農業機器人關鍵技術研究現狀與發展趨勢

劉成良 貢 亮 苑 進 李彥明

(1.上海交通大學機械與動力工程學院， 上海 200240； 2.上海交通大學機械系統與振動國家重點實驗室， 上海 200240；3.山東農業大學機械與電子工程學院， 泰安 271018)

0 引言

1921年捷克科學家卡爾·恰佩克提出了機器人概念，20世紀50年代約瑟夫·恩格爾博格研制出世界上第一臺用于壓鑄工藝的五軸液壓驅動工業機器人Unimate。在機器人問世的初期，技術發展較為緩慢，主要停留在大學和研究所的實驗室。20世紀70年代，隨著自動控制理論和計算機技術的發展，以美國Unimation公司PUMA機器人和日本山梨大學牧野洋研制的SCARA機器人為代表的機器人產品進入工業生產并在隨后的30年內趨于成熟，以ABB、軟銀機器人、波士頓動力公司為代表的工業、服務、特種機器人進入智能時代。國際標準化組織將機器人定義為自動化控制、可編程的機械作動執行機構，能夠自主實現運動、操縱或定位作業[1]。農業機器人隸屬于特種機器人范疇，持續獲得社會、學術界和產業界的關注。世界范圍內的人口老齡化加劇、農業從業人員短缺催生了“機器代人”的旺盛需求，加之人工智能、機器人等技術的牽引，農業機器人進入快速發展期。

本文將給出農業機器人定義與分類，綜述國內外農業機器人技術現狀，分析農業機器人共性關鍵技術，借鑒機器人產業發展規律，提出未來我國農業機器人技術發展方向和建議。

1 農業機器人定義與分類

1.1 農業機器人定義

農業機器人是指用于農業生產，具有感知、決策、控制與執行能力的多自由度自主作業裝備，主要包括信息感知系統、決策控制系統、作業執行機構、自主移動平臺，即“眼、腦、手、腳” 。工程實際應用中，農業機器人與人工智能、大數據、云計算、物聯網相結合，構成了農業機器人應用系統[2-3]，它豐富了農業機器人概念的內涵與外延(圖1)。

圖1 農業機器人與智能農業機器人應用系統概念Fig.1 Concept of agricultural robot and agribot systems

農業機器人是在復雜非/半結構化環境下，主要以生物活體為作業對象，服務于農業生產的單機、多機自主作業裝備或系統，它是智能農業裝備的高端形態，具有作業環境、操作對象、裝備狀態、人員行為等信息的全域感知能力，融合機器學習、知識推理、人機交互、作業規劃等的自主決策能力，以及靈巧作業、動態伺服、運動協同、多機協作等精準執行能力， 能在繁重、惡劣、有危害的作業場景下實現精準、高效的生產目標。

1.2 農業機器人分類

農業機器人按照作業對象不同可以分類為種植機器人和養殖機器人。種植機器人包括田間種植、果園種植、設施種植機器人，養殖機器人包括畜禽養殖、水產養殖機器人(圖2)。

圖2 農業機器人分類Fig.2 Agricultural robot types and classifications

1.3 農業機器人產業需求

我國農業綜合機械化率已超過70%，農業機械化解放了勞動力、提高了勞動生產率，基本解決了田間聯合收割等作業條件一致性較好、適宜大規模自動化的生產環節。然而，農業生產仍然廣泛存在現有農機裝備難以勝任的高、精、尖、難作業任務，卻對具有感知決策、眼手協同控制等智能化自主作業能力的農業機器人提出了明確需求。

現代農業已經走向智能化、精細化時代，許多農業生產場景都需要類似人工靈巧作業的機器。農業機器人應運而生，能夠承擔農業從業人員“干不了”、“干不好”、“干不快”、“不愿干”、“危害大”等的工作。“干不了”指不間斷勞作和苛刻的自然條件使得人力難以企及的生產場景，如畜禽舍24 h不間斷巡檢、水下養殖海產品捕撈等；“干不好”指批量高效率精細作業難題，例如高速嫁接等；“干不快”指對高效精細操作有要求的生產環節，農業機器人能夠顯著提升生產效率和產品質量，如精密定植、高效屠宰；“不愿干”指高勞動強度或長時間枯燥機械作業崗位，如飼養、擠奶、采摘等；“危害大”指存在較大有損從業人員健康安全風險的生產環節，如植保噴藥、高枝作業等。隨著機器人行業設計、感知、決策、控制等共性技術發展，機器視覺、軌跡規劃、定位導航等單元技術性能趨于成熟，為農業機器人場景落地提供了技術支撐。

1.4 農業機器人技術挑戰

與結構化環境下作業的工業機器人不同，農業機器人處于非結構化、不確定性作業環境，面臨自主柔性作業要求高、場景動態適應性強等重大技術問題，對復雜場景下的目標識別機器視覺、動態環境下避障規劃與實時軌跡控制等機器人共性前沿技術提出了超高要求。

(1)生物環境感知難

農業機器人作業場景復雜、對象多變，需重點突破以下關鍵理論技術：①作業環境與對象多源異構信息的高精度原位傳感新原理、新材料、新方法。②基于物景多源數據的高精度高可靠農業目標識別、實例分割和空間定位等機器學習模型算法。③嵌入數據清洗、特征提取、參數補償、多傳感數據融合等片上模型的智能邊緣計算模組設計。 這是農業機器人“眼睛”面臨的技術挑戰。

(2)認知決策控制難

農業環境場景對象的準確認知決策控制是計算、數據科學和人工智能領域核心問題，需重點突破以下關鍵理論技術：① 基于多源感知異構信息的物景認知，包括數據高效標注、語義分析、行為識別、知識推理等。②基于機器學習的智能決策，包括任務規劃、路徑規劃、軌跡規劃、運動規劃等。③面向高動態、強干擾、高并發任務的自適應魯棒控制，包括機器人多部件協同控制等。④基于多核處理器、NPU等專用芯片的農業機器人控制器設計，農業機器人操作系統(Agri-ROS)及其應用生態構建，網絡化農業機器人端邊云協同。這是農業機器人“大腦”面臨的技術挑戰。

(3)高效精準作業難

農業機器人的操縱任務是實現高效精準作業。需重點突破以下關鍵理論技術：①生物友好的輕量化柔性機械臂設計。②力覺觸覺敏感、視覺伺服的驅控一體智能末端執行器設計。③靈巧采摘、高速嫁接、上杯擠奶等機器人快速高效眼手協同作業。這是農業機器人“手臂”面臨的技術挑戰。

(4)自主導航行走難

農業機器人自主行走面臨全地形、多遮擋、動態場景下運動、定位、避障、規劃難題，需重點突破以下關鍵理論技術：①復雜農田環境下驅控一體化全驅FWD底盤結構優化設計。②多軸(輪)驅動力協同、功率匹配與能耗管理。③多傳感融合的地圖構建、定位導航、自主避障技術。 這是農業機器人“腿腳”面臨的技術挑戰。

(5)眼腦手腳協同難

農業機器人作業場景復雜、作業任務多樣，需重點突破以下關鍵理論技術：①農業機器人眼腦手腳集成設計技術。②機器人多運動部件協同、人機交互技術。③云環境下機器人集群規劃調度方法。這是農業機器人“系統”面臨的技術挑戰。

