農(nóng)情獲取機(jī)器人研究進(jìn)展及發(fā)展趨勢(shì)思考

朱立學(xué)，田旭峰

（仲愷農(nóng)業(yè)工程學(xué)院機(jī)電工程學(xué)院，廣州 510225）

0 概述

農(nóng)情信息獲取在國家糧食安全保障、農(nóng)業(yè)結(jié)構(gòu)調(diào)整、農(nóng)業(yè)資源開發(fā)和保護(hù)、農(nóng)產(chǎn)品市場(chǎng)拓展、農(nóng)業(yè)防災(zāi)減災(zāi)、農(nóng)業(yè)可持續(xù)發(fā)展等方面已經(jīng)并將繼續(xù)發(fā)揮積極的科技支撐作用，開展農(nóng)情監(jiān)測(cè)意義重大[1-3]。大多數(shù)農(nóng)業(yè)監(jiān)測(cè)都是在非結(jié)構(gòu)化環(huán)境下進(jìn)行，地形、農(nóng)作物長勢(shì)、可視性、光照和空氣條件等均無法事先預(yù)定且不斷變化，這些都導(dǎo)致了環(huán)境參數(shù)的不確定性和產(chǎn)生不可預(yù)測(cè)的動(dòng)態(tài)狀態(tài)[4,5]。同時(shí)農(nóng)情監(jiān)測(cè)的數(shù)據(jù)具有海量、多源、異構(gòu)、多時(shí)空尺度等數(shù)據(jù)特征，有多業(yè)務(wù)、多元化的應(yīng)用需求[6-8]。

一般來說，獲取農(nóng)情主要有兩種途徑：第一，通過衛(wèi)星遙感技術(shù)獲取農(nóng)情信息[9,10]；第二，通過田間布置傳感器，利用物聯(lián)網(wǎng)技術(shù)實(shí)現(xiàn)農(nóng)情監(jiān)測(cè)[11]。衛(wèi)星遙感技術(shù)對(duì)大面積區(qū)域的部分種類農(nóng)情數(shù)據(jù)如溫度、光照、長勢(shì)等監(jiān)測(cè)具有優(yōu)勢(shì)，但是對(duì)于相對(duì)小區(qū)域分散農(nóng)田則無法實(shí)現(xiàn)農(nóng)情的準(zhǔn)確、實(shí)時(shí)監(jiān)測(cè)，也無法對(duì)土壤成分、病蟲害等農(nóng)情進(jìn)行監(jiān)測(cè)[12,13]。田間傳感器物聯(lián)網(wǎng)技術(shù)一次性投入大、設(shè)備利用率低，不利于農(nóng)情監(jiān)測(cè)與農(nóng)業(yè)精準(zhǔn)作業(yè)的集成化[14]。

隨著科學(xué)技術(shù)的發(fā)展，傳感器性能得到了大幅度改善，人們獲取信息的能力和方法大幅度提高，所獲取的信息數(shù)據(jù)量、信息表現(xiàn)形式、信息與信息間的相關(guān)性都發(fā)生了重大的變化[15]。實(shí)現(xiàn)多種傳感器采集和來自不同知識(shí)源的信息及時(shí)快速地準(zhǔn)確處理，并給出高效、完整、正確的判定、評(píng)估和決策，對(duì)于農(nóng)業(yè)生態(tài)工程、精細(xì)農(nóng)業(yè)的發(fā)展至關(guān)重要。通過引入集成傳感器的云機(jī)器人技術(shù)，在農(nóng)田實(shí)現(xiàn)多點(diǎn)、實(shí)時(shí)、多種農(nóng)情監(jiān)測(cè)，不僅使得農(nóng)情獲取精準(zhǔn)、設(shè)備利用率高，而且可以實(shí)現(xiàn)農(nóng)情監(jiān)測(cè)與智能裝備的集成化[16-18]。傳感器融合的研究也使得多源信息集合后能發(fā)揮更大的作用，研發(fā)通用、適用的傳感器融合能力算法并集成到多傳感器平臺(tái)中是重要方向[19]。提高子系統(tǒng)的整體性和集成性以增強(qiáng)農(nóng)情監(jiān)測(cè)的可持續(xù)性能，比如傳感器融合算法和數(shù)據(jù)分析的信息獲取系統(tǒng)需要提升其魯棒性、可靠性以適應(yīng)非結(jié)構(gòu)化農(nóng)業(yè)環(huán)境的動(dòng)態(tài)特征[20]。此外，多機(jī)器人聯(lián)動(dòng)或協(xié)作需要進(jìn)一步深入研究[21]。

