新疆農(nóng)業(yè)科學 2021 58 8 1547 1557 Xinjiang Agricultural Sciences doi 10 6048 j issn 1001 4330 2021 08 022 設(shè)施蔬菜自動對靶噴藥技術(shù)研究現(xiàn)狀與分析 楊征鶴 1 楊會民 2 喻 晨 2 陳毅飛 2 周 欣 2 馬 艷 2 王學農(nóng) 2 1 新疆農(nóng)業(yè)大學機電工程學院 烏魯木齊 830052 2 新疆農(nóng)業(yè)科學院農(nóng)業(yè)機械化研究所 烏魯木齊 830091 摘 要 目的 回顧與總結(jié)國內(nèi)外設(shè)施蔬菜自動對靶噴藥技術(shù)的研究現(xiàn)狀與進展 為該技術(shù)在設(shè)施蔬菜自動 對靶噴藥機器人的發(fā)展應(yīng)用上提供理論和科學依據(jù) 方法 采用相關(guān)文獻資料 實地調(diào)研的方法 匯總 整 理及分析 結(jié)果 導航技術(shù)國外主要采用基于 GPS 機器視覺 激光雷達等技術(shù)開發(fā)的路徑識別及智能避障 技術(shù) 國內(nèi)主要采用電磁誘導 基于 GPS 激光雷達和視覺技術(shù)的道路邊緣獲取與道路識別技術(shù) 病蟲害檢測 現(xiàn)階段國外主要采用圖像識別 紅外成像和高光譜及基于深度學習的病蟲害識別技術(shù) 技術(shù)較為成熟 國內(nèi)現(xiàn) 階段主要采用圖像識別技術(shù) 利用作物顏色 紋理及形狀特征進行識別 國外對靶噴藥采用機器視覺 激光主 動視覺和超聲波技術(shù)并結(jié)合傳感器對目標作物進行識別 利用變速噴藥技術(shù)在生菜 番茄等作物上進行了應(yīng) 用 國內(nèi)開發(fā)了溫室自主噴藥機器人 采用機器視覺技術(shù)獲取靶標病蟲害位置信息 對噴頭進行單獨控制 以 達到精準對靶施藥的效果 結(jié)論 導航技術(shù) 病蟲害識別技術(shù)及對靶噴藥技術(shù)是自動對靶噴藥技術(shù)的核心 導航方面在溫室中利用機器視覺和激光雷達技術(shù)相比 GPS 技術(shù)更加可靠 靈活 精準度更高 高光譜與病蟲 害識別技術(shù)可提高病蟲害識別的效率 對靶噴藥技術(shù)中目標作物的識別與冠層稠密程度的判斷是發(fā)展趨勢 關(guān)鍵詞 設(shè)施蔬菜 溫室 導航技術(shù) 病蟲害識別 對靶噴藥 趨勢 中圖分類號 S224 3 文獻標識碼 A 文章編號 1001 4330 2021 08 1547 11 收稿日期 eceived 2020 06 10 基金項目 自治區(qū)重大專項 設(shè)施農(nóng)業(yè)信息化智能化裝備系統(tǒng)構(gòu)建與集成示范 20219860 作者簡介 楊征鶴 1994 男 山東菏澤人 研究生 研究方向為設(shè)施農(nóng)業(yè)裝備 E mail 247329956 qq com 通信作者 王學農(nóng) 1964 男 陜西漢中人 研究員 碩士生導師 研究方向為農(nóng)業(yè)機械化技術(shù)裝備 E mail xjwxn2010 sina com 0 引 言 研究意義 我國的設(shè)施蔬菜的種植面積 400 10 4 hm 2 1 新疆的設(shè)施蔬菜栽培面積也達到 3 57 10 4 hm 2 2 在溫室密閉 高溫高濕的環(huán)境 會導致病蟲害發(fā)病重 繁殖快和防治困難 嚴重時 損失高達 50 以上 目前主要采取的措施是化學 防治 但是使用農(nóng)藥的頻次高 劑量大 每 667 m 2 農(nóng)藥使用量為大田作物的十幾倍 甚至更多 3 農(nóng)藥有效利用率僅 20 40 3 隨著自動化 信息化技術(shù)以及傳感器技術(shù)應(yīng)用于精準施藥和智 能機械的研發(fā) 發(fā)達國家的農(nóng)藥利用率已經(jīng)提高 到 50 60 的水平 5 目前我國的施藥技術(shù) 和藥械與外國相比存在一定差距 6 7 使用自動 對靶噴藥技術(shù)對我國設(shè)施蔬菜進行變量施藥 可 減少農(nóng)藥污染 前人研究進展 自動對靶噴藥 技術(shù)的發(fā)展主要經(jīng)歷了 2 個發(fā)展階段 8 第一階 段是能夠引導噴藥機器人在合適的路徑上進行目 標作物檢測 從而進行的施藥 如何雄奎等 9 研 制的果園自動對靶靜電噴霧機 通過紅外傳感技 術(shù)探測靶標的有無 并使用靜電噴霧技術(shù) 從而達 到最佳的施藥效果 第二階段是隨著導航技術(shù) 傳感器技術(shù)和病蟲害識別技術(shù)的發(fā)展 需要施藥 機器人自主判別靶標的有無 作物冠層的大小 目 標作物病蟲害及長勢等特征 并按需噴藥 10 這 種作業(yè)方式提高了農(nóng)藥使用率 Yang 等 11 研制 的雜草自動識別施藥機 使用攝像機采集作物信 息 處理器區(qū)分出雜草與作物 并且能夠根據(jù)雜草 的數(shù)量決定施藥量 本研究切入點 采用自動 化程度更高的自動對靶噴藥機器人來代替人工施 藥 減少藥物浪費和藥物污染 溫室環(huán)境復(fù)雜 在 噴藥潮濕的環(huán)境中 激光 視覺等傳感器會受到影 