農(nóng)業(yè)信息采集機(jī)器人關(guān)鍵技術(shù)研究現(xiàn)狀與發(fā)展趨勢(shì)

摘要：智慧農(nóng)業(yè)是農(nóng)業(yè)現(xiàn)代化的標(biāo)志，農(nóng)業(yè)信息采集是智慧農(nóng)業(yè)的重要環(huán)節(jié)之一，相較于人工信息采集具有的低效、準(zhǔn)確度不高等不足，利用農(nóng)業(yè)信息采集機(jī)器人代替人工進(jìn)行農(nóng)情信息采集，可降低農(nóng)作強(qiáng)度、提升生產(chǎn)效率。本文針對(duì)不同場(chǎng)景下的農(nóng)業(yè)信息采集機(jī)器人，概括了近幾十年國(guó)內(nèi)外農(nóng)業(yè)信息采集機(jī)器人的應(yīng)用現(xiàn)狀，總結(jié)了自主導(dǎo)航技術(shù)、機(jī)器視覺(jué)技術(shù)、智能控制技術(shù)、智能云處理技術(shù)四大關(guān)鍵技術(shù)的研究現(xiàn)狀，并結(jié)合農(nóng)業(yè)生產(chǎn)中環(huán)境非結(jié)構(gòu)化、作業(yè)對(duì)象具有嬌嫩性等特點(diǎn)，指出了目前關(guān)鍵技術(shù)存在的問(wèn)題，并提出復(fù)合導(dǎo)航技術(shù)、多機(jī)智能感知、視覺(jué)監(jiān)測(cè)算法優(yōu)化、通用化智能控制、智能云管控平臺(tái)是未來(lái)的發(fā)展趨勢(shì)。

關(guān)鍵詞：農(nóng)業(yè)信息采集機(jī)器人；自主導(dǎo)航；機(jī)器視覺(jué)；智能控制；智能云處理

中圖分類(lèi)號(hào)：S237文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1000-4440（2024）07-1351-10Research status and development trend of key technologies of agricultural information acquisition robotQI Haixia，YANG Zekang，CHEN Yu，F(xiàn)ENG Fasheng

（College of Engineering， South China Agricultural University， Guangzhou 510642， China）

Abstract：Smart agriculture is the symbol of agricultural modernization， and agricultural information collection is one of the important links of smart agriculture. Compared with inefficient and inaccurate manual information collection， the use of agricultural information collection robots for agricultural information collection can reduce agricultural intensity and improve production efficiency. Aiming at agricultural information acquisition robots under different scenarios， this paper summarized the application status of agricultural information acquisition robots at home and abroad in recent decades， and summarized the research status of four key technologies， namely autonomous navigation， machine vision， intelligent control and intelligent cloud processing. Based on the characteristics of unstructured environment and delicate operation objects in agricultural production， the paper pointed out the problems existing in the current key technologies， and put forward that composite navigation technology， multi-intelligence sensing， visual monitoring algorithm optimization， universal intelligent control， intelligent cloud management and control platform were the future development trends.

Key words：agricultural information acquisition robot;autonomous navigation;machine vision;intelligent control;intelligent cloud processing

農(nóng)業(yè)是人類(lèi)生活的根基，農(nóng)業(yè)生產(chǎn)不僅會(huì)直接影響人類(lèi)的生存狀況，也是推動(dòng)社會(huì)進(jìn)步與維持社會(huì)穩(wěn)定的基石。農(nóng)業(yè)生產(chǎn)大體可按社會(huì)發(fā)展階段分為4個(gè)階段[1]：第1個(gè)階段是農(nóng)業(yè)社會(huì)時(shí)期，該階段以人力、畜力為主完成傳統(tǒng)的農(nóng)業(yè)生產(chǎn)；第2個(gè)階段是工業(yè)社會(huì)階段，該階段以農(nóng)業(yè)機(jī)械化為主，通過(guò)使用農(nóng)機(jī)具完成農(nóng)業(yè)生產(chǎn)；第3個(gè)階段是信息化社會(huì)階段，該階段逐步開(kāi)始使用自動(dòng)化機(jī)器進(jìn)行農(nóng)業(yè)生產(chǎn)；第4個(gè)階段是智慧社會(huì)階段，該階段以無(wú)人化生產(chǎn)為主，實(shí)現(xiàn)智慧農(nóng)業(yè)生產(chǎn)。

智慧農(nóng)業(yè)是現(xiàn)代農(nóng)業(yè)的主要表現(xiàn)形式，主要通過(guò)物聯(lián)網(wǎng)、大數(shù)據(jù)、人工智能等現(xiàn)代信息技術(shù)與農(nóng)機(jī)裝備的相互融合，實(shí)現(xiàn)農(nóng)業(yè)生產(chǎn)中的智能農(nóng)情信息感知、智能控制、智能決策，農(nóng)業(yè)信息化發(fā)展是智慧農(nóng)業(yè)的基礎(chǔ)，農(nóng)業(yè)信息采集是智慧農(nóng)業(yè)的前提[2-5]。在農(nóng)業(yè)生產(chǎn)中，傳統(tǒng)農(nóng)情信息采集仍通過(guò)人工，不能高效完成信息采集任務(wù)。因此，發(fā)展農(nóng)業(yè)信息采集機(jī)器人、提高信息采集的質(zhì)量與速度，是發(fā)展智慧農(nóng)業(yè)的重要途徑[6]。

當(dāng)今，農(nóng)業(yè)信息采集機(jī)器人主要針對(duì)農(nóng)業(yè)生產(chǎn)作業(yè)對(duì)象信息（生長(zhǎng)情況、病蟲(chóng)害、表型等）和環(huán)境信息（土壤pH值、氣象、溫度等）進(jìn)行數(shù)據(jù)采集和判斷。本文擬根據(jù)農(nóng)業(yè)信息采集機(jī)器人不同的應(yīng)用場(chǎng)景，從田間、果園、設(shè)施農(nóng)業(yè)、畜禽養(yǎng)殖、水產(chǎn)養(yǎng)殖5個(gè)方面進(jìn)行闡述，并對(duì)其研究現(xiàn)狀進(jìn)行分析，探討農(nóng)業(yè)信息采集機(jī)器人應(yīng)用的關(guān)鍵技術(shù)，分析這些技術(shù)的發(fā)展對(duì)農(nóng)業(yè)信息采集機(jī)器人的識(shí)別準(zhǔn)確率、穩(wěn)定性產(chǎn)生的影響，并對(duì)農(nóng)業(yè)信息采集機(jī)器人的發(fā)展趨勢(shì)進(jìn)行展望，以期為中國(guó)農(nóng)業(yè)信息采集機(jī)器人的發(fā)展提供參考。

1農(nóng)業(yè)信息采集機(jī)器人技術(shù)發(fā)展現(xiàn)狀

農(nóng)業(yè)機(jī)器人技術(shù)可以追溯到1951年，主要是美國(guó)人進(jìn)行機(jī)器人機(jī)械部分的研究，1984年日本近騰直首次將機(jī)器人運(yùn)用在農(nóng)業(yè)中[7]。在農(nóng)情信息采集方面，農(nóng)業(yè)信息采集機(jī)器人的應(yīng)用主要是為了提高生產(chǎn)產(chǎn)量，保護(hù)動(dòng)植物免受病蟲(chóng)害和環(huán)境因素的影響。20世紀(jì)90年代開(kāi)始，國(guó)外已通過(guò)傳感器、攝像頭進(jìn)行土壤、雜草、溫度等信息的采集[8]。進(jìn)入21世紀(jì)，機(jī)器人技術(shù)和信息技術(shù)水平不斷提升，通過(guò)對(duì)農(nóng)業(yè)機(jī)器人搭載傳感器和攝像頭，實(shí)現(xiàn)了機(jī)器人自主的信息采集，并逐漸形成了如今的農(nóng)業(yè)信息采集機(jī)器人。

1.1田間信息采集機(jī)器人

田間信息采集機(jī)器人用于采集作物生長(zhǎng)情況、田間雜草檢測(cè)、土壤含水量等數(shù)據(jù)檢測(cè)。日本Iida等[9]研制出了1款六足雜草識(shí)別機(jī)器人，該機(jī)器人能實(shí)現(xiàn)田間自由行走，并能利用微型計(jì)算機(jī)、紅外測(cè)距傳感器、CO2氣體模塊和風(fēng)向儀等組成的裝置，對(duì)大田土壤含水量、肥量和作物生長(zhǎng)情況進(jìn)行采集，用相機(jī)對(duì)地面進(jìn)行掃描，實(shí)現(xiàn)對(duì)雜草的判別。丹麥Bak等[10]研發(fā)的田間雜草檢測(cè)農(nóng)業(yè)機(jī)器人（圖1），由移動(dòng)機(jī)構(gòu)、攝像機(jī)、推進(jìn)平臺(tái)及控制系統(tǒng)組成，用于行距為0.25～0.50 m的農(nóng)田雜草檢測(cè)。日本的Nagasaka等[11]研發(fā)了一款名叫“看門(mén)犬”的機(jī)器人（圖2），配備了1個(gè)攝像頭和1個(gè)全球定位系統(tǒng)（GPS）接收器，該機(jī)器人能夠找出田間的病害植株和雜草。

