智慧農(nóng)業(yè) 中英文 Smart Agriculture ISSN 2096 8094 CN 10 1681 S 智慧農(nóng)業(yè) 中英文 網(wǎng)絡首發(fā)論文 題目 日本設施農(nóng)業(yè)采收機器人研究應用進展及對中國的啟示 作者 黃梓宸 SUGIYAMA Saki 收稿日期 2022 02 18 網(wǎng)絡首發(fā)日期 2022 06 06 引用格式 黃梓宸 SUGIYAMA Saki 日本設施農(nóng)業(yè)采收機器人研究應用進展及對中國 的啟示 J OL 智慧農(nóng)業(yè) 中英文 網(wǎng)絡首發(fā) 在編輯部工作流程中 稿件從錄用到出版要經(jīng)歷錄用定稿 排版定稿 整期匯編定稿等階 段 錄用定稿指內(nèi)容已經(jīng)確定 且通過同行評議 主編終審同意刊用的稿件 排版定稿指錄用定稿按照期 刊特定版式 包括網(wǎng)絡呈現(xiàn)版式 排版后的稿件 可暫不確定出版年 卷 期和頁碼 整期匯編定稿指出 版年 卷 期 頁碼均已確定的印刷或數(shù)字出版的整期匯編稿件 錄用定稿網(wǎng)絡首發(fā)稿件內(nèi)容必須符合 出 版管理條例 和 期刊出版管理規(guī)定 的有關規(guī)定 學術研究成果具有創(chuàng)新性 科學性和先進性 符合編 輯部對刊文的錄用要求 不存在學術不端行為及其他侵權行為 稿件內(nèi)容應基本符合國家有關書刊編輯 出版的技術標準 正確使用和統(tǒng)一規(guī)范語言文字 符號 數(shù)字 外文字母 法定計量單位及地圖標注等 為確保錄用定稿網(wǎng)絡首發(fā)的嚴肅性 錄用定稿一經(jīng)發(fā)布 不得修改論文題目 作者 機構(gòu)名稱和學術內(nèi)容 只可基于編輯規(guī)范進行少量文字的修改 出版確認 紙質(zhì)期刊編輯部通過與 中國學術期刊 光盤版 電子雜志社有限公司簽約 在 中國 學術期刊 網(wǎng)絡版 出版?zhèn)鞑テ脚_上創(chuàng)辦與紙質(zhì)期刊內(nèi)容一致的網(wǎng)絡版 以單篇或整期出版形式 在印刷 出版之前刊發(fā)論文的錄用定稿 排版定稿 整期匯編定稿 因為 中國學術期刊 網(wǎng)絡版 是國家新聞出 版廣電總局批準的網(wǎng)絡連續(xù)型出版物 ISSN 2096 4188 CN 11 6037 Z 所以簽約期刊的網(wǎng)絡版上網(wǎng)絡首 發(fā)論文視為正式出版 智慧農(nóng)業(yè) 中英文 Smart Agriculture 日本設施農(nóng)業(yè)采收機器人研究應用進展 及對中國的啟示 黃梓宸 1 SUGIYAMASaki 2 1 京都大學農(nóng)學研究科 京都6068502 日本 2 浙江大學文學院 浙江杭州310058 摘 要 設施農(nóng)業(yè)智能裝備是設施農(nóng)業(yè)穩(wěn)定 高品質(zhì) 高效生產(chǎn)的必要保障 日本智能采收裝備已有近四 十年的研發(fā)經(jīng)驗 其發(fā)展具有一定啟發(fā)和借鑒意義 本文綜述了日本設施農(nóng)業(yè)采收機器人的研究應用進展 分析了基于農(nóng)機農(nóng)藝結(jié)合的茄科 番茄 茄子 青椒 葫蘆科 黃瓜 瓜類水果 蘆筍和草莓等10種設 施農(nóng)業(yè)采收機器人的采收技術 其中詳細對比了番茄 草莓等幾種蔬菜歷代采收機器人的設計理念及其優(yōu) 點與不足 分析了設施農(nóng)業(yè)采收機器人面臨的科學問題及解決方案 總結(jié)了未來發(fā)展趨勢及對中國的啟發(fā) 本文可為加速推進中國設施農(nóng)業(yè)采收機器人的智慧化 智能化和產(chǎn)業(yè)化發(fā)展提供借鑒參考 關鍵詞 設施農(nóng)業(yè) 日本 采收機器人 無人 少人系統(tǒng) 果蔬識別 末端執(zhí)行機構(gòu) 中圖分類號 S 1 文獻標志碼 A 1 引言 日本地處東亞 在農(nóng)作物栽培方面與中國有 眾多共同之處 既有北海道地區(qū)的大田農(nóng)業(yè) 也 有精細化稻田 設施農(nóng)業(yè) 甚至熱帶農(nóng)業(yè) 設施 農(nóng)業(yè)裝備 1 可以分為種苗前處理裝備 播種裝 備 嫁接裝備 移栽裝備 設施環(huán)境控制控制裝 備 作物調(diào)整和授粉裝備 植物保護裝備 作物 采收裝備等 設施農(nóng)業(yè)智能采收裝備是指在設施 農(nóng)業(yè)環(huán)境條件下進行采摘收獲的自動化 智能化 農(nóng)業(yè)裝備 可以保證設施農(nóng)業(yè)環(huán)境下的穩(wěn)定高品 質(zhì)農(nóng)業(yè)生產(chǎn)作業(yè) 日本近年來推出了多項資金與 稅收補助措施 以促進設施農(nóng)業(yè)智能裝備的發(fā) 展 如 農(nóng)業(yè)近代化資金 農(nóng)林漁業(yè)設施資金 新事業(yè)育成資金 等 其中農(nóng)林水產(chǎn)省 相當 于中國農(nóng)業(yè)農(nóng)村部 在融資層面 為機械化智能 化產(chǎn)品的導入推出了最長20年 年利率約為 0 20 的 農(nóng)林漁業(yè)設施資金 融資金額最多 可占農(nóng)業(yè)裝備價格的80 2 在資金補助方面 日本推出多項資金項目 