設施蔬菜自動對靶噴藥技術研究現狀與分析

楊征鶴，楊會民，喻 晨，陳毅飛，周 欣，馬 艷，王學農

(1.新疆農業大學機電工程學院，烏魯木齊 830052；2.新疆農業科學院農業機械化研究所，烏魯木齊 830091)

0 引 言

【研究意義】我國的設施蔬菜的種植面積400×104hm2[1]，新疆的設施蔬菜栽培面積也達到3.57×104hm2[2]。在溫室密閉、高溫高濕的環境會導致病蟲害發病重、繁殖快和防治困難，嚴重時損失高達50%以上，目前主要采取的措施是化學防治，但是使用農藥的頻次高、劑量大，每667 m2農藥使用量為大田作物的十幾倍，甚至更多[3]。農藥有效利用率僅20%～40%[3]。隨著自動化、信息化技術以及傳感器技術應用于精準施藥和智能機械的研發，發達國家的農藥利用率已經提高到50%～60%的水平[5]。目前我國的施藥技術和藥械與外國相比存在一定差距[6-7]。使用自動對靶噴藥技術對我國設施蔬菜進行變量施藥，可減少農藥污染。【前人研究進展】自動對靶噴藥技術的發展主要經歷了2個發展階段[8]：第一階段是能夠引導噴藥機器人在合適的路徑上進行目標作物檢測，從而進行的施藥；如何雄奎等[9]研制的果園自動對靶靜電噴霧機，通過紅外傳感技術探測靶標的有無，并使用靜電噴霧技術，從而達到最佳的施藥效果。第二階段是隨著導航技術、傳感器技術和病蟲害識別技術的發展，需要施藥機器人自主判別靶標的有無、作物冠層的大小、目標作物病蟲害及長勢等特征，并按需噴藥[10]，這種作業方式提高了農藥使用率。Yang等[11]研制的雜草自動識別施藥機，使用攝像機采集作物信息，處理器區分出雜草與作物，并且能夠根據雜草的數量決定施藥量。【本研究切入點】采用自動化程度更高的自動對靶噴藥機器人來代替人工施藥，減少藥物浪費和藥物污染。溫室環境復雜，在噴藥潮濕的環境中，激光、視覺等傳感器會受到影響，影響噴藥機的正常工作。各類控制系統有著處理延遲、實時性差的劣勢，與人工施藥相比有著難以彌補的差距。病蟲害識別技術的發展限制，使得病蟲害檢測技術在線指導自動噴藥設備按需施藥成為一個暫時的技術難點。目標作物冠層枝葉稠密程度的檢測是對靶噴藥過程中的難點，如何精確檢測出作物的稠密程度，從而確定噴藥量，還需要深入的研究。研究采用文獻分析的方法，綜述國內外設施農業蔬菜自動對靶噴藥技術現狀與分析。【擬解決的關鍵問題】收集、整理和分析國內外研究文獻，總結自動對靶噴藥技術的研究現狀，自動設施蔬菜自動對靶噴藥技術研究進展，為設施蔬菜自動對靶噴藥技術的深入研究提供理論基礎和科學依據。

1 材料與方法

1.1 材 料

收集國內外設施蔬菜自動對靶噴藥技術的相關文獻，分析目前自動對靶噴藥技術并匯總及系統綜述。

1.2 方 法

采用相關文獻及實地調研。

2 結果與分析

2.1 導航技術

2.1.1 國外導航技術

近年來農業導航傳感器數量迅速增加，自主移動機器人系統采用全球定位系統(GPS)、視覺技術、激光距離掃描儀等不同的傳感器作為主要的傳感系統，并結合一些如里程表、慣性測量單元(IMU)、數字羅盤和陀螺儀等作為輔助傳感器，以補充主要的傳感系統。

基于GPS導航技術已經應用到廣泛的農業作業中去。為提高傳統GPS導航系統的精度，開發了差分全球定位系統(DGPS)和實時運動學全球定位系統(RTK-GPS)。已有學者使用RTK-GPS作為農業車輛轉向系統的唯一定位傳感器[12]。但這種導航技術存在一定的局限性，因此，GPS導航技術常與其他傳感器結合，以提供更準確的導航信息。Eaton等[13]使用RTK-GPS與慣性測量單元相結合，Nagasaka等[14]使用RTK-GPS與光纖陀螺儀相結合，以提高導航精度。Norremark等[15]研制了一種無人駕駛除草機，除草機的控制系統由RTK-GPS導航系統與傾斜傳感器組成，這種基于GPS導航系統能夠實現在預設的平行于作物行線的路徑上實現自動導航，且誤差較小。使用GPS導航最常見的問題包括衛星信號的干擾，多路徑問題和來自其他射頻源的干擾。

