智能田間除草機器人發展現狀研究*

邢欽淞，丁素明，薛新宇，崔龍飛，樂飛翔，李鷹航

(1. 農業農村部南京農業機械化研究所，南京市，210014； 2. 中國農業機械化科學研究院集團有限公司，北京市，100083)

0 引言

農田雜草是指生長再農田中的一切非人工種植的植物，已成為危害農業生產的重要因素。我國主要的傳統除草方式為人工除草和化學除草。人工除草需要消耗大量的體力、精力，但除草效果十分有限。而大量噴灑除草劑雖起到了對雜草的抑制作用，但易造成環境污染，不符合可持續發展理念[1]。因此，農田除草機器人應運而生。農田除草機器人在解決勞動力短缺、提高生產效率、減輕環境污染等方面發揮了重要作用。

農田除草機器人是一種以雜草為操作對象，以完成農業生產任務為主要目的，集傳感器技術、監測技術、人工智能技術、通訊技術、圖像識別技術以及自動導航控制技術等多種前沿科學技術于一身的智能農業機械[2]。美國、西歐等發達國家已經在除草機器人關鍵技術及推廣應用上取得了重要進展，我國也開展了相應的探索研究。本文從智能導航、苗草識別、除草執行系統3個方面評述了當前的研究進展，這3個方面是智能除草機器人研究的最主要環節，并且在此基礎上展望了智能除草機器人的發展趨勢以便為我國智能除草技術的發展提供參考。

1 智能田間除草機器人概述與現狀

智能除草機器人主要包括智能導航系統、苗草識別系統、除草執行系統3個子系統。其主要工作流程如下：在田間，通過智能導航系統控制機器人前進路線并定位目標分布；苗草識別系統則獲取、處理苗草信息；除草執行系統根據苗草識別系統所傳遞出的苗草信息進行定點、定量的完成除草作業。

美國日本等發達國家從20世紀60年代就開展了對除草機器人的研究，我國起步較晚。整體而言，目前在除草機器人的研究呈現出商品化、信息化和全球化的特點[3]。當前國內外已有很多學者對除草機器人的苗草識別、智能導航、除草執行機構展開了研究，如Trygve等[4]研發了除草機器人Adigo和陳勇團隊[5]研發的除草機器人利用機器視覺進行苗草識別，并采用化學噴藥方式去除雜草。還有Bakker[6]研發的多功能自動除草機器人，利用DGPS組合機器視覺導航系統進行沿行導航，并采用化學施藥方式去除雜草。丁巍[7]研究了GPS在田間的定位導航方法，實現除草機器人能夠根據雜草位置進行精確導航。表1為部分國家智能除草機器人在文獻報道上的技術指標。后續章節將從智能除草機器人主要子系統的研究現狀展開分析。

表1 部分國家智能除草機器人現狀Tab. 1 Current situation of intelligent weeding robot in some countries

2 智能導航系統

智能導航技術是農業機器人的關鍵技術，是智能農業機器人在具體農業生產場景中完成群體性工作、目標定位等多項工作的基礎，是自動作業的關鍵。智能導航系統導航方式主要基于光、聲、圖像等信息介質及特性[3]，常用的導航方式包括：激光導航、慣性導航、超聲波導航、視覺導航及GPS導航等。表2主要列舉了當前文獻報道的導航技術的原理及優缺點。

表2 導航技術分類及優、缺點Tab. 2 Navigation technology classification and advantages and disadvantages

目前農業裝備中，GPS導航和視覺導航應用最廣，因此后續小節主要介紹GPS導航及視覺導航的研究與應用現狀。

2.1 全球導航衛星系統

全球導航衛星系統簡稱GNSS(Global Navigation Satellite System)包括美國的全球定位系統(GPS)、歐洲的伽利略衛星導航系統(GALILEO)、俄羅斯的全球導航定位系統格洛納斯(GLONASS)還有中國的北斗衛星導航系統(BDS)。其中美國的GPS全球定位系統在農業機械導航領域應用最廣，具有不限人群、全天候、精度較高等特點。但GPS導航需要預先規劃精確的路徑，在作業區域發生改變或無法預先知道的情況下無法使用[13-14]，且受環境影響嚴重。