新疆農(nóng)業(yè)科學 58 卷 響 影響噴藥機的正常工作 各類控制系統(tǒng)有著 處理延遲 實時性差的劣勢 與人工施藥相比有著 難以彌補的差距 病蟲害識別技術(shù)的發(fā)展限制 使得病蟲害檢測技術(shù)在線指導自動噴藥設(shè)備按需 施藥成為一個暫時的技術(shù)難點 目標作物冠層枝 葉稠密程度的檢測是對靶噴藥過程中的難點 如 何精確檢測出作物的稠密程度 從而確定噴藥量 還需要深入的研究 研究采用文獻分析的方法 綜述國內(nèi)外設(shè)施農(nóng)業(yè)蔬菜自動對靶噴藥技術(shù)現(xiàn)狀 與分析 擬解決的關(guān)鍵問題 收集 整理和分析 國內(nèi)外研究文獻 總結(jié)自動對靶噴藥技術(shù)的研究 現(xiàn)狀 自動設(shè)施蔬菜自動對靶噴藥技術(shù)研究進展 為設(shè)施蔬菜自動對靶噴藥技術(shù)的深入研究提供理 論基礎(chǔ)和科學依據(jù) 1 材料與方法 1 1 材 料 收集國內(nèi)外設(shè)施蔬菜自動對靶噴藥技術(shù)的相 關(guān)文獻 分析目前自動對靶噴藥技術(shù)并匯總及系 統(tǒng)綜述 1 2 方 法 采用相關(guān)文獻及實地調(diào)研 2 結(jié)果與分析 2 1 導航技術(shù) 2 1 1 國外導航技術(shù) 近年來農(nóng)業(yè)導航傳感器數(shù)量迅速增加 自主 移動機器人系統(tǒng)采用全球定位系統(tǒng) GPS 視覺 技術(shù) 激光距離掃描儀等不同的傳感器作為主要 的傳感系統(tǒng) 并結(jié)合一些如里程表 慣性測量單元 IMU 數(shù)字羅盤和陀螺儀等作為輔助傳感器 以 補充主要的傳感系統(tǒng) 基于 GPS 導航技術(shù)已經(jīng)應(yīng)用到廣泛的農(nóng)業(yè)作 業(yè)中去 為提高傳統(tǒng) GPS 導航系統(tǒng)的精度 開發(fā) 了差分全球定位系統(tǒng) DGPS 和實時運動學全球定 位系統(tǒng) TK GPS 已有學者使用 TK GPS 作為農(nóng)業(yè)車輛轉(zhuǎn)向系統(tǒng)的唯一定位傳感器 12 但 這種導航技術(shù)存在一定的局限性 因此 GPS 導航 技術(shù)常與其他傳感器結(jié)合 以提供更準確的導航信 息 Eaton 等 13 使用 TK GPS 與慣性測量單元 相結(jié)合 Nagasaka 等 14 使用 TK GPS 與光纖陀 螺儀相結(jié)合 以提高導航精度 Norremark 等 15 研 制了一種無人駕駛除草機 除草機的控制系統(tǒng)由 TK GPS 導航系統(tǒng)與傾斜傳感器組成 這種基于 GPS 導航系統(tǒng)能夠?qū)崿F(xiàn)在預(yù)設(shè)的平行于作物行線 的路徑上實現(xiàn)自動導航 且誤差較小 使用 GPS 導航最常見的問題包括衛(wèi)星信號的干擾 多路徑問 題和來自其他射頻源的干擾 視覺技術(shù)具有成本效益和提供大量信息的優(yōu) 點 為農(nóng)業(yè)機器人提供轉(zhuǎn)向信號 在農(nóng)業(yè)中的應(yīng)用 變得越來越普遍 Okamoto 等 16 研究了一種基 于彩色 CCD 相機的除草中耕機自動跟隨控制系 統(tǒng) 該系統(tǒng)利用作物行圖像來確定中耕機與目標 作物行之間的偏移量 偏移量的預(yù)測提高了行跟 蹤的精度 Benson 等 17 開發(fā)了一種基于機器視 覺的單色攝像機谷物收割機導航系統(tǒng) 該制導算 法基于作物切邊的橫向位置 能夠準確定位作物 行距 Nissimov 等 18 使用 Kinect 傳感器進行溫 室中的障礙物檢測 其中 Kinect 傳感器由紅外 激光發(fā)射器 一個紅外攝像頭和一個 GB 攝像頭 組成 提供了同步的顏色和深度信息 障礙物檢 測決策是利用像素點的斜率 強度和相鄰點的信 息來進行的 并且利用顏色和紋理特征對可疑的 障礙物進行分類 該方法有較好的成本優(yōu)勢 但 是在障礙物被遮擋時誤差較大 Delfin 等 19 提出 了一種基于視覺技術(shù)的定位算法 利用虛擬機和 拓撲結(jié)構(gòu)來尋找最合適當前視覺信息的關(guān)鍵圖 像 另外配備了可視化路徑規(guī)劃器 當一個新的 障礙物被機器人的 GB D 攝像機檢測到時 虛 擬機會更新 會重新規(guī)劃路線 經(jīng)試驗評估該導 航方案具有良好的導航性能 激光導航原理是利用三角測距原理 測量周 邊物體與激光發(fā)射器之間的距離 然后實現(xiàn)路徑 規(guī)劃 激光傳感器有著高分辨率和獲取信息量大 等優(yōu)點 并且能夠在不同的天氣和環(huán)境下進行可 靠工作 eiser 等 20 利用水平激光儀 借助高精 度全站儀在作物行中進行導航 Yokota 等 21 開 發(fā)了一種自動機器人 利用激光掃描儀收集周圍 作物生長和產(chǎn)量的空間信息 Weiss 等 22 利用三 維激光雷達傳感器對植物和地面進行檢測和分 割 實現(xiàn)自主農(nóng)業(yè)機器人的定位 測繪和導航 Houssein 等 23 