農業機器人技術現狀及典型應用

王瑞雪， 朱立成， 趙 博， 王長偉， 賈曉峰， 徐慶鐘

（1. 中國農業機械化科學研究院集團有限公司，北京 100083； 2. 土壤植物機器系統技術國家重點實驗室，北京 100083）

0 引言

隨著信息化和智能化技術的日新月異及其在農業領域的深度應用，智能化農業裝備逐漸成為當今社會發展熱點。近年來，英國、日本、挪威、美國等國家先后構建了無人大田、無人溫室、無人漁場等一批試驗性的無人農場，我國福建、江蘇、山東等地也開展了大量無人農場的試驗探索[1]。農業機器人是集多種先進技術于一體的智能化農機作業裝備，是無人農場和數字精準農業的重要組成部分之一。目前，農業機器人的研究領域范圍很廣，從及時準確收集作物和田間詳細時空信息實現數字化農業的采集機器人，到完成復雜非線性自動果實收獲及運輸的果蔬采收機器人[2]。世界各地的組織機構積極參與多種類型農業機器人的研發工作。我國農業機器人技術相對落后，迫切需要借鑒國外農業機器人應用現狀，結合我國農藝要求，利用多種前沿技術的優勢，提升我國農機裝備智能化水平，為實施無人智慧農場奠定堅實技術基礎。

1 國外農業機器人應用現狀

近年來，農業機器人研究領域的文獻大多集中在目標及作業對象的準確識別、多傳感器融合路徑規劃及末端執行器設計等方面內容[3]。本文重點介紹國外已經商業化或者能滿足自動作業要求的農業機器人，主要包括在田間雜草控制、田間監測和數據收集，以及自動化收獲方面的技術應用。

1.1 田間除草機器人

機械除草和精確對靶控制噴藥是目前農業生產中最需要、最可能實現商業化應用的農業機器人。在過去的10 年里，國外一些研究機構和知名公司[如荷蘭瓦赫寧根大學、昆士蘭科技大學、悉尼大學、藍河技術（CA，USA）、瑞士EcoRobotix 公司和法國的Naio Technologies 等]之間跨學科合作研發了各種先進的除草機器人技術，在對靶噴藥除草機器人和機械除草機器人應用方面均取得了較好的應用成果[4]。

2018 年，瑞士的EcoRobotix 公司小批量改進試制了一批AVO 除草機器人，在瑞士、法國、荷蘭和比利時進行了實地測試，如圖1a 所示。AVO 除草機器人的4 個輪子均可獨立操縱，可以適用農田行式種植的多種作物的自動除草作業，如菠菜、棉花、豆類、洋蔥、甜菜、油菜和花椰菜。該機器人視覺系統由多個攝像頭組成，利用先進的圖像識別及機器學習技術，對雜草進行檢測并定向噴灑微量除草劑；導航系統使用激光雷達和超聲波傳感器探測周圍障礙物和人，結合GPS+RTK 定位技術，使田間導航精度達到厘米級，確保輪子在作物行間穩定行駛[5]。據統計，AVO 除草機器人在行內和行間雜草的檢測成功率超過90%，且在檢測到的雜草中噴灑率超過95%，但有5%的農作物被誤認為雜草進行噴藥。

法國Na?o Technologies 公司成立于2011 年，其典型產品有Dino（大田蔬菜除草機器人）和Ted（葡萄園除草機器人）兩種機械式除草機器人[6]。Dino 大田除草機器人外觀如圖1b 所示，其導航系統采用GPS+RTK和多傳感器信息融合的自動導航方式，定位精度達到2 cm。視覺圖像系統可檢測識別作物行距，通過調整除草工具使其盡可能靠近農作物以徹底清理雜草[7]。該機器人主要用于生菜、洋蔥、胡蘿卜、防風草、卷心菜、韭菜和花椰菜等作物的除草作業。為了適應葡萄園除草作業的需求，Ted 除草機器人的高度達到2 m，可在葡萄果樹間進行除草作業，如圖1c 所示。其田間工作速度可達6 km/h，與Dino 配置同樣的GPS+RTK 衛星導航系統，下部設計通用安裝框架，滿足多種除草工具的安裝需求[8]。其典型除草工具如圖2 所示。據該公司介紹，有超過200 個Na?o 田間除草機器人已經在世界各地投入使用，且已經進入商業化銷售階段。