國(guó)內(nèi)最早研制農(nóng)業(yè)信息采集機(jī)器人的是胡娜[12]，他們研制了四輪并聯(lián)懸架的本體結(jié)構(gòu)，通過(guò)遙控行走，對(duì)田間地形環(huán)境有較強(qiáng)的適應(yīng)能力，且機(jī)器人運(yùn)動(dòng)靈活，有較好的穩(wěn)定性。通過(guò)攝像頭進(jìn)行信息采集，并將采集的信息用分析軟件進(jìn)行信息保存與分析。劉成龍等[13]設(shè)計(jì)了1款小型四足柔性信息采集機(jī)器人，為避免機(jī)器人將田間土壤壓實(shí)，采用三段式兩自由度的腿部結(jié)構(gòu)、遠(yuǎn)程繩索驅(qū)動(dòng)式膝關(guān)節(jié)和彈簧儲(chǔ)能裝置等，將足端軌跡曲線(xiàn)設(shè)計(jì)為斜線(xiàn)式，提高了其運(yùn)動(dòng)速度并減少了能耗，并通過(guò)試驗(yàn)發(fā)現(xiàn)，該機(jī)器人符合田間信息采集工作的要求。

1.2果園信息采集機(jī)器人

果園信息采集機(jī)器人主要完成對(duì)果園圖像的自動(dòng)采集，并對(duì)相關(guān)環(huán)境信息進(jìn)行提取和上報(bào)。在現(xiàn)代農(nóng)業(yè)中，為了提高生產(chǎn)效率，用無(wú)人機(jī)和地面機(jī)器人協(xié)同進(jìn)行農(nóng)情采集，并在此基礎(chǔ)上研發(fā)地空兩用信息采集機(jī)器人作為新的研究方向。He等[14]綜述了用機(jī)器人、遙感技術(shù)對(duì)果園產(chǎn)量進(jìn)行預(yù)測(cè)的過(guò)程，肯定了遙感技術(shù)利用光譜相機(jī)采集的植被指數(shù)對(duì)于提高果園預(yù)測(cè)率的重要性，并指出未來(lái)可通過(guò)多傳感器信息采集技術(shù)與園藝技術(shù)的交融來(lái)實(shí)現(xiàn)果園智能化。Anastasiou等[15]用衛(wèi)星影像、近端遙感對(duì)葡萄進(jìn)行種植到收獲階段植被指數(shù)的采集，并對(duì)采集的數(shù)據(jù)進(jìn)行歸一化植被指數(shù)（NDVI）和綠色歸一化植被指數(shù)（GNDVI）計(jì)算。通過(guò)對(duì)比得出，近地端遙感對(duì)于葡萄生產(chǎn)信息的識(shí)別效果更好。王偉等[16]設(shè)計(jì)出1款地空兩用信息采集機(jī)器人，該機(jī)器人可同時(shí)進(jìn)行空中作業(yè)與地面作業(yè)，其基本結(jié)構(gòu)由飛行控制機(jī)構(gòu)、地面行走機(jī)構(gòu)和信息采集系統(tǒng)3個(gè)部分構(gòu)成，在原有地面機(jī)器人的基礎(chǔ)上加裝飛行機(jī)構(gòu)，提升了其在大田工作的越障能力。陳成坤[17]設(shè)計(jì)了地空多級(jí)協(xié)同作業(yè)的信息采集平臺(tái)，通過(guò)在無(wú)人機(jī)、無(wú)人車(chē)上搭載雙目相機(jī)進(jìn)行果園信息的采集，并通過(guò)Node.js、Express.js技術(shù)設(shè)計(jì)的云平臺(tái)，實(shí)現(xiàn)了多機(jī)協(xié)同作業(yè)，實(shí)現(xiàn)了各類(lèi)機(jī)器人的信息共享。筆者所在團(tuán)隊(duì)之前針對(duì)溫室作物研發(fā)了一款行車(chē)式相機(jī)電驅(qū)平臺(tái)和一款履帶式全地形農(nóng)業(yè)作物信息監(jiān)測(cè)移動(dòng)平臺(tái)[18-19]。安徽益可達(dá)智能科技有限公司研發(fā)的巡檢機(jī)器人（圖3），可將農(nóng)業(yè)生產(chǎn)環(huán)節(jié)中的空氣溫濕度、土壤溫度、土壤水分含量等數(shù)據(jù)上傳至云端，將最優(yōu)解反饋給控制系統(tǒng)，并可進(jìn)行噴灌加溫、換氣、遮陽(yáng)、補(bǔ)充CO2等操作。

1.3設(shè)施農(nóng)業(yè)信息采集機(jī)器人

在設(shè)施農(nóng)作物生長(zhǎng)過(guò)程中，需要監(jiān)測(cè)作物生長(zhǎng)信息，可利用機(jī)器人獲取作物形狀、大小、顏色等狀態(tài)信息。Clearpath公司研發(fā)了一款名為HUSKY OBSERVER的機(jī)器人（圖4），該機(jī)器人具有自主移動(dòng)和導(dǎo)航功能，可通過(guò)互聯(lián)網(wǎng)對(duì)其進(jìn)行實(shí)時(shí)操控，并搭載云臺(tái)熱成像攝像頭，能遠(yuǎn)程精準(zhǔn)監(jiān)測(cè)作物的生長(zhǎng)情況。荷蘭Phenospex公司研發(fā)的“PlantEye”用無(wú)人移動(dòng)車(chē)輛或龍門(mén)架等移動(dòng)設(shè)備搭載三維（3D）視覺(jué)與多光譜成像設(shè)備，在溫室、實(shí)驗(yàn)室等場(chǎng)景中采集葉傾角、葉面積指數(shù)、光穿透深度等17種參數(shù)。中國(guó)科學(xué)院研發(fā)了國(guó)內(nèi)首套高通量信息采集監(jiān)測(cè)平臺(tái)Crop3D，搭載了高清相機(jī)、熱成像儀、高光譜成像儀等傳感器，能通量化、全面化監(jiān)測(cè)植物的表型數(shù)據(jù)[20]。北京魔山科技有限公司研發(fā)了高通量植物表型采集機(jī)器人（圖5），該機(jī)器人以輪式機(jī)器人Autolabor PM1為本體，搭載了激光雷達(dá)、超聲波、視覺(jué)傳感器等多種傳感器，將多傳感器信息進(jìn)行融合，實(shí)現(xiàn)了機(jī)器人在農(nóng)業(yè)環(huán)境下的高穩(wěn)定性運(yùn)動(dòng)與數(shù)據(jù)采集處理。在機(jī)器人上可擴(kuò)展設(shè)備安裝面，可按需安裝激光雷達(dá)、深度相機(jī)、紅外相機(jī)、光譜相機(jī)、機(jī)械臂等傳感器設(shè)備，實(shí)現(xiàn)對(duì)植物表型和環(huán)境數(shù)據(jù)的監(jiān)測(cè)與采集。王旭等[21]設(shè)計(jì)了無(wú)線(xiàn)傳感系統(tǒng)的設(shè)施農(nóng)業(yè)信息監(jiān)測(cè)移動(dòng)機(jī)器人，其在移動(dòng)過(guò)程中通過(guò)傳感器對(duì)溫室的溫濕度、光照度及CO2等參數(shù)進(jìn)行動(dòng)態(tài)監(jiān)測(cè)，并通過(guò)無(wú)線(xiàn)通信模塊傳輸數(shù)據(jù)到遠(yuǎn)程客戶(hù)端，還可以手機(jī)作為控制端，控制機(jī)器人的行動(dòng)路徑、方向和速度。