如 為強農(nóng)業(yè)和領導者 提供綜合支持補助金 日語 強 農(nóng)業(yè) 擔 手 総合支援交付金 可為設施農(nóng)業(yè)的建設與 智能農(nóng)業(yè)裝備的引入提供最高為50 的補助 金 3 再如在具有適合發(fā)展智慧農(nóng)業(yè)的農(nóng)業(yè)用地 安裝全球衛(wèi)星導航系統(tǒng) Global Navigation Satel lite System GNSS 基站 引入農(nóng)用拖拉機自動 doi 10 12133 j smartag SA202202008 收稿日期 2022 02 18 通信作者 黃梓宸 1992 男 博士 特別研究員 研究方向為設施農(nóng)業(yè)自動化 果蔬無損檢測等 E mail huang zichen 22c kyoto u jp 網(wǎng)絡首發(fā)時間 2022 06 06 15 38 41 網(wǎng)絡首發(fā)地址 智慧農(nóng)業(yè) 中英文 Smart Agriculture 轉(zhuǎn)向系統(tǒng)等 農(nóng)林水產(chǎn)省的相關補助最高可達成 本的50 4 在銷售方面 支持以租代銷的模 式 前期無償出租 后期收取的傭金以農(nóng)業(yè)裝備 的工作量來決定 3 為促進產(chǎn)學研結(jié)合 推動智 慧農(nóng)業(yè)的商業(yè)化 產(chǎn)品化發(fā)展 建設了由4000 多個農(nóng)機制造商 租賃公司 保險公司 研究機 構(gòu)等組成的以政府主導的 智慧農(nóng)業(yè)新服務創(chuàng)造 平臺 5 日本設施農(nóng)業(yè)采收農(nóng)業(yè)機器人的研究已有四 十余年 本文首先介紹日本農(nóng)業(yè)機器人發(fā)展歷 程 詳細介紹設施農(nóng)業(yè)機器人的研發(fā)進展 研發(fā) 的基本原理與理念 結(jié)合日本農(nóng)業(yè)生產(chǎn)現(xiàn)狀和當 前先進科研技術 提出下一代設施農(nóng)業(yè)機器人的 發(fā)展趨勢 其相關成果及應用可為中國設施農(nóng)業(yè) 采收機器人的發(fā)展起到一定的啟發(fā)作用 2 農(nóng)業(yè)機器人發(fā)展歷程 根據(jù)2018年日本農(nóng)林水產(chǎn)省發(fā)布的數(shù)據(jù) 日本設施農(nóng)業(yè)的總種植面積約為421 643 km 2 其中約有67 種植蔬菜 11 種植果樹 其他則 種植水稻育苗 花卉以及養(yǎng)殖畜禽等 6 設施農(nóng) 業(yè)以溫室為主 還有少量植物工廠 蔬菜 果 樹 花卉等園藝作物約占日本農(nóng)業(yè)總產(chǎn)量的 40 這些作物產(chǎn)品是人們生活消費的重要支 出 在食品支出中的占比最高 因此需要通過設 施農(nóng)業(yè)保證全年的穩(wěn)定供應 此外 高品質(zhì)的水 果可被當做禮品出售 從而增加了園藝作物的附 加值 因此園藝作物是吸引日本年輕人參與農(nóng)業(yè) 生產(chǎn)的重要因素之一 設施農(nóng)業(yè)機器人和大田農(nóng)業(yè)機器人同屬于農(nóng) 業(yè)機器人 日本農(nóng)業(yè)機器人發(fā)展史可以總結(jié)為四 個階段 7 如圖1所示 Agri robot I階段始于20 世紀80年代 當時主要是引入成熟的工業(yè)機器 人加以改造后完成設施農(nóng)業(yè)的自動化作業(yè) 此階 段的代表為嫁接機器人 8 經(jīng)過前期研發(fā) 后期 企業(yè)大量參與并開發(fā)出產(chǎn)品 9 設施農(nóng)業(yè)機器人 第二階段Agri robot II約從1992年開始 經(jīng)過前 期的研發(fā)引入工業(yè)機器人進行采收作業(yè) 10 然 而工業(yè)機器人不能考慮到設施農(nóng)業(yè)生產(chǎn)過程的特 殊性 所以需要根據(jù)特定作業(yè)條件并結(jié)合農(nóng)藝要 求進行研發(fā) 這個階段大量采收機器人研制成功 并投入試驗當中 替代設施農(nóng)業(yè)作業(yè)中費事費力 的人工采收工作 隨著傳感器技術尤其是近紅外 檢測技術的發(fā)展 11 12 更加精準的農(nóng)產(chǎn)品品質(zhì)數(shù) 據(jù)可以通過無損檢測方式獲得 隨即日本設施農(nóng) 業(yè)機器人進入第三階段 即Agri robot III 這個 階段涌現(xiàn)出以Shibuya精工和近江度量衡等企業(yè) 開發(fā)的柑橘分揀分級系統(tǒng)為代表的果蔬分級系 統(tǒng) 可根據(jù)果蔬的外觀和糖度等品質(zhì)信息將果蔬 逐個分級篩選 第四階段Agri robot IV始于2013 年前后 隨著高精度衛(wèi)星導航系統(tǒng) 人工智能 Artificial intelligence AI 物聯(lián)網(wǎng)技術 Inter net of Things IoT 和信息與通信技術 Infor mation and Communication Technology ICT 的 發(fā)展 智慧農(nóng)業(yè)開始逐步推廣應用 實時動態(tài)載 波相位差分技術 Real Time Kinematic