農(nóng)業(yè)裝備智能控制技術(shù)研究現(xiàn)狀與發(fā)展趨勢分析

劉成良 林洪振 李彥明 貢 亮 苗中華

(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(tǒng)與振動國家重點實驗室， 上海 200240；3.上海大學機電工程與自動化學院， 上海 200444)

0 引言

隨著我國社會的老齡化、城鎮(zhèn)化的推進以及青壯年勞動力就業(yè)觀念的變化，農(nóng)業(yè)勞動力日益短缺，“誰來種地、如何種地”已成為嚴峻的社會問題。改變農(nóng)業(yè)生產(chǎn)對勞動力的強依賴性，農(nóng)業(yè)機械融合電子信息、物聯(lián)網(wǎng)、云計算等技術(shù)，實現(xiàn)農(nóng)業(yè)生產(chǎn)過程的自動化、智能化、機器人化是解決上述問題的根本途徑?！爸悄茉诙?、智慧在云、管控在屏”，即現(xiàn)場控制智能化、云端決策智慧化、監(jiān)控調(diào)度移動終端化是未來智慧農(nóng)業(yè)的發(fā)展方向。美國[1]、德國[2]、日本[3]等相繼提出了各自智慧農(nóng)業(yè)發(fā)展戰(zhàn)略,我國農(nóng)業(yè)裝備領(lǐng)域的專家分別從不同角度闡述了我國智慧農(nóng)業(yè)及智能農(nóng)業(yè)裝備的發(fā)展方向[4-9]。中國制造2025計劃也將智能農(nóng)業(yè)裝備列為十大發(fā)展領(lǐng)域之一。

智能農(nóng)業(yè)裝備是集復雜農(nóng)業(yè)機械、智能感知/智能決策/智能控制、大數(shù)據(jù)/云平臺/物聯(lián)網(wǎng)等技術(shù)為一體的現(xiàn)代農(nóng)業(yè)裝備，可自主、高效、安全、可靠地完成農(nóng)業(yè)作業(yè)任務(wù)。以智能農(nóng)業(yè)裝備為核心的智能農(nóng)機系統(tǒng)(圖1)包括田間信息感知獲取、田間智能作業(yè)機械、田間互通互聯(lián)以及云-端互聯(lián)系統(tǒng)、云平臺決策管控中心。本文針對農(nóng)業(yè)生產(chǎn)“耕、種、管、收”環(huán)節(jié)，闡述分析智能農(nóng)業(yè)裝備的智能感知、智能控制、智能決策、自主作業(yè)、智能管控五大關(guān)鍵技術(shù)現(xiàn)狀、技術(shù)前沿及發(fā)展趨勢。

圖2 農(nóng)業(yè)裝備智能感知技術(shù)框圖Fig.2 Agricultural machinery equipment intelligent sensing technology framework

圖1 智能農(nóng)機系統(tǒng)構(gòu)成示意圖Fig.1 Schematic of intelligent agricultural machinery system

1 智能感知技術(shù)

參考汽車自動駕駛[10]，智能農(nóng)業(yè)裝備感知分為機外感知和機內(nèi)感知。機外感知是指對農(nóng)機作業(yè)環(huán)境和對象信息參數(shù)的感知，包括作物生長及其病蟲草害信息感知、作業(yè)環(huán)境與障礙信息感知等。機內(nèi)感知是指對農(nóng)業(yè)裝備自身的工作參數(shù)及作業(yè)狀態(tài)參數(shù)的感知，包括農(nóng)業(yè)裝備共性狀態(tài)參數(shù)感知、耕整機械作業(yè)參數(shù)感知、施肥播種機作業(yè)參數(shù)感知、植保機械作業(yè)參數(shù)感知、收獲機械作業(yè)參數(shù)感知等，如圖2所示。

1.1 機外感知

1.1.1作物生長與病蟲草害感知技術(shù)

(1)作物生長信息感知技術(shù)

葉綠素、氮素含量是作物生長的重要營養(yǎng)指標，直接決定了農(nóng)產(chǎn)品產(chǎn)量和質(zhì)量，鑒于作物光譜反射特征直接反映了作物葉綠素和氮素含量，因此，基于光譜特征分析法實時獲取作物葉綠素和氮素含量是變量施肥和精準植保作業(yè)亟待解決的難題。

在葉綠素含量檢測研究方面，俄克拉荷馬州立大學的JONES等[11]使用多光譜成像傳感器檢測葉綠素含量和濃度，使用超聲波傳感器估算植被高度來提高葉綠素含量檢測精度，愛達荷大學的EITEL等[12]使用平板彩色掃描儀檢測植物葉片葉綠素含量，德國慕尼黑工業(yè)大學的BARESEL等[13]將光譜技術(shù)和數(shù)字圖像處理技術(shù)結(jié)合用于葉綠素含量檢測。國內(nèi)，李民贊團隊[14]研究了基于近紅外光譜技術(shù)的葉綠素含量檢測方法；朱艷團隊[15]基于高光譜遙感特征進行小麥葉片含氮量檢測、小麥氮素積累動態(tài)檢測等技術(shù)研究。

檢測傳感器及儀器產(chǎn)品開發(fā)方面，國內(nèi)外已有較為成熟的葉綠素含量及氮含量檢測儀器(表1)。上述便攜式手持產(chǎn)品可實現(xiàn)參數(shù)的離線檢測。而Yara公司的N-sensor傳感器(圖3)可直接安裝在車載機具上進行作物葉綠素含量以及氮素含量的在線檢測[16]，精度還有待進一步提高。

綜上所述，目前葉綠素和氮素的光譜檢測分析技術(shù)已相對成熟，離線手持式測量儀器已實現(xiàn)產(chǎn)品化，而車載葉綠素和氮素含量高精度實時在線快速檢測是變量施肥和精準植保作業(yè)的關(guān)鍵，是亟待解決的難題。

表1 葉綠素檢測傳感器產(chǎn)品特點Tab.1 Product features of chlorophyll detection sensor

圖3 N-sensor傳感器 Fig.3 N-sensor

(2)農(nóng)田病蟲草害信息感知技術(shù)

作物病蟲草害信息準確感知是精準變量靶向噴施和季節(jié)性病蟲害預(yù)測預(yù)防的依據(jù)。

目前病蟲害的檢測方法主要有熒光光譜法、可見/近紅外光譜法、高光譜成像和數(shù)字圖像處理法等。國外學者較早開始這方面的研究工作，如美國愛達荷州立大學的GRIFFEL等[17]，基于光譜特征，使用支持向量機(SVM)來檢測感染病毒的馬鈴薯植株；德國波恩大學的R?MER等[18]，基于熒光光譜特征，使用支持向量機來檢測小麥葉銹病，比利時魯汶大學的MOSHOU等[19]，基于高光譜反射信息，使用熒光成像技術(shù)來檢測冬小麥黃銹病；KAUR等[20]使用圖像處理和支持向量機技術(shù)對植物的葉面圖像檢測植物病變，計算出患病面積的百分比。國內(nèi)何勇團隊[21]利用可見光和近紅外光等光譜信息對茄子葉片灰霉病、大豆豆莢炭疽病進行檢測；王儒敬團隊[22-23]研究了基于深度學習的病蟲害智能化識別系統(tǒng)，使用多分類器融合的方法對玉米葉部病害進行識別。文獻[24-26]采用光譜技術(shù)對蘋果、柑橘、棗等實現(xiàn)蟲害的無損檢測。上述檢測手段都是離線檢測方法。

鑒于病蟲害信息具有實時可變性，需要進一步解決在線檢測實時靶向噴藥處理。自然環(huán)境下基于機器學習的車載高精度、快速作物病蟲害識別技術(shù)是要攻克的難題。