美國對農業機械導航技術的研究開展最早。Stoll等[14]以自行式草料收獲機為試驗對象，將GPS作為唯一的定位傳感器，進行自動駕駛實驗，研究系統在不同試驗條件下的性能，發現在各工況下標準偏差都優于100 mm，直線行駛側面偏差變化范圍為25～69 mm。Kise等開展了基于RTK-GPS導航技術的拖拉機控制系統研究。經試驗得出，當拖拉機速度為6.5 km/h，沿著幅度為2.5 m、波長為30 m的正弦曲線自動運行時，RMS誤差為6 cm，最大誤差為13 cm。斯坦福大學研究人員[15]將RTK-GPS應用于農機導航中，并使用四個單通道GPS傳感器為拖拉機提供位姿信息，航向響應小于1°。

除美國外，其他國家也開展了對GPS導航技術的研究。日本國家農業研究中心農業機械和系統研究小組[16]利用GPS和IMU對改造后久保田SPU650水稻收割機進行導航試驗，經試驗可得出，插秧精度橫向平均偏差小于3 cm，橫向最大偏差不超過4 cm。新西蘭Corpe等[17]在綜合考慮天氣條件、地形與障礙、完全性的等多種因素的基礎上，研發了一款集有多種傳感器可實現環境信息檢測的基于GPS的農業機器人。荷蘭的Bakker等[18]在甜菜地開展了基于RTK-DGPS的農業機器人平臺的自主導航研究，田間試驗精度達到了厘米級。

國內在農業機械領域GPS導航研究起步相比較歐美發達國家起步較晚，但是發展非常迅速，已取得一系列成果。羅錫文等[19]對自動導航技術開展研究，以東方紅X-804拖拉機為基礎，開發了基于RTK-DGPS的自動導航控制系統，在拖拉機行進速度為0.8 m/s 時，直線跟蹤的最大誤差小于0.15 m，平均跟蹤誤差小于0.03 m。丁毅[20]提出了一套基于GPS/DR的組合導航系統，應用于除草機器人，改善了之前除草機器人信號易中斷的缺點，提高了導航精度。黎永鍵等[21]針對農業機械導航控制精度問題，設計了東方紅X-804 型拖拉機的自動導航系統，該系統運用了RTK-DGPS定位和雙閉環轉向控制技術。經試驗，路徑跟蹤誤差平均值小于1.9 cm，標準差小于4.1 cm。

目前對于GNSS導航的研究應用廣泛、技術成熟。農業機械導航系統中普遍使用具有厘米級定位精度的RTK-GPS(real-time kinematic GPS)[22]。配有GNSS的農業機械在田間作業時候可大大改善作業質量、提高作業效率，但在環境復雜、枝葉高大茂密的情況下易造成GNSS信號丟失。其中，由我國自主研制的北斗衛星導航系統(BDS)將成為農業機器人田間導航定位的新方向。

2.2 視覺導航

機器視覺(machine vision)主要用計算機來模擬人的視覺功能，從客觀事物的圖像中提取信息，進行處理并加以理解，最終用于實際檢測、測量、控制[22]。相比較于GPS導航，視覺導航靈活性更好、信息量大、功能多。視覺導航的主要任務是從圖像中識別作物行同時檢測軌跡路徑，為確定機器的相對位置提供依據[23]。

國外對視覺導航的研究起于20世紀80年代，英國和美國在此領域研究較早。1996年Marchant等[24]對除草機器人視覺導航展開了研究，研發出一種灰度帶通濾波器。經試驗表明，當除草機器人行進速度為1.6 m/s時，橫向定位誤差為15.6 mm。1999年Lee等[25]基于機器視覺研發了一款智能除草機器人。該機器人配有兩個攝像頭，分別進行導航和識別雜草。2005年Kise等[26]針對田間農業車輛導航研發了一種基于雙目立體視覺的行檢測算法。田間試驗表明，基于立體視覺的該導航系統能夠準確定位雜草田作物行距并引導拖拉機精確地沿著直線和曲線行行駛。2014年Hiremath等[27]針對農業機器人魯棒性問題，提出了基于粒子濾波的視覺導航算法，經試驗證明該算法的魯棒性較好，能夠使機器人準確在田間行走。2017年Garcia等[28]基于機器視覺，在拖拉機前部安裝攝像機，開發了一種新的方法檢測作物和雜草生長初期玉米田中的作物曲線行和直線行，奠定了自動導航的基礎。