1.4畜禽養(yǎng)殖信息采集機(jī)器人

畜禽養(yǎng)殖信息采集機(jī)器人主要用于養(yǎng)殖環(huán)境及動(dòng)物行為的巡檢。馮青春等[22]研發(fā)了一種畜禽防疫巡檢機(jī)器人（圖6），包括移動(dòng)承載平臺(tái)、防疫噴霧部件、環(huán)境監(jiān)測(cè)傳感器及控制器等部分，可通過(guò)機(jī)載攝像機(jī)和傳感器實(shí)時(shí)探測(cè)室內(nèi)不同位置的環(huán)境信息，為人工管理作業(yè)提供決策依據(jù)。劉艷昌等[23]設(shè)計(jì)了一種軌道式機(jī)器人，能夠?qū)ιi健康進(jìn)行智能監(jiān)控，該機(jī)器人以現(xiàn)場(chǎng)可編程門(mén)陣列（FPGA）控制器為硬件核心，結(jié)合豬體表面特征與環(huán)境感知傳感器、智能控制技術(shù)、圖像處理技術(shù)，構(gòu)建了生豬監(jiān)測(cè)平臺(tái)，實(shí)現(xiàn)了對(duì)生豬異常行為和環(huán)境參數(shù)信息的采集，識(shí)別率可達(dá)93.5%。連京華等[24]設(shè)計(jì)了家禽智能巡檢機(jī)器人，通過(guò)監(jiān)測(cè)系統(tǒng)上報(bào)異常情況并預(yù)警，防范了各種風(fēng)險(xiǎn)。筆者所在團(tuán)隊(duì)于2016年設(shè)計(jì)了一套關(guān)于豬舍信息采集的畜牧養(yǎng)殖守衛(wèi)（LBG）自主移動(dòng)機(jī)器人，搭載溫度、相對(duì)濕度和灰塵傳感器，能夠?qū)崟r(shí)監(jiān)測(cè)畜禽舍內(nèi)環(huán)境，通過(guò)比較里程計(jì)航跡推算（ODR）、里程表和陀螺儀航跡推算（OGDR）和卡爾曼濾波融合算法（KFDF），得出KFDF能更好地提高舍內(nèi)定位精度及機(jī)器人的工作效率[25]。Usher等[26]設(shè)計(jì)了一種家禽信息采集機(jī)器人（圖7），通過(guò)SuperDroidRobots底盤(pán)搭載Kinect 3D攝像頭，用于采集雞舍中的環(huán)境信息，在采集雞蛋的試驗(yàn)中，共完成83次測(cè)試，采集成功率達(dá)到91.57%。

1.5水產(chǎn)養(yǎng)殖信息采集機(jī)器人

水產(chǎn)養(yǎng)殖信息采集機(jī)器人主要通過(guò)將聲吶、溶解氧含量等傳感器搭載到機(jī)器人上，實(shí)現(xiàn)對(duì)網(wǎng)箱內(nèi)環(huán)境與作業(yè)對(duì)象的信息采集[27]。Karimanzira等[28]設(shè)計(jì)了1款水下監(jiān)測(cè)機(jī)器人，通過(guò)磁感應(yīng)原理測(cè)量光學(xué)指標(biāo)、電導(dǎo)率并以此來(lái)測(cè)量氧氣含量，同時(shí)搭配發(fā)光二極管（LED）攝像頭，可對(duì)網(wǎng)箱內(nèi)水質(zhì)和魚(yú)類(lèi)行為進(jìn)行自動(dòng)監(jiān)測(cè)與分析。Sakamoto等[29]用中分辨率成像光譜儀（MODIS）的時(shí)序影像遙感方法，對(duì)越南部分蝦類(lèi)養(yǎng)殖的發(fā)展?fàn)顩r進(jìn)行了研究，從宏觀(guān)角度闡述了區(qū)域養(yǎng)殖系統(tǒng)隨時(shí)間、空間的分布與變化。深圳潛行創(chuàng)新科技有限公司研發(fā)了一款名為“潛鮫”的水下機(jī)器人（圖8），這類(lèi)機(jī)器人可根據(jù)自身需求搭載定距聲吶、多參數(shù)水質(zhì)傳感器、激光卡尺等傳感器，通過(guò)遙感觀(guān)察環(huán)境和魚(yú)層分布，具有實(shí)時(shí)記錄數(shù)據(jù)、共享數(shù)據(jù)的功能。

2農(nóng)業(yè)信息采集機(jī)器人關(guān)鍵技術(shù)

2.1自主導(dǎo)航技術(shù)

2.1.1導(dǎo)航定位技術(shù)自主導(dǎo)航是讓機(jī)器人在無(wú)人操作的情況下通過(guò)傳感器檢測(cè)周?chē)h(huán)境信息并確定自身姿態(tài)與位置，以按照預(yù)定的路徑規(guī)劃行走[30]。目前主流的導(dǎo)航定位技術(shù)包括衛(wèi)星導(dǎo)航、視覺(jué)導(dǎo)航、激光導(dǎo)航、超聲波導(dǎo)航等[31]。表1為如今主流導(dǎo)航技術(shù)的原理及優(yōu)缺點(diǎn)。

全球?qū)Ш蕉ㄎ幌到y(tǒng)（GNSS）泛指所有全球?qū)Ш叫l(wèi)星系統(tǒng)，包含美國(guó)的GPS、中國(guó)的北斗（BDS）、歐洲的伽利略（Galileo）與俄羅斯的格洛納斯（GLONASS）[32]。而目前常用的農(nóng)業(yè)信息采集機(jī)器人導(dǎo)航技術(shù)以GPS、北斗和視覺(jué)導(dǎo)航為主，因此本研究主要介紹GPS、北斗和視覺(jué)導(dǎo)航技術(shù)的研究現(xiàn)狀。在導(dǎo)航定位技術(shù)的應(yīng)用中，GPS導(dǎo)航常采用偽距差分動(dòng)態(tài)定位法，用基準(zhǔn)接收機(jī)、動(dòng)態(tài)接收機(jī)共同觀(guān)測(cè)4顆GPS衛(wèi)星，通過(guò)計(jì)算求出某時(shí)刻機(jī)器人的三維坐標(biāo)。當(dāng)前GPS導(dǎo)航技術(shù)相對(duì)成熟、成本較低，應(yīng)用在農(nóng)業(yè)生產(chǎn)中可提高農(nóng)機(jī)效率，提升工作質(zhì)量。但是，由于農(nóng)業(yè)生產(chǎn)受到非結(jié)構(gòu)性環(huán)境的影響，因此GPS導(dǎo)航技術(shù)的穩(wěn)定性有待提高。目前中國(guó)大力開(kāi)展北斗導(dǎo)航（圖9）在農(nóng)業(yè)中的應(yīng)用研究，其定位精度達(dá)到厘米級(jí)，使機(jī)器人在作業(yè)時(shí)可根據(jù)需求規(guī)劃采集路線(xiàn)，導(dǎo)航控制器對(duì)車(chē)載衛(wèi)星接收天線(xiàn)收到的差分?jǐn)?shù)據(jù)進(jìn)行聯(lián)合解算，最后根據(jù)車(chē)身搭載的傳感器進(jìn)行信息采集，并實(shí)時(shí)向控制機(jī)構(gòu)發(fā)送控制指令[33]。

Zhang等[34]設(shè)計(jì)的果園信息采集機(jī)器人Bin-dog（圖10）利用GPS、激光掃描儀等傳感器，能在果樹(shù)間進(jìn)行直線(xiàn)巡航作業(yè)及自動(dòng)轉(zhuǎn)向，直線(xiàn)追蹤的橫向誤差不超2 cm，航向偏差不超過(guò)1.5°。陳黎卿等[35]設(shè)計(jì)了一套配備雙天線(xiàn)的實(shí)時(shí)動(dòng)態(tài)差分全球?qū)Ш叫l(wèi)星系統(tǒng)（RTK-GNSS）的輔助駕駛系統(tǒng)，該系統(tǒng)基于預(yù)瞄算法、二自由度車(chē)輛轉(zhuǎn)向模型，以0.5 m/s的速度分別在水泥路面、玉米田間環(huán)境下進(jìn)行了試驗(yàn)，試驗(yàn)結(jié)果表明，輔助駕駛系統(tǒng)在2種條件下的直線(xiàn)路徑跟蹤偏差均值和標(biāo)準(zhǔn)差分別為5.2 cm、3.4 cm和6.8 cm、4.8 cm，表明所設(shè)計(jì)的輔助駕駛系統(tǒng)在寬行種植作物中有良好的應(yīng)用價(jià)值。劉陽(yáng)春等[36]為實(shí)現(xiàn)農(nóng)業(yè)機(jī)器人松土作業(yè)的質(zhì)量監(jiān)控，基于北斗導(dǎo)航、互聯(lián)網(wǎng)技術(shù)研發(fā)了一款遠(yuǎn)程監(jiān)控管理系統(tǒng)，該系統(tǒng)可在線(xiàn)實(shí)時(shí)獲取作業(yè)面積和工況，實(shí)現(xiàn)遠(yuǎn)程監(jiān)控。王誠(chéng)龍等[37]設(shè)計(jì)了一款在線(xiàn)監(jiān)測(cè)終端，用北斗導(dǎo)航確定位置信息，對(duì)農(nóng)業(yè)機(jī)器人播種、施肥等過(guò)程進(jìn)行監(jiān)測(cè)，并在終端開(kāi)發(fā)了應(yīng)用程序（APP），為實(shí)現(xiàn)精準(zhǔn)農(nóng)業(yè)提供了保證。