綜上，5大技術挑戰貫穿農業機器人設計、控制、制造、應用全過程。農業機器人技術門檻高、開發難度大、高可靠低成本矛盾突出，是農業機器人產業發展必須解決的問題。

2 農業機器人技術發展現狀

自誕生以來，農業機器人隨著工業機器人和其他類機器人的發展而不斷進步，尤其是在移栽、巡檢、植保、擠奶、飼喂等產業獲得初步應用。

2.1 農業機器人發展階段

農業機器人的發展大體上可分為3個階段：第1階段為萌芽期，從20世紀80年代至20世紀末，農業生產環節中引入了機械臂、圖像處理等工業機器人元素，助推了農業自動化的發展[4-6]。第2階段，自2000年至2015年為起步期，代表性成果為嫁接、移栽等機器人進入產業應用期[7-12]。第3階段，2016年至今為發展期，人工智能技術工程化趨于成熟并進入復雜農業場景，除草、表型機器人形成了示范應用[13-14]。農業機器人進入多學科交叉融合高技術整體驅動的新時代(圖3)。

圖3 農業機器人發展階段Fig.3 Agricultural robot development phases

2.2 農業機器人技術發展現狀

農業機器人技術受機器人機構學、人工智能、物聯網、移動通信、傳感器等前沿技術牽引，逐漸全面滲透到種植、養殖產業各個生產應用場景，世界各國先后研發了各式各樣的農業機器人。

2.2.1大田農業機器人

大田農業機器人是指在大田環境下從事作物表型、農情巡檢、墑情檢測、雜草去除、土地平整、特種選擇性作物收獲等任務的自主作業裝備，其關鍵技術包括精準導航、機器視覺、智慧決策、自主行走和智能作業控制等。

(1)信息獲取類機器人

大田信息獲取類機器人主要完成作物發育表型、作物長勢、病蟲草害、土壤理化性質等信息采集，可用于品種選育、田間管理、適時收獲等作業決策。 其主要技術難點在于種類繁多的高性價比機載傳感器研發，以及田間高效巡檢平臺自適應快速穩定行走設計問題。

荷蘭Phenospex[15]、德國LemnaTec[16]和法國RoboPec公司[17]開發了龍門式和懸臂式植物表型機器人，通過疊加3D和多光譜信息準確測量最大植物高度、3D葉面積、葉片角度、光穿透深度等形態參數，具有高精準度、完全自動化、不受照明條件影響、可實現晝夜掃描等優點，實現了每天10 000 m2的高通量分析(圖4a～4c)。SHAFIEKHANI等[18]、MUELLER-SIM等[19]、BAO等[20]研制了田間移動式作物表型分析機器人，實現了作物莖稈強度及幾何形態的高通量測量(圖4d、4e)。上海交通大學張偉軍等開發了全地形適應性田間作物巡檢機器人，采用8輪錯位構型與主被動復合柔性驅控算法，保障了行進過程中機載激光傳感器和魚眼相機圖像獲取的穩定性 (圖4f) 。

圖4 高通量表型檢測機器人Fig.4 High throughput field plant phenotyping robots

加拿大薩斯喀徹溫大學BAYATI 等[21]開發了一種高通量油菜植物表型監測分析移動機器人平臺(圖5)。該平臺具有GIS標注功能，實現了高通量大范圍精準圖像獲取和表型分析。美國卡耐基梅隆大學NARVAEZ等[22]提出了采用激光環視掃描、實時目標定位和場景重構方法開發高速表型分析機器人，能夠實現在高粱或玉米等行間作物冠層之下的測量植物莖強度、葉片直立性、葉片發病率、植被指數(GRVI)等表型數據。

圖5 高通量油菜表型監測分析平臺[21]Fig.5 Brassica phenotyping and analysis robot1.GPS天線 2.機械臂 3.油菜畦 4.檢測設備

美國伊利諾伊大學KAYACAN 等[23]開發了一種應用于玉米田冠下的輕小型機器人TerraSentia(圖6)。該機器人利用機器視覺算法自動駕駛穿越田地來收集作物數據。利用深度學習算法，它還可以監測早期植物生長活力、識別疾病和估計農作物產量。

圖6 TerraSentia作物巡檢機器人Fig.6 TerraSentia plant monitoring robot

農情巡檢方面，羅錫文、何勇團隊[24-25]利用無人機、結構光技術和地面無線傳感器網絡中繼等方法采集農田信息和獲取植物三維形態結構，滿足了農田信息數據采集和監控的生命周期長、傳輸數據可靠、覆蓋面積廣的要求。

(2)田間耕種類機器人

田間耕種類機器人是指通過自主導航、智慧決策和精準化作業的伺服控制技術，實現大田生產土地耕整一致性、播種精量化、移栽智能化的機器人，它能夠保障大田種床平整度，降低播種移栽成本，提高農作物產量和質量。 相較于其他農業機器人，播種/施肥/移栽機器人相對成熟。其主要技術難點在于高精度高程圖實時繪制、對特殊形態種子的精量播種、漏播監測和補種，以及移栽中的高速識苗取苗-剔苗補苗問題。

作業區平整地作業是全程自主作業的基礎，聯適導航公司[26]研制的自主平地機器人根據機載高精度北斗衛星實時測量平地機具在作業軌跡點的高程信息，并繪制高程圖，繼而與方案圖中目標高程進行對比，系統作業時通過實時計算不同定位點的高程差自主調整平地鏟高度，從而精準獲得平地效果(圖7)。ZHOU等[27]研究了農田三維地形圖繪制、不平水田硬底層平整前饋補償控制、平整路徑規劃等關鍵技術，實現了基于北斗的水田智能化精準平整作業。John Deere 公司開發了無人駕駛激光平地機，實現激光平地機群協同作業，提升了作業效能。

圖7 基于高程地圖的激光平地機器人作業方案Fig.7 Laser leveling field robot with digital-map

德國烏爾姆應用科學大學的BLENDER等[28]開發了管理集群播種機器人的OptiVisor云控系統，可以協調控制多機器人機群的播種模式、播種密度、路徑規劃、播種補種、多機避碰。魏新華等[29]設計了穴盤苗全自動移栽協調控制系統，實現了苗盤橫向進給運動、取苗機械手縱向往復運動、垂直取放苗和喂苗動作的電動氣動復合伺服控制，保障了地輪行進速度和移栽動作的時序協調，缽苗移栽成功率達到96.9%。

(3)田間管理類機器人

田間管理類機器人是指通過自主導航、視覺識別與定位和精準作業控制技術完成除草、噴藥、追肥等功能的機器人，主要針對病蟲草害實現精準對靶施藥，針對作物生理需求實現按需變量追肥，提高農藥和肥料利用率，提高農產品品質，減少生產成本，改善生態環境。它的主要技術難點在于作物雜草高精度實時識別、精準對靶作業等。

澳大利亞昆士蘭科技大學的MCCOOL 等[30]研發了新一代作物和雜草管理機器人AgBot II(圖8)，以機器人團隊協作方式在田間自主導航、施肥、除草，雜草檢測和分類識別成功率在90%以上。

圖8 AgBot II機器人Fig.8 AgBot II field management robot

美國John Deere、BlueRiver公司研發的智能除草機器人采用新一代See&Spray化學雜草控制技術，利用高分辨率攝像機實時識別雜草，實現了單株雜草個性化噴施，大大降低殺蟲劑使用量(圖9a)[31]。瑞士EcoRobotix公司研發了太陽能驅動的除草機器人，應用機器視覺、GPS和其他傳感器自主跟蹤作物行并以95%的精度檢測定位雜草，然后通過并聯機械臂以高響應速度將小劑量的除草劑直接噴到雜草上，可減少農藥用量20倍(圖9b)[32]。美國Carbon Robotic(CR)公司研制了大田除草機器人，利用人工智能和激光模組來進行大田除草，二氧化碳激光模組陣列每50 ms發射一次，精度控制在3 mm內，可以同時對8處目標進行激光除草(圖9c)[33]。法國的Naio Technologies公司研發了不同尺度的系列純電動力農業機器人，采用四輪驅動四輪轉向的田間U形行間轉向，可完成大田雜草控制、中耕等作業以及采集作物的數據，輔助作物產量管理(圖9d)[34]。