圖2 Dino 與Ted 機器人末端除草工具Fig. 2 Robot end weeding tool of Dino and Ted

2019 年，丹麥FarmDroid 農場機器人公司出售并交付了其首款農業機器人FD20，這是一款可實現作物播種及行間和行內自動機械除草的多用途機器人，如圖1d 所示。FD20 同樣使用GPS+RTK 信號定位技術，能在播種時記錄每顆種子的播種位置，因此該系統不依賴相機識別作物或雜草就知道需要除草作業的區域。同時，FD20 是一款由太陽能電池板供電的自主作業機器人，可以不需要外部充電就能實現甜菜、洋蔥、油菜等作物的播種除草作業。2020 年春季，FD20 型機器人已經應用在多個歐洲國家的農場替代人工作業，種植和除草面積達1 500 hm2[9]。

圖1 田間除草機器人Fig. 1 Field weeding robot

以上4 種農業機器人是國外除草機器人應用的典型產品，雖然上述除草機器人的應用沒有達到完美的作業效果，會出現誤將作物識別成雜草、漏識雜草、誤傷農作物等識別率不穩定問題，但經過大量實際作業驗證及使用效益估算，上述機器人可以滿足在特定結構化的田地進行自主除草作業需求。這些技術應用方案解決了農場工人短缺的問題，減輕了繁重的體力勞動，減少化學除草劑的使用。

1.2 果蔬收獲機器人

目前，糧食的收獲已經實現機械化和自動化作業，但對于水果和蔬菜收獲還處于傳統勞動密集型作業階段，急需借助先進的機器人技術將水果及蔬菜的收獲從單調的手工采收轉變為連續的自動化作業來解決勞動力短缺和及時性問題。收獲機器人按功能可以分為傳感（即水果識別）、規劃（即手眼協調）和動作（即抓取水果的末端執行器機構）3 個主要部分。在收獲作業機器人方面，國外專家學者進行了大量的理論和應用研究。

新西蘭奧克蘭大學與Robotics Plus 公司聯合開發了獼猴桃采摘機器人，如圖3a 所示。該設備整體分為4個子模塊，每個子模塊附近設置2 個攝像機拍攝樹冠圖像，利用深度神經網絡和立體匹配的研究成果，通過圖像檢測系統處理并定位果實在三維空間中的位置?？刂普{度系統對各個模塊中已定位的獼猴桃位置進行排序，利用防碰撞規則為每個手臂動態分配收獲目標，協調4個采收臂進行有序采收。仿照人工采收動作設計專用末端手爪，如圖3b 所示。使用非對稱四桿機構，利用一根線纜驅動完成手爪夾持、旋轉、回正及打開動作，這一系列的動作實現了果實的采收作業。夾爪手指內部設計空氣通道，采用3D 打印制成，使手指在抓取果實時變形貼合，增加手指和水果之間的接觸面積，最大限度地減少擦傷[10]。

圖3 采摘機器人及其末端執行器Fig. 3 Picking robot and its end effector

西班牙AGROBOT 公司研制了Agrobot E 系列草莓采摘機器人，如圖3c 所示。它由3 排支撐桁架平臺組成，上部安裝24 個獨立的滑動臂，在每個臂上安裝2 個超聲波傳感器，可實現限位停止和防止臂觸地的功能[11]。使用激光雷達傳感器監測周圍環境，避免與農場里的工人發生碰撞。板載集成顏色和紅外深度傳感器捕獲手爪附近圖像，利用人工智能識別軟件來識別草莓果實并評估果實的成熟度。末端手爪結構如圖3d 所示，直接抓住草莓莖部并切割，然后夾持放入平臺儲物盒內。每個輪子安裝超聲波傳感器，通過不斷檢測輪子與草莓行之間的距離，使車輛保持在合適位置，實現溫室行內自主收獲任務[12]。但該機器人對草莓種植結構環境要求較高，且換行作業還需手動操縱完成。