近些年來(lái)，基于人工智能與圖像處理技術(shù)的發(fā)展，視覺(jué)導(dǎo)航技術(shù)得以完善。視覺(jué)導(dǎo)航通過(guò)視覺(jué)傳感器獲取周?chē)h(huán)境信息，對(duì)圖像信息進(jìn)行處理并規(guī)劃導(dǎo)航線(xiàn)路，最終讓機(jī)器人在無(wú)人干擾的情況下按照規(guī)劃路線(xiàn)移動(dòng)到目標(biāo)處[38]。相較于GNSS導(dǎo)航，視覺(jué)導(dǎo)航的實(shí)時(shí)性和靈活性更勝一籌，但大量的采集數(shù)據(jù)需要較高的信息計(jì)算能力，并受到農(nóng)業(yè)生產(chǎn)中環(huán)境復(fù)雜程度的影響，因此精度較差。2020年，視覺(jué)導(dǎo)航的研究進(jìn)展主要體現(xiàn)在算法優(yōu)化方面，算法的優(yōu)化可提高視覺(jué)導(dǎo)航的精度，并提高在未知環(huán)境中的導(dǎo)航成功率，從而增強(qiáng)視覺(jué)導(dǎo)航的自主性[39]。Choi等[40]基于水稻秧苗在生長(zhǎng)過(guò)程中其葉片、分枝等圍繞主莖進(jìn)行生長(zhǎng)的特點(diǎn)，提出了一種新的導(dǎo)航線(xiàn)路提取算法，該方法對(duì)不同生長(zhǎng)周期的秧苗具有較好識(shí)別效果，解決了秧苗生長(zhǎng)過(guò)程中葉片交叉遮擋的問(wèn)題。張翔淼[41]為解決機(jī)器人在農(nóng)業(yè)生產(chǎn)中因光照度低、分布不均勻所導(dǎo)致的同步性與適應(yīng)性較差的問(wèn)題，提出了基于YCrCb（Y代表亮度、Cr與Cb分別代表紅色和藍(lán)色色差）顏色空間的圖像預(yù)處理算法、超像素低頭基準(zhǔn)線(xiàn)監(jiān)測(cè)算法和垂直投影特征點(diǎn)搜索與校正算法，提高了視覺(jué)導(dǎo)航的精度和適應(yīng)性。

2.1.2路徑規(guī)劃路徑規(guī)劃是指在機(jī)器人運(yùn)動(dòng)的過(guò)程中，根據(jù)特定的性能指標(biāo)，通過(guò)搜索來(lái)找到一條最優(yōu)或次優(yōu)的路徑，以實(shí)現(xiàn)從起始狀態(tài)到目標(biāo)狀態(tài)的移動(dòng)[42]。路徑規(guī)劃技術(shù)包括全局路徑規(guī)劃和局部路徑規(guī)劃，其中全局路徑規(guī)劃通過(guò)掌握的所有環(huán)境信息和地圖環(huán)境進(jìn)行路徑規(guī)劃，包括Dijkstra算法[43]、A*算法[44]、概率路圖法[45]、快速擴(kuò)展隨機(jī)數(shù)法[46]、柵格法[47]、拓?fù)浞╗48]和自由空間法[49]。局部路徑規(guī)劃通過(guò)機(jī)器搭載的傳感器來(lái)掌握周?chē)沫h(huán)境，以此來(lái)確定自身所在地圖的位置及周?chē)恼系K分布，并實(shí)時(shí)計(jì)算從當(dāng)前節(jié)點(diǎn)到某一子目標(biāo)節(jié)點(diǎn)的最優(yōu)路徑，其算法有人工勢(shì)場(chǎng)法[50]、動(dòng)態(tài)窗口法[51]、模糊控制法[52]、遺傳算法[53]及神經(jīng)網(wǎng)絡(luò)法。在當(dāng)前的農(nóng)業(yè)生產(chǎn)中，存在規(guī)劃路線(xiàn)重復(fù)或遺漏的問(wèn)題。因此，發(fā)展高質(zhì)量的路徑規(guī)劃能夠減少機(jī)器人的運(yùn)行時(shí)間，降低成本與損耗。表2為當(dāng)前主流路徑規(guī)劃技術(shù)的原理及優(yōu)缺點(diǎn)。

近幾年來(lái)，研究者將重點(diǎn)放在改進(jìn)型算法和混合型算法模型上。殷建軍等[54]提出了一種基于改進(jìn)啟發(fā)式搜索的能量約束A*（ECA*）路徑規(guī)劃算法， 該算法可以在資源受限的情況下完成最優(yōu)能量損耗路徑的規(guī)劃，通過(guò)在ECA*算法中添加相應(yīng)的能量約束，設(shè)計(jì)了ECA*算法與傳統(tǒng)的A*算法搜索路徑能量損耗仿真試驗(yàn)，結(jié)果表明， 改進(jìn)算法的能量損耗降低了14.87%。2019年，趙輝等[55]提出一種基于天牛須搜索（BAS）算法和A*算法相結(jié)合的BASA*全局規(guī)劃算法，該算法在天牛須搜索算法的基礎(chǔ)上適當(dāng)調(diào)整步長(zhǎng)，并對(duì)路徑進(jìn)行優(yōu)化，基于A(yíng)*算法采用曼哈頓距離作為啟發(fā)函數(shù)進(jìn)行全局規(guī)劃，最后采用貝塞爾曲線(xiàn)對(duì)路徑進(jìn)行圓滑處理，優(yōu)化后的算法縮短了路徑長(zhǎng)度，減少了轉(zhuǎn)折點(diǎn)數(shù)量。

2.2機(jī)器視覺(jué)技術(shù)

機(jī)器視覺(jué)技術(shù)通過(guò)機(jī)器人搭載攝像頭并用軟件從圖像中提取各類(lèi)信息，其優(yōu)點(diǎn)是精度高、效率高、靈活性強(qiáng)，缺點(diǎn)是系統(tǒng)較為復(fù)雜，對(duì)非結(jié)構(gòu)性作物的識(shí)別成功率有待提高，對(duì)動(dòng)態(tài)物體的識(shí)別能力較差。在農(nóng)業(yè)生產(chǎn)中，機(jī)器視覺(jué)的主要應(yīng)用領(lǐng)域包括作物識(shí)別、雜草與蟲(chóng)害監(jiān)測(cè)、作物生長(zhǎng)監(jiān)測(cè)與產(chǎn)量預(yù)估[56]。

2.2.1作物識(shí)別機(jī)器視覺(jué)技術(shù)中的作物識(shí)別即機(jī)器人通過(guò)視覺(jué)識(shí)別系統(tǒng)精準(zhǔn)識(shí)別作物，從而獲取作物的表型信息，如顏色、大小和形狀等。傳統(tǒng)的視覺(jué)識(shí)別只是通過(guò)特征來(lái)區(qū)分目標(biāo)，受到神經(jīng)網(wǎng)絡(luò)的啟發(fā)，加上近些年來(lái)人工神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)的快速發(fā)展，近年來(lái)，科研人員憑借神經(jīng)網(wǎng)絡(luò)的強(qiáng)大特征處理能力，在作物識(shí)別方面已經(jīng)逐步解決光照、外物遮擋、振動(dòng)、作物重疊粘連等問(wèn)題[57]。

Fu等[58]針對(duì)獼猴桃的識(shí)別提出了一種基于深度卷積的獼猴桃田間圖像檢測(cè)系統(tǒng)，該系統(tǒng)從不同光照度條件下拍攝的圖像中提取出2 100張784×784像素的子圖像用來(lái)訓(xùn)練模型和驗(yàn)證樣本。接著利用Zeiler、Fergus卷積神經(jīng)網(wǎng)絡(luò)（ZFNet）的反向傳播、隨機(jī)梯度下降處理，得到1個(gè)Faster R-CNN模型。經(jīng)試驗(yàn)，發(fā)現(xiàn)基于此模型的獼猴桃快速檢測(cè)儀的平均檢測(cè)準(zhǔn)確率為89.3%，被遮擋果實(shí)、重疊果實(shí)、相鄰果實(shí)、分離果實(shí)的識(shí)別率分別為82.5%、85.6%、94.3%、96.7%。2021年，李寒等[59]提出了一種番茄果實(shí)識(shí)別與定位方法，該方法將紅綠藍(lán)深度信息（RGB-D）圖像與K-means優(yōu)化的自組織映射神經(jīng)網(wǎng)絡(luò)相結(jié)合，共采集了366個(gè)番茄樣本的80幅圖像，正確識(shí)別率為87.2%，定位結(jié)果的均方根誤差為1.66 mm。