提出了一種結(jié)合人工勢場在溫室 中進行自主導航的方法 采用安裝在機器人前段 的單個激光雷達傳感器 利用 SLAM 同步定位與 8451 8 期 楊征鶴等 設(shè)施蔬菜自動對靶噴藥技術(shù)研究現(xiàn)狀與分析 映射 進行姿態(tài)估計 并利用 APF 控制器保證了 自主導航 試驗結(jié)果表明 基于此方法導航的機 器人能夠適應(yīng)作物生長引起的結(jié)構(gòu)變化 并且能 夠在人的在場下安全操作 圖 1 注 1 移動平臺 2 自動駕駛儀 3 工控機 4 接收器 5 攝像 頭 6 超聲波傳感器 7 激光雷達傳感器 Note 1 Mobile platform 2 Autopilot 3 Industrial Computer 4 The receiver 5 Camera 6 Ultrasonic sensor 7 Lidar sensor 圖 1 溫室自主導航機器人結(jié)構(gòu) Fig 1 Structure diagram of greenhouse autonomous navigation robot 2 1 2 國內(nèi)導航技術(shù) 中國農(nóng)業(yè)大學的楊世勝等 24 研發(fā)了一種電 磁誘導農(nóng)用噴霧機器人 開發(fā)了噴霧機器人位置 檢測傳感器和磁標志傳感器 實現(xiàn)了機器人的自 動行走 并且在道路上安裝了行首與行尾和切換 標志 這種導航方式比較適合溫室這樣比較密閉 的環(huán)境使用 圖 2 賈士偉等 25 對溫室機器人的道路邊緣檢測 與路徑導航進行了研究 該研究主要利用二維激 光雷達檢測道路邊緣 利用基準道路寬度來進行 偽道路的剔除 進而生成導航調(diào)速控制指令 試 驗表明 該溫室機器人對于作業(yè)道路要求較高 在 凹凸不平的路面上適應(yīng)能力較差 圖 3 山東農(nóng)業(yè)大學的張群等 26 提出了一種運用 視覺導航溫室機器人路徑識別算法 運用單目攝 像機獲取番茄種植環(huán)境的圖像信息進行處理 把 圖像轉(zhuǎn)化為二值圖像 根據(jù)目標作物的位置來獲 取導航離散點 進而通過 Hough 變換得到導航路 徑 試驗結(jié)果表明 機器人能夠?qū)τ诘缆沸畔⑻?取的正確率達到 95 7 且基于機器人對于連續(xù) 動態(tài)圖像分析 該路徑識別方法具有較好的實用 性和適用性 Jiang Jin 等 27 提出了一種基于視覺信息導 航技術(shù)方案 將視覺信息作為路徑處理的信息 源 根據(jù)所建立的路線 在遇到障礙物的過程中 算法實時調(diào)整軌跡 滿足移動機器人智能控制的 目的 試驗結(jié)果表明 該系統(tǒng)能夠充分獲取障礙物 信息 保證了機器人運動的實時性和準確性 但是 在機器人控制的過程中 系統(tǒng)的實時性 目標特性 的多樣化 路面的不確定性等問題還有待于進一 步的研究 圖 2 電磁誘導系統(tǒng)示意 Fig 2 Schematic diagram of electromagnetic induction system 注 1 激光測距儀 2 顯示器 3 驅(qū)動電機 4 前輪 5 后輪 Note 1 Laser rangefinder 2 Monitor 3 Drive motor 4 The front wheel 5 The rear wheel 圖 3 機器人導航系統(tǒng)示意 Fig 3 Schematic diagram of robot navigation system 2 2 病蟲害檢測技術(shù) 2 2 1 國外病蟲害檢測技術(shù) 遙感技術(shù)是農(nóng)業(yè)工程中檢測病蟲害信息的重 要手段 但是遙感技術(shù)獲得的病蟲害信息均為大 尺度信息 主要用于大范圍的管理決策 而不是針 對田間實時變量噴霧 29 且并不適用于溫室環(huán) 境 國外對于病蟲害識別技術(shù)研究較早 且有著 9451 新疆農(nóng)業(yè)科學 58 卷 較為完善的可見光數(shù)據(jù)庫 傳統(tǒng)的圖像識別技術(shù) 主要包括降噪 腐蝕 增強 對圖像各個顏色空間 特征和紋理特征的提取和建模等 Schor 等 30 研 發(fā)了一套室內(nèi)辣椒機器人病蟲害檢測系統(tǒng) 用于 對辣椒白粉病和番茄病的聯(lián)合檢測 系統(tǒng)由 GB 紅綠藍 照相機和激光傳感器組成 利用閾 值分割并進行圖像處理 再基于主成分分析和變 異系數(shù)進行病蟲害的檢測 傳統(tǒng)識別方法在實際 的使用中非線性數(shù)據(jù)的建模識別成功率較低 導 致識別成功率并不高 31 現(xiàn)在病蟲害識別技術(shù) 逐漸采用紅外光譜和高光譜成像 這種技術(shù)可以 很好的反映出被測物的外部特征 內(nèi)部化學特征 含量和生理結(jié)構(gòu)的變化 更容易在早期識別出被 測物是否發(fā)生病變及化學成分的變化 美國內(nèi)布 拉斯加大學的 Pandey 等 32 利用高光譜成像技術(shù) 量化玉米和大豆植物體內(nèi)的各種元素的含量 利 用每種植物的反射光譜 建立偏最小二乘回歸模 型以將光譜數(shù)據(jù)與化學數(shù)據(jù)相關(guān)聯(lián) 