視覺技術具有成本效益和提供大量信息的優點，為農業機器人提供轉向信號，在農業中的應用變得越來越普遍。Okamoto等[16]研究了一種基于彩色CCD相機的除草中耕機自動跟隨控制系統，該系統利用作物行圖像來確定中耕機與目標作物行之間的偏移量，偏移量的預測提高了行跟蹤的精度。Benson等[17]開發了一種基于機器視覺的單色攝像機谷物收割機導航系統。該制導算法基于作物切邊的橫向位置，能夠準確定位作物行距。Nissimov等[18]使用Kinect傳感器進行溫室中的障礙物檢測。其中Kinect傳感器由紅外激光發射器、一個紅外攝像頭和一個RGB攝像頭組成，提供了同步的顏色和深度信息。障礙物檢測決策是利用像素點的斜率、強度和相鄰點的信息來進行的，并且利用顏色和紋理特征對可疑的障礙物進行分類。該方法有較好的成本優勢，但是在障礙物被遮擋時誤差較大。Delfin等[19]提出了一種基于視覺技術的定位算法，利用虛擬機和拓撲結構來尋找最合適當前視覺信息的關鍵圖像。另外配備了可視化路徑規劃器，當一個新的障礙物被機器人的RGB-D攝像機檢測到時，虛擬機會更新，會重新規劃路線。經試驗評估該導航方案具有良好的導航性能。

激光導航原理是利用三角測距原理，測量周邊物體與激光發射器之間的距離，然后實現路徑規劃。激光傳感器有著高分辨率和獲取信息量大等優點，并且能夠在不同的天氣和環境下進行可靠工作。Reiser等[20]利用水平激光儀，借助高精度全站儀在作物行中進行導航。Yokota等[21]開發了一種自動機器人，利用激光掃描儀收集周圍作物生長和產量的空間信息。Weiss等[22]利用三維激光雷達傳感器對植物和地面進行檢測和分割，實現自主農業機器人的定位、測繪和導航。Houssein等[23]提出了一種結合人工勢場在溫室中進行自主導航的方法。采用安裝在機器人前段的單個激光雷達傳感器，利用SLAM(同步定位與映射)進行姿態估計，并利用APF控制器保證了自主導航。試驗結果表明，基于此方法導航的機器人能夠適應作物生長引起的結構變化，并且能夠在人的在場下安全操作。圖1

注：1.移動平臺;2.自動駕駛儀;3.工控機;4.接收器;5.攝像頭；6.超聲波傳感器；7.激光雷達傳感器

2.1.2 國內導航技術

中國農業大學的楊世勝等[24]研發了一種電磁誘導農用噴霧機器人。開發了噴霧機器人位置檢測傳感器和磁標志傳感器，實現了機器人的自動行走，并且在道路上安裝了行首與行尾和切換標志。這種導航方式比較適合溫室這樣比較密閉的環境使用。圖2

賈士偉等[25]對溫室機器人的道路邊緣檢測與路徑導航進行了研究。該研究主要利用二維激光雷達檢測道路邊緣，利用基準道路寬度來進行偽道路的剔除，進而生成導航調速控制指令。試驗表明，該溫室機器人對于作業道路要求較高，在凹凸不平的路面上適應能力較差。圖3

山東農業大學的張群等[26]提出了一種運用視覺導航溫室機器人路徑識別算法。運用單目攝像機獲取番茄種植環境的圖像信息進行處理，把圖像轉化為二值圖像，根據目標作物的位置來獲取導航離散點，進而通過Hough變換得到導航路徑。試驗結果表明，機器人能夠對于道路信息提取的正確率達到95.7%，且基于機器人對于連續動態圖像分析，該路徑識別方法具有較好的實用性和適用性。

1.1一般資料選取了2015年1月至2016年1月我院的375例異常血液樣本作為對照組,同期選取了正常血液樣本350例作為觀察組,對這些樣本進行了血涂片檢驗,觀察組共有192例男性和183例女性,患者年齡19歲到79歲,平均(44±12.97)歲。對照組有181例男性和169例女性,年齡20至81歲,平均(45±13.01)歲。兩組一般性資料對比不存在統計學差異性,能夠進行對比分析。