圖9 典型大田除草機器人Fig.9 Field weed removing robot

李南等[35]設計了電驅動田間鋤草機器人，以中小功率拖拉機為配套動力，機器視覺系統實時對作物和雜草進行識別與定位，伺服電動機驅動月牙形鋤草刀對行護苗鋤草，傷苗率小于10%，雜草鋤凈率約為90%。

(4)田間收獲類機器人

大田收獲類機器人是指通過機器視覺等技術識別與定位、選擇作業對象并依據對象特征實現差異化精準收獲控制的機器人，它關注無法大規模自動化采收的對象，同時注重收獲作業的高效性和適應性，彌補了農機裝備在精細選擇性收獲作業方面裝備的不足。其主要技術難點是高效、低損收獲末端執行器設計與控制。

翟長遠等[36]將無人駕駛技術、機器視覺與甘藍收獲技術結合，研制了大田甘藍自主收獲機器人(圖10a)，通過北斗系統定位種植行后將采收臂與甘藍對齊、機器視覺微調后完成對行采收作業，同時通過傳輸通道將甘藍運至協同運輸的自動行駛車輛。 美國CROO Robotics研發了大田高壟草莓收獲機器人[37](圖10b)，利用草莓與莖葉的位置差異，設計了柔性莖葉和草莓果分離末端執行器和開合式硅爪采收輪，通過旋轉光學相機識別定位目標草莓，實現了快速采收、輸送和集箱。

圖10 大田甘藍、草莓收獲機器人Fig.10 Field cabbage and strawberry harvesting robots

荷蘭Cerescon、AvL Motion公司[38]研發了產品化的白蘆筍選擇性收獲機器人。前者采用了基于介電特性的壟面下蘆筍檢測，白蘆筍收獲末端執行器和雙臂并行收筍機構等技術，實現了最大采收效率0.3 hm2/h。后者采用光學視覺手段檢測出土筍芽，設計了基于回轉鏈循環的多末端執行器，實現了壟上多個白蘆筍的入土、切割、柔性夾持和出土集箱過程，每株平均收獲時間為1.3 s(圖11)。

圖11 大田白蘆筍收獲機器人Fig.11 Field white asparagus harvesting robots

2.2.2果園機器人

果園生產和大田農業生產一樣，也要走從機械化、自動化向機器人化發展的路徑。果園多位于丘陵山地等崎嶇地面， 其主要任務包括果園物境信息獲取、剪枝套袋、對靶噴藥、疏花疏果、果實采摘等，它對移動過程中精準作業具有較高要求。

(1)果園巡檢類機器人

果園巡檢類機器人主要依靠機器視覺、自主導航、智能決策功能完成果樹長勢、果品產量質量、病蟲草害的檢測與預警，主要用于病蟲草害監控、產量預估與收獲作業規劃等目的。其主要技術難點在于移動視角下的果樹果實目標檢測、時空變換下巡檢信息的融合和數據挖掘。

澳大利亞悉尼大學BARGOTI 等[39]基于形態學和深度學習，開發了果實原位識別及產量預估的果園巡檢機器人，自然條件下漏檢率低于5%，估產精度達到85%(圖12)。HE等[40]綜述了果園估產機器人技術前沿進展,并指出估產特征優選、光譜成像時機選擇、多尺度信息融合等技術具有決定性作用。

圖12 果園巡檢與估產機器人 Fig.12 Fruit detection and yield estimation robot

文獻[43-44]設計了地形高通過性的果園機器人底盤及其控制系統，開發了面向果園巡檢、采收、物流功能的組合導航系統， 基于CSF (Cloth simulation filter) 和RANSAC (RANdom SAmple consensus)方法對圖像和點云信息進行融合，機器人循跡導航偏航誤差小于5 cm。ZHOU等[45]針對果園物流機器人穩定性控制問題，提出了基于數據驅動的狀態控制算法，實現了不同路況下機器人高性能動力學特性控制。

(2)果園管理類機器人

果園管理類機器人是指通過自主導航、視覺識別與定位和精準作業控制技術完成除草噴藥、剪枝套袋、對靶噴藥、疏花疏果等功能的機器人，主要針對病蟲草害實現精準對靶施藥、靈巧疏花疏果套袋作業，提高果品品質，實現機器代人。它的主要技術難點在于靈巧作業手臂設計、作物雜草精確識別、精準對靶噴藥控制等。

MAJEED等[46]設計了葡萄園剪枝機器人，采用RGB-D機器視覺檢出果樹結構，優化決策作業點，實現了行進中自主剪枝作業。法國Wall-Ye葡萄枝修剪機器人每天可以修剪600棵葡萄樹，具備高負荷、高效率的工作性能(圖13a)[47]。BOTTERILL等[48]研發的葡萄剪枝機器人，每株葡萄平均剪枝8條，全自動作業效率2 min/株。YOU等[49]設計了櫻桃剪枝機器人枝條骨架分析算法，基于語義導引的方式對枝條重建正確率超過70%，能夠有效支撐機器人剪枝決策(圖13b)。美國Vision Robotics公司[50]研發的蘋果剪枝機器人可以代替90%人工(圖13c)。

圖13 果園剪枝機器人Fig.13 Orchard pruning robots

德國霍恩海姆大學REISER等[51]研發了 “鳳凰”電動旋轉式除草機器人(圖14)，用來清除果園內的雜草。在機器人的動力與結構方面，將傳統刀具的液壓馬達替換為電動馬達，并進行了整機輕量化設計。除草機器人可以精確高效地完成果園除草任務。

圖14 “鳳凰”除草機器人Fig.14 “Phenix” weed removing robot

吳應新等[52]針對果園地形開發了混合動力除草機器人能源管理系統及通用仿真平臺，基于路面統計信息優化的動力切換策略可提升整機能效8%以上。曉耕智能科技有限公司[53]開發了基于通用移動底盤的果園管理系列機器人，實現了果園除草、噴藥、物流機器人模塊化生產和功能重構。

(3)果園采摘類機器人

果園采摘是季節性強、最費工費時費力的生產環節。果園采摘類機器人是指具備自主導航、果實識別定位、作業規劃、采摘動作控制功能的機器人。高效低損采摘是機器人化作業的巨大技術挑戰。

美國華盛頓州立大學ZHANG[54]、SILWAL 等[55]開發了一種蘋果自動采摘機器人(圖15)。機器人通過機器視覺定位成熟果實，利用7自由度的采摘機構完成采摘過程，平均單果采摘時間6.0 s，采摘成功率為84%。

圖15 蘋果采摘機器人 Fig.15 Apple picking robot

澳大利亞莫納什大學GRANLAND等[56]和WANG等[57]針對蘋果園機器人化采收問題給出了較為系統的解決方案，提出果實形態分割識別方法，并設計了采摘機械手,采摘點空間定位平均誤差6.6 mm、角度平均誤差4.8°，采摘成功率接近85%。