2.2.2雜草與蟲(chóng)害監(jiān)測(cè)雜草和病蟲(chóng)害監(jiān)測(cè)是防治植物病蟲(chóng)害的前提，近些年來(lái)，隨著深度學(xué)習(xí)等技術(shù)的不斷發(fā)展，雜草和病蟲(chóng)害的識(shí)別更快捷、方便，且精度更高。此項(xiàng)技術(shù)應(yīng)用在高價(jià)值農(nóng)作物上，能夠帶來(lái)較大的經(jīng)濟(jì)增收[60]。

Picon等[61]在2019年將卷積神經(jīng)網(wǎng)絡(luò)應(yīng)用于多作物病蟲(chóng)害的分類(lèi)，用到超過(guò)105張圖像的數(shù)據(jù)集，包含5種作物的17種病蟲(chóng)害情況，并提出了1種擴(kuò)展卷積神經(jīng)網(wǎng)絡(luò)（CNN）架構(gòu)，該架構(gòu)的優(yōu)勢(shì)在于讓卷積神經(jīng)網(wǎng)絡(luò)對(duì)圖像數(shù)據(jù)進(jìn)行集中學(xué)習(xí)，降低了疾病分類(lèi)任務(wù)的復(fù)雜性。經(jīng)試驗(yàn)發(fā)現(xiàn)，該架構(gòu)的平均精度為98%。Kao等[62]用卷積自動(dòng)編碼器（CAE）進(jìn)行番茄成熟度的檢測(cè)，發(fā)現(xiàn)其對(duì)番茄成熟度的識(shí)別準(zhǔn)確率達(dá)到了100%。陳晶等[63]將機(jī)器視覺(jué)技術(shù)應(yīng)用到茶小綠葉蟬的自動(dòng)識(shí)別領(lǐng)域，用改進(jìn)的SMOTE算法、KS算法對(duì)茶小綠葉蟬進(jìn)行自動(dòng)識(shí)別，結(jié)果表明，該算法的整體識(shí)別精度可達(dá)到99.03%，對(duì)茶小綠葉蟬的查準(zhǔn)率可達(dá)91.76%，與其他傳統(tǒng)算法相比提高了對(duì)茶小綠葉蟬的識(shí)別精度。

2.2.3作物生長(zhǎng)監(jiān)測(cè)與產(chǎn)量預(yù)估作物生長(zhǎng)監(jiān)測(cè)數(shù)據(jù)是預(yù)估產(chǎn)量的重要信息。生長(zhǎng)監(jiān)測(cè)分為人工監(jiān)測(cè)、遙感監(jiān)測(cè)和機(jī)器視覺(jué)監(jiān)測(cè)[64]，現(xiàn)代農(nóng)業(yè)以遙感和機(jī)器視覺(jué)技術(shù)進(jìn)行單一監(jiān)測(cè)或協(xié)同檢測(cè)，能夠提高生產(chǎn)效率。

樊艷英等[65]研制了玉米長(zhǎng)勢(shì)監(jiān)測(cè)分析系統(tǒng)，該系統(tǒng)通過(guò)視頻傳感器、光譜傳感器、4G通信模塊等傳感通信設(shè)備對(duì)玉米的長(zhǎng)勢(shì)進(jìn)行數(shù)據(jù)采集并進(jìn)行數(shù)據(jù)上傳。通過(guò)對(duì)人工采集和系統(tǒng)采集的數(shù)據(jù)進(jìn)行對(duì)比試驗(yàn)，證明該系統(tǒng)能正確識(shí)別玉米植株高度，并能進(jìn)行全區(qū)域監(jiān)控，保證玉米的良好生長(zhǎng)。馮文斌[66]用無(wú)人機(jī)搭載光譜相機(jī)監(jiān)測(cè)夏玉米4個(gè)生育期的長(zhǎng)勢(shì)變化，通過(guò)變異系數(shù)法搭建4個(gè)生育期的監(jiān)測(cè)模型，通過(guò)比較產(chǎn)量數(shù)據(jù)得出，BP神經(jīng)網(wǎng)絡(luò)用于綜合生長(zhǎng)監(jiān)測(cè)有較好的效果，在產(chǎn)量預(yù)估上，用4種植被指數(shù)的擬合模型能精準(zhǔn)得到預(yù)估產(chǎn)量。賈彪[67]通過(guò)集成感光耦合組件（CCD）相機(jī)將棉花監(jiān)測(cè)技術(shù)、圖像識(shí)別技術(shù)、信息通信技術(shù)等其他信息化技術(shù)融為一體，構(gòu)建了遠(yuǎn)程控制監(jiān)測(cè)平臺(tái)，能夠高效監(jiān)測(cè)與判斷棉花的長(zhǎng)勢(shì)與營(yíng)養(yǎng)狀況。Nguyen等[68]為解決因遮光影響果實(shí)識(shí)別定位的問(wèn)題，用RGB-D相機(jī)進(jìn)行圖像采集，并基于色彩、大小研發(fā)了一種單色、雙色監(jiān)測(cè)算法，經(jīng)試驗(yàn)證明，該算法對(duì)被遮蓋果實(shí)的識(shí)別率為82%，位置誤差均在10 mm以?xún)?nèi)，能有效用于果園監(jiān)測(cè)與產(chǎn)量預(yù)估。

2.3智能控制技術(shù)

智能控制技術(shù)通過(guò)人工智能、結(jié)構(gòu)設(shè)計(jì)、控制理論等技術(shù)，實(shí)現(xiàn)機(jī)器人多個(gè)子系統(tǒng)的協(xié)同工作，無(wú)需人工干預(yù)即可完成目標(biāo)控制。通過(guò)研制開(kāi)源操作系統(tǒng)、通用控制器和作業(yè)決策通用組件，可以實(shí)現(xiàn)高性能農(nóng)業(yè)信息采集機(jī)器人的快速開(kāi)發(fā)[69]。

Shamshiri等[70]主要介紹了虛擬機(jī)器人試驗(yàn)平臺(tái)（V-REP）開(kāi)源仿真模擬器，在該模擬器中可快速創(chuàng)建試驗(yàn)平臺(tái)，在試驗(yàn)平臺(tái)中能開(kāi)發(fā)、測(cè)試和驗(yàn)證控制策略和算法。Grimstad等[71]研發(fā)了一款模塊化機(jī)器人Thorvald Ⅱ，通過(guò)組裝開(kāi)發(fā)成模塊化小麥表型機(jī)器人（圖11），該機(jī)器人的硬件部分包括驅(qū)動(dòng)模塊、懸架模塊、傳感器模塊等，軟件部分選擇機(jī)器人操作系統(tǒng)（ROS）。通過(guò)軟硬件的模塊化設(shè)計(jì)，該機(jī)器人可通過(guò)簡(jiǎn)單的重新組裝實(shí)現(xiàn)不同場(chǎng)景下的工作需求。此外，通過(guò)修改該機(jī)器人的部分軟件尺寸、驅(qū)動(dòng)類(lèi)型參數(shù)可實(shí)現(xiàn)機(jī)器人的自主控制作業(yè)。Coleman等[72]設(shè)計(jì)了一款名為開(kāi)放雜草定位器（OWL）的雜草檢測(cè)裝置，通過(guò)超綠值、歸一化超綠值、色調(diào)飽和度以及超綠值與色調(diào)飽和度結(jié)合算法開(kāi)發(fā)了一個(gè)開(kāi)源、低成本、可用于大規(guī)模雜草檢測(cè)的系統(tǒng)，平均檢測(cè)準(zhǔn)確率為79%，推動(dòng)了社區(qū)農(nóng)業(yè)的發(fā)展。張強(qiáng)[73]設(shè)計(jì)了一款大棚作業(yè)多功能農(nóng)業(yè)機(jī)器人，該機(jī)器人以履帶底盤(pán)搭載模塊化末端機(jī)構(gòu)實(shí)現(xiàn)耕地、播種等功能，并以單片機(jī)、姿態(tài)傳感器和無(wú)線(xiàn)傳輸?shù)瓤刂苽鬏斈K實(shí)現(xiàn)遠(yuǎn)程控制與通信。未來(lái)，可在機(jī)器人上加裝攝像頭并優(yōu)化末端機(jī)構(gòu)，以提高信息采集工作的效率，為深入研究提供新的方向。