雜草去除是提高作物產(chǎn)量的重要環(huán)節(jié)，機器代人靶向定點去除是發(fā)展方向，雜草、作物、背景環(huán)境快速實時精確識別定位是難點。雜草的檢測識別定位主要有視覺法和光譜法。昆士蘭科技大學的HALL等[27]開發(fā)了一個可快速部署的雜草分類系統(tǒng)，該系統(tǒng)使用可視數(shù)據(jù)來實現(xiàn)自動精確除草，無需事先確定田地中存在的雜草物種；日本名古屋大學的WATCHAREERUETAI等[28]使用單目相機，基于紋理和顏色特征檢測草坪中的雜草；丹麥奧爾堡大學的KAZMI等[29]使用單目相機，基于葉片顏色和邊緣形狀特征進行雜草檢測；法國勃艮第大學的MARINE等[30]提出了結(jié)合空間信息和光譜信息，用于農(nóng)作物雜草早期檢測的無監(jiān)督分類算法；比利時讓布盧大學的PIRON等[31]使用立體視覺傳感器，基于株高特征進行雜草識別分類；BAKHSHIPOUR等[32]將神經(jīng)網(wǎng)絡(luò)技術(shù)應(yīng)用于雜草識別。李偉團隊[33]研究了基于視覺形態(tài)特征的雜草識別方法，將其應(yīng)用到移栽類蔬菜用苗間鋤草機器人上。何東健等[34]和李先鋒等[35]分別將支持向量機和DS(Shafer-Dempster)證據(jù)理論用于多特征融合的雜草識別方法。國內(nèi)外一些農(nóng)機企業(yè)也推出了農(nóng)田雜草識別系統(tǒng)，科樂收(CLAAS)、藍河科技(Blue River Technology)分別在CULTI CAM和See & Spray解決方案中使用了基于視覺的田間雜草感知系統(tǒng)(圖4a)。碳蜂(Carbon Bee)公司推出了一種車載的高光譜傳感器AQiT-Sensor，可以識別出作物中間生長的雜草(圖4b)。

圖4 農(nóng)田雜草傳感器Fig.4 Farmland weed sensor

目前農(nóng)田雜草的感知技術(shù)主要基于視覺特征，對于不同的雜草需要不同的算法，用于學習訓練的數(shù)據(jù)庫比較單一和獨立，未來可以將雜草的特征進行整合建立一個統(tǒng)一的數(shù)據(jù)庫，使用機器學習的方式將各種雜草最主要的特征進行提取，減少終端的運算量，提高雜草感知的準確性和實時性。

1.1.2作業(yè)環(huán)境與障礙感知技術(shù)

(1)農(nóng)田土壤信息感知技術(shù)

車載農(nóng)田土壤信息感知是提高精準變量肥水施用生產(chǎn)率的有效手段。車載土壤信息獲取包括土壤養(yǎng)分、水分、酸堿度、壓實度等信息。

車載土壤養(yǎng)分精確測量目前還沒有成熟的手段，但國內(nèi)外學者都對此進行了大量深入研究。何勇團隊[36-37]利用土壤的光譜特征來檢測土壤的有機質(zhì)含量、含水率、氮磷含量、pH值等信息；李民贊團隊[38-39]基于鹵鎢燈光源和多路光纖法設(shè)計了土壤全氮含量檢測儀，基于近紅外光譜信息對土壤參數(shù)進行實時分析，使用神經(jīng)網(wǎng)絡(luò)和支持向量機對土壤參數(shù)進行預(yù)測，研發(fā)了車載式土壤電導率與機械阻力實時測量系統(tǒng)；王儒敬團隊[40-41]設(shè)計了土壤鉀離子非接觸電導檢測裝置，基于光譜、卷積神經(jīng)網(wǎng)絡(luò)、深度稀疏學習等方法對土壤有機質(zhì)含量進行預(yù)測；張小超團隊[42-43]利用近紅外光譜法分析了北京典型耕作土壤的養(yǎng)分信息，研究了基于激光誘導擊穿光譜的土壤鉀素檢測方法，應(yīng)用傅里葉變換近紅外光譜技術(shù)分析了土樣的全氮、全鉀、有機質(zhì)養(yǎng)分含量和pH值；孫宇瑞團隊[44]開發(fā)了土壤水分剖面實時測量傳感器、農(nóng)田土壤含水率與堅實度信息快速采集系統(tǒng)，設(shè)計了基于激光反射的土壤表面粗糙度測量裝置，運用近紅外光譜分析方法對土壤質(zhì)地進行分類。

國外從事土壤信息感知技術(shù)研究的有美國喬治亞大學的HAMRITA等[45]使用射頻識別技術(shù)對土壤的溫度信息進行快速無線實時監(jiān)測；意大利卡西諾大學的ANTONUCCI等[46]使用主動紅外熱成像法實現(xiàn)了實驗室和現(xiàn)場的土壤含水量快速檢測；比利時列日大學的GENOT等[47]使用近紅外反射光譜法檢測土壤有機質(zhì)含量。

目前與農(nóng)田土壤信息感知相關(guān)的企業(yè)和產(chǎn)品，如奧地利POTTINGER公司的車載綜合土壤傳感器TSM，可以實時地掃描土壤表層和深層土質(zhì)結(jié)構(gòu)，得到不同區(qū)塊的壓實度、含水率、電導率和土壤類型等信息(圖5a)。美國精密種植(Precision Planting)公司的Smart Firmer傳感器和Delta Force壓力傳感器能夠感知土壤的有機質(zhì)含量，收集溫度和濕度信息，采集土壤的硬度信息(圖5b)。美國Veris technologies公司的iScan車載傳感器可以實時檢測土壤的質(zhì)地、含水率、溫度、土壤陽離子交換容量、有機質(zhì)含量等信息。

圖5 土壤傳感器產(chǎn)品Fig.5 Soil sensor products

土壤養(yǎng)分車載精確測量是未來努力的方向，車載含水率、酸堿度、壓實度、有機質(zhì)含量等參數(shù)測量技術(shù)相對成熟，但高可靠性、高精度、多參數(shù)組合量傳感器是未來的發(fā)展方向。此外，為配合智能農(nóng)業(yè)裝備處方作業(yè)，在土壤中預(yù)埋大量物聯(lián)網(wǎng)傳感器的智慧農(nóng)田系統(tǒng)是未來智慧農(nóng)業(yè)的發(fā)展趨勢，研發(fā)低功耗、低成本、小型化、無線通信土壤信息傳感器，將土壤參數(shù)上傳至云端，農(nóng)業(yè)裝備按需取用，實現(xiàn)閉環(huán)控制是未來的創(chuàng)新發(fā)展模式。

(2)作業(yè)障礙信息感知技術(shù)

障礙物信息感知是智能農(nóng)業(yè)裝備在復雜的非結(jié)構(gòu)化農(nóng)田環(huán)境中安全可靠作業(yè)的保障。農(nóng)業(yè)裝備作業(yè)環(huán)境中的障礙物復雜多變，靜態(tài)有樹木、電線桿、水井、房屋等，動態(tài)有人、動物、作業(yè)農(nóng)機等。目前障礙物檢測手段主要有超聲雷達、激光雷達、紅外傳感、視覺傳感器以及多傳感融合等。美國肯塔基大學的DVORAK等[48]使用超聲波傳感器檢測農(nóng)業(yè)環(huán)境中的障礙物。韓國國立韓國外國語大學的KIM等[49]、西班牙阿卡拉德赫拿勒斯大學的DIEGO等[50]使用多個超聲波傳感器組成陣列來檢測障礙物，該方法可以有效地提高穩(wěn)定性。德國漢諾威大學的BRENNEKE等[51]使用三維激光雷達檢測障礙物，受天氣、光照等環(huán)境因素的影響較小。PENG[52]使用成本略低的二維激光雷達，配合算法可以準確地檢測障礙物。美國斯坦福大學的MICHELS等[53]、MAIER等[54]使用單目視覺傳感器檢測障礙物，配合強化學習算法提高檢測穩(wěn)定性(圖6a)。BRAND等[55]、德國凱澤斯勞滕大學的FLEISCHMANN等[56]使用雙目立體視覺生成點云信息，識別障礙物比單目視覺更加準確。OHYA等[57]、DING[58]、LIU[59]研究了視覺、激光雷達、紅外成像和超聲波等多傳感融合的障礙感知方案(圖6b)。劉成良團隊[60]研究了基于支持向量機的視覺水田田埂邊界檢測方法。周俊等[61]基于機器視覺技術(shù)檢測作業(yè)環(huán)境中的運動障礙，采用幀差法消除機器人自身運動的影響。何東健團隊[62]基于機器視覺技術(shù)，使用貝葉斯決策圖像分割法進行障礙物檢測。奧地博田公司的車載Sensosafe傳感器通過光學紅外傳感器檢測在收割時隱藏在草叢中的野生動物。

圖6 障礙物檢測傳感器Fig.6 Various types of obstacle detection sensors

農(nóng)業(yè)裝備作業(yè)環(huán)境中的障礙物感知技術(shù)中，紅外技術(shù)是檢測人和動物的有效方法，超聲與激光雷達測量范圍大，對距離、速度檢測精度高，三維雷達測量精度高，但成本也高，基于視覺、二維雷達組合的障礙物檢測是較理想的方案，多傳感融合是農(nóng)田障礙感知的研究重點。