以色列FFRobotics(圖16a)[58]和美國的Abundant Robotics(圖16b)分別研發了具有市場化前景的蘋果采摘機器人，采用深度相機方式識別和定位蘋果，在并行多臂上安裝真空吸入式的蘋果采摘末端執行器和直角坐標的三指抓握式末端執行器，通過伸縮抓取和扭斷果梗方式提升了采摘效率。新西蘭Robotics Plus公司[59]研發了獼猴桃采摘機器人(圖16c)，用于下垂生長的獼猴桃的自主采收作業，收獲成功率達到86.0%，獼猴桃平均收獲時間為2.78 s/個。中國農業機械化科學研究院與江蘇大學[60]聯合開發了一種由機械臂、末端執行器和基于圖像視覺伺服控制系統組成的蘋果采摘裝置，對具有5自由度的PRRRP結構的機械臂進行了幾何優化，基于支持向量機開發了果實識別算法，實現了對果樹和果實的自動檢測和采摘。蘋果采收成功率為77%，平均采收時間約為15 s/個(圖16d)。 針對采收機器人優化結構設計，以色列理工大學BLOCH等[61]提出了一種針對不同蘋果樹結構的蘋果采收機器人機構優化方法，將蘋果樹按照結構分為CL型(Central Leader)、Y型(Y-trellis)和TS型(Tall Spindle)，建立3D樹模型的完整數據庫。針對不同樹結構分別建立了鉸接式(RRR)、笛卡爾(PPP)、伸縮式(RRP)3種機器人機構。

圖16 果園收獲機器人Fig.16 Orchard harvesting robot

文獻[62-63]通過固定于機械臂一側的KinectV2獲取場景RGB圖和深度圖，對荔枝的果梗進行圖像分割和三維定位，基于RRT算法在線規劃避障采摘路徑，通過氣缸驅動末端實施果枝剪切與夾持，實現高效和穩定的荔枝串收獲(圖17)。

圖17 荔枝采摘機器人Fig.17 Litchi picking robot

文獻[64-65]研制了獼猴桃采摘機器人，提出的Progressive probabilistic Hough transform (PPHT) 圖像處理方法對纖細的種植拉線檢出率達92.4%。開發的算法有效避免了采摘過程中的機械臂碰撞。ZHOU等[66]設計了在天然橡膠種植園作業的割膠機器人，建立六軸串聯機器人空間螺旋軌跡規劃方法，雙目立體視覺系統獲取了采集切割軌跡所需參數，以精確控制切割軌跡和割膠作業。樹間周期割膠作業平均消耗時間為(80±5) s(圖18)。

圖18 割膠機器人Fig.18 Rubber-tapping robot1.末端執行器 2.相機 3.結構光 4.面光源 5.機械臂6.控制柜 7.移動平臺

果園收獲機器人的機器視覺[67]、末端執行器[68]、作業點規劃和作業運動規劃[69-70]、自主行走[71]等熱點問題均被廣泛深入討論和研究。

2.2.3設施農業機器人

設施半結構準工廠化環境適合機器人化生產，設施農業機器人用于設施環境下高速高效精準作業，主要包括表型選育、種苗移栽嫁接、長勢-產量-病蟲害巡檢、打葉整枝、果蔬采收等機器人。

(1)育苗表型類機器人

設施表型機器人是在可控環境條件下進行作物形狀、結構、大小、顏色等可觀測性狀進行高通量信息獲取的機器人，它為優良品種選育提供表型組學信息。其難點技術在于多源時空高光譜信息融合識別、復雜生長環境下生物性狀特征去噪辨識等。

LIU等[72]、XIAO等[73]、GU等[74]提出了環境-表型同步關聯分析方法，設計了葉菜、大株作物品種選育高通量表型分選機器人，實現了葉面積參數自動測量和自動化揀選一站式功能。

DU等[75]針對同一栽培環境下不同生菜品種長勢對比分析問題，設計了高通量生菜表型視覺測量方法，建立了品種選育量化評價方法(圖19a),Phenospex公司的表型分析儀器能夠提供種苗多類光譜信息，提供了幾何形態到生理指標的大量表型參數(圖19b、19c)。ATEFI等[76]提出了采用類人作業機器人模擬專家現場分析作物表型的行為，對種苗進行多視角觀測，獲取更為全面的信息。

圖19 高通量表型育種機器人Fig.19 Phenotyping robots forlettuce breeding

(2)嫁接移栽類機器人

嫁接機器人是指利用傳感器和計算機圖像處理技術，實現了嫁接苗子葉方向的自動識別、判斷。嫁接機器人能完成砧木、穗木的取苗、切苗、接合、固定、排苗等嫁接過程。嫁接機器人能夠有效提高作業效率和嫁接苗成活率，被公認為是能夠最先投入實際生產應用的設施園藝機器人[77]。移栽機器人是指實現缽苗從高密度到低密度穴盤的稀植移栽的機器人。其關鍵技術在于高速低損取苗夾爪設計、基于機器視覺的優劣苗實時分選等。

2011年，日本井關公司推出了型號為GRF800-U的瓜類全自動嫁接機器人(圖20)。該機適用于瓜類作物，開發出基于穴盤苗的自動上苗裝置代替人工上苗作業，具有穴盤內缺苗視覺自動檢測功能，僅需一人供給穴盤上苗，生產效率可達800株/h，嫁接成功率為95%[78]。

圖20 嫁接機器人[78]Fig.20 Grafting robot

日本京都大學ASHRAF等[79]開發了一種番茄苗嫁接輔助機器人，將番茄苗和砧木正確匹配，提高了嫁接效率。使用具有PL濾光片的背光系統與UXGA單色相機組成的機器視覺系統實現對番茄苗的彎曲度，葉片節點和莖的直徑進行自動分類，對于番茄苗和砧木的匹配準確率高達97%。

JIANG等[14]針對現有蔬菜嫁接機器人單手爪夾持搬運機構作業時需要在上苗、切削和對接工位往復旋轉作業，限制了機器嫁接生產效率，存在夾持傷苗、操作人員上苗等待時間過長、易疲勞等問題，設計了一種四手爪柔性夾持搬運機構，能夠實現上苗、切削和對接工位同步作業，以及秧苗柔性夾持與快速搬運，有助于提高機器嫁接效率。性能試驗表明，柔性夾持手爪平均傷苗率降低3.5%，嫁接平均速度為1 052株/h，嫁接成功率為96.67%。

以荷蘭Visser公司[80]為代表的國外缽苗移栽機器人采用Pic-O-Mat機器視覺技術融合種苗視圖和立體圖像獲取作物幼苗生長信息，通過目標區域像素統計的方法對真葉數、苗齡、株高和長勢一致等幼苗生長狀況進行評價，通過取苗爪完成對穴盤里壯缽苗移栽和弱缽苗剔除與補栽，將健康苗移至栽培區域，每小時最高扦插苗數量達到1×104株，且移栽一致性好(圖21)。

圖21 Visser扦插苗移栽機器人Fig.21 Visser transplanting robot

(3)設施植保類機器人

設施植保類機器人是指通過室內導航、視覺識別與定位、對靶精準作業控制技術完成噴藥、授粉等功能的機器人。它的主要技術難點在于目標精準識別評價、室內移動高精度定位。

在病蟲害控制方面，OBERTI 等[81]開發了一種檢測發病區域對靶噴灑的機器人，基于機器視覺的疾病在線評估模型保證了點噴面積的最小化(圖22)。荷蘭BERG公司[82]開發了Meto溫室自動噴霧機器人，加快了作物植保自動化進程。