Jiang Jin等[27]提出了一種基于視覺信息導航技術方案。將視覺信息作為路徑處理的信息源，根據所建立的路線，在遇到障礙物的過程中，算法實時調整軌跡，滿足移動機器人智能控制的目的，試驗結果表明，該系統能夠充分獲取障礙物信息，保證了機器人運動的實時性和準確性，但是在機器人控制的過程中，系統的實時性、目標特性的多樣化、路面的不確定性等問題還有待于進一步的研究。

圖2 電磁誘導系統示意Fig.2 Schematic diagram of electromagnetic induction system

注：1.激光測距儀;2.顯示器;3.驅動電機;4.前輪;5.后輪

2.2 病蟲害檢測技術

2.2.1 國外病蟲害檢測技術

遙感技術是農業工程中檢測病蟲害信息的重要手段，但是遙感技術獲得的病蟲害信息均為大尺度信息，主要用于大范圍的管理決策，而不是針對田間實時變量噴霧[29]，且并不適用于溫室環境。國外對于病蟲害識別技術研究較早，且有著較為完善的可見光數據庫。傳統的圖像識別技術主要包括降噪、腐蝕、增強、對圖像各個顏色空間特征和紋理特征的提取和建模等。Schor等[30]研發了一套室內辣椒機器人病蟲害檢測系統，用于對辣椒白粉病和番茄病的聯合檢測。系統由RGB(紅綠藍)照相機和激光傳感器組成，利用閾值分割并進行圖像處理，再基于主成分分析和變異系數進行病蟲害的檢測。傳統識別方法在實際的使用中非線性數據的建模識別成功率較低，導致識別成功率并不高[31]。現在病蟲害識別技術逐漸采用紅外光譜和高光譜成像，這種技術可以很好的反映出被測物的外部特征、內部化學特征含量和生理結構的變化，更容易在早期識別出被測物是否發生病變及化學成分的變化。美國內布拉斯加大學的Pandey等[32]利用高光譜成像技術量化玉米和大豆植物體內的各種元素的含量，利用每種植物的反射光譜，建立偏最小二乘回歸模型以將光譜數據與化學數據相關聯。測試結果的含水率、宏量元素、微量元素的準確率分別在93%、69%～92%、19%～86%。

為解決傳統農作物病蟲害識別過程中建模、識別成功率低的問題，一些學者提出了基于深度學習的農作物病蟲害識別技術，深度學習的建模方法相較于傳統的圖像處理手段省去了大量的預處理手段，只需要將圖像裁剪成合適尺寸即可以進行圖像識別，縮短了識別時間且大幅度提高識別準確率。Tian等[33]提出了小麥4種主要病害：白粉病、小麥銹病、葉枯病和條紋狀小麥銹病的檢測方法。通過獲取病態小麥的3種特征:顏色特征、紋理特征和形狀特征，并將其作為3種相應分類器的訓練集。該系統主要分為3個主要步驟:數據采集、特征提取和分類器設計。并采用多分類器系統(MCS)，可以提供更高的分類精度。Mohanty等[34]分析了在數據庫中的54 306幅植物葉子的圖像，其中包括了14種作物和26種疾病，首先將圖像大小調整為256×256像素，執行模型優化和預測。其中最佳建模方式為利用 GoogLeNet卷積神經網絡結構，對彩色圖像進行遷移學習訓練，且其他建模方式的準確率也達到了90% 以上。

2.2.2 國內病蟲害檢測技術

國內對于病蟲害的研究相比國外較晚一些，但我國學者也進行了大量的研究，目前常使用的是比較傳統的識別方法。柴阿麗等[35]利用作物顏色、紋理、形狀特征參數建立了番茄病蟲害識別模型，識別的準確率達到了94%。秦淑芳等[36]研究了甘藍型油菜葉片圖像蟲害程度的檢測方法。主要采用空間彩色空間模型的方法分割圖像，再對圖像進行二值化與去噪處理，只保留葉片區域的二值圖像，最后提取葉片圖像中的8個特征參數，經過特征的選擇與組合得到蟲害程度的有效特征。但這種方法在采集葉片圖像時只采集了1次沒有采集到足夠的不同蟲害的葉片圖像，且在實際的生產過程中，單一株植物的不同葉片的蟲害程度也有所不同，該方法也不再適用。