1.2 機內(nèi)感知

農(nóng)業(yè)裝備機內(nèi)感知的目的是實現(xiàn)機器運行的閉環(huán)控制，以及作業(yè)參數(shù)的優(yōu)化匹配。

1.2.1農(nóng)業(yè)裝備共性參數(shù)感知技術(shù)

農(nóng)業(yè)裝備機內(nèi)共性參數(shù)包括發(fā)動機信息、動力輸出信息、扭矩信息、滑轉(zhuǎn)率、姿態(tài)信息、安全隱患信息等。其中發(fā)動機信息、動力輸出信息等可通過CAN總線按照ISO 11783協(xié)議讀出，姿態(tài)信息一般可采用北斗模塊和陀螺儀獲得，而扭矩信息、滑轉(zhuǎn)率是農(nóng)業(yè)裝備共性參數(shù)檢測的難點。RAJABI-VANDECHALI等[63]基于徑向基函數(shù)(Rdial basis function，RBF)神經(jīng)網(wǎng)絡(luò)和自適應(yīng)神經(jīng)網(wǎng)絡(luò)模糊推理系統(tǒng)(Adaptive network-based fuzzy inference system，ANFIS)，使用低成本傳感器對拖拉機發(fā)動機的扭矩進行了估測。王書茂團隊[64]使用多模多頻衛(wèi)星定位與慣導測速技術(shù)，采用扭振補償?shù)男D(zhuǎn)編碼測速方法，實現(xiàn)了低速扭振動力機械的驅(qū)動輪邊速的高精度測量。未來農(nóng)業(yè)裝備機內(nèi)共性參數(shù)感知的研究重點是扭矩信息和車輪滑轉(zhuǎn)率精確測量。

1.2.2耕整機械作業(yè)參數(shù)感知技術(shù)

耕整機械的作業(yè)參數(shù)有姿態(tài)、壓力、位置、深度等。實現(xiàn)深松作業(yè)的關(guān)鍵前提是耕整深度的準確檢測。孟志軍團隊[65]提出一種基于深松機組姿態(tài)估測的耕深檢測方法。朱忠祥團隊[66]提出一種基于傾角傳感器的自動測量農(nóng)機具耕深的方法。苑嚴偉團隊[67]提出一種基于超聲波測距傳感器的懸掛式深松機耕深在線檢測方法。博世力士樂公司推出了用于耕整機械的液壓控制解決方案，方案使用了多種傳感器實現(xiàn)了耕整機具姿態(tài)感知、耕整作業(yè)阻力感知、耕整深度感知。未來耕整機械的作業(yè)參數(shù)感知可以結(jié)合土壤信息感知技術(shù)，在耕整階段全方位、多參數(shù)地感知土壤信息，建立土壤信息圖，實現(xiàn)“一次感知，全過程使用”。

1.2.3施肥播種機械作業(yè)參數(shù)感知技術(shù)

施肥播種機械的作業(yè)參數(shù)有種肥流速流量、播施深度等。施肥播種機械作業(yè)參數(shù)的準確感知是施肥播種機械精準自主作業(yè)的基礎(chǔ)。SWISHER等[68]使用激光發(fā)生器和光學傳感器設(shè)計了一種用于測量氣流中顆粒肥料流量的傳感器。苑嚴偉團隊[69-70]設(shè)計了一種差分結(jié)構(gòu)的電容傳感器，在排料管道外壁構(gòu)建陣列式電容傳感器來提高檢測精度。劉成良團隊[71]基于電容法設(shè)計了一套用于小麥播種量檢測的系統(tǒng),建立了種子數(shù)量與電容變化量之間的線性關(guān)系。余洪鋒等[72]設(shè)計了一種基于皮帶秤的施肥機施肥性能檢測裝置，裝置可以檢測排肥口的實時流量。精密種植公司的SpeedTube是高速種植系統(tǒng)的一個組件，可以在高速播種的情況下精確測量播種施肥的速率，WaveVision使用高頻無線電波測量播種量，有效消除了灰塵的干擾，vSet是一種圓盤式的解決方案，基于轉(zhuǎn)速檢測播種量。

目前施肥播種精量控制技術(shù)比較成熟，但在肥種流量檢測方面，雖然有光電、電容等不同方法，但其精度不高、可靠性還有待進一步提高，應(yīng)側(cè)重于檢測數(shù)據(jù)的智能處理方法以及創(chuàng)新感知原理新型傳感器設(shè)計的研究。

1.2.4植保機械作業(yè)參數(shù)感知技術(shù)

植保機械作業(yè)狀態(tài)參數(shù)包括噴霧壓力、噴霧流量、噴桿姿態(tài)等。李樹江團隊[73-74]通過多傳感信息采集，建立基于總線的作業(yè)速度、噴霧流量、噴霧壓力、噴桿作業(yè)狀態(tài)、噴頭堵塞、噴桿高度探測、藥液體積、氣象環(huán)境等參數(shù)的在線監(jiān)測系統(tǒng)，并實現(xiàn)噴頭堵塞及低流量自動報警、噴桿高度自動仿形，解決了傳統(tǒng)植保機械容易出現(xiàn)的農(nóng)藥漏噴、不均勻和飄移等問題。精密種植公司開發(fā)了用于液體測量的傳感器，該傳感器可以實時測量包括液體農(nóng)藥和液體肥料在內(nèi)的液體流量。目前對于植保機械的作業(yè)參數(shù)感知研究較少，未來應(yīng)研究液體肥料和農(nóng)藥的感知機理，解決傳感器的抗腐蝕性和精度保持性問題。

1.2.5收獲機械作業(yè)參數(shù)感知技術(shù)

收獲機械種類繁多，本文主要以稻麥、玉米聯(lián)合收獲和棉花采摘機械為例進行收獲機械作業(yè)參數(shù)感知技術(shù)分析。稻麥、玉米等聯(lián)合收獲機械的作業(yè)參數(shù)有含水率、流量、損失率、含雜率等。巴西圣保羅大學的DA等[75]使用6個雙板差分沖擊式傳感器形成陣列來測量谷物產(chǎn)量，有效地減小了振動引起的噪聲干擾。印度旁遮普農(nóng)業(yè)大學的SINGH等[76]基于稱量傳感器開發(fā)了安裝在儲罐底部的收獲機械產(chǎn)量傳感器，并且使用此傳感器結(jié)合GPS系統(tǒng)開發(fā)了產(chǎn)量制圖系統(tǒng)。丹麥電氣工程技術(shù)大學的HERMANN等[77]使用谷物流量模型和谷物吞吐量傳感器，對谷物流量進行預(yù)測。印度農(nóng)業(yè)工程學院的HIREGOUDAR等[78]使用人工神經(jīng)網(wǎng)絡(luò)技術(shù)評估田間條件下的谷物收獲損失。加拿大阿爾伯塔大學的LIU等[79]使用9個聲學谷物撞擊傳感器布置在收割機分離格柵下方，通過對聲學撞擊信號的分析檢測谷物損失量。比利時魯汶大學的WALLAYS等[80]基于多光譜視覺傳感器和遺傳算法檢測谷物流中的谷殼、稻草等雜質(zhì)，得到谷物清潔度數(shù)據(jù)。羅錫文團隊[81]設(shè)計了一種雙板沖量式谷物流量傳感器及其差分消振電路,以消除車身振動對測產(chǎn)精度的影響。劉成良團隊[82-83]設(shè)計了沖量式谷物聯(lián)合收獲機智能測產(chǎn)系統(tǒng)和基于計算機視覺的谷物測產(chǎn)系統(tǒng)。張小超團隊[84-85]研究了基于稱重法的聯(lián)合收獲機測產(chǎn)方法，設(shè)計了用于聯(lián)合收獲機谷物損失測量的聚偏氟乙烯陣列傳感器，研究了基于電容法的棉管籽棉質(zhì)量流量檢測方法。劉成良團隊[86]研究了基于光電原理的棉花流量產(chǎn)量測量裝置，引入網(wǎng)絡(luò)神經(jīng)元進行數(shù)據(jù)的分析。鄭傳濤團隊[87-89]提出采用可調(diào)諧二極管激光吸收光譜技術(shù)，探測痕量CO，研制抗干擾新型紅外CO傳感器，實現(xiàn)收獲作業(yè)過程中隱性火災(zāi)的探測。