RTK 結(jié)合GNSS使定位精度可以達到2 cm 保證了農(nóng) 業(yè)機器人在有充足衛(wèi)星信號的情況下 可以完成 高精度的田間作業(yè) 以久保田株式會社 13 洋 馬控股株式會社 14 井關農(nóng)機株式會社 15 為首 的農(nóng)機企業(yè)面向大田農(nóng)業(yè)機器人相繼開發(fā)銷售無 人或少人系統(tǒng)的農(nóng)業(yè)智能裝備 IoT和ICT使農(nóng) 民足不出戶就可以全程監(jiān)測大田農(nóng)業(yè)機器人的作 業(yè)情況 如洋馬控股株式會社推出的智能輔助系 統(tǒng) Smart Assist 16 通過配備全球定位系統(tǒng) Global Positioning System GPS 天線和通信終 端的農(nóng)業(yè)機械傳輸?shù)牟僮餍畔⒈O(jiān)控大田農(nóng)業(yè)機器 人作業(yè)并提高效率 通過位置信息和數(shù)據(jù)分析實 現(xiàn)農(nóng)業(yè)生產(chǎn)管理可視化 農(nóng)民可以通過手機終端 了解大田農(nóng)業(yè)機器人運行和作物的種植狀況等 目前為止 日本農(nóng)業(yè)機器人的第一 三 四 階段均有自動化智能化設備投入農(nóng)業(yè)生產(chǎn)中 但 第二階段的采收機器人一直沒有得到很好的推 廣 隨著大田農(nóng)業(yè)機器人的成功商業(yè)化應用 越 來越多的日本科研人員與企業(yè)將設施農(nóng)業(yè)采收農(nóng) 業(yè)機器人列為研發(fā)與商業(yè)化重點領域 2 黃梓宸等 日本設施農(nóng)業(yè)采收機器人研究應用進展及對中國的啟示 3 設施農(nóng)業(yè)機器人研究現(xiàn)狀 2018年日本農(nóng)林水產(chǎn)省數(shù)據(jù)顯示 17 表1 日本園藝設施種植面積排名前十的果蔬為番茄 菠菜 草莓 黃瓜 哈密瓜 西瓜 大蔥 小番 茄 蘆筍和茄子 因標準化種植和個體差異較 小 菠菜和大蔥易開發(fā)出機械化收割產(chǎn)品 如久 保田株式會社和洋馬控股株式會社分別推出了菠 菜收割機SPH400 18 和大蔥收割機HL10 19 本 文對果蔬機器人進行分類介紹 其中番茄 小番 茄 茄子和青椒因同屬茄科蔬菜 且因種植模式 相似 進行合并介紹 黃瓜 哈密瓜和西瓜都屬 葫蘆科 這三種果蔬合并介紹 此外 還選取種 植較多的蘆筍和草莓 分析其采收機器人的研發(fā) 現(xiàn)狀 3 1 茄科蔬菜采收機器人 3 1 1 番茄采收機器人 日本番茄分為壟作和高架栽培兩種 前者因 為低成本往往是普通農(nóng)戶的首選 而后者因其標 準化程度高而更利于智能農(nóng)業(yè)采收裝備的工作 日本番茄采收機器人主要研究團隊分布于京都大 學 東京大學 立命館大學 松下株式會社等 番茄采收機器人主要包含五大模塊 自走移動系 統(tǒng) 機械臂 末端執(zhí)行機構(gòu) 圖像處理和制定采 收決策 20 自走移動系統(tǒng)的設計依賴于溫室大棚的作業(yè) 環(huán)境 主要有輪式 21 履帶式 22 和軌道式 23 三種 圖2所示為一種設置了軌道系統(tǒng)的番茄種 植溫室 因番茄種植于高架苗床上 高處番茄的 采收需要移動工作平臺與軌道來確保采收工作的 安全穩(wěn)定 機械臂的差異主要是自由度 Degree of Freedom 不同 更高的自由度可以完成更為復 雜的采收姿態(tài) Takuya等 20 在機器人操作系統(tǒng) Robot Operating System ROS 的基礎上提出 了一種基于模塊化設計的番茄采收機器人設計系 統(tǒng) 并以此開發(fā)了不同番茄采收機器人的作業(yè)模 式 通過多種采收工作細分模塊的試驗對比 使 圖1 日本農(nóng)業(yè)機器人發(fā)展歷程 Fig 1 The development history of Japanese agricultural robots 表1 2018年日本園藝設施總耕地面積排名 Table 1 Ranking of the total cultivated area of horticultural facilities in Japan in 2018 排名 1 2 3 4 5 果蔬 番茄 菠菜 草莓 黃瓜 哈密瓜 面積大小 km 2 69 739 61 401 36 972 33 425 29 194 排名 6 7 8 9 10 果蔬 西瓜 大蔥 小番茄 蘆筍 茄子 面積大小 km 2 18 951 18 949 16 161 11 036 10 875 圖2 一種典型設置了軌道系統(tǒng)的番茄種植溫室 Fig 2 Atypical tomato cultivation greenhouse with a rail system 3 智慧農(nóng)業(yè) 中英文 Smart Agriculture 用3軸機械手收獲一個番茄的時間為29 s 較6 軸機械手縮短14 s 而更多的研究普遍采用成熟 工業(yè)機械臂以縮短研發(fā)周期 21 22 番茄是一種薄皮易破蔬菜 在采收過程中需 保證機械臂和末端執(zhí)行機構(gòu)的運行可以避開葉 子 莖和未成熟番茄等障礙物 常見的末端執(zhí)行 機構(gòu)有氣吸式 剪切式和旋轉(zhuǎn)式三種 氣吸式由 