浙江大學的Zhao等[37]使用高光譜成像技術來確定黃瓜葉中葉綠素和胡蘿卜素的含量，并通過其含量來判斷是否感染角葉斑點。張善文等[38]提出了一種基于卷積神經網絡的黃瓜葉部病蟲害識別方法。主要建立了1個包含6種黃瓜病害的15 500多幅的訓練葉片圖像數據庫，根據病害葉片圖像的復雜性，利用卷積神經網絡從該數據庫中自動學習黃瓜病害葉片圖像的屬性特征，再利用分類器進行分類。試驗結果表明，與基于特征提取的傳統病害識別方法相比，該方法的識別性能較高，但是需要大量的訓練時間。鄒永杰等[39]提出了1種基于機器學習的番茄病蟲害檢測方法。通過提取有病蟲害和無病蟲害的番茄樣本的方向梯度直方圖特征(HOG)和局部二值模式特征(LBP)，然后結合SVM(支持向量機)分類器訓練樣本得到檢測模型，其中HOG特征和LBP特征能夠分別很好的描述番茄葉的邊緣和紋理特征，且2個特征能夠在一定程度上互補，提高了番茄葉病蟲害檢測的成功率。

2.3 對靶噴藥技術

2.3.1 國外對靶噴藥技術的研究現狀

對靶噴藥技術是基于傳感器通過機器視覺技術、超聲波技術、激光技術等信息采集設備，根據目標存在情況自動噴藥。國外對自動對靶噴藥技術研究早，其主要的研究是以最佳的施藥效果和最小的環境污染為目標[40-41]。Liorens等[42]使用常規定容噴霧法與變速噴霧法進行了對比，結果表明，根據目標作物的大小及稠密程度進行的變速噴霧法可以平均節省58%的噴霧量，而且可以獲得相似或者更好的葉片積存。證明了可變速率噴霧技術可以有助于精準施藥。Komasilovs等[43]對溫室中噴藥機器群體優化成本效率問題進行了研究，學者分析了3種傳感器：激光測距儀、距離測量和定位使用的無線電信標和接收器、基于視覺信息的距離測量傳感器。研究表明，基于無線電信標和接收機的距離測量只適用于檢測任務，且成本較高，視覺距離測量和激光測距儀更受青睞分別占到調查對象的71%和26%。

機器視覺是機器人識別技術中應用最廣泛的，主要由1個或多個視覺攝像機、光源、圖像采集卡等構成，結構較簡單。可以獲取二維、三維圖像，可以根據獲取圖像中的顏色、紋理、形狀等主要的形態特征來分析識別目標作物，但是其成像的效果容易受到光照的影響，造成成像不清晰，從而影響機器識別[44]。Giles等[45-47]提出了1種基于機器視覺引導和可調噴嘴的精密帶式噴藥方式。通過CCD(電荷耦合器)攝像機獲取目標作物的圖像信息，并通過改變處于作物上方噴頭的方向和寬度，來進行變量噴藥。在番茄和生菜上進行系統測試表明，與傳統噴藥方式相比噴霧施用率可降低66%～80%，在目標植物上的噴霧沉積效率可提高2.5～3.7倍，在土壤上的非目標噴霧沉積減少了72%～90%，并且可以顯著減少噴霧飄移。

Utstumo等[48]研發了一種基于機器視覺的除草機器人。機器視覺獲取作物周圍的雜草信息，計算機將雜草進行分類并根據雜草的數量和種類進行按需施藥。機器人采用滴注式施藥，配備28個噴嘴，橫向間距為6 mm。試驗表明，與普通噴灑相比，可以節省73%～95%的藥量，大大減少了藥物浪費，但是其效率較低，實用性并不高。圖4

超聲波測距傳感器可以非接觸式測量遠處物體的距離，理論上該傳感器可以用于測量目標靶的到噴頭之間的距離，進而估算目標靶的外形輪廓和體積[49-50]。Maghsoudi等[51]運用超聲波傳感器實時獲取目標作物的距離和體積信息，并基于冠層體積變化進行噴霧，在噴霧效果類似的情況下，平均節省了34.5%的藥量。Miranda-Fuentes等[52]設計了基于超聲波傳感器陣列式的風送式對靶噴霧機，通過在風機前安裝不同高度的超聲波傳感器，每個傳感器對應一組噴頭，通過檢測靶標冠層的存在與無，從而控制噴頭的開關，從而達到減少藥物噴灑，提高冠層內部噴霧沉積率的效果。

Francisco等[53]為解決溫室作物中藥物殘留問題，提出了一種基于超聲波傳感器的溫室噴藥機。噴藥機由超聲波傳感器、電磁閥、控制設備和噴淋設備組成。超聲波傳感器檢測到0～0.5 m范圍內的目標時，忽略其他距離更遠的物體，同時電磁閥開啟，進行噴藥操作。試驗表明，該系統大約能夠節省21%的噴霧液體。超聲波的主要優點是價格低廉，主要的缺點是超聲波較大的發散角限制了測量的分辨率和準確性。圖5