圖22 對靶噴施機器人Fig.22 Spot spraying robot with disease area detection

張俊雄等[83]研發了一套溫室內移動對靶噴霧輔助系統,實現了對黃瓜等籬架型植物以長方形柵格區域為靶標的精準噴雰。采用髙架導軌安裝模式，4自由度的直角坐標系機械臂吊裝在平臺下，根據病害等級程度配合電磁閥控制的噴嘴實現對不同局部的變量噴霧。解決了對作物植株單體甚至是單個葉片內病害區域進行對靶噴霧的難題，有效降低了農藥用量。LI等[84]開發了設施噴藥機器人，針對設施內植株密植施藥空間狹窄的問題，設計了一種日光溫室用精準噴霧機器人，以實現區域內的自動噴霧作業，推導了液滴沉積面積與噴射機構姿態之間的關系，以噴霧霧滴在作物群體上均勻覆蓋為目標，提出了基于遺傳算法的離線最優噴施算法，試驗驗證了噴霧姿態的優化策略效果。

(4)打葉整枝類機器人

設施作物打葉、整枝機器人是通過對蔓、莖、果、葉、繩感知與理解，基于果蔬專家經驗知識、農機農藝融合完成打葉、整枝的機器人。其難點技術包括高效末端執行器設計及專家決策方法、目標枝葉定位機器視覺算法、避障運動規劃控制方法等。

荷蘭Kompano[85]、 SAIA[86]公司番茄整枝打葉機器人，可以完成大規模溫室的自動巡行和番茄打葉管理(圖23a、23b)。瓦克寧根大學[87-88]研發的溫室番茄黃瓜剪枝、打葉機器人，全自動打葉效率70 s/葉(圖23c、23d)。

圖23 打葉整枝機器人 Fig.23 Deleafing and pruning robots

(5)果蔬采收類機器人

設施果實采收類機器人是指依據著色、尺寸等指標自動識別作業對象、自動規劃路徑并進行選擇地收獲的機器人，是設施生產無人化作業的關鍵裝備。其主要技術挑戰在于任務路徑自主規劃、受遮擋目標重建、靈巧低損末端執行器設計等。

西班牙AGROBOT Robotics公司[89]開發了針對高壟栽培和架式栽培草莓選擇性收獲機器人(圖24)，通過24個獨立機械臂以無線通信方式協同工作，每個機械臂帶有一個短視距集成彩色和紅外深度傳感器和圖像處理單元確定待收獲草莓的成熟度，其末端執行器采用斷莖夾持方式收獲草莓，不直接接觸果實，避免損傷。

針對稠密環境下的果蔬采收，以色列本古里安大學RINGDAHL等[89]開發了一種具有視覺伺服的甜椒收獲機器人。開發了采摘路徑混合規劃算法，解決了采收機器人受到植物遮擋造成難以成功采收的難題，使甜椒采摘效率和成功率大幅提升。在8種場景、對150個甜椒的采摘實驗中，成功率達到86%。韓國成均館大學LEE 等[90]開發了具有閉環控制視覺伺服系統的自動甜椒采收機器人，果實識別率82.16%，收獲成功率達到70%。 日本京都大學KONDO等[91]開發了全自動番茄果實團簇收獲機器人。采用機器視覺系統確定水果簇的重心與花序梗和主莖的交點，以確定采收機器人最佳的抓握位置，末端執行器對果實抓握的成功率達到了73%。日本國家農業和食品研究組織的YAMAMOTO 等[92]研制了一種與移動工作臺相結合的草莓采摘機器人。針對草莓采摘構建兩個機器視覺系統，分別檢測果實的位置和顏色，檢測的平均誤差為5.4%。同時開發了一種新型的草莓采摘末端執行器，可以防止在采摘的過程中誤觸與目標水果相鄰的果實，性能測試表明，草莓采摘機器人收獲成功率穩定在67.1%，果實收獲率達到88.0%。

荷蘭瓦赫寧根大學VAN HENTEN等[6]、BACA 等[93]設計了針對溫室稠密作物環境的甜椒采收機器人，討論了在復雜環境(光照變化、遮擋和密集障礙物)中硬件和軟件組件的性能，提出了創新的“約束方位角”機械臂運動規劃方法和基于莖定位的最佳的抓握姿勢算法，并設計了尺寸更小的Fin Ray末端采摘機構。使采摘機構在對密集障礙包圍的水果采收成功率從63%提高到84%，采收時的作物損傷率從19%降低到13%。這種采收機器人方案采用了9自由度機械臂，并開發了適用于高自由度機械臂運動規劃的平衡雙向RRT算法(圖25a、25b)和高性能末端執行器(圖25c、25d)。

圖25 設施蔬果采收機器人 Fig.25 Fruit and vegetable harvesting robots

美國Root AI和日本松下公司研發了溫室小番茄采摘機器人，兩者通過應用深度學習依據3D相機所獲取的深度圖像信息，檢測果實成熟度和推斷植株與果實的位置，形成對實際采摘路徑和姿態規劃；前者采用控制柔性三爪末端執行器抓取扭斷方式，后者控制套取果實和支撐切割果梗方式，實現小番茄無損快速采摘(圖26a)。以色列Metomotion公司研發了溫室大果番茄的成串選擇性采摘機器人(圖26b)，設計了與現在設施種植軌道配套的自主移動和兩個獨立作業的六自由度機械臂，集成3D視覺系統和機器視覺算法可識別和定位成熟果實，設計了兩自由度閉合鏈串番茄果梗套剪夾持末端執行器，用于分離其他碰觸的果實，通過剪斷和夾持果梗，以實現目標串番茄低損收獲和集箱。

圖26 設施收獲機器人Fig.26 Greenhouse harvesting robot

紀超等[94]研發了黃瓜采摘機器人系統，提出三層式系統控制方案，機器人采摘成功率達85%，單根黃瓜采摘耗時28.6 s。趙春江團隊[95]開發了一種基于激光測距和視覺伺服的果串自動對靶測量系統，對果串內果粒的平均識別率為 83.5%。實現了櫻桃番茄果串自動采收中采收目標的精確識別定位。

劉成良團隊[96-99]提出了采用機器學習提升番茄采摘機器人目標識別成功率，基于機器人雙臂協作提升番茄采摘效率和成功率的方法。光照變化、果實粘連場景下93.3%的成熟番茄能夠被正確識別，果體遮擋率超過60%時識別定位成功率超過85%； SCARA雙臂機器人作業效率8 s/個，作業成功率87.5%,協作型雙臂機器人果實作業效率7 s/個，作業成功率接近90%(圖27)。

圖27 雙臂番茄采摘機器人Fig.27 Dual-arm tomato harvesting robots

工廠化栽培是未來食用菌的主要生產方式。賓夕法尼亞州立大學HUANG等[100]比較了傳統方法和3種簡化方法(彎曲、扭曲和提升)的采摘力和運動，開發了3個力傳感器和1個慣性測量單元的傳感系統來測量拾取力和運動。采摘末端執行器評估表明彎曲采摘運動取得了最佳性能(圖28)。

圖28 食用菌車間管理收獲機器人Fig.28 Mushroom harvesting robot

(6)設施物流類機器人

設施物流機器人主要指基于自主導航行走、路徑規劃、多機協同的搬運機器人。主要用于生產過程農產品、生產物資自主運輸，對于減輕勞動強度、提升生產效率有著重要意義。主要研究室內高精度定位導航與避障問題。

在設施物流機器人高速穩定性控制方面，以色列理工大學GAT等[101]提出了一種借助高架導向裝置操縱的溫室自動駕駛物流車用于運輸采后蔬菜，車輛通過檢測與導向裝置的角度和距離來進行轉向和校正，在涉及地面坡度和地形急劇變化的農業環境中能夠保持穩定并以較小的振動收斂正確的路徑。在溫室物流機器人自主導航與主動避障方面，挪威生物經濟研究所HARIK 等[102]設計了一種輪式移動物流機器人，基于視覺圖像和LIDAR傳感器和Hector SLAM方法估算機器人位置，能夠在GPS信號受限制的溫室環境中實現自主導航、主動避障。美國Iron OX[103]、荷蘭Berg-hortimotive公司在溫室生產中引入了物流機器人，提高了生產效率(圖29)。