吸取機構(gòu)和切除機構(gòu)構(gòu)成 它可以將目標果實與 番茄簇分離 切除機構(gòu)切割目標果實的果梗 隨 后番茄通過氣吸通道進入托盤中 24 25 剪切式末 端執(zhí)行機構(gòu)通過在夾取機構(gòu)上方并行放置切割機 構(gòu) 切割果柄的同時夾取該果柄 26 27 小番茄往 往成串采收 因為每株小番茄的果實密度很高 比番茄采收更費力 因此剪切式可以應用于大小 番茄的采收 旋轉(zhuǎn)式末端執(zhí)行機構(gòu)抓取番茄后旋 轉(zhuǎn)果實 通過拖拽的方式分離番茄與果柄 該末 端執(zhí)行機構(gòu)單個番茄采收時間約為23 s 其中一 半時間用在拖拽番茄的過程中 21 三種末端執(zhí) 行器主要機構(gòu)如表2所示 在圖像處理和采收決策制定方面 早期由于 計算機處理能力的限制 無法很好地考慮到障礙 物等實際問題 20世紀80年代 由京都大學研 發(fā)成功日本第一臺番茄采收機器人 10 通過移 動相機位置進行兩次圖像輸入以完成立體攝影 以此獲得番茄的三維位置信息 該研究驗證了番 茄采收機器人的可行性 揭示了基于色彩信息進 行番茄定位的技術原理 Kondo等 26 合作開發(fā) 了小番茄成串采收機器人 通過識別和提取可見 光的光譜反射率來識別小番茄 并使用雙目視覺 技術確定每串小番茄的采摘點 機器人每完成一 次采收 將根據(jù)新獲取的圖像和機械手位置更新 下一個目標水果的位置 試驗結(jié)果顯示這種基于 視覺反饋控制的收獲方法有效且成功率為70 Ikeda等 28 通過改進圖像處理算法 提出了一種 基于番茄形態(tài)學特征與圖像分割技術的圖像處理 方法 可為機械臂提供避開障礙物的路線 使用低成本的商業(yè)化產(chǎn)品是實現(xiàn)采收機器人 商業(yè)化的要求之一 相對于早些年間使用昂貴的 高光譜傳感器區(qū)分番茄與莖葉 近年來的研究主 要側(cè)重于通過低成本的彩色相機或RGBD 紅 色 綠色 藍色和深度 相機提供的點云圖來實 現(xiàn)目標番茄的采收 RGBD相機除了可以提供傳 統(tǒng)相機的色彩圖 還可以提供標定后的深度圖 像 圖像中像素點的值代表相機到物體的距離 深度圖像可以獲取果蔬的形狀 大小 位置信 息 并有助于視覺系統(tǒng)區(qū)分果蔬與其背景 29 Fujinaga等 30 使用RGBD相機獲取的點云圖成 功區(qū)分莖 果柄 未成熟番茄與成熟番茄 預實 驗顯示識別成功率與識別時間預約60 與1 0 0 2s Yoshida等 31 使用點云圖識別番茄 并在農(nóng)場識 別目標番茄花序梗上的切割點 單個采摘點的識 別約0 4 s左右 采摘成功率提升至90 以上 32 此外 Yoshida等 22 31 通過構(gòu)建用于分割體素的 層 重建了番茄的體積像素 以此識別成熟番茄 及采收切割點位 東京大學開發(fā)了一款基于雙 RGBD相機的雙機械臂番茄采收機器人 33 位 于頭部的RGBD相機提供番茄的大致位置信息 機械臂上的RGBD相機近距離多角度判斷多個番 茄的空間位置信息 并以此判斷切割果柄的正確 坐標和先后順序 但是 目前RGBD相機的應用 也面臨著溫室內(nèi)自然強光的干擾 34 隨著技術 的提升 該干擾有望被逐漸減弱 采收機器人的 視覺系統(tǒng)在機器人工作的同時 還可以針對未成 熟番茄形成生長狀態(tài)分布圖 35 用以量化番茄 在溫室內(nèi)的空間分布并指導采收機器人今后的其 他作業(yè)安排 達到一機多功能的效果 自2013年起 日本每年由九州工業(yè)大學 西日本工業(yè)大學 長崎縣立大學等高校舉辦番茄 采收機器人競賽 36 38 在比賽中 機器人必須自 走至收割點 然后開始3個階段的作業(yè) 第1階 表2 三種番茄采收機器人的末端執(zhí)行機構(gòu) Table 2 The end effector of three tomato harvesting robots 序號 1 2 3 名稱 氣吸式末端執(zhí)行機構(gòu) 剪切式末端執(zhí)行機構(gòu) 旋轉(zhuǎn)式末端執(zhí)行機構(gòu) 主要機構(gòu) 切除機構(gòu) 吸取機構(gòu) 切除機構(gòu) 夾取機構(gòu) 夾取機構(gòu) 旋轉(zhuǎn)機構(gòu) 4 黃梓宸等 日本設施農(nóng)業(yè)采收機器人研究應用進展及對中國的啟示 段 接近一個番茄果實 不需要收獲 第2階 段 從多個番茄果實簇中采收單個番茄 第3階 段 從真正的番茄植株中采收番茄 包含在每個 階段的場地內(nèi)移動時間在內(nèi) 比賽時間限制為 10 min 21 該比賽不僅激勵科研團隊對番茄采收 機器人進行投入 還可以激發(fā)學生對農(nóng)業(yè)機器人 的興趣 并驗證采收機器人在接近于自然條件下 的工作情況 這些采收機器人的設計開發(fā)往往使 用機器人操作系統(tǒng) 機械臂選取商業(yè)化產(chǎn)品 39 并增加單獨設計的末端執(zhí)行機構(gòu) 日本松下株式會社 23 開發(fā)并商業(yè)化銷售了 一款番茄采摘機器人 圖3 售價約合30萬元 人民幣 其單個番茄采摘速度約為6 s 雖然相 對于人工采摘速度慢了3 s多 但其視覺和照明 系統(tǒng)保證了機器人可以全天候工作 彌補了采摘 速度不足帶來的效率低下的問題 視覺系統(tǒng)還可 以根據(jù)番茄顏色判斷成熟度等外表品質(zhì)信息 