測試結(jié)果的 含水率 宏量元素 微量元素的準確率分別在 93 69 92 19 86 為解決傳統(tǒng)農(nóng)作物病蟲害識別過程中建模 識別成功率低的問題 一些學者提出了基于深度 學習的農(nóng)作物病蟲害識別技術(shù) 深度學習的建模 方法相較于傳統(tǒng)的圖像處理手段省去了大量的預(yù) 處理手段 只需要將圖像裁剪成合適尺寸即可以 進行圖像識別 縮短了識別時間且大幅度提高識 別準確率 Tian 等 33 提出了小麥 4 種主要病害 白粉病 小麥銹病 葉枯病和條紋狀小麥銹病的檢 測方法 通過獲取病態(tài)小麥的 3 種特征 顏色特 征 紋理特征和形狀特征 并將其作為 3 種相應(yīng)分 類器的訓練集 該系統(tǒng)主要分為 3 個主要步驟 數(shù)據(jù)采集 特征提取和分類器設(shè)計 并采用多分 類器系統(tǒng) MCS 可以提供更高的分類精度 Mohanty 等 34 分析了在數(shù)據(jù)庫中的 54 306 幅植 物葉子的圖像 其中包括了 14 種作物和 26 種疾 病 首先將圖像大小調(diào)整為 256 256 像素 執(zhí)行 模型優(yōu)化和預(yù)測 其中最佳建模方式為利用 GoogLeNet 卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu) 對彩色圖像進行 遷移學習訓練 且其他建模方式的準確率也達到 了 90 以上 2 2 2 國內(nèi)病蟲害檢測技術(shù) 國內(nèi)對于病蟲害的研究相比國外較晚一些 但我國學者也進行了大量的研究 目前常使用的 是比較傳統(tǒng)的識別方法 柴阿麗等 35 利用作物 顏色 紋理 形狀特征參數(shù)建立了番茄病蟲害識別 模型 識別的準確率達到了 94 秦淑芳等 36 研究了甘藍型油菜葉片圖像蟲害程度的檢測方 法 主要采用空間彩色空間模型的方法分割圖 像 再對圖像進行二值化與去噪處理 只保留葉片 區(qū)域的二值圖像 最后提取葉片圖像中的 8 個特 征參數(shù) 經(jīng)過特征的選擇與組合得到蟲害程度的 有效特征 但這種方法在采集葉片圖像時只采集 了 1 次沒有采集到足夠的不同蟲害的葉片圖像 且在實際的生產(chǎn)過程中 單一株植物的不同葉片 的蟲害程度也有所不同 該方法也不再適用 浙江大學的 Zhao 等 37 使用高光譜成像技術(shù) 來確定黃瓜葉中葉綠素和胡蘿卜素的含量 并通 過其含量來判斷是否感染角葉斑點 張善文 等 38 提出了一種基于卷積神經(jīng)網(wǎng)絡(luò)的黃瓜葉部 病蟲害識別方法 主要建立了 1 個包含 6 種黃瓜 病害的 15 500 多幅的訓練葉片圖像數(shù)據(jù)庫 根據(jù) 病害葉片圖像的復(fù)雜性 利用卷積神經(jīng)網(wǎng)絡(luò)從該 數(shù)據(jù)庫中自動學習黃瓜病害葉片圖像的屬性特 征 再利用分類器進行分類 試驗結(jié)果表明 與基 于特征提取的傳統(tǒng)病害識別方法相比 該方法的 識別性能較高 但是需要大量的訓練時間 鄒永 杰等 39 提出了 1 種基于機器學習的番茄病蟲害 檢測方法 通過提取有病蟲害和無病蟲害的番茄 樣本的方向梯度直方圖特征 HOG 和局部二值 模式特征 LBP 然后結(jié)合 SVM 支持向量機 分 類器訓練樣本得到檢測模型 其中 HOG 特征和 LBP 特征能夠分別很好的描述番茄葉的邊緣和紋 理特征 且 2 個特征能夠在一定程度上互補 提高 了番茄葉病蟲害檢測的成功率 2 3 對靶噴藥技術(shù) 2 3 1 國外對靶噴藥技術(shù)的研究現(xiàn)狀 對靶噴藥技術(shù)是基于傳感器通過機器視覺技 術(shù) 超聲波技術(shù) 激光技術(shù)等信息采集設(shè)備 根據(jù) 目標存在情況自動噴藥 國外對自動對靶噴藥技 術(shù)研究早 其主要的研究是以最佳的施藥效果和 最小的環(huán)境污染為目標 40 41 Liorens 等 42 使用 常規(guī)定容噴霧法與變速噴霧法進行了對比 結(jié)果 表明 根據(jù)目標作物的大小及稠密程度進行的變 速噴霧法可以平均節(jié)省 58 的噴霧量 而且可以 0551 8 期 楊征鶴等 設(shè)施蔬菜自動對靶噴藥技術(shù)研究現(xiàn)狀與分析 獲得相似或者更好的葉片積存 證明了可變速率 噴霧技術(shù)可以有助于精準施藥 Komasilovs 等 43 對溫室中噴藥機器群體優(yōu)化成本效率問題進行了 研究 學者分析了 3 種傳感器 激光測距儀 距離 測量和定位使用的無線電信標和接收器 基于視 覺信息的距離測量傳感器 研究表明 基于無線 電信標和接收機的距離測量只適用于檢測任務(wù) 且成本較高 視覺距離測量和激光測距儀更受青 睞分別占到調(diào)查對象的 71 和 26 機器視覺是機器人識別技術(shù)中應(yīng)用最廣泛的 主要由 1 個或多個視覺攝像機 光源 圖像采集卡 等構(gòu)成 結(jié)構(gòu)較簡單 可以獲取二維 三維圖像 可 以根據(jù)獲取圖像中的顏色 紋理 形狀等主要的形 態(tài)特征來分析識別目標作物 但是其成像的效果容 易受到光照的影響 