國內對視覺導航的研究起于20世紀90年代。2006年張方明[29]針對田間車輛自動導航技術展開研究，提出了基于機器視覺的田間自動導航系統。2013年孟慶寬等[30]為解決作物行檢測算法速度慢、易受外界干擾等問題，提出了一種新的基于線性相關系數約束的作物行中心線檢測方法。2019年王毅等[31]為解決在果園環境中導航線提取易受其他條件影響的問題，利用深度學習技術，提出了一種新的提取果園道路導航線的方法。2020年關卓懷等[32]為解決水稻收獲時路徑規劃問題，利用機器視覺技術，提出一種新的路徑提取方法。首先利用相機對原始圖像進行畸變校正和高斯濾波，基于2R-G-B模型，對圖像進行二值化處理和分割，得到二值圖像后。做形態學的開閉運算，最后利用曲線擬合法，提取作物區域的邊界。

視覺導航在智能農業機械領域已經取得了廣泛的應用，如智能施藥、智能除草、智能收割等，但由于田間環境復雜多變，在精確采集圖像上仍有部分困難，存在一定的魯棒性，相比較于衛星導航，技術成熟度不夠。

3 苗草識別系統

準確、智能的將田間雜草與作物區分出來是除草機器人智能化精準田間作業的前提。對于農田雜草的識別研究已經廣泛開展，識別方法主要包括人工識別法、光譜分析法、光譜成像法、機器視覺識別法。其中人工識別法是世界上大多數國家進行雜草識別的最普遍的方法，該方法有明顯的缺點，如工作效率低下、勞動強度大、難于大規模采用、成本較高等，將被逐漸淘汰。目前雜草識別主要利用機器視覺技術，因此后續小節主要對機器視覺識別法進行介紹，對光譜分析法、光譜成像法簡要概述。表3主要列舉了光譜分析法、光譜成像法、機器視覺識別法的原理及優缺點。

表3 苗草識別技術分類及優缺點Tab. 3 Classification and advantages and disadvantages of seeding grass identification technology

3.1 光譜分析法

光譜分析法主要是根據在一定波段內，作物、雜草、土壤背景的電磁輻射反射率不同來實現雜草識別，該方法具有操作性強、實時性好、算法簡單易學等特點。光譜分析技術根據波段主要可分為可見光譜分析技術、近紅外光譜分析技術、中紅外光譜分析技術等[33-34]。Wang等[35]設計了一種基于光譜的雜草傳感器，并且在實驗室和野外進行了測試，雜草實時識別率高于70%。國外可區分雜草和土壤的光譜傳感器已經商業化，如荷蘭研發的Weed-IT系列雜草檢測傳感器等。但區分綠色作物與雜草的光譜傳感器仍處在研發階段。

3.2 光譜成像法

光譜成像法融合了光譜技術與圖像技術，可同時獲得樣本的物理特性和化學特性，即利用光譜特征對內在信息描述和圖像對外在特征的提取進行綜合，進而實現苗草識別。光譜成像技術根據波段多少不同，可分為多光譜成像技術、高光譜成像技術。

高光譜波段相比較多光譜波段較多，數量可達上百個，譜帶較窄。高光譜成像的光譜分辨率更高，但是空間分辨率較低。高光譜成像技術成本較高、處理速度較慢，一般用于基礎研究。多光譜成像技術一般要求能夠快速獲取圖像并且簡單處理以及快速決策響應。相比較高光譜成像技術，多光譜更適合田間普及應用。陳樹人等[36]以苗期雜草稻和水稻為試驗對象，利用高光譜成像技術進行識別稻田苗期雜草稻。首先分別獲取雜草稻和水稻的高光譜圖像，對其進行濾波處理后，篩選特定波長下的特征圖像，之后進行特征提取，建立神經網絡判別模型。經試驗，高光譜成像技術可以快速識別苗期雜草稻。朱登勝等[37]提出了一種基于多光譜成像技術的雜草識別新算法。以豆苗和雜草為試驗對象，經試驗，雜草識別正確率為90.5%，該方法可快速有效識別兩種雜草(牛筋草，空心蓮子草)。

3.3 機器視覺識別法

隨著科學技術的不斷發展，計算機視覺技術逐步應用到各個領域。在20世紀80年代，計算機視覺技術開始應用到農業應用領域。目前基于圖像的機器視覺技術已經在農業領域取得了一系列研究成果。其中對于田間雜草的識別主要是利用機器視覺技術，通過計算機等硬件拍取、傳送、運算、處理和輸出光信號等一系列過程來實現的。智能田間除草機器人的研究發展離不開機器視覺技術。

