的（de）位（wèi）置，後者具有延長的飛行時間)，而地麵平台需要能夠在溫室中的鐵軌和混凝土（tǔ）地板上、多通道中的礫石或草地上（shàng）以及露天場地中極其泥濘和困難的地形上移動。

因此，我們將看到各種各樣的機（jī）器人以不同的方式（shì）發展起來。與拖拉機相比，這些機器人重量極輕，但由於機器人（或自主拖拉機）要執行（háng）更多的能源（yuán）需（xū）求任務，機器人的尺寸（cùn）和（hé）重量也（yě）會增（zēng）加（jiā）。今天，大多數農業機器（qì）人依（yī）靠電池和電動機運（yùn）行。

未來的發展將取決於電池技術的發展，但（dàn）在可（kě）預見的未來，我們可能會看到電動和內燃機在這一領域的發展。任何機器（qì）人平台的一個（gè）關鍵方麵是重（chóng）量和運動係統對地麵和作物的影響，因此使（shǐ）用了不（bú）同的平台，包括履帶式（shì）和多輪機器人。

平台還取決於（yú）所需的任（rèn）務，例（lì）如，重型作物收（shōu）割（gē）（如大量可耕地（dì）或塊根蔬菜）需要比軟水果采摘更重的平台。腿（tuǐ）式（shì）機器人有潛力最小化它們的足跡，同時最大化運動的靈活性（例（lì）如側向（xiàng）移動或在作物之間的狹窄空間內移動等）。它們的（de）靈活性，加上攜帶專業的傳感器，將有助於釋放精準農業（yè）的（de）全部潛力。

操縱器（qì）

未來（lái）農業的一係列任務將需（xū）要機械手，取代靈巧的人工勞動，降低成本和提高質量，或者比目前更大的機械如屠（tú）宰收割機，其能更有選擇性地進行操作。這方麵的工作（zuò）正在進行中，軟（ruǎn）抓（zhuā）具用於選擇性收獲蘑菇、甜椒、番茄、覆盆子和草莓的實驗（yàn）工作。其（qí）他應用，如花椰（yē）菜收獲可以用切割工（gōng）具來（lái）完成，但也需要溫和地處理和儲存采摘的作物。在開闊的土地上，對於受保護的作（zuò）物，有一些與收割互補的任務，機械手（shǒu）也可以（yǐ）發（fā）揮重要作用。這包括機械除（chú）草、精確噴灑和其他形式的檢查（chá）和處理（lǐ）。在食品處理應用中，如大型自動化倉庫，自動化程度的提高也需要（yào）機械手。

感覺和（hé）知覺係統

自動機器人係統中傳（chuán）感器係統的集成，為（wéi）新的測量提供（gòng）了（le）潛在可能，否則這些測量是無法獲得（dé）的。例如，目前的工作是通過應用宇宙射線傳感器，來解（jiě）決移動機器人對大量水分的（de）大範圍實地測繪。基於衛星或無人駕駛飛機的遙感能力（lì）的重大進步為以前所未有的時間和空間分辨率監測作物（wù）生長（zhǎng）狀況提供了機會，同（tóng）時成本低（dī）廉。農民可以免費獲得許多開源衛星數據集（例如來自歐洲航（háng）天局的數據）。

機器人平台還提供（gòng）了利用地理標記和采樣傳感器的即時結果（如激光誘導擊穿光譜）對土壤進行鑒定，或以係統和無汙染的方（fāng）式（shì）安全收（shōu）集樣本供以後分析。使（shǐ）用小型機器人和車（chē）載安全收集係統，將（jiāng）進一步提高使用（yòng）機器人土地管理係統的監管效率和可靠性。

本土化繪圖

隨著實時運動學(RTK)的部署，全球定位係統導航在農業中的應用變得（dé）幾乎無處不在，實時運動學允許（xǔ）拖拉機（jī）和（hé）聯合收割機等大型農業機械的自（zì）動定（dìng）位（wèi）精確到厘米。最（zuì）近，僅（jǐn）使用（yòng）全球定位係統信號數（shù）據處理的方法已經顯示出在不需要額外無線電信（xìn）標的情況下提供同等精（jīng）度的前景。準確的定位數據並不局限（xiàn）於使用GPS的無（wú）人駕駛車輛，根據所需的速度和精度，可以使用視覺基準標（biāo）記或光學、聲學、無線電信標（biāo）來提供精確的定位係統。