圖29 設施物流機器人Fig.29 Logistics robot in greenhouse

2.2.4畜禽養殖類機器人

畜禽養殖類機器人是指在規模養殖環境下完成自主導航行走、識別動物行為、定向跟蹤作業等任務的機器人。畜禽養殖機器人主要用于畜禽飼喂、環境消殺、擠奶打針、健康巡檢等任務。關鍵技術包括活體生物目標行為特征識別、飼料精準精量投喂控制等。

法國Octopus Robot公司[104]研制的Octopus Poultry Safe (OPS)機器人基于自主導航技術可以在禽舍內完成消殺功能(圖30a)。荷蘭瓦赫寧根大學VROEGINDEWEIJ等[105-106]研制的PoultryBot可以自主撿拾養殖場內禽蛋(圖30b)。法國TIBOT Technologies 公司[107]研制的Spoutnic機器人用于訓練母雞歸巢下蛋、促進禽類進行健康活動。

監測動物行為是養殖類機器人研究熱點。英國西英格蘭大學HANSEN等[108]提出了基于卷積神經網絡的豬臉識別算法，提高了機器人對飼養個體進行追蹤分析和個性化飼喂的效率(圖31)。

在奶牛養殖中，飼喂機器人實施自動化飼喂是提高奶牛產量、降低生產成本的重要途徑。美國Lely公司[109]研制了奶牛飼喂推料機器人、擠奶機器人(圖32)。Hetwin、GEA等畜牧業跨國企業也均開發了多類型飼喂、擠奶機器人，基本實現了全程少人化生產。奧地利Banns、Westfleisch公司研制的屠宰機器人極大提高了生產效率。

圖32 奶牛推料飼喂擠奶機器人 Fig.32 Forage pushing and milking robots

萬暢等[110]研制了磁條導航的飼草推送機器人(圖33a)和自助充電裝置(圖33b)，通過磁條導航完成畜舍的自動巡檢和機器人自動充電功能，在半開放式牛場工作環境實現了自主勤密飼喂。 FENG等[111]研制了畜禽養殖消毒機器人系統，由自動車、消毒劑噴灑單元、監控單元和控制器單元組成，機器人沿地面用磁鐵和RFID標簽標記的直線移動，支持自動和遠程高效消毒作業，保障了畜禽養殖場所的安全。

圖33 自主飼草推送機器人Fig.33 Forage pushing robot

2.2.5水產養殖類機器人

水產養殖類機器人是指面向規模化池塘海面、陸基養殖、網箱養殖等場景，完成空中水面水下自主移動、識別水產對象行為、執行定向跟蹤作業等的機器人。水產養殖機器人主要用于巡檢、投喂、撿拾、捕撈等。主要技術挑戰為水下生物行為機器視覺檢測、飼料精準精量投喂控制等。

墨西哥生物技術研究中心LUNA等[112]、 VON BORSTEL等[113]采用人機交互和遙操作技術，研制了水體質量監控與餌料精量投喂一體化機器人，管理人員可通過網絡遠程可視化監測水質理化參數和遙控投餌量(圖34)。

圖34 水質監控和水產品飼喂一體機器人Fig.34 Water quality monitoring and feeding robot

智利Vard Aqua公司[114]研制了一種全自動精確飼喂機器人EXACT，可為整個設施養殖場提供飼喂作業。機器人根據其控制系統中登記的生物質信息計算飼料量，然后在軌道系統上運行，該系統可以定制以與設施的儲罐設置配合使用(圖35)。

圖35 餌料精量投喂機器人Fig.35 Exact fish feeding robot

綜上所述，近年來農業機器人從理論技術到工程應用均取得長足進展。

(1)理論技術方面，室外高精度定位導航、軌跡規劃、機器視覺、智能控制等技術逐漸成熟，為農業機器人大田作業場景落地提供了技術支撐，未來要重點解決不確定性和差異性更大的農業應用場景中智能感知、自主學習與知識推理技術方面的難題，發展面向更加復雜應用場景的農業機器人技術，例如選擇性收獲、動物行為識別等。

(2)農業機器人產業方面，在工廠化育苗、水產和畜牧養殖領域，國內外已經有許多成熟的配套機器人化產品。在規模化農業的多種場景中，國內外傳統農機企業和農業機器人初創公司相繼開發了農業機器人產品，推動了以無人駕駛拖拉機和無人植保機為代表的大田農業機器人快速發展。但在更細分作業場景中，例如巡檢、除草、植保等機器人僅形成了產業雛形，農業機器人發展仍面臨全程全面的機器人化生產需求。

(3)工程應用方面，目前我國在高端設施育苗花卉、畜牧養殖等領域中較早開展了移栽、水肥一體化、環境控制、個性化飼喂、擠奶機器人等的應用。田間作業的無人駕駛、無人機植保等方面獲得工程化初步應用與示范，果蔬采摘、設施巡檢等方面開展了技術展示，但農業機器人發展仍然需要重點突破適用成本、作業效率、使用可靠性、品類多樣化等問題，進一步提高技術示范的廣度和規模。

3 農業機器人共性關鍵技術

農業機器人主要涉及5大關鍵技術：物境信息智能感知技術(“眼”)、智慧決策與智能控制技術(“腦”)、靈巧臂手精準作業技術(“手”)、自主導航穩定行走技術(“腳”)及端-邊-云協同機器人系統構建技術(圖36)。

圖36 農業機器人關鍵技術構成Fig.36 Key technologies for agricultural robots

3.1 物境信息智能感知技術

農業機器人作業首先需要感知作業環境、作業對象和機器人本體狀態，獲取作業過程相關的全景數據，為農業機器人完成作業任務提供基礎，物境信息智能感知主要包括：傳感器件、特征提取、信息融合等共性關鍵技術的研究(圖37)。

圖37 農業機器人感知技術 Fig.37 Perception technologies for agricultural robots

農業物境感知重點研究：①農業機器人作業場景中的動植物對象、作業環境、機器人本體、作業過程特性的傳感新原理、新材料、新方法，研制農業機器人專用傳感器。②研究數據降維、去噪等數據預處理方法，開發多源多類數據高效特征提取算法，支撐農業機器人感知認知目標。③研究農業場景多源異構數據融合方法，建立多模態、多傳感器的輕量級深度學習模型，形成基于片上模型(Model-on-the-chip,MoC)的感算融合系統，實現農業機器人高效感知。

例如，針對蔬果采摘機器人在密植場景下的高效采摘問題，GONG 等[99]提出了受遮擋目標空間高精度重建技術，傳感信息包括RGB顏色、近紅外和深度數據，特征提取階段通過FAST-RCNN等深度學習模型提取了不同成像通道的模態信息，在信息融合環節基于顏色-點云空間聯合學習方法實現了多源數據融合，遮擋程度超過60%的蔬果目標重建后空間定位精度達到5 mm，有效提升了采摘機器人應對復雜自然場景的能力。

3.2 智慧決策與智能控制技術

智慧決策與智能控制系統旨在對感知信息進行深度融合、認知推理、預測規劃，并協調控制農業機器人眼、手、腳多個子系統作業，它是農業機器人的核心要素，其共性關鍵技術主要包括農業機器人軟硬件控制平臺技術、作業算法工具、作業決策應用(圖38)。