2.4智能云處理技術(shù)

智慧農(nóng)業(yè)已經(jīng)成為當(dāng)今農(nóng)業(yè)發(fā)展的主流，主要采用4G/5G、物聯(lián)網(wǎng)、大數(shù)據(jù)和人工智能等新一代信息技術(shù)遠(yuǎn)程監(jiān)測(cè)和控制機(jī)器人，使其實(shí)現(xiàn)自主監(jiān)測(cè)和自主作業(yè)，并實(shí)現(xiàn)各個(gè)生產(chǎn)環(huán)節(jié)的智能化[74]。無(wú)人農(nóng)場(chǎng)、植物工廠(chǎng)、無(wú)人漁場(chǎng)等是智慧農(nóng)業(yè)的高級(jí)形式。Pavón-Pulido等[75]設(shè)計(jì)了1個(gè)精準(zhǔn)農(nóng)業(yè)（PA）系統(tǒng)，該系統(tǒng)包括固定節(jié)點(diǎn)和1個(gè)無(wú)線(xiàn)傳感器網(wǎng)絡(luò)（WSN），通過(guò)智能設(shè)備對(duì)作物進(jìn)行監(jiān)測(cè)。Kajol等[76]提出了1個(gè)基于物聯(lián)網(wǎng)的自動(dòng)化農(nóng)業(yè)田間分析和監(jiān)測(cè)（AAFAMS）系統(tǒng)，該系統(tǒng)通過(guò)監(jiān)測(cè)和檢索SQLite數(shù)據(jù)庫(kù)中的數(shù)據(jù)，反饋給用戶(hù)病蟲(chóng)害、水分含量等信息。在羅錫文等[2]的研究中，花生無(wú)人農(nóng)場(chǎng)2021年的產(chǎn)量為3 164.10 kg/hm2，高于廣東省當(dāng)?shù)仄骄a(chǎn)量（2 400.00 kg/hm2），已實(shí)現(xiàn)農(nóng)場(chǎng)耕種管收、作物生產(chǎn)實(shí)時(shí)監(jiān)控等生產(chǎn)過(guò)程全無(wú)人。劉凱[77]基于“云-邊-端”研發(fā)了一款果園信息監(jiān)測(cè)平臺(tái)，通過(guò)改進(jìn)的SK-YOLOv5算法配合信息監(jiān)測(cè)網(wǎng)站，實(shí)現(xiàn)了對(duì)果實(shí)的數(shù)量檢測(cè)、病蟲(chóng)害監(jiān)測(cè)、數(shù)據(jù)云存放等功能。

3存在的問(wèn)題與發(fā)展趨勢(shì)

隨著國(guó)內(nèi)外對(duì)農(nóng)業(yè)信息采集機(jī)器人研究的深入，雖然從理論到應(yīng)用已有許多成果，但是受到作業(yè)環(huán)境復(fù)雜、成本較高、智能化程度低等問(wèn)題的影響，目前未能實(shí)現(xiàn)大規(guī)模應(yīng)用。結(jié)合國(guó)內(nèi)外農(nóng)業(yè)信息采集機(jī)器人最新研究進(jìn)展和思路，對(duì)現(xiàn)存問(wèn)題和未來(lái)研究方向進(jìn)行總結(jié)。

3.1復(fù)合導(dǎo)航技術(shù)

在自動(dòng)導(dǎo)航定位和路徑規(guī)劃技術(shù)上，受農(nóng)業(yè)生產(chǎn)環(huán)境復(fù)雜性的影響，有不小的局限性。例如在導(dǎo)航定位中，視覺(jué)導(dǎo)航在非結(jié)構(gòu)性的工作環(huán)境中的精度較差，激光導(dǎo)航避障能力較差。在路徑規(guī)劃中，無(wú)論是A*算法還是模糊控制法等，都有路徑節(jié)點(diǎn)多、無(wú)法定義控制目標(biāo)等問(wèn)題。因此，為提高導(dǎo)航精度，實(shí)現(xiàn)自主導(dǎo)航、發(fā)展多傳感器復(fù)合導(dǎo)航、實(shí)現(xiàn)技術(shù)互補(bǔ)等是解決上述問(wèn)題的主要方法。

3.2多機(jī)智能感知

現(xiàn)階段的農(nóng)業(yè)信息采集方法較為單一，工作效率較低。隨著農(nóng)業(yè)機(jī)器人、水下機(jī)器人、無(wú)人機(jī)和互聯(lián)網(wǎng)等技術(shù)的不斷發(fā)展，從陸地、海洋和空中3個(gè)不同維度，通過(guò)巡檢、遙感等多種方法對(duì)農(nóng)業(yè)生產(chǎn)進(jìn)行信息采集，實(shí)現(xiàn)立體農(nóng)情信息采集，是未來(lái)的一個(gè)重要發(fā)展趨勢(shì)。

3.3視覺(jué)監(jiān)測(cè)算法優(yōu)化

農(nóng)業(yè)信息采集機(jī)器人是生產(chǎn)過(guò)程中的“眼睛”，由于作業(yè)對(duì)象差異性較大，會(huì)影響識(shí)別效率，因此現(xiàn)階段的識(shí)別與監(jiān)測(cè)更多的是對(duì)靜態(tài)、單一變量情況進(jìn)行采集。而在農(nóng)業(yè)生產(chǎn)中，存在雨水、大霧、光照變化等動(dòng)態(tài)因素。因此，為了提高自然環(huán)境下視覺(jué)識(shí)別的成功率，優(yōu)化深度學(xué)習(xí)識(shí)別算法并提高復(fù)雜算法的實(shí)時(shí)性是未來(lái)研究的重點(diǎn)。

3.4通用化智能控制

在應(yīng)用方面，農(nóng)業(yè)信息采集機(jī)器人仍面臨成本較高、穩(wěn)定性較低、未規(guī)?；a(chǎn)等問(wèn)題。未來(lái)研究的重點(diǎn)為設(shè)計(jì)并制造安全穩(wěn)定、操作簡(jiǎn)便的農(nóng)業(yè)信息采集機(jī)器人，以提高推廣率，在結(jié)構(gòu)上研究低成本模塊化設(shè)計(jì)，通過(guò)更換傳感器模塊和搭載不同攝像設(shè)備來(lái)實(shí)現(xiàn)在不同場(chǎng)景中的使用。此外，可以在軟件上設(shè)計(jì)開(kāi)源系統(tǒng)，實(shí)現(xiàn)系統(tǒng)的迅速開(kāi)發(fā)，以降低用戶(hù)的成本。

3.5智能云管控平臺(tái)

隨著5G、物聯(lián)網(wǎng)、大數(shù)據(jù)、云處理等技術(shù)的不斷發(fā)展，機(jī)器人能夠自主學(xué)習(xí)和深度學(xué)習(xí)，并能對(duì)農(nóng)作物信息進(jìn)行自動(dòng)提取、自主判斷，從而實(shí)現(xiàn)農(nóng)業(yè)生產(chǎn)的智能化、無(wú)人化。因此，讓操作系統(tǒng)集成化、簡(jiǎn)易化，同時(shí)搭建多機(jī)協(xié)作的云管控平臺(tái)是接下來(lái)的關(guān)鍵研究?jī)?nèi)容。

參考文獻(xiàn)：

[1]羅錫文，廖娟，臧英，等. 我國(guó)農(nóng)業(yè)生產(chǎn)的發(fā)展方向：從機(jī)械化到智慧化[J]. 中國(guó)工程科學(xué)，2022，24（1）：46-54.

[2]羅錫文，廖娟，胡煉，等. 我國(guó)智能農(nóng)機(jī)的研究進(jìn)展與無(wú)人農(nóng)場(chǎng)的實(shí)踐[J]. 華南農(nóng)業(yè)大學(xué)學(xué)報(bào)，2021，42（6）：8-17，5.

[3]趙春江. 智慧農(nóng)業(yè)的發(fā)展現(xiàn)狀與未來(lái)展望[J]. 華南農(nóng)業(yè)大學(xué)學(xué)報(bào)，2021，42（6）：1-7.

[4]趙春江. 智慧農(nóng)業(yè)發(fā)展現(xiàn)狀及戰(zhàn)略目標(biāo)研究[J]. 農(nóng)業(yè)工程技術(shù)，2019，39（6）：14-17.

[5]羅錫文，廖娟，鄒湘軍，等. 信息技術(shù)提升農(nóng)業(yè)機(jī)械化水平[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2016，32（20）：1-14.