為了確保機（jī）器人車（chē）輛的安全運行，在現場（chǎng）檢測物體和風（fēng）險時也需要傳感器信息。為了盡（jìn）量減少對作物的損害，在許（xǔ）多應用中，在許多應用中，相對定位和導航（háng）的準確性比RTK 、GPS提供的絕對（duì）導航和位（wèi）置的準確（què）性更重要，以盡量減少對農作物的損害。例如，希望駕駛機器人車輛以厘（lí）米的精（jīng）度跟隨作物線或跟隨先前拖拉機操作留（liú）下（xià）的（de）軌跡。基於（yú）全（quán）球定位係統（tǒng）、慣（guàn）性導航係（xì）統、激光雷達、視覺（jiào）等組合的多模態係統在提供精確和魯棒的解決方案（àn）方麵具（jù）有（yǒu）進一步的潛力，而不（bú）需要信標等現場（chǎng）基礎（chǔ）設施。

例如，人們希望駕駛（shǐ）機器人車輛以厘米的精度沿著作物線行駛，或沿著以前拖拉機作業留下（xià）的（de）軌跡行駛。基於GPS、INS、激光雷達（dá）、視覺等組合的多模態係統在提供精確和穩健的解（jiě）決方案方麵有提升空間，而不需要信標等（děng）現場基礎設施。通過使用RTK全球定位係統（tǒng）被動記（jì）錄種子和雜草的地理（lǐ）空間位置，已經進行了幾次嚐試來利（lì）用（yòng）種子和雜草測繪概念。農（nóng）業機器人可以進一步裝（zhuāng）備模式（shì）分類技術，利用計算機視覺預測不同雜草的密度和種類。其他（tā）方法（fǎ）側重於無人機[28]捕獲的多光譜圖像中密（mì）集的語義（yì）雜草分類。

隨著先進視覺係統(包括深度（dù）感知、激光雷達（dá）等掃描傳感器以及用於決策和分類的人工智能)的加入，精度的（de）概念可以提升到另一個層次。地麵（miàn）機器人提供的（de）精確（què）控製激光雷達等掃描傳感器位置的能力，通過使用同步（bù）定位和（hé）製圖(SLAM)技（jì）術將精確定位數據（jù）與測（cè）距儀掃描相結合，為恢（huī）複整個作物的定（dìng）量生物量估計值，以及相關表型數據（如生長率和形態學）開辟了可能性。

同樣，機器人傳感平台提供了對昆蟲害蟲或傳粉昆蟲（chóng）運動、及其物種形成進行大麵積分析的潛力（lì），單（dān）獨使用（yòng）3D麥克風或與光（guāng）反向散射測量相結合，以（yǐ）實現（xiàn）特征飛行軌（guǐ）跡的日光測量。可以為疾病、害蟲或雜草建（jiàn）立專（zhuān）題地圖，從而實現可變速率處理，這是精準農業的一個關鍵概念。

作物監測

陸地（dì）和空中平台的使用，可以用數據融（róng）合和SLAM技術將第三維精（jīng）確地添加到作物管理中。這可（kě）以與虛（xū）擬現實或增強現實（VR/AR）係統相結合，為單（dān）個工廠規模提供監控（kòng）和幹（gàn）預（yù）的可能性。

長（zhǎng）期數據收集（jí）將（jiāng）進一步（bù）使作物建模成為可能，例如，跟蹤作物（wù）冠層的發展，從而改進對（duì）未來生長模式的預（yù）測。這種地麵（miàn）和空中機器人平台為實（shí）現局部極高信噪比、高分辨（biàn）率感測提供了額外的前景，而這種高分辨率感測（cè）可能無法通過被動遠程（衛星）或半遠（yuǎn）程（旋轉翼（yì）或（huò）固定翼（yì）無人機）感測技術來實現。從最簡（jiǎn）單的層麵來說（shuō），這（zhè）些機器人平台（tái）提供（gòng）了提取非常接近（10毫米以內）反射和透射的潛力（lì）。