圖38 農業機器人決策與控制技術Fig.38 Decision-making and smart control for agricultural robots

面向多類型、跨場景、多任務農業機器人的快速開發與應用需求，智慧決策與智能控制技術需重點研究：①針對通用機器人操作系統ROS(Robot operating system)[115-116]對農業機器人硬件兼容性不佳、仿真環境不適用農業場景等弊端，研制開源農業機器人操作系統Agri-ROS，突破農業機器人的軟硬件資源管理、多任務并發實時任務處理，感知/運動/規劃/控制算法仿真，算法庫模型庫共享，支撐農業機器人開發者生態。②研制適用于農業機器人多模態感知信息處理、易于組網通訊的嵌入式主板，開發低成本、可拓展、高防護等級農業機器人通用控制器。③研究基于機器學習的感知、決策、控制算法，開發目標識別定位、環境重建、自主移動、高效收獲、運維調度等作業決策通用組件，構建高性能農業機器人快速開發平臺。

TSOLAKIS等[117]設計了農業機器人操作系統AgROS，支持設備層實時控制和應用層可視化決策。GAO等[118]提出了一種適應于復雜環境的機器人開源硬件控制器，支持多模態感知與通信、強實時多任務調度、集中-分布式多態算力分配，實現了仿真環境、示教器和嵌入式控制器一體化，可以支撐農業機器人控制系統快速開發。

3.3 靈巧臂手精準作業技術

農業機器人機械臂與末端執行器是完成重復、高強度或危險工作的作業部件，機器人末端執行器與農業作業對象關系密切，其靈巧特性應被格外關注。靈巧作業機械手、臂研究主要包括新型輕材料應用、結構設計、驅控系統設計、作業模式與作業方法規劃，以及高精高效作業控制(圖39)。

圖39 農業機器人靈巧臂手精準作業技術Fig.39 Precise operations of robotic arm and end-effector of agricultural robots

靈巧臂手精準作業重點研究：①農業機器人模塊化構型設計、與作業環境相適應的機械臂輕量化設計、剛柔耦合設計及機電液氣混合驅動方法，研制可配置可重構多功能農業機器人手臂系統。②針對農業機器人作業環境復雜、目標物多變、對象易損問題，研究靈巧末端構效規律、作業損傷機理、新型材料適用屬性、高通用性設計方法，開發高效作業嵌入式自適應控制系統，實現高效低損作業。③研究手臂作業系統規劃與控制方法，突破動態視覺伺服、實時避障、導納控制等高動態高魯棒算法，優化機器人系統“手-眼-臂”協調模式，實現農業機器人靈巧作業。

LING等[97]設計了關節型雙臂采摘機器人，采摘末端執行器采用真空吸附和剪切耦合結構，解決了多臂實時運動規劃與避障避碰問題。吳劍橋等[119]、ZHANG等[120]綜述了農業多功能機器人末端設計、制造控制方法，指明了采摘機器手系統將向著采摘目標場景通用化、結構形式多樣化、靈巧作業智能化方向發展的趨勢。CAO等[70]針對荔枝等蔬果采摘問題提出了基于粒子群優化的機械臂采摘規劃與軌跡跟蹤控制方法，提高了自然場景下避障采摘效率。

3.4 自主導航穩定行走技術

農業機器人自主導航穩定行走主要解決機器人在復雜自然場景中的移動性和通過性問題。關鍵技術包括：移動底盤設計與驅控、實時精準定位、自主導航與避障技術，以及地圖探索與構建和路徑規劃軌跡跟蹤控制等(圖40)。

圖40 農業機器人定位導航自主移動技術Fig.40 Auto-driving technologies for agricultural robots

重點研究：①設計模塊化、輕量化、高通過性農業機器人移動底盤，構建運動學與與動力學模型，建立機器人與地面相互作用系統高維模態分析方法，開發負載敏感自適應、多驅動輪動力匹配的移動平臺控制系統。②針對植保、巡檢、收獲等機器人共性需求，設計具備通用機電接口、數據通訊模式的“一專多能”功能性移動平臺。③研究農田可通過性場景感知與理解方法，開發地圖實時構建、多模態地況感知、路徑動態規劃、機群協同編隊、地頭轉彎優化決策模型，實現通用高效能移動平臺自主避障、自動駕駛功能。

INOTSUME等[121]提出了越野機器人路面通過性多源遷移學習方法，實現了對機器人在未知路面上移動時滑移、行進能耗特性的準確預測和控制。BARRON等[122]針對無邊界場景的高效表征和語義模糊問題，提出基于神經輻射場的主動建圖方法，實現了高精度逼真渲染的場景重建。MUR-ARTAL等[123]提出利用 ORB (OrieBnted FAST and BRIEF) 作為整個視覺 SLAM 中的核心特征ORB-SLAM2算法，實現地圖重用、回環檢測和重新定位的功能。胡鴻彬等[124]設計了一套基于Android的導航管理系統，包含農機作業參數管理、農田地理信息管理、作業路徑規劃、導航實時監控和歷史作業數據管理等功能模塊，實現自動導航中的管理和監控功能。

3.5 端-.-云協同機器人系統

端-邊-云協同的農業機器人系統設計包括機器人本體數字化設計、控制系統架構設計、眼腦手腳協調控制、系統仿真與數字孿生、端-邊-云協同的云腦控技術，以及多機器人協同作業技術。

農業機器人系統設計重點研究：① 機器人眼腦手腳集成設計與多學科優化方法。② 構建農業機器人全程作業云端大數據庫、云端知識圖譜知識庫，開發農業機器人云管控系統(圖41)。③面向無人植物工廠、無人農場、智慧牧場等系統級建設需求，研究農業機器人多機協作、機群調度、智能運維等云腦控技術，實現多平臺兼容機器人系統集成。

圖41 云管控農業機器人系統架構Fig.41 Cloud architecture for agricultural robot systems

針對農業生產階段性、季節性作業特點，EDAN[125]、PHANOMCHOENG等[126]指出農業機器人一機多用、一專多能、軟硬件聯合設計是較為理想的農業機器人集成設計范式。在本體設計方面， WANG等[127]、XU等[128]提出了設施農業多功能農業機器人模塊化設計技術。北海道大學ZHANG等[129]研制了一種應用于農業田間作業的多拖拉機協同作業系統，為機器人設定矩形或圓形安全區，從而避免機器人群的互相沖撞，提高了機器人機群的作業效率。LIU等[130]提出了農業機器人眼手協同復雜連續行為的開發框架，SIRUVORU等[131]梳理歸納了構建農業云機器人系統的共性技術。GIANTS Software公司開發的《模擬農場》游戲[132]提供了Challenger、Fendt等公司250余款農機真機數字模型和逼真的農耕自然場景，為農業元宇宙提供了數字入口。文獻[133]綜述了農機裝備智能化進展，給出了端邊云協同控制架構，指明了智能農業裝備的發展趨勢和路徑。

無人農場和無人植物工廠是農業機器人系統作業的高級形式。在設施農業植物工廠全自主生產方面，隨著農業用地供應的約束，垂直農業通過特定的設計實現室內可控光照和氣候調控使作物產量最大化和投入成本降低，從而成為新型的農業生產模式。佛羅里達大學的MARCHANT等[134]提出了針對現有垂直農場的作物種植和收獲的機器人系統，通過層間搬運機器人、層內物流機器人與收獲機器人機群的系統控制，實現垂直栽培模塊的動態調度。在大田智慧農場方面，無人農場是采用物聯網、大數據、人工智能、5G、智能裝備與機器人等新一代信息技術，通過對設施、裝備、機械等進行遠程控制、全程自動控制或機器人自主控制，完成所有農場生產作業的一種全天候、全過程、全空間的無人化生產作業模式。英國哈珀亞當斯大學團隊[135]研發了世界上首個無人農場，利用地面機器人和空中無人機協作，實現了大麥種植的從土地耕整、播種施肥、田間管理和收獲儲運的全過程無人化周年作業。