目前收獲機械的作業(yè)參數(shù)傳感原理已基本成熟，國外科樂收等機型也安裝有成熟的水分、流量等傳感器，國內(nèi)缺乏成熟的產(chǎn)品，主要在于檢測精度與可靠性不高，雖然多年來國內(nèi)學者一直進行此方面的研究，但在精度、可靠性、算法模型等方面與實際應(yīng)用還有差距。

2 智能控制技術(shù)

2.1 總線控制

多傳感以及多智能控制單元是智能農(nóng)機的一個顯著特點，對此國際標準化組織制定ISO 11783標準[90]，詳細規(guī)定了智能農(nóng)機的控制系統(tǒng)網(wǎng)絡(luò)整體架構(gòu)、物理層、網(wǎng)絡(luò)層、數(shù)據(jù)通訊、各種電子控制單元(ECU)及任務(wù)控制器結(jié)構(gòu)。圖7為基于ISO 11783的智能農(nóng)機控制系統(tǒng)結(jié)構(gòu)組成和示例說明。

圖7 ISOBUS示意圖Fig.7 ISOBUS schematic1.總線末端 2.總線插座 3.自帶控制器的拖拉機內(nèi)部總線 4.用戶終端 5.到運營計算機的數(shù)據(jù)終端 6.機具ECU 7.拖拉機-機具總線

為了推行ISO 11783標準，美國制造商協(xié)會(National association of manufacturers，NAM)、德國機械設(shè)備制造業(yè)聯(lián)合會(Verband deutscher maschinen- und anlagenbau，VDMA)和格立莫(GRIMME)、格蘭(KVERNELAND)、愛科、奧地博田、克拉斯、約翰迪爾、凱斯紐荷蘭于2008年共同成立了農(nóng)業(yè)電子協(xié)會(Agricultural industry electronics foundation，AEF)，擁有230個世界主要農(nóng)機企業(yè)及科研機構(gòu)成員。世界著名農(nóng)機公司目前大都采用ISOBUS控制結(jié)構(gòu)，圖8是凱斯公司的總線結(jié)構(gòu)。

圖8 凱斯公司ISOBUS總線結(jié)構(gòu)Fig.8 CASE IH company ISOBUS bus structure1.電源 2.拖拉機電源線 3.連接機具CAN線 4.拖拉機ECU 5.點火開關(guān) 6.雷達接口 7.總開關(guān) 8.AgGPS現(xiàn)場管理顯示線 9、26.CAN末端 10.通用擴展交換機模塊 11.噴霧器 12.風扇轉(zhuǎn)速傳感器 13.料斗余量傳感器 14.氣壓傳感器 15.氣吸式播種機控制器 16.應(yīng)用速率傳感器 17.PWM電磁閥 18.伺服閥 19.氣壓傳感器 20.料斗平面?zhèn)鞲衅?21.機具提升傳感器 22.風扇轉(zhuǎn)速傳感器 23.雷達速度傳感器 24.種子監(jiān)視器 25.排線 27.機具CAN擴展線 28.氣吸式播種機控制線 29.CAN牽引擴展線 30.連接駕駛室線

國內(nèi)自2008年開始關(guān)注ISOBUS在農(nóng)機中的應(yīng)用，開始借鑒其通訊結(jié)構(gòu)并在導航系統(tǒng)中應(yīng)用[91]，自2017年開始采用ISO 11783系列標準，頒布了GB/T 35381系列標準[92]。國內(nèi)福田雷沃、一拖、五征、中聯(lián)重機等主要農(nóng)機公司開始采用ISOBUS系統(tǒng)。總線控制系統(tǒng)的研究熱點集中在監(jiān)控終端、主機和機具控制器方面。

2.2 監(jiān)控終端

監(jiān)控終端是一個狀態(tài)監(jiān)控系統(tǒng)，實時顯示農(nóng)機的運行狀態(tài)，ISO 11783對監(jiān)控終端的功能、界面布局等做了詳細規(guī)定[93]。

由于監(jiān)控終端是農(nóng)業(yè)裝備產(chǎn)品化的部件，所以對其研究較多的是農(nóng)業(yè)裝備企業(yè)。歐美等高端農(nóng)機都配備有符合標準的監(jiān)控終端(圖9)，約翰迪爾公司Green Star系列總線化車載智能終端提供了高低不同的一整套顯示屏交互方案，獲得了AEF的授權(quán)，使用ISO Task Control功能控制第三方機具。凱斯公司推出的AFS DISPLAY終端可以監(jiān)控和控制凱斯的車輛和工具，記錄重要的數(shù)據(jù)和路線，用于將來的管理和決策，終端符合ISOBUS標準?？茦肥展緸槠渥詣愚D(zhuǎn)向系統(tǒng)GPS PILOT配備了一個集成了10.4英寸觸摸屏和雙頻接收器的S10終端，具有操作自動轉(zhuǎn)向系統(tǒng)、控制接入ISOBUS的機具等功能。格蘭公司發(fā)布的iM FARMING精準農(nóng)業(yè)解決方案包括Iso Match特勒斯專業(yè)版(Tellus Pro)通用終端。愛科旗下麥賽弗格森(Massey Ferguson)的FUSE Technologies解決方案中包括了AgCommand監(jiān)控終端。除了農(nóng)業(yè)裝備主機企業(yè)自研的監(jiān)控終端外，還有一些配套企業(yè)提供的監(jiān)控終端，例如美國MC Elettronica公司、DICKEY-john公司、AIS公司、STW公司、Agleader公司等都推出了相關(guān)產(chǎn)品(圖10)，JCA公司還將監(jiān)控終端功能移植到Android或者IOS系統(tǒng)的平板電腦上。國外農(nóng)業(yè)裝備不論是主機企業(yè)還是配套企業(yè)的終端設(shè)備，基本都符合ISOBUS標準。

圖9 國外農(nóng)機企業(yè)的監(jiān)控終端Fig.9 Virtual terminals of foreign agricultural machinery enterprises

圖10 國外配套企業(yè)的監(jiān)控終端Fig.10 Virtual terminals of foreign supporting enterprises

國內(nèi)農(nóng)業(yè)裝備企業(yè)目前在跟進監(jiān)控終端的研究發(fā)展，與國外不同的是，國內(nèi)農(nóng)業(yè)裝備主機企業(yè)一般使用配套公司的監(jiān)控終端產(chǎn)品。例如司南公司農(nóng)機智能終端用于衛(wèi)星導航自動駕駛，是集用戶界面顯示、作業(yè)數(shù)據(jù)顯示、作業(yè)模式調(diào)整等功能于一體的綜合性農(nóng)機智能終端。中海達公司農(nóng)機智能終端采用一體化設(shè)計，內(nèi)置北斗衛(wèi)星導航定位系統(tǒng)，采用其獨有的Smart Heading等多項專利技術(shù)，實現(xiàn)對農(nóng)機駕駛數(shù)據(jù)的顯示和農(nóng)機駕駛的操控。除此之外其他監(jiān)控終端供貨商有長沙碩博電子、貴州永青電子、北京博創(chuàng)聯(lián)動、上海宏英科技等公司，基本上都是從工程機械領(lǐng)域向農(nóng)業(yè)裝備領(lǐng)域拓展的。國內(nèi)企業(yè)開發(fā)的監(jiān)控終端大部分沒有通過AEF的認證，對ISO 11783標準的兼容性未知，甚至有的企業(yè)和單位使用LabView等第三方組態(tài)軟件編寫上位機界面實現(xiàn)監(jiān)控終端的功能。

目前國內(nèi)的農(nóng)業(yè)裝備監(jiān)控終端存在的主要問題是沒有實現(xiàn)接口、功能和界面的標準化，沒有互換性，不能實現(xiàn)不同企業(yè)農(nóng)機和機具之間的互聯(lián)互通，未來需要解決的問題是監(jiān)控終端的標準化問題。

2.3 主機和機具控制器

控制器是實現(xiàn)農(nóng)業(yè)裝備智能控制的核心部件。ISO 11783規(guī)定的ISOBUS按照設(shè)計功能和安裝位置的不同將農(nóng)業(yè)裝備中的ECU分為主機ECU和機具ECU兩類[94]。主機ECU可以完成的功能包括電源管理、拖拉機設(shè)備響應(yīng)、附加懸掛參數(shù)、機具與拖拉機照明控制、估計和測量輔助閥流量、懸掛命令、動力輸出裝置(Power Take-Off，PTO)命令、輔助閥命令等，可以讀取處理的信息包括輔助閥信息、PTO信息、速度和距離信息、時間/日期信息、懸掛信息、語言信息等；機具ECU主要完成機具作業(yè)時的控制，如耕整機具的犁深控制、噴施機具的變量噴藥施肥、播種機具的精量播種等。