造成成像不清晰 從而影響機 器識別 44 Giles 等 45 47 提出了 1 種基于機器視 覺引導和可調(diào)噴嘴的精密帶式噴藥方式 通過 CCD 電荷耦合器 攝像機獲取目標作物的圖像信 息 并通過改變處于作物上方噴頭的方向和寬度 來進行變量噴藥 在番茄和生菜上進行系統(tǒng)測試 表明 與傳統(tǒng)噴藥方式相比噴霧施用率可降低 66 80 在目標植物上的噴霧沉積效率可提高 2 5 3 7 倍 在土壤上的非目標噴霧沉積減少了 72 90 并且可以顯著減少噴霧飄移 Utstumo 等 48 研發(fā)了一種基于機器視覺的除草 機器人 機器視覺獲取作物周圍的雜草信息 計算 機將雜草進行分類并根據(jù)雜草的數(shù)量和種類進行按 需施藥 機器人采用滴注式施藥 配備 28 個噴嘴 橫向間距為 6 mm 試驗表明 與普通噴灑相比 可 以節(jié)省 73 95 的藥量 大大減少了藥物浪費 但 是其效率較低 實用性并不高 圖 4 圖 4 基于機器視覺的除草機器人 Fig 4 Weeding robot based on machine vision 超聲波測距傳感器可以非接觸式測量遠處物 體的距離 理論上該傳感器可以用于測量目標靶 的到噴頭之間的距離 進而估算目標靶的外形輪 廓和體積 49 50 Maghsoudi 等 51 運用超聲波傳 感器實時獲取目標作物的距離和體積信息 并基 于冠層體積變化進行噴霧 在噴霧效果類似的情 況下 平均節(jié)省了 34 5 的藥量 Miranda Fu entes 等 52 設(shè)計了基于超聲波傳感器陣列式的風 送式對靶噴霧機 通過在風機前安裝不同高度的 超聲波傳感器 每個傳感器對應(yīng)一組噴頭 通過檢 測靶標冠層的存在與無 從而控制噴頭的開關(guān) 從 而達到減少藥物噴灑 提高冠層內(nèi)部噴霧沉積率 的效果 Francisco 等 53 為解決溫室作物中藥物殘留 問題 提出了一種基于超聲波傳感器的溫室噴藥 機 噴藥機由超聲波傳感器 電磁閥 控制設(shè)備和 噴淋設(shè)備組成 超聲波傳感器檢測到 0 0 5 m 范圍內(nèi)的目標時 忽略其他距離更遠的物體 同時 電磁閥開啟 進行噴藥操作 試驗表明 該系統(tǒng)大 約能夠節(jié)省 21 的噴霧液體 超聲波的主要優(yōu) 點是價格低廉 主要的缺點是超聲波較大的發(fā)散 角限制了測量的分辨率和準確性 圖 5 激光主動視覺技術(shù)也是現(xiàn)在比較常用的技 術(shù) 激光雷達高頻率發(fā)射出脈沖激光束 根據(jù)反射 回來的激光回波點云 測量周圍物體各點的距離 也可用于測量目標靶的外形和體積信息 54 56 Gregorio 等 57 使用激光雷達系統(tǒng)對噴霧漂移進行 監(jiān)測 Chen 等 58 研制了 1 種激光引導變速噴霧 器 該噴霧機主要通過激光傳感器對目標作物進 行三維測量 控制系統(tǒng)根據(jù)傳感器的測量結(jié)果 控 制噴頭沿深度 寬度和高度的 3 個冠層提供均勻 的噴霧覆蓋和沉積 減小了目標作物周圍不同位 置 空氣和地面的噴霧損失 激光主動視覺系統(tǒng) 具有較高的識別率 獲取的信息也比較多 往往應(yīng) 用于大型的果樹對靶噴藥機中 激光主動視覺系 統(tǒng)成本偏高 也限制了其廣泛的應(yīng)用 afiq 等 59 設(shè)計了一款溫室環(huán)境下使用的自 主噴藥機器人 機器人沿著熱水管道進行來回移 動 從而省去了復(fù)雜的導航系統(tǒng) 機器人主要由 控制單元 運動底盤和噴霧單元 3 個部分組成 當 機器人經(jīng)過放置在地面上的反光標記時 泵就會 啟動和關(guān)閉 以實現(xiàn)對溫室植物的選擇性噴灑 圖 6 1551 新疆農(nóng)業(yè)科學 58 卷 圖 5 溫室噴藥機作業(yè)示意圖 Fig 5 Greenhouse spray machine schematic diagram 圖 6 基于管道導航的溫室噴藥機器人 Fig 6 Greenhouse spraying robot based on pipeline navigation 2 3 2 國內(nèi)對靶噴藥技術(shù) 陳勇等 60 提出了一種自動調(diào)節(jié)的噴頭組合 及射程的智能噴霧機器人 通過脈寬調(diào)制實現(xiàn)可 變量施藥 胡天翔等 61 提出了一種基于構(gòu)件化 的智能對靶噴霧機軟件系統(tǒng) 使用雙目視覺技術(shù) 進行信息的提取與測量 設(shè)計和實現(xiàn)不同構(gòu)件的 功能 并進行集成 試驗表明 整個系統(tǒng)能夠很好 的滿足智能對靶噴霧機的需求 我國學者也研發(fā)了一些自動對靶噴藥機器 人 但這些噴藥機大多還處于實驗室階段 目前 我國設(shè)施蔬菜的施藥還是依靠人工來進行完成 靳文停等 62 設(shè)計了 1 種履帶式溫室智能噴藥機 器人 主要由噴藥系統(tǒng) 履帶底盤 控制系統(tǒng)及傳 感器等幾部分組成 機器人主要通過安裝的攝像 頭 360 旋轉(zhuǎn) 進行采集目標作物環(huán)境信息 機器 人采用單片機為控制系統(tǒng)進行處理信息 并利用 滾珠絲杠進行高度以及幅寬的調(diào)節(jié) 