數據采集、圖像預處理、圖像特征提取、分類器分類是利用機器視覺技術識別苗草的4項基本步驟。任何識別技術都要落實到識別物的具體特征，其中對雜草的識別主要是對作物及周圍雜草的形態特征、顏色特征和紋理特征來提取。

利用形狀特征識別算法較簡單，相比較于對顏色和紋理特征的提取來說，簡化了算法，提高了效率，關鍵點要找到具有RST不變性的形狀特征因子(即對于圖像的旋轉、比例、平移變化都是恒定的)[38]。形態特征可分為形狀特征和矩特征兩類。形態特征參數主要包括面積、周長、長度、寬度等參數，根據這些常規參數，可以提取衍生的無量綱形狀特征參數，如分散度(compactness)、葉狀(location)、伸長度(elongation)、圓度(roundness)等[39]。矩特征常用的有質心、等效橢圓的長軸和短軸、環度(cir)、朝向比(aspect ratio)、中心距等[40]。張健欽[41]對雜草的投影面積、最大葉長和最大葉寬3個形狀特征進行提取，經試驗得出，該方法可以實現對玉米苗期田間86%雜草的正確識別。顏色特征是所有圖像特征中最顯著、最穩定、最容易被感知的特征，具有很強的魯棒性，但是對于顏色差異不明顯的情況，常需要結合其他特征來識別。目前常用的描述顏色特征提取方法主要有顏色直方圖、顏色矩、顏色熵、顏色相關圖、顏色集等[42]。毛文華等[43]提出了一種基于株心顏色的玉米田間雜草識別數字圖像處理新方法，該方法利用玉米植株苗期葉片顏色是深綠色，株心區域顏色是淺綠色的生長發育特征，通過顏色飽和度提取株心區域。經試驗得出，玉米田間雜草的識別率平均為84%。紋理特征相比于顏色特征和形態特征是一種更為細致的特征信息，分析算法更為復雜，是一種能反映區域內像素灰度分布的重要屬性。統計法是描述特征紋理的最常用的方法，目前常見的統計紋理特征方法主要有局部二值算子(LBP)、灰度共生矩陣法(GLCM)、直方圖法[44]。王懷宇等[45]玉米田間常見雜草進行圖像預處理后，對圖像進行紋理特征篩選，利用支持向量機(SVM)進行分類，分別進行基于灰度矩陣、統計矩陣及二者綜合的識別，經試驗得出，將二者綜合的識別率最高，可達到97.33%。

4 除草執行系統

除草方式對除草效果至關重要，目前主要存在五種除草方式，包含人工除草、生物除草、化學除草、熱除草、機械除草，圖1對除草方式進行了匯總，表4對除草方式原理及優缺點進行介紹。根據雜草在田間相對于作物的生長位置，可分為行間雜草與株間雜草。由于只有極少數作物種植在行間，雜草與作物易于區分且易于清除雜草。株間雜草與作物交織在一起，密度較大，甚至有些作物與雜草顏色、形態上十分相近，除草難度大。因人工除草、生物除草、化學除草、熱除草具有明顯缺點，因此后續主要對機械除草進行介紹。行間除草相對于株間除草來說發展已經相對成熟。行間除草相對容易，因而除草機械執行部件設計主要針對株間除草。

圖1 除草方式劃分Fig. 1 Classification of weeding methods

表4 除草方式原理及優缺點Tab. 4 Principles and advantages and disadvantages of weeding methods

主動除草是指能夠根據獲取的雜草與作物信息通過控制系統的實時控制，改變轉動速度等參數，有選擇地進行清除雜草。被動除草指除草裝置隨移動平臺移動過程中，除草執行部件末端與地面產生摩擦而帶動除草。如圖2所示，奧斯納布呂克大學和亞馬遜Werke共同研發的爪齒式除草部件由幾根均勻分布的爪齒組成。在進行除草作業時，利用GPS導航系統控制前進路徑，利用機器視覺伺服系統控制除草爪齒的運動軌跡。奧地利Hatzenbichler研發的指狀除草機專用于株間除草。該指狀除草刀隨移動平臺的前進而刺入土壤，通過與地表摩擦不斷破碎土壤，從而達到除草目的，屬于被動除草的一種。吉林大學王洪昌設計了一種基于東北鼢鼠前爪第3趾特征的用于苗間除草機械仿生除草鏟，該除草鏟的刃口設計為高斯函數型曲線，具有優良的力學性能。仿生學理論與農業機械設計相結合，為國內農業機械的研制提供了新的思路和方法。目前常見的株間除草機械執行部件有指狀除草刀[47]、垂直式[48]和水平毛刷式[49]、鋤鏟式[50]、旋轉鋤刀、爪齒式[51]、旋轉鋤式[52]、彈齒式[53]、擺動鋤刀式[54]等。表5對各除草機械執行部件特點、缺點進行介紹。