多光譜（pǔ）成像(MSI)數據有助於（yú）彌補由於單個作物組織的表麵拓撲結構和方向而導致的錯誤測量。在更高級別的水平上，使用（yòng）機器人操縱器來定位農作物（wù）或牲畜周圍的傳感器，可以通過施加人工刺激（jī）來測試和檢查反應。例如，通過在作物組織的特（tè）定區域應用聚焦光束，接著調（diào）節光譜和強度，有可能在植物的特定部分(例如（rú）莖、幼葉、衰老的老葉等)內驅動光化學。

通過這（zhè）種方式，可以從植物中獲得比單獨使用被動（dòng）固定成像（xiàng）探測器所能獲得（dé）的更多的表型信息。同樣，水果、蔬菜和肉類中的細（xì）胞結構和排列也可以用高分（fèn）辨率進行無損檢測，如繪製水果的皮（pí）下損傷或肉類的脂肪比例。通（tōng）過將MSI數據與其他數據源進行融合，可以（yǐ）對作物的養分和水分脅（xié）迫進行（háng）評估。將這（zhè）些評估與作物（wù）生長模型相結合，可以更好地預測產量和損失，從而改進農業（yè）管理和更好的食品供（gòng）應鏈管理。

機器人視覺

機（jī）器視覺（jiào）方法,為實現（xiàn）食品生產中機器人係統的自主性提供了重要的（de）機會。基於視覺的作物監（jiān）測任務包括（kuò）表型、將待收割的單個作物進行分類以及質（zhì）量分析，例（lì）如檢測疾病的發作（zuò），所有這些都具（jù）有高通量數據。視覺係統也需要對水果、植物、牲畜、人等對象進行檢測、分割、分類和跟蹤，對農作物和雜草進行語義分割（gē）等（děng），使現場的機器人係統能夠進行場景分析（理解“是什麽”“在哪裏”“什麽時候（hòu）”）和（hé）安全操作。

應（yīng）用於農業的機器人視覺需（xū）要對光照、天氣（qì）條件、圖像背（bèi）景和物體外觀的變化（huà）具有穩健性，例（lì）如當植物生長時，同（tóng）時要確保足夠的精（jīng）度和實時性能，以支持機器人係統的車載決策和視覺引導控製（zhì）。需要有效的視覺方法，集成次（cì）優視（shì）圖規劃，以（yǐ）確（què）保所有相關信息可用於機器人決策（cè）和控製，例如（rú）當作物的果實（shí）或可收（shōu）割（gē）部分被葉子或雜草遮擋時。基於3D點雲分析的（de）方法，例如從立體圖像或RGB-D相機獲（huò）得的方法，給機器人在具有挑戰性的農業環境中實現穩（wěn）健的感知帶來了希望。

機器視覺已經在動物監測方麵產生了早期影響，例如用於豬、牛和（hé）家禽的體重估計、身體狀況監測和疾病檢測。個體動物識別，例如使用適應於人類麵部生物測定學工作的麵部識別技（jì）術，將允許對個體動物進行更有針對性的精確護（hù）理和及時幹預，從而確保它們的健康，並優（yōu）化農場生產。

機器人視覺通常緊密依賴（lài）於從真實世界的數據資料進行機器學習，深度神經網絡等方法獲得了牽（qiān）引力，進一步提高了機器人（rén）通（tōng）過（guò）從大數據中學習來共享知識的可能性。利用神經網絡係統作為牽引力，並進一步提高機器人通過從大數據中學習來分享知識的（de）可能性。

機器人農業（yè）中機器人視（shì）覺和機器感知的一個公開挑戰是實現開放式學習，提高適應季節變化、新出現的病蟲害、新作物品種等的能力。大多數現有工作隻考慮機器人視覺係統部署前的初始訓練階段，而（ér）不考慮在長期運行過程中學習（xí）模型的持續適應。開發用於農業機器人（rén）視覺係統的“地（dì）麵真實感”和半（bàn）監督學習的用戶（hù）界麵，也是一個開（kāi）放性挑戰。

投稿箱：
如果您有機床行業、企業相關新聞稿件發表，或進行資訊合作，歡迎聯係本網編輯部，郵箱：skjcsc@vip.sina.com

更多相關信息

名企推薦

業（yè）界視點

| 更多

行業數據

| 更多

博文選萃

| 更多

數控機床（chuáng）