單 個溫室內(nèi)每年總工作時間約為160 000 h 其中 35 000 60 000 h用于采摘 該機器人的引入 一年可以減少約20 的番茄種植溫室人工作業(yè)時 間 目前已成功在多個溫室作業(yè) 番茄由于其種植面積大 采收時間長 吸引 了眾多研究機構(gòu)參與研發(fā) 并由企業(yè)推出了商業(yè) 化產(chǎn)品 高校針對科學問題的研究主要集中于使 用新型消費級深度相機 如Intel Realsense系列 相機 通過建立空間模型識別番茄簇的采收點 位 此外 企業(yè)側(cè)重于在保持現(xiàn)有工作效率的基 礎上 通過優(yōu)化采收機器人的五大模塊降低單臺 采收機器人的成本 讓更多農(nóng)民可以接收采收機 器人的價格成本 3 1 2 茄子采收機器人 日本在單個溫室內(nèi)茄子生產(chǎn)年總工時約為 200 h 其中采收工作占總工時的40 左右 40 為保證茄子口感 日本采收茄子以大小為標準 長度一般不超過13 cm 茄子采收機器人可以根 據(jù)茄子的生長 市場趨勢 品種特征等制定智能 采收決策 Hayashi 40 開發(fā)了一款茄子采收機器 人樣機 采用傾角種植模式使茄子采摘更容易與 莖葉區(qū)分 此外 為實現(xiàn)無損采收 Hayashi設 計了一種軟體執(zhí)行末端 41 可以根據(jù)茄子的大 小調(diào)整機械手形狀 并保持抓握力約為0 7 N 在抓取茄子之后通過機械臂頂端的剪切機構(gòu)切除 茄子梗 該系統(tǒng)顯示出62 5 的成功收獲率 采 收失敗主要原因是受視覺識別系統(tǒng)限制 茄子種植面積僅為番茄種植面積的1 7 因 其高架栽培模式與番茄青椒等作物相似 近年 來 日本研發(fā)的采收機器人包括茄子在內(nèi)具有一 機多目標品種的采摘潛力 與番茄采收機器人研 發(fā)趨勢相似 3 1 3 青椒采收機器人 青椒的采收期每年約為9個月 在溫室內(nèi)的 采收需要在豎直空間內(nèi)完成 農(nóng)民采收過程中不 斷蹲下站起對腰部有較大負荷 AGRIST株式會 社推出了兩款基于RGBD相機和AI技術的青椒 采摘機器人 42 2021年推出的第一款總重16 kg 單臺機器人每日青椒采收量約為40 kg 整套系 統(tǒng)初期售價約合10萬元人民幣 圖4 其余費 用則由公司以每月青椒銷售額的10 收取 采收 機器人在溫室內(nèi)的移動依靠懸掛于壟間的導軌完 成 圖4 a 通過深度卷積神經(jīng)網(wǎng)絡技術區(qū)分 青椒與莖葉 圖4 b 采收效率為2顆 min 采 收后的青椒被暫時儲藏與機器人下方 圖4 c 注 照片由松下株式會社提供 圖3 松下生產(chǎn)的番茄采收機器人 23 Fig 3 Tomato harvesting robot produced by Panasonic 5 智慧農(nóng)業(yè) 中英文 Smart Agriculture 在經(jīng)過預先設置的托盤上方時 會將儲存于機器 人內(nèi)部的青椒通過機器人底部的出口輸送至儲存 青椒的托盤中 圖4 d 2022年AGRIST株式 會社推出的第二款采收機器人增加了物聯(lián)網(wǎng)技術模 塊支持5G通訊 實現(xiàn)了遠程遙控 夜間采收 病蟲害檢測等功能 同時支持農(nóng)戶通過應用軟件 標記青椒 以提高深度神經(jīng)網(wǎng)絡的識別成功率 a 青椒采收機器人系統(tǒng) b 采收青椒 c 底部存放采收的青椒 d 青椒出貨口 注 照片由AGRIST株式會社提供 圖4 青椒采收機器人 42 Fig 4 Green pepper harvesting robot 日本青椒采收機器人以初創(chuàng)公司AGRIST株 式會社為代表 實現(xiàn)了單日40 kg的采收量 并 且可以全年全天24 h工作 通過商業(yè)化導入實際 生產(chǎn)作業(yè) 不斷優(yōu)化并推出采收機器人 此外 該采收機器人在豎直空間內(nèi)作業(yè)范圍大 有采收 其他在豎直空間分布的蔬菜的潛力 3 2 葫蘆科果蔬采收機器人 3 2 1 黃瓜采收機器人 黃瓜是日本葫蘆科中種植面積最大的蔬菜 在日本 黃瓜以個數(shù)計價 價格較高 生長速度 與其他果蔬相比較快 需每天采收以保證其商業(yè) 價值 黃瓜采收機器人的設計是典型農(nóng)機農(nóng)藝結(jié) 合的案例 黃瓜的種植一般采用立體栽培的方 式 然而該方式并不利于采收機器人作業(yè) Kon do開發(fā)出一種黃瓜收獲機器人 由視覺傳感器 六自由度機械臂 末端執(zhí)行機構(gòu)和行走裝置組 成 他簡化了黃瓜機器人的控制機構(gòu)以便于機器 人收割 并設計了一種便于果葉分離的栽培方法 坡架栽培 43 44 將傳統(tǒng)栽培方法傾斜并用支 桿壓住莖葉 圖5 經(jīng)試驗發(fā)現(xiàn) 黃瓜架傾角為 65 時最易于機器人工作 基于農(nóng)機農(nóng)藝結(jié)合 由于黃瓜的顏色與莖葉顏色相似 視覺識別機構(gòu) 是此采收機器人的研發(fā)難點 為有效識別黃瓜 島根大學Fujiura等 45 開 發(fā)了一套視覺系統(tǒng) 主要由三個鏡面反射傳感 6 黃梓宸等 日本設施農(nóng)業(yè)采收機器人研究應用進展及對中國的啟示 器 一個3D視覺傳感器和一臺計算機組成 在 機器人前進時 無需3D視覺傳感器掃描即可通 