以增加藥液 的覆蓋率 采用微型定時防腐蝕槳葉來進行藥液 的攪動 以防止藥液沉淀堵塞噴頭 圖 7 趙慧芳等 63 研發(fā)了一種溫室自走噴藥機 主 要由噴藥裝置 行走裝置 控制裝置組成 噴藥機 由人工遙控控制 可以自動換向 不斷往復(fù) 通過 控制噴藥裝置的風扇的轉(zhuǎn)向 調(diào)節(jié)噴藥的方向 噴 藥裝置使用可以調(diào)節(jié)的噴霧密度 解決了普通噴 藥方式難以達到的無死角噴藥 但這種噴藥方式 需要人工的干預(yù) 自動化程度較低 張俊雄等 64 65 設(shè)計了一種溫室對靶噴霧機 器人 機器人主要由移動平臺 三自由度機械臂 變量噴嘴以及病蟲害診斷系統(tǒng)組成 機器人系統(tǒng) 采用雙目系統(tǒng) 每臺攝像機采集的區(qū)域為 1 2 m 1 2 m 靶標信息獲取以后 上傳到控制系統(tǒng) 控制系統(tǒng)由二級 CPU 的主從式的控制方式 上位 機為工控機 主要完成的是目標作物中病蟲害信 息的采集以及噴藥條件的判斷 下位機主要由 PCL 組成 能夠在外界復(fù)雜的工作環(huán)境下穩(wěn)定工 作 主要負責三軸機械臂的運行 處理器將采集到 的圖像分成 0 2 m 0 2 m 為每 1 個單元 每 1 個 單元對應(yīng) 1 個噴嘴 根據(jù)檢測到圖像中的病蟲害 信息 實現(xiàn)對靶精量施藥的目的 機器人設(shè)計了 病蟲害監(jiān)控系統(tǒng) 能夠?qū)崿F(xiàn)發(fā)現(xiàn)病蟲害 定位病蟲 害位置 對靶噴藥一系列的工作 機器人底座平 臺需設(shè)計在特定的軌道上 軌道需安裝在機器人 工作的場合 軌道的使用增加了機器人的使用成 本 限制了其大規(guī)模的使用 圖 8 注 1 噴藥桿 2 噴藥嘴 3 滾珠絲桿幅寬調(diào)節(jié)裝置 4 自主 導航攝像頭 5 高度調(diào)節(jié)裝置 6 循跡避障傳感器 7 藥箱 8 水 泵 9 電機 10 控制裝置 11 履帶底盤 Note 1 Spray rod 2 Spray nozzle 3 Width adjustment de vice for ball screw 4 Autonomous navigation camera 5 Height ad justment device 6 Tracking and obstacle avoidance sensor 7 The cabinet 8 The water pump 9 The motor 10 Control device 11 Tracked chassis 圖 7 履帶式溫室智能噴藥機器人三維模型 Fig 7 3D model of crawler greenhouse intelligent spraying robot 2551 8 期 楊征鶴等 設(shè)施蔬菜自動對靶噴藥技術(shù)研究現(xiàn)狀與分析 注 1 移動平臺 2 導軌 3 剪叉式吊架 4 Y 向平移直線導 軌 5 X 向伸縮直線導軌 6 回轉(zhuǎn)腕關(guān)節(jié) 7 攝像機 8 噴桿 Note 1 Mobile platform 2 Guide rail 3 Shear fork hanger 4 Y direction translation linear guide rail 5 X direction tele scopic linear guide rail 6 Swivel wrist 7 Camera 8 The spray rod 圖 8 對靶噴霧機器人系統(tǒng)結(jié)構(gòu)示意 Fig 8 System structure of target spray robot 3 討 論 3 1 利用電子技術(shù)和傳感器技術(shù)來進行檢測目 標靶的有無 作物冠層的大小 作物病蟲害及長勢 等特征 實現(xiàn)按需施藥 其中導航技術(shù) 病蟲害識 別技術(shù)及對靶噴藥技術(shù)是自動對靶噴藥技術(shù)的核 心技術(shù) 目前導航技術(shù)將朝著基于深度學習的障 礙物檢測技術(shù)與智能避障策略的方向發(fā)展 以實 現(xiàn)農(nóng)業(yè)機械的智能化 28 3 2 自動對靶噴藥技術(shù)需要進一步提高工作效 率 提高目標作物的識別率 可以通過提高識別 設(shè)備的硬件水平 優(yōu)化算法等方法進行 利用基于 高光譜和深度學習的病蟲害檢測技術(shù) 可以提高 目標作物病蟲害檢測效率 3 3 目標作物信息的獲取以及對目標植物枝葉 稠密程度的判斷是當前噴藥技術(shù)面臨的主要問 題 在其他因素不變的情況下 枝葉越稠密 藥量 需求也就更大 研發(fā)更高效 精準的噴藥方式對于 自動對靶噴藥技術(shù)的發(fā)展有著重要的意義 3 4 溫室環(huán)境密閉 人工施藥過程中會對人體 產(chǎn)生較大的危害 溫室作物密度大 空間占有率 高 信息疊加程度較高 大田作業(yè)環(huán)境下的機器人 難以適應(yīng) 隨著設(shè)施農(nóng)業(yè)向大型化 現(xiàn)代化 高新 技術(shù)化發(fā)展 已經(jīng)有許多的采摘機器人 除草機器 人 