1 國內(nèi)外研究現(xiàn)狀

1.1 國外研究現(xiàn)狀

近年來，大量研究證明，適用于多種作物、農(nóng)業(yè)環(huán)境和自動(dòng)監(jiān)測(cè)能力的集成技術(shù)具有可行性。美國馬里蘭大學(xué)研究了“全球農(nóng)業(yè)監(jiān)測(cè)系統(tǒng)”（GMAS)體系和農(nóng)作物定量遙感反演技術(shù)，該體系研究了農(nóng)情監(jiān)測(cè)業(yè)務(wù)及相關(guān)數(shù)據(jù)處理技術(shù)，開發(fā)了多個(gè)系統(tǒng)，包括快速響應(yīng)影像處理系統(tǒng)、作物關(guān)鍵參數(shù)反演系統(tǒng)、多源數(shù)據(jù)融合系統(tǒng)、作物生長條件動(dòng)態(tài)分析系統(tǒng)、作物長勢(shì)監(jiān)測(cè)等[22]。美國加州的草莓培育商N(yùn)orcal Harvesting安裝一套物聯(lián)網(wǎng)系統(tǒng)，能實(shí)時(shí)追蹤植物狀況，根據(jù)空氣和土壤狀況，自動(dòng)觸發(fā)相關(guān)行為，如澆水或者調(diào)節(jié)溫度[23]。西班牙學(xué)者Conesa-Munoz等人開發(fā)了病蟲監(jiān)控自主機(jī)器人，它需要有輔助功能如自我定位、路徑規(guī)劃、在田間轉(zhuǎn)向和導(dǎo)航、與機(jī)手交互或與其他機(jī)器人協(xié)作避開意外物體[24]。

多傳感器監(jiān)測(cè)平臺(tái)是農(nóng)情探測(cè)準(zhǔn)確性和實(shí)時(shí)性的保證，國外在多傳感器信息融合方面展開了大量研究，意大利學(xué)者Lauro Snidaroa分析了基于上下文信息融合的分布式計(jì)算優(yōu)勢(shì)，分析了在Java Development Kit (JDK) 框架內(nèi)的上下文可以應(yīng)用于多層融合的典型案例，研究了整合上下文信息、先驗(yàn)知識(shí)的信息融合算法[25]。美國學(xué)者Hitha Alex等人研究了傳感器配置優(yōu)化算法，提出了一個(gè)面向信息融合的傳感器管理中間件，可以根據(jù)服務(wù)質(zhì)量以及信息獲取的代價(jià)來實(shí)現(xiàn)自適應(yīng)的傳感器優(yōu)化配置[26]。西班牙學(xué)者Juan M. Corchado針對(duì)信息融合中隱式馬爾科夫過程預(yù)測(cè)精度依賴于預(yù)設(shè)統(tǒng)計(jì)模型的不足，提出了無模型的解決方案，即直接從觀測(cè)結(jié)果出發(fā)，基于蒙特卡洛采樣過程以及貝葉斯過濾因子提出了一個(gè)無偏非線性推理算法[27]。