(a) 爪齒式

(b) 指狀除草刀

(c) 鋤鏟式圖2 常見除草機械執行部件Fig. 2 Actuators of common weeding machines

表5 機械除草執行部件特點及缺點Tab. 5 Mechanical weeding actuator features and disadvantages

5 存在問題與發展趨勢

除草機器人具有作業環境復雜多變性、作業對象嬌嫩性、使用對象特殊性、作業季節性的特點，一定程度上限制了智能化除草機器人的推廣和應用。結合國內外除草機器人的研究現狀，在現有研究思路與方法上，對智能除草機器人現存問題及發展趨勢總結概括為以下幾點。

5.1 組合導航技術

每種導航技術都有各自明顯的獨特性和局限性，如GPS導航技術雖然精度高、技術成熟，但受環境影響嚴重；超聲波導航技術雖然結構簡單、成本低，但是導航定位精度低等。單獨應用一種導航技術越來越難以滿足精確自主導航的要求，在某些場合會出現定位精度低、不適用、誤差大等現象。不同的導航系統的組合可以形成信息的互補。因此在未來農業機械導航中，應針對不同的應用場合選擇適合的導航技術組合形式。

5.2 復雜田間環境圖像處理技術及雜草分類

目前對于苗草識別的大多數研究是在靜態及存在可控光照等可采集高質量圖像的環境基礎上進行的，而田間實際采集圖像時，存在機械振動、光照強度變化等因素，這些不確定因素對苗草識別產生一定的誤差。同時為了進一步精確識別定位田間苗草，往往采用復雜視覺識別算法，但是會相應降低系統實時性，針對雜草密度大等田間復雜情況，系統算法耗時過長。對于復雜田間環境下，圖像處理技術針對采集的圖像質量不高以及視覺識別算法處理實時性的問題有待進一步研究。雜草分類工作需要進一步增強。不同雜草對作物危害不同。特別針對危害性大的、耐藥性強的雜草利用圖像分類技術進行靶向施藥，以便于雜草治理與環境管控。

5.3 株間除草末端執行機構研發及機械結構優化

我國株間除草技術相對國外研發較晚，大多在國外株間除草技術的基礎上進行模仿和優化，而且大多處于實驗室階段，不能進行田間實驗。并且機械末端執行機構的研發過于簡單，國內外將研發重心主要放在了末端執行機構運動控制以及苗草識別上，忽視了對于機械末端執行機構的研發，而機械末端執行機構直接與田間苗草接觸，直接影響除草效果及作物產量等。對于株間除草末端執行機構的研發還需要進一步深入。機械結構是機電一體化的基礎，是系統所有功能要素的機械支持結構。除草機器人機械結構不僅決定著除草機器人的外觀，以及決定著除草機器人運動的靈活性、田間作業的可靠性及工作效率性。在滿足除草機器人功用和性能的基礎上，要盡可能使機構輕量化、集成化、小型化，使作業效率高效化，盡可能完善該作業目的的解決方法或找到解決該作業目的的最優方案。

6 結語

綜上所述，國內外已經開展了大量的針對智能化田間除草機器人的研究。本文介紹了國內外典型除草機器人及其作業方式，并且就其關鍵技術展開討論和優缺點比較，內容涵蓋智能導航、苗草識別、除草執行系統領域。最后在上述分析比較的基礎上對現有關鍵技術存在問題進行總結分析并對未來發展趨勢進行展望。

發達國家對于智能除草機器人的研發較早，在解放人類勞動、減輕環境污染等方面發揮了巨大的作用。我國對于智能除草機器人研發起步較晚，技術水平與發達國家有一定差距。我國政府應加大對于農機的扶持力度，引導除草機器人向智能化、自動化、精準化方向進一步發展，增強實用性、普及性而不是只停留在實驗室階段。智能除草機器人的研發面對我國人口老齡化、環境污染破壞、人工作業效率不高等問題具有重要意義。