修剪機器人等應(yīng)用到實際的生產(chǎn)中去 4 結(jié) 論 國外主要利用 GPS 視覺和激光雷達等技術(shù) 并結(jié)合傳感器進行導航 我國學者也研發(fā)了電磁 誘導式 基于機器視覺的溫室路徑識別算法以及 基于激光雷達的道路邊緣檢測方法等溫室導航方 法 不同的國家地區(qū)根據(jù)不同情況 選擇不同的 導航方法 在實際的作業(yè)中 GPS 導航技術(shù)在果 園或溫室的環(huán)境中 信號會受到阻擋 影響導航效 果 視覺技術(shù)和激光導航技術(shù)可以很好的克服這 一問題 與 GPS 導航相比 兩者收集的信息豐富 完整 范圍較廣 更加靈活 實時性和精確性也有 提高 因此 根據(jù)不同的作業(yè)環(huán)境 采用多種導航 技術(shù)相結(jié)合的環(huán)境感知系統(tǒng) 提高導航的準確性 國外可見光識別技術(shù)已經(jīng)相當成熟 基于紅 外光譜技術(shù)和高光譜技術(shù)和基于深度學習的病蟲 害識別技術(shù)已經(jīng)開始應(yīng)用于實際的生產(chǎn)工作中 去 國內(nèi)現(xiàn)階段主要采用的是圖像識別技術(shù) 我國 學者也在高光譜和基于深度學習的病蟲害識別技 術(shù)進行了一定的研究 取得了一定的成果 可見 光成像技術(shù)只有在作物外觀發(fā)生病變或者發(fā)生肉 眼可見的病蟲害時才能取得比較好的識別效果 并不能在作物已經(jīng)患病但還沒有表征的時候檢測 出來 引入紅外成像和高光譜技術(shù)可以實現(xiàn)對作 物內(nèi)部結(jié)構(gòu)和化學成分發(fā)生改變做出預(yù)警 實現(xiàn) 早期的病蟲害防治 以減少病蟲害帶來的影響 基于深度學習的圖像處理技術(shù)可以將復(fù)雜背景下 的圖像進行分類識別 并且具有較高的準確率 與 紅外光譜技術(shù)和高光譜技術(shù)結(jié)合將是未來病蟲害 識別的發(fā)展方向 國外對于對靶施藥技術(shù)的研究較早 技術(shù)較 為成熟 其研發(fā)的自動對靶噴藥設(shè)備大多針對于 果園環(huán)境 對于溫室設(shè)施蔬菜等小型的自動對靶 施藥機研究成果較少 采取的技術(shù)主要為基于機 器視覺 激光主動視覺和超聲波技術(shù) 并配合一些 其他傳感器使用 對噴藥裝置進行控制 技術(shù)較為 成熟 且部分樣機已經(jīng)產(chǎn)品化 采用機器視覺技 術(shù)獲取靶標病蟲害位置信息 對噴頭進行單獨控 制 以達到精準對靶施藥的效果 目前對靶噴藥 技術(shù)主要面臨的問題有在外界強烈光線的照射 下 植物的反射率會增加 圖像顏色會失真 在變 化的環(huán)境下 該數(shù)據(jù)不能用于物種識別和分類 另 一個問題是作物的稠密程度獲取 由于植物葉片 的相互覆蓋 噴藥機器人難以對不同位置的藥液 需求量進行計算 從而導致噴藥的效果差 最后一 3551 新疆農(nóng)業(yè)科學 58 卷 個是目標作物的不同的成長狀況所帶來的影響 不同的生長狀況會出現(xiàn)作物顏色 形狀的不同 會 造成光譜反射率變化 從而造成不同的識別結(jié)果 進而影響噴藥 參考文獻 eferences 1 農(nóng)業(yè)農(nóng)村部規(guī)劃設(shè)計研究院設(shè)施農(nóng)業(yè)研究所 我國設(shè)施園 藝裝備發(fā)展現(xiàn)狀和建議 J 農(nóng)機科技推廣 2019 1 27 28 30 Facilities Agriculture Institute Academy of Agricultural Planning and Engineering MA A Development status and Suggestions of facility horticultural equipment in China J Agricultural Ma chinery Science and Technology Promotion 2019 1 27 28 30 2 許紅軍 秦勇 吳慧 等 新疆蔬菜產(chǎn)業(yè)現(xiàn)狀及發(fā)展對策 J 中國蔬菜 2016 9 8 11 XU Hongjun QIN Yong WU Hui et al Status quo and devel opment strategies of Xinjiang vegetable industry J China Veg etables 2016 9 8 11 3 何雄奎 蔬菜高效施藥裝備與技術(shù)研發(fā)應(yīng)用 J 蔬菜 2018 8 1 7 HE Xiongkui D and Application of Vegetable Efficient Pes ticide Application Equipment and Technology J Vegetables 2018 8 1 7 4 何雄奎 我國植保無人機噴霧系統(tǒng)與施藥技術(shù) J 農(nóng)業(yè)工程 技術(shù) 2018 38 9 33 38 HE Xiongkui China s plant protection uav spray system