過光電傳感器檢測到黃瓜 通過開發(fā)的鏡面反射 傳感器 在檢測到黃瓜后停止行駛 隨后3D視 覺傳感器僅掃描黃瓜的近場進行采收識別 圖5 左側(cè)顯示了鏡面反射傳感器的工作原理 從激光 二極管發(fā)出紅外激光束 功率 5 mW 波長 830 nm 每個鏡面反射傳感器的中下部兩處使 用是半透半反鏡 上部傳感器使用全反射鏡 這 樣來自激光二極管的激光束被分成三束 來自作 物表面的反射光通過透鏡聚焦在每個鏡面反射傳 感器中的光電二極管上 每個光電二極管的輸出 信號通過模數(shù)轉(zhuǎn)換器輸送至計算機 為區(qū)分反射 光和太陽光 激光束以10 kHz的頻率發(fā)射 當 激光束穿過黃瓜中心時 會因黃瓜表皮的鏡面反 射產(chǎn)生變大的光電二極管的輸出信號 根據(jù)這種 現(xiàn)象可以檢測黃瓜信號的波形 以此判斷黃瓜的 大概位置 隨后采收機器人使用3D視覺傳感器 獲得黃瓜的3D圖像數(shù)據(jù) 在處理3D圖像數(shù)據(jù) 時 Fujiura首先使用3D圖像和光電電壓提取黃 瓜的像素 果實上方較薄的部分被判斷為果柄 圖像中的其他物體被判斷為莖 葉或桿 Fujiura 嘗試了3D圖像在果蔬識別中的應用 結(jié)果表明 當彩色相機難以從綠色莖葉背景下識別黃色的時 候 3D圖像可以提供更多有效信息且便于計算 機理解黃瓜的位置信息 近年來 以利用Intel開 發(fā)的Realsense系列RGBD相機或光學雷達 Li dar 可以低成本地采集深度圖像 46 Fujiura等 的研究解決了識別算法問題 而新產(chǎn)品的應用可 以使圖像采集系統(tǒng)更輕便高效 黃瓜采收機器人系統(tǒng)是農(nóng)機農(nóng)藝結(jié)合的典型 案例 通過坡架栽培模式使黃瓜個體與莖葉分布 于不同空間 隨后使用鏡面反射傳感器獲得黃瓜 的大概位置實現(xiàn)初步快速檢測 最后使用3D圖 像判斷黃瓜的采收切割點 3 2 2 瓜果采收機器人 同屬葫蘆科的哈密瓜 西瓜等大型水果因其 要求機械手至少具有10 kg級別的承重能力 少 有采收機器人的研究 更多的研究是關于采收末 端執(zhí)行機構(gòu) 北海道大學Noguchi團隊 47 開發(fā) 了一種可以采摘哈密瓜 西瓜和南瓜的機械手 最終評估集中在8個參數(shù) 包括工作空間 系統(tǒng) 分辨率 收獲可能性區(qū)域 準確性 可重復性 收獲成功率 周期時間和損壞率 試驗結(jié)果表 明 其抓取成功率和損害率分別為92 和0 最 終系統(tǒng)的收獲面積和收獲長度為0 286m 2 和 0 8 m 可以滿足瓜果的采收工作 由于該機械手需結(jié)合 拖拉機后懸掛 在溫室內(nèi)限制了其應用場景 3 3 蘆筍采收機器人 作為一種高利潤蔬菜 蘆筍在日本一直有擴 大生產(chǎn)的趨勢 然而蘆筍采收需要長時間彎腰勞 作 勞動力成本高 蘆筍日均成長約10 cm 需 要每天收獲 此外 蘆筍與親本同為綠色 采收 需要識別其大小尺寸 所以視覺部分的選取通常 是二維激光雷達 Sakai等 48 先后開發(fā)了基于激 光雷達和機械臂的蘆筍采收機器人 試驗顯示 基于激光雷達的蘆筍識別檢測成功率為75 激 光雷達掃描時間為2s 機器人采取時間為2 4 s 49 Funami等 50 改進了制定采收決策的算法 使機 械臂可以繞過非目標蘆筍進行采收 當非采收目 標蘆筍的密度小于25顆 m 2 的時候 決策成功率 超過95 由于激光雷達識別技術不依賴于蘆筍 顏色 該識別采收技術有在白蘆筍上應用的 潛力 圖5 坡架栽培模式下的黃瓜采收識別示意圖 Fig 5 Cucumber harvesting and recognition under slope cul tivation mode 7 智慧農(nóng)業(yè) 中英文 Smart Agriculture Inaho株式會社于2022年推出了一款小型化 的蘆筍采收機器人 圖6 51 使用訂制的醫(yī)療 機械臂完成蘆筍采收工作 使用履帶自走系統(tǒng)通 過人工智能識別滿足采收要求的蘆筍 單顆蘆筍 采收效率約為12 s 此外 其物聯(lián)網(wǎng)模塊支持手 機遠程控制機器人作業(yè) 在銷售模式上采用以租 代賣的方式降低初期成本 公司收取的費用取決 于蘆筍的采收量 3 4 草莓采摘機器人 與其他果蔬產(chǎn)品相比 草莓的栽培工作時間較 長 收獲期約為5個月 總采收時長約5000h ha 52 成熟高峰期采摘工作會給農(nóng)民造成的嚴重負擔 在日本 草莓是一種較昂貴的水果 超市單個草 莓的價格約為8元人民幣 為保證草莓高品質(zhì)生 產(chǎn) 農(nóng)民更容易接受一定的設備投資 53 問卷 調(diào)查顯示 54 69 4 的農(nóng)民希望人機協(xié)同作業(yè) 如由機器人采收大多數(shù)草莓 剩下難采收的由人 工完成 只有16 8 的農(nóng)民希望草莓完全由機器 人采收 約有80 的農(nóng)民希望采收機器人的價格 控制在3萬美元 約合20萬元人民幣 以內(nèi) 京 都大學Kondo等 53 56 研發(fā)了不同工作方式的多 種草莓采收機器人 第一代草莓采收機器人針對高架草莓而研 發(fā) 54 57 58 該機器人主要由一個5自由度機械臂 一個氣動式末端執(zhí)行器 視覺傳感器CCD相機 和四輪行走裝置組成 草莓果實懸掛在溫室天花 板垂下的種植苗床上 因此不需要避開障礙物 