如圖11所示，國外智能農(nóng)機控制器主要有兩類，一類是企業(yè)自主研發(fā)的控制器，比如約翰迪爾公司的M50、M700、2000控制器。凱斯的AFS控制解決方案中包括了EZ系列控制器，有EZ-PILOT、EZ-STEER等型號。一類是配套企業(yè)研發(fā)的符合ISOBUS標準的產(chǎn)品，如博世力士樂開發(fā)了可用于農(nóng)業(yè)裝備行走機械控制的BODAS控制器，用于電液提升控制和犁深控制的EHC-8控制器；STW公司開發(fā)了符合ISOBUS標準的ESX系列控制器。國內(nèi)博創(chuàng)聯(lián)動開發(fā)了SF9507車載控制器、TTC60通用控制器，派芬開發(fā)了HE20系列控制器。

圖11 拖拉機主機控制器Fig.11 Tractor main controller

研究方面，TUMENJARGAL等[95]在ISOBUS的基礎(chǔ)上開發(fā)了一種施肥機械液壓控制系統(tǒng)，基于OSB-Ag公司的ISOBUS商用庫，開發(fā)了面向服務(wù)器ECU和客戶端的應(yīng)用程序。BACKMAN[96]將ISOBUS應(yīng)用于農(nóng)業(yè)機械的導航控制系統(tǒng)，使用了ISOBUS規(guī)定的標準接口和通信通道、標準信息流等。苗中華等[97]將CAN應(yīng)用層協(xié)議應(yīng)用到采棉機智能監(jiān)控系統(tǒng)中，搭建了基于CAN總線的數(shù)字化智能監(jiān)控系統(tǒng)。楊衛(wèi)平團隊[98]基于拖拉機的ISOBUS實現(xiàn)了拖拉機的故障診斷。目前我國的農(nóng)機主機控制器主要是來自第三方配套生產(chǎn)，不符合標準，不利于高端智能拖拉機的推廣。

如何為用戶提供開放的編程環(huán)境是目前農(nóng)機控制器使用中的一個問題。目前的農(nóng)業(yè)裝備控制部分沒有操作系統(tǒng)的概念，使用基于Windows、Linux的上位機程序，或者是基于LabView編寫的界面來完成應(yīng)該由操作系統(tǒng)完成的功能。部分企業(yè)開始進行農(nóng)業(yè)裝備操作系統(tǒng)的研究，博世力士樂公司為其開發(fā)的BODAS控制器配備了BODAS系列的配套軟件，利用配套軟件可以實現(xiàn)對控制器的圖形和文本編程，已經(jīng)具有了操作系統(tǒng)的基本功能；約翰迪爾的MECA控制器搭載了約翰迪爾操作系統(tǒng)(John Deere operating system，JDOS)，可以實現(xiàn)強大的軟件后期開發(fā)；STW公司的ESX系列控制器使用CoDeSys搭建了開發(fā)環(huán)境，可以使用C語言或Matlab/Simulink支持包進行自由編程，實現(xiàn)功能擴展和后期升級。目前大部分農(nóng)業(yè)裝備企業(yè)還沒有建立起農(nóng)機操作系統(tǒng)的概念，未來應(yīng)將操作系統(tǒng)納入標準化的范疇，研究基于農(nóng)機操作系統(tǒng)的云傳輸、云控制技術(shù)。

3 智能決策技術(shù)

硬件是智能控制的軀體，決策是智能控制的大腦。決策和協(xié)同是保證智能農(nóng)機高效、高精度及高品質(zhì)作業(yè)的關(guān)鍵，主要技術(shù)包括變量作業(yè)決策技術(shù)、路徑規(guī)劃決策技術(shù)、多機協(xié)同作業(yè)技術(shù)。

3.1 變量作業(yè)決策

變量作業(yè)智能決策是指根據(jù)作業(yè)過程中的傳感器數(shù)據(jù)，結(jié)合專家系統(tǒng)、知識庫和數(shù)據(jù)庫里的信息，得出控制策略。美國蒙大拿州立大學的PEERLINCK等[99]使用機器學習算法，通過分析冬小麥的施肥配方對產(chǎn)量進行預(yù)測，進而實現(xiàn)了對小麥施肥配方的輔助決策；芬蘭于韋斯屈萊大學的KAIVOSOJA等[100]使用遙感信息估計土壤的氮含量，將此數(shù)據(jù)用來對變量施肥的配方進行決策，實現(xiàn)精準施肥。國內(nèi)孟志軍等[101]開發(fā)了基于處方圖的變量作業(yè)控制和輔助導航軟件；魏新華團隊[102]設(shè)計了脈寬調(diào)制間歇噴霧變量噴施系統(tǒng)；苑嚴偉團隊[103-104]設(shè)計了變量配肥施肥機和小麥精量播種變量施肥機，開發(fā)了基于作業(yè)處方圖的氮磷鉀配比施肥決策支持系統(tǒng)；趙春江團隊[105]論述了基于空間信息的精準施藥分析決策方法；劉成良團隊[106]研究了基于模糊系統(tǒng)的開度轉(zhuǎn)速雙變量施肥控制序列生成方法。凱斯公司研發(fā)了ST820型氣力輸送式變量施肥播種機，施肥作業(yè)前在計算機上制作處方圖，生成處方文件，施肥機自動實施變量作業(yè)。科樂收公司研發(fā)了一種振動式切線脫粒系統(tǒng)，該系統(tǒng)能根據(jù)農(nóng)學策略自動優(yōu)化決策調(diào)整脫粒滾筒轉(zhuǎn)速和脫粒間隙寬度等參數(shù)。農(nóng)機變量作業(yè)決策是專家經(jīng)驗、農(nóng)機動力學模型和人工智能的綜合應(yīng)用，國內(nèi)在此方面研究較為深入，研究成果也較多。今后變量作業(yè)決策的發(fā)展一方面是新模型算法的深入研究，另一方面是大數(shù)據(jù)、人工智能及云計算在變量決策方面的深入應(yīng)用。

3.2 路徑規(guī)劃決策

農(nóng)業(yè)裝備的作業(yè)路徑規(guī)劃是指必須滿足相關(guān)農(nóng)藝規(guī)范的要求，實現(xiàn)作業(yè)區(qū)域內(nèi)不重、不漏前提下，對作業(yè)距離、時間、轉(zhuǎn)彎次數(shù)、能耗等參數(shù)優(yōu)化，尋找合理的行走路線，是農(nóng)機無人駕駛與自主作業(yè)的不可或缺的環(huán)節(jié)。

圖12 全區(qū)域覆蓋路徑規(guī)劃策略[116]Fig.12 Regional coverage path planning strategy

圖13 農(nóng)業(yè)裝備地頭轉(zhuǎn)彎策略[116]Fig.13 Turning strategy of agricultural machinery equipment

農(nóng)田環(huán)境下農(nóng)業(yè)裝備的行駛路徑包括跟蹤作物行的直線段路徑和連接直線段之間的曲線段路徑。直線段的路徑規(guī)劃主要依靠A-B線導航技術(shù)。對于全區(qū)域覆蓋路徑規(guī)劃而言，考慮的不僅僅是轉(zhuǎn)彎路徑而是包括轉(zhuǎn)彎路徑在內(nèi)的農(nóng)田區(qū)域內(nèi)的所有行駛軌跡，目前的規(guī)劃方案有S形、口字形、回字形、對角形4種(圖12)。對全區(qū)域路徑規(guī)劃的研究多集中在轉(zhuǎn)彎路徑(圖13)，轉(zhuǎn)彎路徑的規(guī)劃方案有弓形、半圓形、梨形、魚尾形4種。國內(nèi)外學者對于路徑規(guī)劃的研究成果總結(jié)如表2，日本巖手大學的TORISU[107]結(jié)合拖拉機的機械參數(shù)和農(nóng)田的幾何約束，以轉(zhuǎn)彎路徑的時間最短為目標優(yōu)化拖拉機的地頭轉(zhuǎn)彎路徑規(guī)劃。日本北海道大學的KISE[108]以最小轉(zhuǎn)彎半徑和最大轉(zhuǎn)彎速度為目標，利用3階樣條函數(shù)創(chuàng)建了兩種轉(zhuǎn)彎路徑，即前向轉(zhuǎn)彎路徑和后退轉(zhuǎn)彎路徑。美國康奈爾大學的RYERSON等[109]將農(nóng)田區(qū)域劃分為多個單元塊后，基于遺傳算法尋找全區(qū)域路徑來實現(xiàn)最大的覆蓋面積和最小的行駛距離。美國阿肯色大學的KAREN[110]將決策支持系統(tǒng)用于拖拉機導航，決策系統(tǒng)會選取最節(jié)省時間、最節(jié)省燃料、盈利最高的行駛路徑。日本國家農(nóng)業(yè)研究中心的NAGASAKA等[111]設(shè)計了采用梭形法進行轉(zhuǎn)彎作業(yè)的自動駕駛插秧機。德國斯圖加特大學的STOLL[112]提出了一種根據(jù)目標地塊最長邊將其分割成子田塊，再分別對子田塊進行全覆蓋作業(yè)的規(guī)劃路徑方法。HAMEED[113]以成本最小化為路徑規(guī)劃的準則，提出了一種多目標優(yōu)化覆蓋規(guī)劃方法。國內(nèi)劉剛等[114]提出了一種基于 GNSS 的農(nóng)田平整自動導航路徑規(guī)劃方法，該方法以空載或滿載時間最短為最優(yōu)評價基準。孟志軍等[115]提出了一種面向農(nóng)田作業(yè)機械的地塊全區(qū)域覆蓋路徑優(yōu)化方法，該方法將田間作業(yè)劃分為不同區(qū)域，根據(jù)先驗信息選擇不同的路徑優(yōu)化目標：轉(zhuǎn)彎數(shù)最少、作業(yè)消耗最小、總作業(yè)路徑最短或有效作業(yè)路徑比最大。