[6]張剛. 農(nóng)業(yè)信息采集機(jī)器人結(jié)構(gòu)及控制系統(tǒng)設(shè)計(jì)[D]. 哈爾濱：東北林業(yè)大學(xué)，2016：1-2.

[7]趙靜娟，鄭懷國(guó)，董瑜，等. 全球農(nóng)業(yè)機(jī)器人研發(fā)趨勢(shì)預(yù)測(cè)及對(duì)我國(guó)的啟示[J]. 中國(guó)農(nóng)機(jī)化學(xué)報(bào)，2021，42（4）：157-162.

[8]GRIFT T， ZHANG Q， KONDO N， et al. A review of automation and robotics for the bio-industry[J]. Journal of Biomechatronics Engineering，2008，1（1）：37-54.

[9]IIDA M， KANG D， TANIWAKI M， et al. Localization of CO2 source by a hexapod robot equipped with an anemoscope and a gas sensor[J]. Computers and Electronics in Agriculture，2008，63（1）：73-80.

[10]BAK T， JAKOBSEN H. Agricultural robotic platform with four wheel steering for weed detection[J]. Biosystems Engineering，2004，87（2）：125-136．

[11]NAGASAKA Y， ZHANG Q， GRIFT T E， et al. Control system design for an autonomous field watching-dog robot[C]//International Conference on Automation Technology for Off-road Equipment. Kyoto：ATOE，2004：298-304.

[12]胡娜. 農(nóng)田信息采集機(jī)器人本體研制[D]. 南京：南京林業(yè)大學(xué)，2009：9-61.

[13]劉成龍，章永年，王睿，等. 面向農(nóng)情信息采集的小型四足柔性機(jī)器人設(shè)計(jì)［J］. 機(jī)械設(shè)計(jì)，2017，34（12）：15-19．

[14]HE L L， FANG W T， ZHAO G N， et al. Fruit yield prediction and estimation in orchards： a state-of-the-art comprehensive review for both direct and indirect methods[J]. Computers and Electronics in Agriculture，2022，195：106812.

[15]ANASTASIOU E， BALAFOUTIS A， DARRA N， et al. Satellite and proximal sensing to estimate the yield and quality of table grapes[J]. Agriculture，2018，8（7）：1-15.

[16]王偉，李超藝，劉九慶，等. 地空兩用農(nóng)業(yè)信息采集機(jī)器人行走機(jī)構(gòu)仿真[J]. 農(nóng)機(jī)化研究，2019，41（6）：26-31.

[17]陳成坤. 空-地協(xié)同環(huán)境下果園信息共享平臺(tái)設(shè)計(jì)與實(shí)現(xiàn)[D]. 楊凌：西北農(nóng)林科技大學(xué)，2021.

[18]許俊云，漆海霞，黎鑒文，等.溫室作物生長(zhǎng)信息檢測(cè)相機(jī)的電驅(qū)平臺(tái)設(shè)計(jì)[J].農(nóng)機(jī)化研究，2023，45（9）：54-59.

[19]漆海霞，陳宇，周子森，等.全地形農(nóng)業(yè)作物信息監(jiān)測(cè)移動(dòng)平臺(tái)及監(jiān)測(cè)方法：CN115384643B[P]. 2023-11-28.

[20]郭慶華，吳芳芳，龐樹(shù)鑫，等. Crop 3D—基于激光雷達(dá)技術(shù)的作物高通量三維表型測(cè)量平臺(tái)[J]. 中國(guó)科學(xué)：生命科學(xué)，2016，46（10）：1210-1221.

[21]王旭，敬濯瑄，姚園園，等. 無(wú)線(xiàn)傳感系統(tǒng)的設(shè)施農(nóng)業(yè)移動(dòng)機(jī)器人監(jiān)測(cè)系統(tǒng)設(shè)計(jì)[J]. 電子制作，2022，30（13）：25-26，40.

[22]馮青春，王秀，邱權(quán)，等. 畜禽舍防疫消毒機(jī)器人設(shè)計(jì)與試驗(yàn)[J]. 智慧農(nóng)業(yè)（中英文），2020，2（4）：79-88.

[23]劉艷昌，趙海生，李澤旭，等. 基于機(jī)器人的生豬健康養(yǎng)殖智能監(jiān)控系統(tǒng)設(shè)計(jì)[KeK/9ZIQrXAtAl6scoJT4w==J]. 中國(guó)農(nóng)機(jī)化學(xué)報(bào)，2021，42（8）：187-195.

[24]連京華，李惠敏，祝偉，等. 家禽生產(chǎn)智能巡檢機(jī)器人的設(shè)計(jì)[J]. 中國(guó)家禽，2019，41（18）：72-75.

[25]QI H X， THOMAS M B， ZHANG Z G， et al. Preliminary laboratory test on navigation accuracy of an autonomous robot for measuring air quality in livestock buildings[J]. International Journal of Agricultural and Biological Engineering，2016，9（2）：29-39.

[26]USHER C T， DALEY W D， JOFFE B P， et al. Robotics for poultry house management[C]. Washington： American Society of Agricultural and Biological Engineers，2017：1.

[27]李道亮，包建華. 水產(chǎn)養(yǎng)殖水下作業(yè)機(jī)器人關(guān)鍵技術(shù)研究進(jìn)展[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2018，34（16）：1-9.

[28]KARIMANZIRA D， JACOBI M， PFTZENREUTER T， et al. First testing of an AUV mission planning and guidance system for water quality monitoring and fish behavior observation in net cage fish farming[J]. Information Processing in Agriculture，2014，1（2）：131-140.

[29]SAKAMOTO T， VAN PHUNG C， KOTERA A， et al. Analysis of rapid expansion of inland aquaculture and triple rice-cropping areas in a coastal area of the Vietnamese Mekong Delta using MODIS time-series imagery[J]. Landscape and Urban Planning，2009，92（1）：34-46.

[30]蔣浩. 基于RTK技術(shù)的農(nóng)業(yè)機(jī)械自動(dòng)導(dǎo)航系統(tǒng)研究[D]. 杭州：浙江大學(xué)，2019.

[31]姬長(zhǎng)英，周俊. 農(nóng)業(yè)機(jī)械導(dǎo)航技術(shù)發(fā)展分析[J]. 農(nóng)業(yè)機(jī)械學(xué)報(bào)，2014，45（9）：44-54.

[32]季宇虹，王讓會(huì). 全球?qū)Ш蕉ㄎ幌到y(tǒng)GNSS的技術(shù)與應(yīng)用[J]. 全球定位系統(tǒng)，2010，35（5）：69-75.

[33]姚洋，郭承軍. 北斗衛(wèi)星導(dǎo)航系統(tǒng)在精準(zhǔn)農(nóng)業(yè)中的應(yīng)用研究[C]. 成都：中國(guó)衛(wèi)星導(dǎo)航系統(tǒng)管理辦公室學(xué)術(shù)交流中心，2021：110-113.

[34]ZHANG Q， WANG Z D， JONES D， et al. Bin-dog： a robotic platform for bin management in orchards[J]. Robotics，2017，6（2）：12.

[35]陳黎卿，許鳴，柏仁貴，等. 高地隙植保機(jī)輔助駕駛系統(tǒng)設(shè)計(jì)與試驗(yàn)[J]. 農(nóng)業(yè)機(jī)械學(xué)報(bào)，2019，50（9）：25-32.

[36]劉陽(yáng)春，苑嚴(yán)偉，張俊寧，等. 深松作業(yè)遠(yuǎn)程管理系統(tǒng)設(shè)計(jì)與試驗(yàn)[J]. 農(nóng)業(yè)機(jī)械學(xué)報(bào)，2016，47（增刊1）：43-48.

[37]王誠(chéng)龍，王吉旭，葛寶玉，等. 北斗農(nóng)機(jī)作業(yè)全信息質(zhì)量在線(xiàn)監(jiān)測(cè)終端[C]//中國(guó)衛(wèi)星導(dǎo)航定位協(xié)會(huì).衛(wèi)星導(dǎo)航定位與北斗系統(tǒng)應(yīng)用2017——深化北斗應(yīng)用開(kāi)創(chuàng)中國(guó)導(dǎo)航新局面.北京：測(cè)繪出版社，2017：186-190.

[38]王家輝. 基于YOLOv3的水田除草機(jī)器人視覺(jué)導(dǎo)航技術(shù)研究[D]. 廣州：華南理工大學(xué)，2020：2-3.

[39]楊文鈺，李東兵，隋毅，等. 2020年國(guó)外不依賴(lài)衛(wèi)星的導(dǎo)航技術(shù)發(fā)展綜述[J].飛航導(dǎo)彈，2021（1）：25-30，70.