末端執(zhí)行器使用真空裝置吸住草莓并自下而上進 行采摘 切下花梗后果實留在吸頭中 由機械手 運送并放置到托盤上 該采收方式具有接近于 100 的收獲成功率 但由于草莓單果是自下而 上成熟 尖端成熟的時候其他部位不一定成熟 所以該采摘模式在成熟度檢測方面存在不足 第二代草莓采收機器人針對壟作草莓而研 發(fā) 59 在壟的上方移動并采收 其機械手附有 吸盤式末端執(zhí)行器 在采摘時 末端執(zhí)行器先向 下移動 直到吸頭到達壟的表面 末端執(zhí)行器可 以將目標水果吸入吸頭 當兩對光電斷路器檢測 到吸頭中的果實時 機械手向上移動 內(nèi)筒旋轉(zhuǎn) 切割花序梗 由于在末端執(zhí)行器的吸頭上安裝了 限位開關 因此可以在不通過外部傳感器測量距 離表面深度的情況下停止末端執(zhí)行器的運動 雖 然該機型的試驗成功率為100 但一些目標果 實相鄰的未成熟果實被強吸力采收 從農(nóng)機農(nóng)藝 結(jié)合角度考慮 可以控制花梗長度以減少未成熟 果實的采收 第三代草莓采收機器人的設計理念是全天 24 h工作 對于草莓采收工作 采收機器人在夜 注 照片由Inaho株式會社提供 圖6 蘆筍采收機器人 51 Fig 6 Asparagus harvesting robot 表3 四代草莓采收機器人對比 Table 3 Comparison of the four generations of strawberry harvesting robots 采收機器人 第一代 54 第二代 55 第三代 53 第四代 56 種植模式 高架 壟作 高架 移動苗床 機械手采收方式 由下向上 由上向下 水平方向 水平方向 末端執(zhí)行機構(gòu) 氣吸式 氣吸式 剪切式 剪切式 優(yōu)點 高采收成功率 高采收成功率 針對單個草莓采收 分級 高密度 高效 缺點 無法識別未成熟草莓 誤采相鄰未成熟草莓 體積大 笨重 體積大 笨重 8 黃梓宸等 日本設施農(nóng)業(yè)采收機器人研究應用進展及對中國的啟示 間更具工作優(yōu)勢 因為日間溫室內(nèi)溫度遠高于夜 間 不利于采收后低溫保鮮 前兩代采收機器人 可以實現(xiàn)接近于100 的采收率 但會采收到不 成熟的草莓 針對這個問題 第三代草莓采收機 器人設計了末端執(zhí)行器 機器視覺系統(tǒng)和行走裝 置 53 末端執(zhí)行器具有三個自由度 由一個與 氣缸相連的吸頭和兩個夾取機構(gòu)組成 可以通過 吸頭抓住果實 并通過兩個夾取機構(gòu)根據(jù)花梗傾 斜度旋轉(zhuǎn)切割和抓住花梗 機器視覺系統(tǒng)由三個 相同的彩色攝像頭組成 兩側(cè)的相機可以計算水 果的三維位置 中間的相機識別目標水果和花梗 細節(jié) 通過三自由度的機械手也可將采收后的草 莓準確放入托盤的對應位置中 52 試驗顯示 樣機采收成功率為38 采收成功率低是因為立 體匹配錯誤以及水果和花序梗識別錯誤 此外 該采收機器人嵌入了草莓分級系統(tǒng) 機械手采收 到的草莓可以直接進行檢測分級 在前期的試驗 基礎改進了草莓識別算法 這種機械手在真實種 植草莓溫室的環(huán)境下進行了三個月實驗 60 在 總共879個草莓中收獲了667個 采收成功率 為76 第四代草莓采收機器人在第三代的基礎上進 行了改進 由京都大學 國立研究開發(fā)法人農(nóng) 業(yè) 食品產(chǎn)業(yè)技術綜合研究機構(gòu) 類似于中國農(nóng) 業(yè)科學院 和Shibuya精機株式會社聯(lián)合研發(fā) 目標是針對標準溫室內(nèi)所有的草莓進行全天候采 摘 為提高草莓產(chǎn)量 設計了具有高空間利用 率 高密度栽培的草莓種植溫室 61 開發(fā)的基 于可移動苗床的高密度種植系統(tǒng)長16 0 m 寬 9 2 m 主要由2個縱向輸送單元 2個橫向輸送 單元 2個營養(yǎng)供給單元 1個農(nóng)藥噴霧器 62個 種植臺和1個控制單元組成 縱向輸送機構(gòu)設計 結(jié)合了拉桿的旋轉(zhuǎn)和滑動運動以及控制輸送單元 的方法 苗床到達初始位置的循環(huán)時間為67 0 s 用這種方法得到的草莓種植密度為16 0 20 0株 m 2 大約是常規(guī)栽培方法植株密度的2 2 5倍 在此 溫室環(huán)境下的草莓采收試驗結(jié)果表明 在48m 6m 的高密度種植草莓溫室環(huán)境下 采收成功率 和工作效率分別為54 9 和102 5 m h 62 經(jīng) 過改進算法 夜間和日間采收成攻率分別為 58 6 和62 4 63 Kondo分析了草莓采收失敗的案例 52 主要 是由于成熟草莓受未成熟草莓或莖葉的折疊而導 致圖像識別失敗 采收成功率與疏花疏果的方式 有關 在自然生長條件下草莓成串生長很容易發(fā) 生重疊 從而影響視覺系統(tǒng)識別果梗位置 考慮 到不同種類草莓種植模式均有采收機器人研發(fā)案 例 之后的草莓采收機器人研發(fā)側(cè)重于從算法層 面提升采收機器人識別成熟草莓的成功率 如基 于深度神經(jīng)網(wǎng)絡的圖像處理算法大大提升了果蔬 在復雜環(huán)境下的識別成功率 并且其性能有超越 傳統(tǒng)果蔬識別系統(tǒng)的能力 能在成熟草莓被遮擋 的情況下識別成熟草莓 64 在多功能方面 坪 田將吾等 65 通過RGBD相機與近紅外光譜儀在 采收機器人上的結(jié)合 