目前規(guī)則地塊的全覆蓋路徑規(guī)劃算法已經(jīng)比較成熟，未來的研究方向是不規(guī)則地塊及多障礙、多約束的全覆蓋路徑規(guī)劃算法，解決主機和機具不同轉(zhuǎn)彎半徑時的自適應(yīng)路徑規(guī)劃算法，以及繞過不同障礙物繼續(xù)進行作業(yè)的路徑規(guī)劃算法。

3.3 多機協(xié)同作業(yè)

現(xiàn)代農(nóng)機有兩種不同發(fā)展方向，一是朝超大型化、復雜化方向發(fā)展；另一個方向是通過多臺小型農(nóng)機協(xié)同作業(yè)，提高生產(chǎn)效率，多機協(xié)同作業(yè)對具有嚴格的作業(yè)窗口期要求搶種搶收的意義重大。

農(nóng)業(yè)裝備的多機協(xié)同控制分為主從協(xié)同控制和共同作業(yè)控制。日本北海道大學NOGUCHI團隊[117-118]研究了一種手動駕駛拖拉機跟隨自動駕駛拖拉機的Leader-follower系統(tǒng)，研究了多機器人系統(tǒng)在日本水稻、小麥和大豆農(nóng)業(yè)中的應(yīng)用，該機器人農(nóng)業(yè)系統(tǒng)包括水稻種植機器人、播種機器人、機器人拖拉機、聯(lián)合收獲機以及附加在機器人拖拉機上的各種機具。李民贊團隊[119]研究了基于蟻群算法的多機協(xié)同作業(yè)任務(wù)規(guī)劃，建立了多機協(xié)同作業(yè)任務(wù)分配模型。胡靜濤團隊[120]提出一種基于領(lǐng)航-跟隨結(jié)構(gòu)的收獲機械機群協(xié)同導航控制方法，該方法在建立收獲機群運動學模型的基礎(chǔ)上，結(jié)合反饋線性化理論和滑?？刂评碚撛O(shè)計了漸近穩(wěn)定的路徑跟蹤控制律和隊形保持控制律。張漫團隊[121]設(shè)計了基于Web-GIS的多機協(xié)同作業(yè)遠程監(jiān)控平臺，其中數(shù)據(jù)分析模塊可以實時分析處理多機位置和航姿信息，對各農(nóng)機進行決策分析和任務(wù)調(diào)度，從而實現(xiàn)多機協(xié)同作業(yè)。陳軍[122]設(shè)計了拖拉機機組的主從跟蹤控制模型，實現(xiàn)了一個駕駛員控制兩臺拖拉機的目的。芬特公司研發(fā)的MARS系統(tǒng)是群體智能控制技術(shù)在農(nóng)業(yè)工程領(lǐng)域的第一個商業(yè)化應(yīng)用，一個主機負責給多個自走小型農(nóng)機添料，監(jiān)控和帶領(lǐng)小型農(nóng)機協(xié)同作業(yè)。

表2 路徑規(guī)劃研究成果Tab.2 Summary of path planning studies

多機協(xié)同是農(nóng)機智能控制領(lǐng)域的新技術(shù)，目前主要側(cè)重于領(lǐng)航-跟隨協(xié)同算法的研究，而未來協(xié)同技術(shù)走向?qū)嵱没祟I(lǐng)航-跟隨算法，還需解決協(xié)同作業(yè)中單機異常診斷及隊形恢復、跨區(qū)域空-地協(xié)同、云-端協(xié)同調(diào)度，農(nóng)業(yè)裝備機群協(xié)同作業(yè)管控平臺技術(shù)，多農(nóng)業(yè)裝備集群協(xié)作云調(diào)度技術(shù)，分布式多機協(xié)同遠程運維技術(shù)，人機伴行控制技術(shù)等。

4 自主作業(yè)技術(shù)

輔助駕駛、無人駕駛與自主作業(yè)是農(nóng)業(yè)裝備智能化研究的熱點之一。根據(jù)駕駛員對駕駛活動主體的參與度的不同，國際自動機工程師學會(Society of Automotive Engineers，SAE)將自動駕駛分為L0～L5共6級(表3)；美國高速公路安全管理局(National Highway Traffic Safety Administration，NHTSA)則將其分為5級。類似的，凱斯紐荷蘭(CNH Industrial)也將農(nóng)業(yè)裝備的自動駕駛進行了分類(表4)。本文根據(jù)表3和表4對農(nóng)機無人駕駛與自主作業(yè)技術(shù)進行分類闡述。

表3 SAE關(guān)于汽車自動駕駛的分級Tab.3 SAE’s classification of auto driving

表4 農(nóng)業(yè)裝備自動駕駛分類Tab.4 Classification of automatic driving for agricultural equipment

4.1 定位導航技術(shù)

農(nóng)業(yè)裝備的自動定位與導航技術(shù)是實現(xiàn)農(nóng)機自動駕駛的基礎(chǔ)，研究重點包括位置定位、行線檢測兩方面。

位置定位主要有GNSS定位技術(shù)和視覺定位技術(shù)。隨著GNSS導航定位技術(shù)向民用領(lǐng)域的開放，利用載波相位差分技術(shù)的實時動態(tài)定位(Real-time kinematic，RTK)精度已小于等于2.5 cm,RTK-GPS和RTK-BDS在精準農(nóng)業(yè)領(lǐng)域得到了廣泛推廣應(yīng)用并促進了農(nóng)業(yè)裝備自動導航技術(shù)的發(fā)展。日本東京大學的KAIZU等[123]使用增強現(xiàn)實技術(shù)構(gòu)建環(huán)境的三維圖像，來確定拖拉機在環(huán)境中的位置；美國斯坦福大學的O’CONNOR等[124]將高精度RTK-GPS應(yīng)用于農(nóng)機導航中；美國林肯大學的DAYOUB等[125]使用全向視覺傳感器來確定農(nóng)業(yè)移動機器人在環(huán)境中的位置。羅錫文團隊[126]在東方紅X-804型拖拉機上開發(fā)了基于RTK-DGPS的自動導航控制系統(tǒng)，設(shè)計了基于PID算法的導航控制器，在雷沃M904-D型拖拉機上開發(fā)了基于預(yù)瞄追蹤模型的農(nóng)機導航路徑跟蹤控制方法。

行線檢測技術(shù)有激光法和視覺法兩種，主要用來識別作物行，確定導航的基準線。美國德州農(nóng)工大學的SEARCY[127]最早將Hough變換引入到農(nóng)機導航特征提取中來，提出了一種基于Hough變換的作物行參數(shù)提取方法。美國華盛頓州立大學的DICKSON等[128]將光纖陀螺儀、RTK-GPS和機器視覺3種傳感器融合實現(xiàn)行線檢測和定位導航。法國昂熱大學的MALAVAZI等[129]研究了使用激光雷達從2D點云中提取行線的技術(shù)，使用了PEARL算法。澳大利亞昆士蘭科技大學的ENGLISH等[130]研究了一種基于紋理特征的視覺行線檢測方法，在夜間也可以準確檢測行線。韓國高等科學技術(shù)學院的CHOI等[131]研究了一種基于形態(tài)學特征的視覺行線檢測方法，形態(tài)學特征包括農(nóng)作物的葉片、莖的方向和密度等。SHKANAEV等[132]將視覺行線檢測技術(shù)應(yīng)用到聯(lián)合收獲機上，基于秸稈的顏色和紋理信息識別行線。姬長英團隊[133]基于光照無關(guān)圖提出一種農(nóng)業(yè)機器人視覺導航算法。