激光主動視覺技術也是現在比較常用的技術，激光雷達高頻率發射出脈沖激光束，根據反射回來的激光回波點云，測量周圍物體各點的距離，也可用于測量目標靶的外形和體積信息[54-56]。Gregorio等[57]使用激光雷達系統對噴霧漂移進行監測。Chen等[58]研制了1種激光引導變速噴霧器。該噴霧機主要通過激光傳感器對目標作物進行三維測量，控制系統根據傳感器的測量結果，控制噴頭沿深度、寬度和高度的3個冠層提供均勻的噴霧覆蓋和沉積，減小了目標作物周圍不同位置、空氣和地面的噴霧損失。激光主動視覺系統具有較高的識別率，獲取的信息也比較多，往往應用于大型的果樹對靶噴藥機中。激光主動視覺系統成本偏高，也限制了其廣泛的應用。

Rafiq等[59]設計了一款溫室環境下使用的自主噴藥機器人。機器人沿著熱水管道進行來回移動，從而省去了復雜的導航系統。機器人主要由控制單元、運動底盤和噴霧單元3個部分組成，當機器人經過放置在地面上的反光標記時，泵就會啟動和關閉，以實現對溫室植物的選擇性噴灑。圖6

圖5 溫室噴藥機作業示意圖Fig.5 Greenhouse spray machine schematic diagram

圖6 基于管道導航的溫室噴藥機器人Fig.6 Greenhouse spraying robot based on pipeline navigation

2.3.2 國內對靶噴藥技術

陳勇等[60]提出了一種自動調節的噴頭組合及射程的智能噴霧機器人，通過脈寬調制實現可變量施藥。胡天翔等[61]提出了一種基于構件化的智能對靶噴霧機軟件系統。使用雙目視覺技術進行信息的提取與測量，設計和實現不同構件的功能，并進行集成。試驗表明，整個系統能夠很好的滿足智能對靶噴霧機的需求。

我國學者也研發了一些自動對靶噴藥機器人，但這些噴藥機大多還處于實驗室階段。目前我國設施蔬菜的施藥還是依靠人工來進行完成。靳文停等[62]設計了1種履帶式溫室智能噴藥機器人。主要由噴藥系統、履帶底盤、控制系統及傳感器等幾部分組成。機器人主要通過安裝的攝像頭360°旋轉，進行采集目標作物環境信息，機器人采用單片機為控制系統進行處理信息，并利用滾珠絲杠進行高度以及幅寬的調節，以增加藥液的覆蓋率。采用微型定時防腐蝕槳葉來進行藥液的攪動，以防止藥液沉淀堵塞噴頭。圖7

趙慧芳等[63]研發了一種溫室自走噴藥機，主要由噴藥裝置、行走裝置、控制裝置組成。噴藥機由人工遙控控制，可以自動換向，不斷往復，通過控制噴藥裝置的風扇的轉向，調節噴藥的方向，噴藥裝置使用可以調節的噴霧密度，解決了普通噴藥方式難以達到的無死角噴藥，但這種噴藥方式需要人工的干預，自動化程度較低。

張俊雄等[64-65]設計了一種溫室對靶噴霧機器人。機器人主要由移動平臺、三自由度機械臂、變量噴嘴以及病蟲害診斷系統組成。機器人系統采用雙目系統，每臺攝像機采集的區域為1.2 m×1.2 m。靶標信息獲取以后，上傳到控制系統，控制系統由二級CPU的主從式的控制方式，上位機為工控機，主要完成的是目標作物中病蟲害信息的采集以及噴藥條件的判斷。下位機主要由PCL組成，能夠在外界復雜的工作環境下穩定工作，主要負責三軸機械臂的運行，處理器將采集到的圖像分成0.2 m×0.2 m為每1個單元，每1個單元對應1個噴嘴，根據檢測到圖像中的病蟲害信息，實現對靶精量施藥的目的。機器人設計了病蟲害監控系統，能夠實現發現病蟲害、定位病蟲害位置、對靶噴藥一系列的工作。機器人底座平臺需設計在特定的軌道上，軌道需安裝在機器人工作的場合，軌道的使用增加了機器人的使用成本，限制了其大規模的使用。圖8