與Agrobot E 草莓采摘機器人結構不同，比利時Octinion研發公司也開發了一款草莓采摘機器人，如圖3e 所示。該機器人電動輪式平臺采用車輪編碼器、陀螺儀和超寬帶（UWB）室內定位系統等多傳感器融合技術進行導航，通過3 臺不同位置的RGB 攝像頭檢測識別草莓，利用仿生原理設計開發了專用機械臂和專用末端手爪，通過輕輕拉動草莓并施加旋轉運動進行草莓采收作業[13]。柔軟手指部件由3D 打印加工成形，如圖3f 所示，與人類手指相比，該手指與草莓的接觸面更大，可降低對果實的傷害。

溫室甜椒采收機器人SWEEPER 是歐盟H2020 計劃中機器人應用案例項目，如圖3g 所示，主要由標準6自由度工業機械臂、定制專用末端執行器、圖形處理單元、傳感器及其他電子設備組成。定制專用末端執行器如圖3h 所示，包括RGB-D 視覺部件、LED 照明裝置及果實捕獲筐。視覺系統可以從遠距離和近距離獲取植物的RGB 圖像，利用深度學習技術、基于形狀和顏色的檢測算法識別定位果實莖部相對于果實的位置，使用視覺伺服控制機械臂靠近果實并向下移動，利用振動刀切割果梗進行采收作業[14]。SWEEPER 收獲機器人只能收獲位于植物和莖前面的果實，且在單株行種植結構中才能充分發揮其收獲性能。

雖然上述4 種機器人在特定的環境中可以實現自主收獲作業，但是在果實的檢測識別率、深度定位、路徑規劃及末端手爪動作等方面還沒達到令人滿意的效果。如在獼猴桃采摘機器人視覺系統拍攝出的圖像中，人肉眼可分辨出96%的果實，但在圖像識別中僅有79%能被檢測出，且被正確立體匹配以生成手臂采摘位置的獼猴桃定位率為76.1%[10]。甜椒收獲機器人在沒有修剪或去除葉子和被遮擋果實的真實種植場景中，甜椒收獲的成功率為65%。另外，末端執行器還可能發生定位錯誤、摩擦力小抓握失敗、動態規劃碰撞枝葉等問題。據資料顯示，在現實的商業果園環境中，對收獲機器人進行實際收獲性能測試，在最佳作業條件下成功采摘果實數量不超過總數的61%。

1.3 田間數據采集機器人

在為精準農業和智慧農場提供可靠精確的測量數據方面，田間監測與數據采集機器人發揮著重要的作用。通過田間信息采集機器人獲得的田間數據信息，農民可以更有效地管理農作物。目前世界各國為了實現有效的自主作業、導航控制和多源信息采集等功能，開發裝有先進傳感器的田間監測及數據采集機器人。

由伊利諾伊大學的科學家們開發的TerraSentia 緊湊型作物表型機器人集成了4 臺高清RGB 相機和GPS 導航系統，如圖4a 所示，具有豐富的3D 數據集和感知功能。TerraSentia 通過機器學習算法訓練，可以檢測和識別作物常見疾病，采集物理典型特征，如玉米穗高、葉面積指數和生物量等。TerraSentia 體積小、質量小，可以在莖稈較高的玉米和高粱作物行間移動，利用安裝的多種傳感器部件測量單個作物的特征，并將數據實時傳輸到遠端手機或筆記本電腦[15]。

葡萄園產量估計對于計劃和組織收割、計劃酒窖需求、計劃采購或葡萄銷售等都有重要的指導作用，因此，市場對快速、可靠的產量評估機器人有一定需求。VINBOT機器人是一個集成多種傳感器的葡萄園信息監測機器人，如圖4b 所示。它的底盤基于一款商用移動機器人，有效負載達到65 kg，上部安裝彩色和近紅外相機，可對藤蔓進行高精度成像。利用激光測距儀和RGB-D 裝置進行避障，并獲得藤架三維點云信息。利用基于云的網絡應用程序處理圖像或創建3D 地圖，通過人機界面，進行導航和數據采集任務[16]。利用深度學習卷積神經網絡檢測方法，使用圖像中葡萄簇所占的面積估計最終葡萄的產量。