4 農業機器人技術標準體系

農業機器人的產品化、產業化和規模化發展需要有國家標準的頂層設計與規劃。國際標準化組織(ISO)在智能農機方面制定了相關標準，如智能農機網絡通信標準ISO-11783、控制系統安全性標準ISO-25119、控制系統測試標準ISO-18564及農機控制系統功能性標準ISO-11471等。歐洲標準委員會(CEN) 制定了農機裝備控制系統安全性標準EN12733、EN16246，試驗方法規范EN15695、EN13739。通過采標和對標，我國已制定智能農機裝備類國家標準18項，行業標準28項。然而，國際上對農業機器人標準的研究處于起步階段，我國也要根據自身發展需求制定相應的國家標準，形成農業機器人技術標準體系。

參考機器人、人工智能等領域相關標準體系[136-139]，農業機器人技術標準體系可分為基礎層、共性通用層、應用領域層3層架構，具體為：通用基礎、支撐技術與平臺、基礎軟硬件、機器人系統與裝備、生產保障5個分項(圖42)。根據農業機器人的技術研發與產品應用的發展趨勢，適度逐步分層推進，為我國農業機器人的發展提供標準支撐。

圖42 農業機器人標準體系架構Fig.42 Standard architecture for agricultural robots

5 總結與展望

目前，農業機器人的研發與應用仍處于初級階段。隨著工廠化和農業信息化的深度融合，農業機器人迎來了快速發展期，代表著最先進的農業生產力，作為無人農場、植物工廠、無人果園、無人漁場等的核心裝備要素，可以極大提高勞動生產率、資源利用率和產出率，將實現農業勞動力的徹底解放，是智慧農業的發展方向。

5.1 農業機器人的發展機遇與挑戰

人工智能、5G通信、物聯網、云計算等前沿科技為農業機器人技術發展提供了牽引力，農業從業人員“干不了”、“干不好”、“干不快”、“不愿干”、“危害大”等場景的產業需求為農業機器人技術發展提供了驅動力，多學科交叉融合的機器人關鍵技術的發展為農業機器人發展提供了支持力，小康社會鄉村振興戰略為農業機器人發展提供了保障力，未來5～10年是農業機器人的快速發展窗口期。

然而，農業生產環境的復雜性和任務的多樣性為農業機器人研發帶來了巨大挑戰，復雜農業場景下感知認知、智能控制、裝備集成、系統決策與管控的理論技術亟待深入研究。

(1)智能感知：面向農業環境感知的多樣化需求，以視覺技術為引領探索生物對象、環境、機器人本體感知新原理新方法，以及聽/嗅/味覺、力/觸覺等多模態感知與多源異構信息SoC/MoC (System-on-the-chip/Model-on-the-chip)邊緣計算感算融合技術，開發嵌入輕量級深度學習模型的農用人工智能芯片、專用傳感器，實現高速高精度信息處理、農業機器人的多尺度視覺感知、高效目標檢測與識別、復雜場景理解等任務，為農業機器人的智能化功能提供精準、快速、實時數據和信息 。

(2)決策控制：面向農業機器人自主作業需求，研究作業處方生成方法；研究數據驅動、推理學習、經驗探索于一體的可解釋、更穩健決策方法，形成領域知識圖譜并開發基于機器學習的感知、決策、控制算法工具庫；研制兼容x86/ARM/GPU等架構處理器、帶高性能人機交互接口(HMI)的農業機器人通用智能控制器；開發高通用性農業機器人操作系統(Agri-ROS)；設計農業云機器人及云端服務架構，從通用軟硬件和基礎設施層面支撐農業機器人智慧決策和智能控制。

(3)靈巧執行：研究農業機器人本體材料-結構-功能-性能一體化設計新理論新方法、復雜場景下高品質運動規劃與視覺伺服控制方法；開發結構/驅動/感知/控制一體化關節，柔性化、輕量化被動安全及人-機器人-環境共融型機械臂和仿生仿形末端執行器，為農業機器人在強不確定場景下靈巧作業提供支撐。

(4)自主移動：面向復雜地形自主移動需求，研究田間、室內、水下農業生產環境高精定位新技術；研究地面自適應的全地形移動平臺設計方法；研究防泥腳下陷滑移、高地隙動態調平的移動平臺驅動控制技術；研發針對農業開放動態場景的SLAM技術；實現緩坡、壟溝、地頭等復雜田間場景下自主穩定行走控制。

(5)端-邊-云協同機器人系統構建：面向農業機器人系統高效作業需求，研究機器人數字化設計與優化新方法；研究眼腦手腳協調、多臂協作、多機協同作業決策方法；研究基于人機自然交互的示教協作新方法、人-機器人-環境共融新方法；研究農業機器人機群區域協調社會化服務模式和編隊控制等群體智能技術；構建無人農場、植物工廠等多任務分布式協同云管控平臺，促進高性能自主作業農用機器人大規模進入農業產業。

5.2 農業機器人的發展方向與路徑

機器人是典型的高、精、尖、難技術產品，已廣泛應用于各行各業。具有自主決策能力的農業機器人作為機器人家族的分支，填補了智能農機裝備完成不了的作業模式。在“機器換人”迫切需求下，技術成本效益趨于平衡，推動農業機器人產業進入快速發展期。

農業機器人產業健康快速發展的建議：① 聚焦農業機器人主戰場主產品：對接國家農業中長期發展規劃，以鄉村振興戰略為抓手，突破一批農業機器人共性關鍵技術，重點研發糧經飼、果蔬、畜禽、水產品生產關鍵環節的農業機器人，如品種選育、除草、飼喂、擠奶、收獲類機器人等。② 推進農業機器人技術的標準化：加快農業機器人標準化研究，建立以農業機器人操作系統、通用控制器、多總線兼容協議、手/臂機電接口、移動底盤為代表的軟硬件標準技術體系，為機器人系列化研發提供支撐。③ 構建多學科交叉人才生態環境：農業機器人涉及智能感知、智能控制、智能決策、精準驅動等前沿科技，是多學科交叉融合的高技術產品，需要人工智能、機器人、大數據、移動通信等產業的技術和人才支撐。農業機器人產業的發展要吸引科研院所跨專業人才的加盟，用好高精專人才，培養交叉學科人才，加強國際合作交流，構建多學科交叉的人才生態環境，實現我國與國際農業機器人技術的同步發展。④ 為農機工業提供先進技術支撐：農業機器人先進的智能傳感器技術、智慧決策智能控制技術、精密驅動技術、精確定位導航技術等是牽引智能農機裝備升級發展的核心關鍵技術，必將助推我國農機工業、智慧農業產業快速發展。

綜上，農業機器人進入了快速發展期，也是我國追趕國際技術前沿的關鍵窗口期。立足國內現狀緊盯前沿抓住機遇，結合我國農業產業特點，加大農業機器人基礎研究投入，鼓勵“從0到1”原創性研究，加快創新技術研發、縮短與國外技術水平差距，搶先實現農業機器人技術落地并進入產業化應用，實現與國際先進水平的跟跑和并跑，提高我國農機工業的技術水平和國際競爭力。