國內(nèi)外相關(guān)企業(yè)也推出了各自的相關(guān)定位導航產(chǎn)品。凱斯公司的AFS解決方案中包含了AFS ACCUSTAR系列GPS定位接收機，可以和AFS系列的監(jiān)控終端AFS Pro 700連接，配合AFS AccuGuide程序完成農(nóng)機的定位導航。科樂收公司推出了GPS PILOT解決方案，高精度GPS接收機配合激光傳感器，后者作用是檢測已收割作物和未收割作物之間邊緣的精確位置。約翰迪爾公司推出了Radio RTK系列接收機，使用RTK-GPS技術(shù)的解決方案。芬特(Fent)公司推出了Vario、Katana、Rogator等多個系列的農(nóng)機定位解決方案，適用于不同的場合。除了幾大主機企業(yè)外，國外的一些配套企業(yè)也開發(fā)了用于農(nóng)業(yè)裝備的定位導航產(chǎn)品，如拓普康(Topcon)公司開發(fā)了Hiper、NET系列，AutoFarm公司開發(fā)了GR系列，AgLeader公司開發(fā)了GPS 6000系列，天寶公司開發(fā)了NAV和GFX系列。國內(nèi)農(nóng)業(yè)裝備導航產(chǎn)品有合眾思壯的G9系列、聯(lián)適導航的R系列、博創(chuàng)聯(lián)動的HOMER系列、華測的X和T系列等。

綜上所述，目前農(nóng)機衛(wèi)星導航定位技術(shù)相對成熟，并得到了廣泛應(yīng)用，在高端農(nóng)機中成為標配。而基于視覺和激光的行線檢測目前是一種輔助手段，尤其是視覺行線檢測的環(huán)境魯棒性是影響其實際應(yīng)用的重要因素。未來衛(wèi)星定位與視覺導航結(jié)合將滿足更多作業(yè)場景的需求。

4.2 輔助駕駛技術(shù)

目前農(nóng)業(yè)裝備的自動駕駛技術(shù)大多處于輔助駕駛階段，輔助駕駛是傳統(tǒng)駕駛到無人駕駛之間的過渡階段，其特點是直線跟蹤和地頭轉(zhuǎn)彎等行駛項目采用自動駕駛，機具控制等作業(yè)項目采用人工輔助，使操作員更專注于農(nóng)機作業(yè)，有利于提高作業(yè)質(zhì)量。凱斯的AFS解決方案中包含了AFS AccuGuide、AccuTurn輔助駕駛技術(shù)，可以在現(xiàn)有普通拖拉機基礎(chǔ)上安裝這種電動方向盤。約翰迪爾公司的AutoTrac解決方案可以實現(xiàn)大半徑的自動轉(zhuǎn)彎，減少作業(yè)面積的重疊。科樂收公司的CEMOS解決方案可以實現(xiàn)自動對行，自適應(yīng)半徑轉(zhuǎn)彎等功能。格蘭發(fā)布的iM FARMING精準農(nóng)業(yè)解決方案里包含了IsoMatch自動駕駛系統(tǒng)，可以實現(xiàn)自動轉(zhuǎn)向功能。德國Holmer公司與Reichhardt公司聯(lián)合研發(fā)的智能轉(zhuǎn)彎系統(tǒng)SmartTurn，可以實現(xiàn)甜菜挖掘機的全自動轉(zhuǎn)向。我國農(nóng)業(yè)裝備自動駕駛系統(tǒng)大多由配套企業(yè)研制，主要功能是通過北斗衛(wèi)星定位導航系統(tǒng)實現(xiàn)拖拉機直線跟蹤行駛。以北京合眾思壯的“慧農(nóng)”產(chǎn)品為例，該產(chǎn)品包括了固定式基站、GNSS定位裝置、姿態(tài)傳感器、智能駕駛控制器、轉(zhuǎn)向輪角度傳感器、壓力傳感器、液壓轉(zhuǎn)向電磁閥組和顯示終端等。除合眾思壯外，還有上海司南、上海聯(lián)適、上海華測、廣州中海達、無錫卡爾曼等公司也推出了農(nóng)機輔助駕駛產(chǎn)品。

目前的農(nóng)業(yè)裝備輔助駕駛產(chǎn)品大部分屬于后裝系統(tǒng)，增加了精確跟蹤及作業(yè)控制參數(shù)調(diào)整匹配的復雜性。

4.3 無人駕駛技術(shù)

無人駕駛是自動駕駛發(fā)展的最高階段。發(fā)展無人駕駛的一個瓶頸是拖拉機的無級變速和動力換擋。約翰迪爾、愛科(AGCO)、凱斯和道依茨法爾(DEUTZ-FAHR)等世界一流農(nóng)機企業(yè)都推出了具有無級變速功能的大功率拖拉機。國外比較成熟的農(nóng)機用動力換擋傳動系的零部件供貨商有德國采埃孚(ZF)公司、意大利卡拉羅(Carraro)公司等，其中道依茨法爾公司使用的是德國采埃孚公司提供的動力換擋傳動系。目前國內(nèi)也有主機企業(yè)和配套企業(yè)研究動力換擋技術(shù)。一拖在收購了法國ARGO集團旗下研究動力換擋技術(shù)的企業(yè)之后，推出了自己的動力換擋拖拉機LF2204，使用的是一拖(法國)公司生產(chǎn)的TX4A傳動系；五征公司使用德國采埃孚公司提供的動力換擋傳動系，推出了WZ2104型拖拉機；雷沃重工推出了搭載其歐洲技術(shù)中心研發(fā)的動力換擋傳動系的拖拉機P5000；中聯(lián)重機公司推出了動力換擋拖拉機RN1004，其動力換擋技術(shù)由中聯(lián)重機北美的團隊提供。目前國內(nèi)主機企業(yè)使用的動力換擋技術(shù)幾乎全部來自于國外，國內(nèi)也有第三方配套企業(yè)開始攻關(guān)動力換擋技術(shù)，浙江海天公司聯(lián)合廣西玉柴公司推出了兩款動力換擋傳動系HT2404和HT1604；杭州前進齒輪集團推出了應(yīng)用于農(nóng)業(yè)機械的動力換擋傳動系DB200。具有動力換擋和無級變速功能的大功率拖拉機在我國的需求不斷變大，未來我國配套企業(yè)研發(fā)動力換擋產(chǎn)品會不斷完善，逐漸打破國外的技術(shù)壟斷，會有更多搭載我國自主研發(fā)的動力換擋傳動系的大功率拖拉機投入使用。

無人駕駛的農(nóng)業(yè)裝備目前停留在概念機階段，主要開發(fā)單位是農(nóng)業(yè)裝備制造企業(yè)，較為典型的沒有駕駛室的無人駕駛拖拉機有凱斯公司的Magnum和一拖公司的“超級拖拉機1號”。凱斯公司推出了無人駕駛概念拖拉機Magnum(圖14a)，該拖拉機結(jié)合了目前在定位、遙控、數(shù)據(jù)共享和農(nóng)藝管理上的最新突破，拖拉機的作業(yè)過程從現(xiàn)場邊界輸入開始，控制器會根據(jù)邊界和機具寬度自動規(guī)劃好行駛路徑，并在使用多臺互聯(lián)的機器時規(guī)劃好最高效的協(xié)同路線，操作人員可以使用臺式計算機、平板電腦等多種終端來監(jiān)控拖拉機運行，拖拉機機身上安裝的攝像機將拖拉機的運行狀態(tài)、工作環(huán)境實時展示給操作人員參考，操作人員可以瀏覽發(fā)動機轉(zhuǎn)速、燃油油位、機具設(shè)置等拖拉機參數(shù)并進行手動修改。為了保障無人駕駛的安全性，拖拉機上安裝了雷達、激光測距傳感器、攝像機等傳感器來實現(xiàn)障礙物檢測。該拖拉機能夠使用實時氣象信息等大數(shù)據(jù)信息進行自主決策，天氣條件變得惡劣以至于不能繼續(xù)作業(yè)時拖拉機會自動停止作業(yè)，在條件改善時自動恢復作業(yè)。中國一拖集團有限公司在 2016 年中國國際農(nóng)業(yè)機械展覽會上展出了中國首臺真正意義上的無人駕駛拖拉機“超級拖拉機1號”(圖14b)，“超級拖拉機1號”由中科晶上公司提供整機系統(tǒng)方案和衛(wèi)星通信等核心技術(shù)，中科院微電子所提供無人駕駛技術(shù)，中科院合肥物質(zhì)院提供傳感器，中國一拖提供拖拉機車架、傳動系等技術(shù)和應(yīng)用場景數(shù)據(jù)?！俺壨侠瓩C1號”由無人駕駛系統(tǒng)、動力電池系統(tǒng)、智能控制系統(tǒng)、中置電機及驅(qū)動系統(tǒng)、智能網(wǎng)聯(lián)系統(tǒng)等五大核心系統(tǒng)構(gòu)成，具有整車狀態(tài)監(jiān)控、故障診斷及處理、機具控制、能量管理等功能，并實現(xiàn)恒耕深、恒牽引力等智能識別與控制功能?！俺壨侠瓩C1號”通過路徑規(guī)劃技術(shù)和無人駕駛技術(shù)，可實現(xiàn)障礙物檢測與避障、路徑跟蹤以及農(nóng)具操作等功能。