1.2 國內(nèi)研究現(xiàn)狀

隨著信息技術(shù)的發(fā)展，國內(nèi)針對(duì)農(nóng)情信息的監(jiān)測(cè)開展了大量研究。武漢工程大學(xué)楊帆等在2011年采用D-S證據(jù)理論和BP神經(jīng)網(wǎng)絡(luò)相結(jié)合的方法，建立了多傳感器信息融合算法，并將這種信息融合算法應(yīng)用于農(nóng)作物生長環(huán)境監(jiān)控中[28]。江蘇大學(xué)高洪燕等在2012年建立番茄冠層氣溫差模型和水分脅迫指數(shù)模型，將特征波長、單通道的近紅外和可見光圖像的灰度均值和CWSI作為多信息融合的輸入，利用偏最小二乘-神經(jīng)網(wǎng)絡(luò)回歸分析進(jìn)行了驗(yàn)證[29]。北京市農(nóng)林科學(xué)院農(nóng)業(yè)科技信息研究所于金瑩等在2013年采用物聯(lián)網(wǎng)等相關(guān)技術(shù)，研發(fā)了一套農(nóng)情監(jiān)測(cè)診斷綜合平臺(tái)，平臺(tái)采用客戶端和服務(wù)器端模式，包括環(huán)境因子監(jiān)測(cè)子平臺(tái)、智能決策子平臺(tái)和專家遠(yuǎn)程科技咨詢服務(wù)子平臺(tái)[30]。東華大學(xué)劉倩在2014年將傳感器節(jié)點(diǎn)布設(shè)于農(nóng)田等目標(biāo)區(qū)域，將采集到的各種環(huán)境信息作為信息源，研究監(jiān)測(cè)判別模型所使用的數(shù)據(jù)挖掘和多源信息融合算法，建立了農(nóng)情監(jiān)測(cè)系統(tǒng)[31]。中國科學(xué)院杜克明在2015年結(jié)合物聯(lián)網(wǎng)與多源信息融合方法，提出了基于點(diǎn)面融合的小麥苗情分類分析方法、基于物聯(lián)網(wǎng)與模型耦合的小麥氣象災(zāi)害診斷方法和基于圖像識(shí)別的小麥葉部病害診斷方法[32]。同年昆明理工大學(xué)段有艷融合了地理信息系統(tǒng)、遙感及衛(wèi)星定位系統(tǒng)等相關(guān)技術(shù)，實(shí)現(xiàn)對(duì)農(nóng)情環(huán)境溫度、濕度、露點(diǎn)溫度、光照、風(fēng)速、pH值、大氣環(huán)境等指標(biāo)的實(shí)時(shí)無人全天候監(jiān)測(cè)，并實(shí)現(xiàn)數(shù)據(jù)的遠(yuǎn)程可靠傳輸[33]。江蘇大學(xué)劉紅玉在2016年利用經(jīng)過遺傳算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)程序（GA-BPANN）和最小二乘支持向量機(jī)方法（LS-SVM）建立了番茄葉片氮、磷、鉀含量的多元信息融合模型，全面、準(zhǔn)確地反映作物的營養(yǎng)信息[34]。同年，東華大學(xué)劉兵將無人機(jī)數(shù)據(jù)、遙感以及物聯(lián)網(wǎng)等多源異構(gòu)數(shù)據(jù)進(jìn)行數(shù)據(jù)關(guān)聯(lián)處理和數(shù)據(jù)類型處理，側(cè)重對(duì)多源數(shù)據(jù)的集成管理，為農(nóng)情決策空間信息系統(tǒng)提供穩(wěn)定可靠的數(shù)據(jù)來源[35]。東南大學(xué)的徐澤水概括分析了近年來基于直覺模糊決策的信息融合方法，指出了這些方法的優(yōu)點(diǎn)以及面臨的挑戰(zhàn)[36]。

2 農(nóng)情信息獲取機(jī)器人發(fā)展趨勢(shì)

農(nóng)情信息具備多種屬性，如何實(shí)現(xiàn)信息的全面、多維度的表達(dá)成為近年來的研究熱點(diǎn)，研究方法主要為跨模態(tài)（多源信息）數(shù)據(jù)融合技術(shù)，而技術(shù)的研究焦點(diǎn)為數(shù)據(jù)融合算法。國內(nèi)對(duì)于農(nóng)業(yè)領(lǐng)域跨模態(tài)信息融合的研究，存在監(jiān)測(cè)對(duì)象相對(duì)單一，數(shù)據(jù)模態(tài)也相對(duì)較少，數(shù)據(jù)融合算法相對(duì)簡(jiǎn)單的問題?，F(xiàn)實(shí)生產(chǎn)的農(nóng)情監(jiān)測(cè)，包括苗情、蟲情、災(zāi)情、墑情、長勢(shì)等農(nóng)情數(shù)據(jù)，模態(tài)繁多，且要求數(shù)據(jù)響應(yīng)速率要高，因此，農(nóng)情監(jiān)測(cè)信息融合算法要進(jìn)一步優(yōu)化，滿足多模態(tài)、大容量、高速率要求[37,38]。為了進(jìn)一步實(shí)現(xiàn)農(nóng)情的精準(zhǔn)探查，需要采用農(nóng)情探查云機(jī)器人集群信息采集與控制技術(shù)[39-41]，同時(shí)為了避免出現(xiàn)信息誤報(bào)，需要進(jìn)行農(nóng)情探查云機(jī)器人目標(biāo)任務(wù)解耦算法與協(xié)調(diào)作業(yè)調(diào)度策略的研究，以進(jìn)行農(nóng)情信息的二次探查[42-45]。

