農業機器人發展現狀及展望

孫葉豐

（悉尼大學機械與機電及航空航天工程學院 澳大利亞，悉尼 2006）

目前全球人口高達75億，預計在2050年世界人口將突破90億。人民生活水平的不斷提高導致了對于農產品的需求呈逐年增長趨勢的同時對于農產品的質量也有著顯著提高。此外，城市化建設的加快了耕地面積的縮減。農業生產所呈現的高付出、低收入導致了大量的農村勞動力進入城市地區尋找工作機會以及人口老齡化嚴重的問題導致了農業勞動力不斷降低。在農業生產中，農業機器人的應用能夠有效提高生產效率、降低生產成本，增加農產品經濟效益。本文中，在對農業機器人在農業生產中的使用顯著進行分析的基礎上，總結了農業機器人面臨的緊要問題以及挑戰。

1 農業機器人發展現狀

在農作物生產過程中，主要可分為耕作、土壤分析、播種、農作物監測以及采摘五大步驟。20世紀80年代日本京都大學近藤直教授首次啟動農業機器人的研發，目前，農業機器人技術已經可以涵蓋露天生產、半開放式封閉生產已經溫室生產三種生產模式中耕作、播種、嫁接、施肥、消除雜草、采摘等各項任務。本文中主要針對農業生產中播種以及采摘兩項工作的機器人技術進行綜述和分析。

1.1 播種機器人

播種過程需要將農作物種子移植到土壤中并保證種子具有良好的發芽率。此外，根據每種農作物生長的規律，需要保證各個幼苗之間具有足夠的生長空間。

德國霍恩海姆大學以及蓋森海姆大學對Hakotrac 3000進行改裝為一個自動化機械裝置（AMS）。通過已經存儲過的地圖數據對種子進行網格式播種以及打孔式播種。95%的種子位置與預期位置的誤差在5mm之內。此外，芬蘭的阿爾托大學的團隊通過講四輪式移動機器人和播種設備進行改裝為APU-Module的播種機器人。通過GNSS定位技術，搭配PTK-GPS接收器、航向光纖陀螺儀以及傾角計進行定位以及導航。該播種機器人可以存儲并播種0.85公頃的種子。

中國農業大學與青島理工大學針對小麥的播種共同設計了一款播種機器人。通過RTK-GNSS模塊對小麥進行吸氣式的精確播種。通過分析小麥種子的幾何特性后，對該播種機器人的工藝及結構進行了進一步優化，保證了小麥種子播種的精準性。基于圖像識別的角點檢測方法。河北科技大學設計了一款基于嵌入式操作系統的大蒜播種機器人。通過圖像處理彌補了由于大蒜的復雜種植方法而導致的自動化種植水平低。實現了大蒜自動無人種植的同時，其準確率高達95%。

1.2 采摘機器人

顧名思義，采摘機器人的工作任務是識別成熟農作物并在保證不破壞作物的情況下進行采摘。這一過程需要根據不同農作物的尺寸、形狀、外皮軟硬等多種條件進行準確采摘。

1995年，日本岡山大學通過圖像識別對葡萄進行定位以及成熟度判斷，研發了5自由度的葡萄采摘機械臂。2008年，該大學通過機械臂、視覺系統的聯動開發出了一款草莓采摘機器人。該機器人在30s內便可變成一次完整的采摘任務，其中包括成熟度識別、定位、采摘以及轉移至包裝區域。此外，在歐洲各個國家均有針對其各個國家特色的高自動化的農作物采摘機器人。

我國的采摘機器人起步較晚。2001年，東北林業大學研發了一款具有6個自由度的林木球果采摘機器人。其搭載液壓裝置等硬件的同時利用嵌入式單片機系統進行控制。提高了30~50倍的工作效率，并且實現了高成功率以及低破壞率。此外，我國最具有代表性的采摘機器人是中國農業大學與2011年設計并開發的用于黃瓜的采摘機器人。通過計算機視覺系統，可以準確的判斷黃瓜的成熟度，結合由移動平臺和機械臂共同組成的移動機械臂系統，15s便可以完成一次完整的、高效的黃瓜采摘工作。

1.3 除草機器人

在農業生產的過程中，祛除農田中的雜草有利于保證肥料等營養更多的流向農作物，提高農作物質量。

瑞典哈姆斯塔德大學研發了一款機械式除草機器人。該機器人利用CCD相機對農田進行識別，并結合路徑規劃算法使其沿作物行走。通過計算機視覺系統查詢并分析相機中物體是否為雜草，并最終實現精準的雜草清除。針對水下等肉眼不可見環境，日本九州沖繩農業研究設計了一款除草機器人。利用其自身的刷子可以清除水下30mm~50mm深處的雜草，廣泛應用在了水稻等水田種植，解決了人工無法發現這些隱藏在水下的雜草。

東北農業大學與吉林大學共同設計的圓盤式除草機，提高了除草率的同時降低了對農作物的破壞率。有效的解決了農作物周邊距離較近的雜草祛除問題。江蘇大學先后研發的八爪機械除草裝置以及激光除草機器人在基于計算機視覺的基礎上，在行間和農作物除草的準確率更高，且不會對土壤進行破壞。

2 農業機器人現存問題與不足

第一，現有的農業機器人研發以及使用成本高，不適用于小型農場或小規模農民。盡管日本對于農業機器人的研發取得了許多巨大的成果，然而并沒有實現商業化，使其在農業生產發揮真正的作用。

第二，農作物識別率低。通過計算機視覺對果實外表面進行光譜分析以及對果實形狀的分析并不能完全對成熟果實進行識別。由于光照以及圖像中其他噪聲的影響，對果實顏色的判斷準確率不高。此外，由于枝葉等影響很難識別到正確的果實形狀。

第三，播種效率受環境影響。針對例如潮濕土壤等特殊土壤情況，播種設備經常由于土壤情況導致工作效率降低，無法順利播種，需要人工干預才能完成。

3 農業機器人發展挑戰

第一，播種機器人通常將移動機器人與耕作工具箱組合，使其在進行耕作的同時進行播種。然而，其挑戰在于提高其操作的自主性。

第二，由于農業生產的工作場所大多是非結構化的動態場所，具有廣泛的不確定性。因此針對這一類型的工作環境，需要有復雜的計算機視覺、傳感器等技術執行操作。

第三，由于在果實采摘過程中，不僅僅需要控制接觸力的大小，使其在采摘過程中不會對果實產生破壞，還需要保證不破壞周邊農作物。因此，對于機械柔軟性處理使采摘機器人才避讓周圍農作物的同時保證順利的采摘工作，依舊是目前需要解決的問題。

第四，大數據庫支持。隨著對于農作物品質要求的不斷提升，針對農作物的耕作方式更加細致且精確。需要農業機器人收集每一株農作物信息并針對其實施施肥、除草等任務。因此，這需要龐大的大數據庫和高計算量的支持。

4 結論

本文綜述了農業機器人的發展現狀、問題以及未來挑戰。盡管目前農業機器人仍未能實現大規模的應用以及商業化生產。隨著農業生產投入的加大以及各個高校對于農業機器人領域的重視，成本低、效率高、自動化高的農業機器人將更快的實現商業化、量產化。