and ap plication technology J Agricultural Engineering Technology 2008 38 9 33 38 5 翟長遠 朱瑞祥 張佐經(jīng) 等 精準施藥技術(shù)現(xiàn)狀分析 J 農(nóng) 機化研究 2010 32 5 9 12 ZHAI Changyuan ZHU uixiang ZHANG Zuojing et al Cur rent situation analysis of precision drug application technology J Agricultural Mechanization esearch 2010 32 5 9 12 6 王廣蓮 張穎鑫 現(xiàn)階段植保機械和施藥技術(shù)研究 J 吉林 農(nóng)業(yè) 2019 3 43 WANG Guanglian ZHANG Yingxin esearch on plant protec tion machinery and application technology at the present stage J Jilin Agriculture 2019 3 43 7 韓景紅 我國植保機械和施藥技術(shù)的現(xiàn)狀問題及對策 J 農(nóng) 業(yè)與技術(shù) 2018 38 12 91 HAN Jinghong Current situation and countermeasures of plant protection machinery and application technology in China J Agriculture and Technology 2008 38 12 91 8 刁智華 刁春迎 魏玉泉 等 精準施藥機器人關(guān)鍵技術(shù)研究進 展 J 農(nóng)機化研究 2017 39 11 1 6 DIAO Zhihua DIAO Chunying WEI Yuquan et al esearch progress of key technology of precision medicine robot J Agri cultural Mechanization esearch 2017 39 11 1 6 9 何雄奎 嚴苛榮 儲金宇 等 果園自動對靶靜電噴霧機設(shè)計與 試驗研究 J 農(nóng)業(yè)工程學報 2003 6 78 80 HE Xiongkui YAN Kerong CHU Jinyu et al Design and ex perimental study of automatic target setting electrostatic sprayers in orchards J Journal of Agricultural Engineering 2003 6 78 80 10 張波 翟長遠 李瀚哲 等 精準施藥技術(shù)與裝備發(fā)展現(xiàn)狀分 析 J 農(nóng)機化研究 2016 38 4 1 5 28 ZHANG Bo ZHAI Changyuan LI Hanzhe et al Analysis of the development status of precision medicine technology and e quipment J Agricultural Mechanization esearch 2016 38 4 1 5 28 11 Chun chieh Yang Shiv O et al Development of aherbicide qpplication map using artificial nearal networks and fuzzy logic J Agricultural System 2003 76 561 574 12 Albert Stoll Heinz Dieter Kutzbach Guidance of a Forage Har vester with GPS J Kluwer Academic Publishers 2000 2 3 13 ay Eaton Jay Katupitiya Kheng Wah Siew et al Autono mous farming modelling and control of agricultural machinery in a unified framework J Inderscience Publishers 2010 8 1 2 3 4 14 Yoshisada Nagasaka Naonobu Umeda Yutaka Kanetai et al Autonomous guidance for rice transplanting using global positio ning and gyroscopes J Elsevier B V 2004 43 3 15 Norremark M Griepentrog H W Nielsen J et al The de velopment and assessment of the accuracy of an autonomous GPS based system for intra row mech