[40]CHOI K H， HAN S K， HAN S H， et al. Morphology-based guidance line extraction for an autonomous weeding robot in paddy fields[J]. Computers and Electronics in Agriculture，2015，113：266-274.

[41]張翔淼. 復(fù)雜環(huán)境下農(nóng)業(yè)機(jī)器人視覺(jué)導(dǎo)航技術(shù)研究[D]. 天津：天津理工大學(xué)，2022.

[42]陳浩，王光林，郝詢(xún). 移動(dòng)機(jī)器人的路徑規(guī)劃綜述與發(fā)展趨勢(shì)[J]. 物流技術(shù)與應(yīng)用，2020，25（10）：158-160.

[43]DIJKSTRA E. A note on two problems in connexi on with graphs[J]. Numerische Mathematik，1951，1（1）：269-271.

[44]熊壬浩，劉羽. A*算法的改進(jìn)及并行化[J]. 計(jì)算機(jī)應(yīng)用，2015，35（7）：1843-1848.

[45]LADD A M， KAVRAKI L E. Measure theoretic analysis of prob-abilistic path planning[J]. Transaction on Robotics and Automation，20（2）：229-242.

[46]LAVALLE S M. Planning algorithms[M]. Cambridge： Cambridge University Press，2006.

[47]姜龍騰，遲瑞娟，馬悅琦，等.基于柵格法的農(nóng)業(yè)機(jī)器人路徑規(guī)劃方法研究[J].農(nóng)機(jī)化研究，2024，46（6）：19-24.

[48]THRUN S. Learning metric-topological maps for indoor mobile robot navigation[J]. Artificial Intelligence，1998，99（1）：21-71.

[49]BROOKS R A. Solving the find-path problem by good representation of free space[M]//COX I J， WILFONG G T. Autonomous robot vehicles. Berlin， Heidelberg： Springer-Verlag， 1983：290-297.

[50]KHATIB O. Real-time obstacle avoidance for manipulators and mobile robots[J]. The International Journal of Robotics Research，1986，5（1）：90-98.

[51]陳奕梅，康雪晶，徐鵬. 復(fù)雜環(huán)境下多移動(dòng)機(jī)器人控制算法研究[J]. 電光與控制，2021，28（4）：48-52.

[52]李鵬，溫素芳. 基于模糊控制的路徑規(guī)劃算法的實(shí)現(xiàn)[J]. 杭州電子科技大學(xué)學(xué)報(bào)，2007，27（6）：82-86.

[53]徐力，劉云華，王啟富. 自適應(yīng)遺傳算法在機(jī)器人路徑規(guī)劃的應(yīng)用[J]. 計(jì)算機(jī)工程與應(yīng)用，2020，56（18）：36-41.

[54]殷建軍，董文龍，梁利華，等. 復(fù)雜環(huán)境下農(nóng)業(yè)機(jī)器人路徑規(guī)劃優(yōu)化方法[J]. 農(nóng)業(yè)機(jī)械學(xué)報(bào)，2019，50（5）：17-22.

[55]趙輝，郝夢(mèng)雅，王紅君，等. 基于改進(jìn)A*算法與天牛須搜索算法的農(nóng)業(yè)機(jī)器人路徑規(guī)劃方法[J]. 科學(xué)技術(shù)與工程，2019，19（31）：185-190.

[56]楊濤，李曉曉. 機(jī)器視覺(jué)技術(shù)在現(xiàn)代農(nóng)業(yè)生產(chǎn)中的研究進(jìn)展[J]. 中國(guó)農(nóng)機(jī)化學(xué)報(bào)，2021，42（3）：171-181.

[57]傅隆生，宋珍珍，王東，等. 深度學(xué)習(xí)方法在農(nóng)業(yè)信息中的研究進(jìn)展與應(yīng)用現(xiàn)狀[J]. 中國(guó)農(nóng)業(yè)大學(xué)學(xué)報(bào)，2020，25（2）：105-120.

[58]FU L S， FENG Y L， MAJEED Y， et al. Kiwifruit detection in field images using Faster R-CNN with ZFNet[J]. IFAC-PapersOnLine，2018，51（17）：45-50.

[59]李寒，陶涵虓，崔立昊，等. 基于SOM-K-means算法的番茄果實(shí)識(shí)別與定位方法[J]. 農(nóng)業(yè)機(jī)械學(xué)報(bào)，2021，52（1）：23-29.

[60]楊濤，李曉曉. 機(jī)器視覺(jué)技術(shù)在現(xiàn)代農(nóng)業(yè)生產(chǎn)中的研究進(jìn)展[J]. 中國(guó)農(nóng)機(jī)化學(xué)報(bào)，2021，42（3）：171-181.

[61]PICON A， SEITZ M， ALVAREZ-GILA A， et al. Crop conditional convolutional neural networks for massive multi-crop plant disease classification over cell phone acquired images taken on real field conditions[J]. Computers and Electronics in Agriculture，2019，167：105093.

[62]KAO I H， HSU Y W， YANG Y Z， et al. Determination of Lycopersicon maturity using convolutional autoencoders[J]. Scientia Horticulturae，2019，256：108538.

[63]陳晶，朱啟兵，黃敏，等. 基于機(jī)器視覺(jué)的茶小綠葉蟬識(shí)別方法研究[J]. 激光與光電子學(xué)進(jìn)展，2018，55（1）：348-355.

[64]王鵬新，田惠仁，張悅，等. 基于深度學(xué)習(xí)的作物長(zhǎng)勢(shì)監(jiān)測(cè)和產(chǎn)量估測(cè)研究進(jìn)展[J]. 農(nóng)業(yè)機(jī)械學(xué)報(bào)，2022，53（2）：1-14.

[65]樊艷英，張自敏，陳冠萍，等. 基于物聯(lián)網(wǎng)的精準(zhǔn)農(nóng)業(yè)玉米長(zhǎng)勢(shì)監(jiān)測(cè)分析系統(tǒng)研究[J]. 農(nóng)機(jī)化研究，2018，40（8）：223-227.

[66]馮文斌. 基于無(wú)人機(jī)多光譜遙感的夏玉米長(zhǎng)勢(shì)監(jiān)測(cè)及產(chǎn)量估測(cè)[D]. 泰安：山東農(nóng)業(yè)大學(xué)，2022.

[67]賈彪. 基于計(jì)算機(jī)視覺(jué)技術(shù)的棉花長(zhǎng)勢(shì)監(jiān)測(cè)系統(tǒng)構(gòu)建[D]. 石河子：石河子大學(xué)，2014.

[68]NGUYEN T T， VANDEVOORDE K， WOUTERS N， et al. Detection of red and bicoloured apples on tree with an RGB-D camera[J]. Biosystems Engineering，2016，146：33-44.

[69]劉成良，貢亮，苑進(jìn)，等. 農(nóng)業(yè)機(jī)器人關(guān)鍵技術(shù)研究現(xiàn)狀與發(fā)展趨勢(shì)[J]. 農(nóng)業(yè)機(jī)械學(xué)報(bào)，2022，53（7）：1-22，55.

[70]SHAMSHIRI R R， HAMEED I A， PITONAKOVA L， et al. Simulation software and virtual environments for acceleration of agricultural robotics：features highlights and performance comparison[J]. International Journal of Agricultural and Bioengineering，2018，11（4）：1-16.

[71]GRIMSTAD L， FROM P J. The ThorvaldⅡ agricultural robotic system[J]. Robotics，2017，6（4）：1-24.

[72]COLEMAN G， SALTER W， WALSH M. OpenWeedLocator （OWL）： an open-source，low-cost device for fallow weed detection[J]. AgriRxiv，2022，12（1）：170.

[73]張強(qiáng). 大棚作業(yè)多功能農(nóng)業(yè)機(jī)器人研究[D]. 武漢：湖北工業(yè)大學(xué)，2019.

[74]李道亮，李震. 無(wú)人農(nóng)場(chǎng)系統(tǒng)分析與發(fā)展展望[J]. 農(nóng)業(yè)機(jī)械學(xué)報(bào)，2020，51（7）：1-12.

[75]PAVN-PULIDO N， LPEZ-RIQUELME J A， TORRES R， et al. New trends in precision agriculture： a novel cloud-based system for enabling data storage and agricultural task planning and automation[J]. Precision Agriculture，2017，18：1038-1068.

[76]KAJOL R， AKSHAY K K. Automated agricultural field analysis and monitoring system using IOT[J]. International Journal of Information Engineering and Electronic Business，2018，12（2）：1-17.

[77]劉凱. 基于“云-邊-端”的果園信息監(jiān)測(cè)平臺(tái)研究[D]. 長(zhǎng)春：吉林大學(xué)，2022.（責(zé)任編輯：徐艷）