隨著中國農(nóng)業(yè)機(jī)器人的研發(fā)進(jìn)程不斷加快，機(jī)器人系統(tǒng)的研究也取得了長足的進(jìn)步，農(nóng)情獲取機(jī)器人系統(tǒng)研究也逐步跟上發(fā)達(dá)國家農(nóng)業(yè)機(jī)械發(fā)展的步伐。綜合分析國內(nèi)外農(nóng)情獲取機(jī)器人系統(tǒng)研究進(jìn)展，結(jié)合農(nóng)業(yè)機(jī)器人工作環(huán)境的復(fù)雜與多變性，農(nóng)情獲取機(jī)器人系統(tǒng)呈現(xiàn)出以下發(fā)展趨勢(shì)。

2.1 信息采集系統(tǒng)更趨智能化

為了使機(jī)器人系統(tǒng)更加完善，農(nóng)情獲取更加準(zhǔn)確，需加強(qiáng)對(duì)融合互補(bǔ)傳感器的研究開發(fā)，以及基于機(jī)器學(xué)習(xí)算法和計(jì)算機(jī)視覺增強(qiáng)機(jī)器人系統(tǒng)的農(nóng)情獲取能力與學(xué)習(xí)能力，在植物病蟲害檢測(cè)、果蔬采摘等領(lǐng)域，使機(jī)器人系統(tǒng)更加智能。開發(fā)研究適用于不同作物分類檢測(cè)技術(shù)，如數(shù)字圖像處理和人工神經(jīng)網(wǎng)絡(luò)已成為植物監(jiān)測(cè)系統(tǒng)中的重要適用技術(shù)。

農(nóng)業(yè)環(huán)境復(fù)雜多變，且非結(jié)構(gòu)化，而農(nóng)業(yè)機(jī)器人的一個(gè)關(guān)鍵特征就是要滿足在非結(jié)構(gòu)化農(nóng)業(yè)環(huán)境中正常運(yùn)行，因此信息采集系統(tǒng)將得到改進(jìn)。應(yīng)研究和開發(fā)具有多傳感器融合能力的多功能和自適應(yīng)算法，集成到多傳感器平臺(tái)，整合機(jī)器人系統(tǒng)，開發(fā)適用于各種非結(jié)構(gòu)化的農(nóng)業(yè)環(huán)境數(shù)據(jù)獲取、傳輸與信息監(jiān)測(cè)的智能機(jī)器人系統(tǒng)，以期提升非結(jié)構(gòu)化環(huán)境下機(jī)器人系統(tǒng)魯棒性。

2.2 降低機(jī)器人系統(tǒng)開發(fā)成本成為可能

機(jī)器人系統(tǒng)的研發(fā)將更加貼合實(shí)際需求，應(yīng)針對(duì)不同的農(nóng)情與作業(yè)要求，開發(fā)簡(jiǎn)單的機(jī)械執(zhí)行部件，以適當(dāng)?shù)膫鞲腥诤陷o助，指導(dǎo)提升執(zhí)行部件適用性，克服當(dāng)前存在的產(chǎn)品研發(fā)周期長的問題。為了提升機(jī)器人系統(tǒng)的安全性與可靠性，需要保持農(nóng)情信息觀測(cè)數(shù)據(jù)獲取的穩(wěn)定性，集成機(jī)器人系統(tǒng)，優(yōu)化結(jié)構(gòu)設(shè)備，減小系統(tǒng)尺寸，使機(jī)器人系統(tǒng)更趨集約化，克服功能單一、研發(fā)成本過高的劣勢(shì)。

2.3 機(jī)器人應(yīng)用向更專業(yè)化發(fā)展

為了適應(yīng)不同農(nóng)業(yè)環(huán)境的監(jiān)測(cè)需求，未來農(nóng)情獲取機(jī)器人系統(tǒng)發(fā)展將更專業(yè)化，如適用于室外、溫室的苗情、長勢(shì)等農(nóng)情數(shù)據(jù)獲取，進(jìn)而實(shí)現(xiàn)不同瓜果的采摘、搬運(yùn)等其他操作的機(jī)器人將越來越多，結(jié)合衛(wèi)星遙感和基于物聯(lián)網(wǎng)的傳感器技術(shù)，針對(duì)不同作物實(shí)現(xiàn)對(duì)應(yīng)農(nóng)情機(jī)器人系統(tǒng)的快速構(gòu)建，形成模塊化的專業(yè)應(yīng)用系統(tǒng)方案，提升機(jī)器人系統(tǒng)的可復(fù)制性，實(shí)現(xiàn)快捷應(yīng)用，同時(shí)也可縮短研發(fā)周期。