Lady bird 是一款多用途農業機器人平臺，由悉尼大學的澳大利亞田間機器人中心（ACFR）設計和建造，如圖4c 所示。該機器人使用輪式電動底盤，由上部的太陽能電池板進行供電。利用NovAtel 同步位置姿態導航（SPAN）、全球定位和慣性導航系統（GPS/INS）實現定位功能，通過跟蹤數字農場地圖上的GPS 路徑點進行自主導航，也可通過為每個作物區域創建一系列航路點進行導航。上部配置了多種非接觸傳感器設備用于作物的自動化信息采集，如用于生成植被指數的高光譜相機、用于檢測水分脅迫的熱像儀、用于執行圖像識別任務的高分辨率立體視覺相機等[17]。

圖4 田間數據采集機器人Fig. 4 Field data collection robot

田間信息采集不僅是通過監測田間作物果實估算出果實的產量，更重要的是要根據植物的表型、基因、氣候變化和土壤質量等因素去適宜地干擾植物的發育。通過鑒定植物的表型，可以與它們各自的基因型聯系起來，從而可以確定適當的生長條件。雖然基于機器視覺的導航算法對真實世界的噪聲、變化的光照條件還未達到有效魯棒性，但是隨著全球導航技術、伺服控制技術、先進傳感采集及視覺圖像處理技術的不斷進步，國外田間數據采集機器人即將進入初步應用階段。該項機器人技術的應用將會在降低農作物生產成本、提高生產率和質量，以及規范農作物種植方式等方面發揮重要作用。

2 國內農業機器人技術現狀

與發達國家相比，我國農業機器人的研制起步較晚、基礎也比較薄弱，發展速度緩慢，多數處于理論研究與試驗探索時期。近年來，在市場需求的不斷引導及國內科研機構的不懈努力下，農業機器人技術也取得了一定的成果。

目前針對大田農業生產的農機具，國內企業相繼研發出多種自動導航駕駛系統，已經在一些北方大田地塊進行農業生產作業，特別是在新疆棉花產區。棉花穴播播種、側深施肥、鋪膜及鋪設滴灌管等農藝作業特點使得農機自動導航裝備成為不可缺少的配置[18]。農機自動導航駕駛系統可以保證耕地、播種、施肥、噴藥、收獲等作業的精確銜接，避免產生漏播、重播現象，有效降低作物的損失率。目前衛星導航系統在直線路徑上的導航效果較好，但在地頭轉彎及地塊調度方面的導航還達不到無人化要求。

在植保機器人和果蔬采摘機器人方面，蘇州博田自動化技術有限公司與國內高校緊密合作，研發出了幾種類型的農業機器人。其開發的溫室環境檢測機器人如圖5a 所示，可以實現環境溫度、濕度、二氧化碳等參數的智能感知。同時該公司融合了人工智能和多傳感器技術開發了履帶式果蔬采摘機器人，如圖5b 所示，主要由行走系統、視覺系統和采摘執行系統組成。視覺系統采用雙目立體視覺定位技術，基于深度學習的視覺算法實現對果蔬大小、顏色、形狀、成熟度和采摘位置的信息獲取及處理；集合超聲、紅外和激光等多種傳感器，開發了“手、眼”協同自動化系統，控制機械手臂完成抓取、切割、放置任務[19]。目前上述兩種機器人也僅用于現代農業園區或科技農業園區、標準化溫室種植、農業嘉年華類活動等。

圖5 國內農業機器人應用Fig. 5 Agricultural robot applications in China

農業智能作業車是目前應用較多的農業機器人行走裝備，如圖5c 所示。該農業無人車搭載厘米級精準導航，可實現果樹植保、大田除草、智能田間巡檢及農資運輸等農事服務，為我國智慧農業、農業機器人的發展提供了技術基礎[20]。但是針對成行的精準作業還取決于作業臂和末端執行機構，在田間地頭導航還需人工干預。Autolabor 公司研發了一款高通量植物表型機器人，如圖5d 所示。其主要用于植物表型組學研究，以輪式機器人為本體，車身裝載激光雷達、超聲波、視覺相機等多種傳感器，基于多傳感器信息融合環境感知技術，實現了機器人在特定溫室環境下自動巡檢、定點采集、自動避障、自動返航等功能。該機器人目前主要針對農業大棚結構化的環境狀態，通用性和采集后處理功能還有待提高。