在采收過程中可以判斷草 莓的糖度信息 在采收后可以根據(jù)糖度信息直接 進行分級 上述第四代草莓采收機器人系統(tǒng) 采收機器 人搭配可移動高密度苗床的整體化采收方案 自 2014年由Shibuya精機株式會社銷售 售價約合 30萬元人民幣 66 高種植密度可以實現(xiàn)用地節(jié) 約 高產(chǎn)高效生產(chǎn) 1000m 2 溫室可以種植8000株 草莓 此外 公司也優(yōu)化了采收后的處理 使機 械手可以精準地將草莓放置于托盤穴位中 并且 可以自動更換托盤 然而 該系統(tǒng)不足之處在于 機器人笨重 價格昂貴 67 自發(fā)售后銷量低 迷 68 因其設計理念是一個機器人負責整個高 密度溫室大棚的草莓采收 所以單個機器人需要 有足夠的承重能力用于儲放采摘后的草莓 這就 造成了單個設備笨重 以至于移動速度只有0 19m s 傳統(tǒng)采收機器人體積大并需要有足夠承載能力的 自走系統(tǒng) 造成了部分采收機器人在系統(tǒng)設計之 初就無法避免裝備成本高的問題 同時 笨重的 機器不利于在溫室內(nèi)移動 工業(yè)機械臂的使用在 一些采收機器人中占據(jù)了相當高比例的成本 近年來Huang等 69 70 提出了一種新的草莓采 9 智慧農(nóng)業(yè) 中英文 Smart Agriculture 收機器人作業(yè)模式 分布式協(xié)同作業(yè)機器人體 系 圖7 該系統(tǒng)仿照大田農(nóng)業(yè)機器人的工作模 式 多個采收機器人同時在一個溫室里開展工 作 因單個機器人不需面對整個溫室的草莓開展 工作 所以單個機器人具有更小的體積 并且在 采收一定的草莓后將采收的草莓集中放置于壟頭 的大托盤中 該系統(tǒng)的實現(xiàn)需要厘米級溫室內(nèi)部 定位系統(tǒng)同時為多個機器人提供實時位置信息 還處于初期研發(fā)階段 已研發(fā)的基于聲波信號的 系統(tǒng)可以提供1 58 的方向角測量精度 69 71 其 無線模塊可以提供約5 cm的定位精度 67 3 5 科學問題及解決方案 經(jīng)過40余年 日本相繼研發(fā)了針對各種典 型果蔬的設施農(nóng)業(yè)采收機器人 典型采收機器人 在設計研發(fā)過程中遇到的科學問題及其解決方案 主要集中在以下兩個方面 1 果蔬識別 由于視覺系統(tǒng)需要判斷采收 點位 但莖 葉 非目標果蔬均會對采收目標的 采收切割點位造成干擾 沿用至今的解決方案是 坡架種植模式 即通過農(nóng)機農(nóng)藝結(jié)合來簡化采收 機器人的作業(yè)環(huán)境 目前限制采收成功率的主要 因素是果蔬的重疊遮擋 以草莓采收機器人為 例 農(nóng)機農(nóng)藝結(jié)合方面可以通過疏花疏果 或通 過化學藥物控制莖稈的長度 使成熟草莓與未成 熟草莓在垂直空間分離 視覺算法方面 可以通 過深度卷積神經(jīng)網(wǎng)絡識別草莓的遮擋問題 或由 RGBD相機提供的點云圖等技術重建果蔬的空間 信息 以此正確判斷采收切割點 2 末端執(zhí)行機構(gòu) 果蔬采收過程中 末端 執(zhí)行機構(gòu)的剛性部件可能會損傷果蔬脆弱的表 皮 因此末端執(zhí)行機構(gòu)的設計需要在考慮通用性 的基礎上 考慮到特定果蔬的形狀及重量參數(shù) 設計柔性末端執(zhí)行機構(gòu) 針對此問題目前已有眾 多解決方案 除了前文列舉的番茄采收機器人使 用的末端執(zhí)行機構(gòu)外 還可以使用軟體機械 手 41 壓力傳感器給與系統(tǒng)受力反饋 47 仿生 技術設計仿生機械手 72 等 4 未來發(fā)展趨勢及對中國的啟發(fā) 4 1 未來發(fā)展趨勢 近十年來 隨著硬件成本降低及新技術的出 現(xiàn) 以及各類創(chuàng)業(yè)扶持項目的開展 日本設施采 收機器人迎來了新的發(fā)展高峰 目前 日本采收 機器人的研發(fā)理念為 以農(nóng)機農(nóng)藝結(jié)合為基礎簡 化作業(yè)環(huán)境 使用廣泛商業(yè)化的視覺系統(tǒng)降低成 本 以深度神經(jīng)網(wǎng)絡為代表的人工智能技術為加 速劑 與企業(yè)聯(lián)合研發(fā)直面消費者市場 采收機 器人目前的發(fā)展呈現(xiàn)出以下趨勢 1 新作業(yè)模式 針對瓶頸問題 小型化輕 便化的采收機器人是其中的一個重要趨勢 也是 近年來日本初創(chuàng)公司開發(fā)的采收機器人的特點之 一 近幾年 國際上涌現(xiàn)出一批具有性能優(yōu)異和 商業(yè)化潛質(zhì)的小型化輕量化采收機器人 以草莓 采收機器人為例 中國農(nóng)業(yè)大學張凱良開發(fā)的草 莓采收機器人針對壟作草莓 其使用的深度學習 網(wǎng)絡識別草莓成功率可達到94 73 比利時魯 汶大學與初創(chuàng)公司合作開發(fā)了一款輕量小型化的 草莓采摘機器人 74 其定位系統(tǒng)采取了精度為 10 cm的超寬帶頻 Ultra wide band UWB 模 塊使其可以自主在溫室內(nèi)移動 挪威生命科學大 學Xiong等 75 開發(fā)的針對高架草莓的采收機器 人重量為120 kg并實現(xiàn)了超過60 的采收成功 率 為提高作業(yè)效率 雙機械臂同時執(zhí)行采摘工 作也是采收機器人的發(fā)展趨勢之一 此外