圖14 無人駕駛拖拉機Fig.14 Unmanned tractor

在未來的一段時間內(nèi)，搭載輔助駕駛系統(tǒng)的農(nóng)業(yè)裝備仍舊是農(nóng)民實際使用的主要產(chǎn)品，隨著農(nóng)業(yè)智能化的發(fā)展，越來越多的企業(yè)將推出更為成熟的、更加具有實用價值的無人駕駛拖拉機產(chǎn)品及其配套附件。

4.4 無人作業(yè)技術(shù)

農(nóng)業(yè)裝備的無人駕駛技術(shù)與智能機具技術(shù)相結(jié)合可實現(xiàn)農(nóng)業(yè)裝備的智能無人作業(yè)。羅錫文團隊[134-135]在久保田和井關(guān)水稻插秧機的基礎(chǔ)上開發(fā)了基于CAN(Controller area network)總線的水稻插秧機GPS導航控制系統(tǒng)和無人作業(yè)系統(tǒng)。胡靜濤團隊[136-137]設(shè)計了與 GPS 導航系統(tǒng)相配合的插秧機無人作業(yè)控制系統(tǒng)。劉成良團隊[138]研究了水田環(huán)境下水稻直播機的無人駕駛和作業(yè)控制系統(tǒng)。目前農(nóng)業(yè)裝備的無人作業(yè)主要有三大瓶頸：①電液提升控制技術(shù)，傳統(tǒng)的機具與主機的連接部分使用的是機械液壓提升，以機械反饋提升器為主，不利于實現(xiàn)自動化和智能化控制，國外的農(nóng)機企業(yè)如凱斯、約翰迪爾、道依茨法爾等公司在大功率拖拉機上都標配了電液提升控制系統(tǒng)[139]。德國力士樂(Bosch Rexroth)推出了完整的電液提升控制解決方案，可以實現(xiàn)犁深控制等功能。五征公司使用力士樂的電液提升控制技術(shù)推出了PH1404型拖拉機。②智能機具技術(shù)，無人作業(yè)的實現(xiàn)不僅需要拖拉機主機實現(xiàn)無人駕駛，還需要機具實現(xiàn)無人操作，需要研究機具的智能決策控制等技術(shù)。③控制的魯棒性，實現(xiàn)無人作業(yè)必須解決控制系統(tǒng)的魯棒性問題，農(nóng)業(yè)裝備的作業(yè)環(huán)境是典型的非結(jié)構(gòu)化環(huán)境，對農(nóng)業(yè)裝備控制系統(tǒng)的干擾因素多樣且復雜，需要解決農(nóng)業(yè)裝備的側(cè)滑補償、滑移控制等技術(shù)來提高控制系統(tǒng)的魯棒性。

5 智能農(nóng)機系統(tǒng)

未來智能農(nóng)機系統(tǒng)是集智能農(nóng)業(yè)裝備、云端智慧、服務(wù)平臺為一體的跨區(qū)域作業(yè)管控系統(tǒng)(圖15)。其核心思想是“智能在端、智慧在云、管控在屏”，即現(xiàn)場控制智能化、云端決策智慧化、監(jiān)控調(diào)度移動終端化。

圖15 智能農(nóng)機系統(tǒng)示意圖Fig.15 Schematic of intelligent agricultural machinery system

“智能在端”是指裝備本身的智能化，作業(yè)運行的數(shù)字化，包括現(xiàn)場智能感知與邊緣計算、智能控制與無人駕駛、裝備物聯(lián)與協(xié)同作業(yè)，現(xiàn)場數(shù)據(jù)到云端大數(shù)據(jù)發(fā)送以及云端決策指令的接收執(zhí)行等。

“智慧在云”是指決策管理的云端智慧化，包括農(nóng)機大數(shù)據(jù)云服務(wù)架構(gòu)的構(gòu)建、知識庫/算法庫/模型庫的生成、基于數(shù)據(jù)挖掘/機器學習的運維調(diào)度和預(yù)測控制策略的自生長、以及云對端的閉環(huán)控制等。

“管控在屏”是指農(nóng)機調(diào)度監(jiān)控的網(wǎng)絡(luò)終端化，通過APP和電腦客戶端實現(xiàn)對分布各地的農(nóng)業(yè)裝備進行遠程調(diào)度管控。

目前苑嚴偉團隊開發(fā)的農(nóng)業(yè)全程機械化云管理服務(wù)平臺、黑龍江建三江七星農(nóng)場研發(fā)的農(nóng)業(yè)物聯(lián)網(wǎng)綜合服務(wù)信息平臺初步具備了智能農(nóng)機系統(tǒng)功能。約翰迪爾、凱斯、芬特、科樂收、格蘭等主機公司分別開發(fā)了網(wǎng)絡(luò)化農(nóng)業(yè)裝備管控平臺(表5)。

表5 農(nóng)業(yè)裝備企業(yè)的網(wǎng)絡(luò)化管理解決方案Tab.5 Networked management solution for agricultural equipment enterprises

6 展望

從農(nóng)業(yè)裝備智能感知、智能控制、智能決策、自主作業(yè)、智能管控五方面，系統(tǒng)分析了國外和國內(nèi)智能農(nóng)機發(fā)展的現(xiàn)狀，以及我國智能農(nóng)機與國外的差距，為實現(xiàn)我國從農(nóng)機制造大國向農(nóng)機制造強國的轉(zhuǎn)變，提出了 “智能在端、智慧在云、管控在屏”的發(fā)展新思路。

未來需要從以下幾方面實現(xiàn)突破：

(1)農(nóng)業(yè)裝備智能感知技術(shù)：研究葉綠素和氮素、土壤養(yǎng)分、動靜態(tài)障礙物的車載、高精度、快速實時傳感器的新原理和算法。研究扭矩信息傳感器的感知機理，開發(fā)漏施漏播、耕深、噴霧流量、谷物棉花測產(chǎn)等傳感器的感知新原理，提高傳感器的精度和可靠性。

(2)智能農(nóng)業(yè)裝備云腦技術(shù)：構(gòu)建農(nóng)機全程作業(yè)云端大數(shù)據(jù)庫、云端知識圖譜知識庫，開發(fā)以人工智能算法為理論支撐的云腦決策庫，為智能農(nóng)業(yè)裝備的云腦決策提供強力的數(shù)據(jù)、知識和決策支持。

(3)農(nóng)業(yè)裝備智能控制技術(shù)：加快基于國際標準ISO 11783的主控系統(tǒng)TCU、傳動控制子系統(tǒng)ECU、剎車控制子系統(tǒng)ECU、提升控制子系統(tǒng)ECU、轉(zhuǎn)向控制子系統(tǒng)ECU等，以及智能機具ECU的研究開發(fā)，快速裝備國產(chǎn)農(nóng)機。

(4)農(nóng)業(yè)裝備智能管控技術(shù)：突破基于云端數(shù)據(jù)庫、決策庫、知識庫支撐的智能農(nóng)機管控云平臺關(guān)鍵技術(shù)，實現(xiàn)對農(nóng)業(yè)裝備的遠程監(jiān)控調(diào)度運維，開發(fā)農(nóng)機管控APP，實現(xiàn)對農(nóng)業(yè)裝備的移動終端管控。