國內各高校和研究機構在收獲和除草農業機器人領域進行了大量研究，研制出可供技術驗證的樣機結構，如中國農業大學研發的溫室黃瓜采摘機器人、西北農林科技大學研發的獼猴桃采摘機器人、江蘇大學及中國農業機械化科學研究院集團有限公司研發的蘋果采摘機器人等[21]。這些樣機離實際應用差距較大，還沒達到產業化、商品化階段。

3 農業機器人的挑戰與發展趨勢

與工業應用相比，農業機器人在很多領域的應用仍處于起步階段，提高機器人在農業應用中的速度和準確性是農業機器人當前面臨的主要問題。

（1）田地、茶園、果園及溫室等條件下的自主導航，在場景特征、導航目標和要求、信息來源等方面存在較大差異。基于衛星信號的全球導航已初步應用于大田農業生產作業中，但在非結構化的復雜農業場景中，要實現農業機器人全自主作業就需要全局導航與基于場景感知的局部導航相融合。不同的環境使用不同的方式，如在田間地頭等掉頭轉彎區域可以使用人工特征（如使用RFID 標簽或無線傳感器）進行引導入行，在行內采用衛星導航或利用固有的行結構信息采用超聲、激光雷達或視覺等方式來引導機器人實現自主行進。目前該項技術研究與實際應用仍然存在一定差距，但在市場需求的指引下，隨著各項科學技術的進步，未來科學家們必將突破多傳感器融合導航技術的瓶頸，實現更高層次、更強自主作業能力的無人駕駛系統。

（2）在機器視覺及圖像處理方面，基于視覺識別的圖像處理技術在實際應用中已經取得一定突破，但是研究成果通常依賴研究人員自身收集的數據，實際的非結構性農業場景復雜多變，不同的光照條件帶來的亮度、陰影及物體的遮擋等問題都會使通用性受到很大限制[22]。收獲機器人需要保證水果在復雜濃密的冠層中可靠地檢測和定位果實，除草機器人需要在復雜的土壤背景中可靠地區分作物和雜草，而上節介紹的農業機器人產品的實際測試結果并不完美。農業環境為半自然環境狀態，作業目標的生長狀態及位置具有較大隨機性，加上農產品果實硬度低、易損壞，這對研發自主農業機器人系統來說具有非常大的挑戰。因此，我國要加快研究適應自主收獲要求的作物新品種，使農業生產與智能化裝備有效結合，降低農業機器人作業的隨機性；同時在視覺硬件（傳感器、芯片）不斷升級的促進下，研究快速有效的圖像處理算法，提高果實識別效率，實現多信息融合技術和圖像處理算法的突破。

（3）手眼協調控制是收獲或植保等農業機器人最重要功能之一。目前，借助工業機械臂的運動控制算法，末端定位精度可以滿足采收任務的要求，但在實際的作業過程中既要快速計算目標位置、及時生成運動軌跡，實時反饋位置信息，又要結合實際的作業場景進行軌跡智能調整，這對當前控制技術仍是一項難題。通過改進農作物種植方式、借助外部力量統一生長狀態是實現全自主作業的有效途徑之一，同時根據操作經驗進一步優化軌跡規劃算法，保證農業機器人達到預期的揀選速度和成功率。另外，對于果實被高密度植物葉子嚴重遮擋的問題，可以借鑒人工操作經驗，通過多個視覺工具在多角度捕捉定位目標，通過多臂協作的方式進行采收或植保等作業。將機械臂控制與平臺定位系統有效集成，協調控制底盤移動和機械臂作業，實現農業機器人“邊走邊干”的高效作業。

4 結束語

針對當前國外農業機器人在除草、果蔬收獲及環境監測方面的發展，通過已經或即將商業化產品的功能，了解國外農業機器人技術水平及應用現狀。從目前作業效果可以看出，即使已經投入應用的農業機器人產品在目標圖像處理、路徑實時規劃及手臂軌跡控制等方面的魯棒性還有待提高。針對國內農業機器人發展的現狀，介紹了幾種農業機器人的研發應用情況，除了在自動導航方面的應用之外，其余均處于示范應用階段。最后，分析當前農業機器人存在的主要問題，探討了解決問題的可行性方法。