注：1.噴藥桿；2.噴藥嘴；3.滾珠絲桿幅寬調節裝置；4.自主導航攝像頭；5.高度調節裝置；6.循跡避障傳感器；7.藥箱；8.水泵；9.電機；10.控制裝置；11.履帶底盤

注：1.移動平臺；2.導軌；3.剪叉式吊架；4.Y向平移直線導軌；5.X向伸縮直線導軌；6.回轉腕關節；7.攝像機；8.噴桿

3 討 論

3.1利用電子技術和傳感器技術來進行檢測目標靶的有無、作物冠層的大小、作物病蟲害及長勢等特征，實現按需施藥，其中導航技術、病蟲害識別技術及對靶噴藥技術是自動對靶噴藥技術的核心技術。目前導航技術將朝著基于深度學習的障礙物檢測技術與智能避障策略的方向發展，以實現農業機械的智能化[28]。

3.2自動對靶噴藥技術需要進一步提高工作效率。提高目標作物的識別率，可以通過提高識別設備的硬件水平、優化算法等方法進行，利用基于高光譜和深度學習的病蟲害檢測技術，可以提高目標作物病蟲害檢測效率。

3.3目標作物信息的獲取以及對目標植物枝葉稠密程度的判斷是當前噴藥技術面臨的主要問題。在其他因素不變的情況下，枝葉越稠密，藥量需求也就更大，研發更高效、精準的噴藥方式對于自動對靶噴藥技術的發展有著重要的意義。

3.4溫室環境密閉，人工施藥過程中會對人體產生較大的危害。溫室作物密度大，空間占有率高，信息疊加程度較高，大田作業環境下的機器人難以適應。隨著設施農業向大型化、現代化、高新技術化發展，已經有許多的采摘機器人、除草機器人、修剪機器人等應用到實際的生產中去。

4 結 論

國外主要利用GPS、視覺和激光雷達等技術并結合傳感器進行導航，我國學者也研發了電磁誘導式、基于機器視覺的溫室路徑識別算法以及基于激光雷達的道路邊緣檢測方法等溫室導航方法。不同的國家地區根據不同情況，選擇不同的導航方法。在實際的作業中，GPS導航技術在果園或溫室的環境中，信號會受到阻擋，影響導航效果。視覺技術和激光導航技術可以很好的克服這一問題，與GPS導航相比，兩者收集的信息豐富、完整，范圍較廣，更加靈活，實時性和精確性也有提高。因此，根據不同的作業環境，采用多種導航技術相結合的環境感知系統，提高導航的準確性。

國外可見光識別技術已經相當成熟，基于紅外光譜技術和高光譜技術和基于深度學習的病蟲害識別技術已經開始應用于實際的生產工作中去，國內現階段主要采用的是圖像識別技術，我國學者也在高光譜和基于深度學習的病蟲害識別技術進行了一定的研究，取得了一定的成果。可見光成像技術只有在作物外觀發生病變或者發生肉眼可見的病蟲害時才能取得比較好的識別效果，并不能在作物已經患病但還沒有表征的時候檢測出來，引入紅外成像和高光譜技術可以實現對作物內部結構和化學成分發生改變做出預警，實現早期的病蟲害防治，以減少病蟲害帶來的影響。基于深度學習的圖像處理技術可以將復雜背景下的圖像進行分類識別，并且具有較高的準確率，與紅外光譜技術和高光譜技術結合將是未來病蟲害識別的發展方向。

國外對于對靶施藥技術的研究較早，技術較為成熟，其研發的自動對靶噴藥設備大多針對于果園環境，對于溫室設施蔬菜等小型的自動對靶施藥機研究成果較少。采取的技術主要為基于機器視覺、激光主動視覺和超聲波技術，并配合一些其他傳感器使用，對噴藥裝置進行控制，技術較為成熟，且部分樣機已經產品化。采用機器視覺技術獲取靶標病蟲害位置信息，對噴頭進行單獨控制，以達到精準對靶施藥的效果。目前對靶噴藥技術主要面臨的問題有在外界強烈光線的照射下，植物的反射率會增加，圖像顏色會失真，在變化的環境下，該數據不能用于物種識別和分類；另一個問題是作物的稠密程度獲取，由于植物葉片的相互覆蓋，噴藥機器人難以對不同位置的藥液需求量進行計算，從而導致噴藥的效果差；最后一個是目標作物的不同的成長狀況所帶來的影響，不同的生長狀況會出現作物顏色、形狀的不同，會造成光譜反射率變化，從而造成不同的識別結果，進而影響噴藥。