農(nóng)業(yè)機(jī)器人關(guān)鍵技術(shù)研究現(xiàn)狀與發(fā)展趨勢(shì)

劉成良 貢 亮 苑 進(jìn) 李彥明

(1.上海交通大學(xué)機(jī)械與動(dòng)力工程學(xué)院， 上海 200240； 2.上海交通大學(xué)機(jī)械系統(tǒng)與振動(dòng)國(guó)家重點(diǎn)實(shí)驗(yàn)室， 上海 200240；3.山東農(nóng)業(yè)大學(xué)機(jī)械與電子工程學(xué)院， 泰安 271018)

0 引言

1921年捷克科學(xué)家卡爾·恰佩克提出了機(jī)器人概念，20世紀(jì)50年代約瑟夫·恩格爾博格研制出世界上第一臺(tái)用于壓鑄工藝的五軸液壓驅(qū)動(dòng)工業(yè)機(jī)器人Unimate。在機(jī)器人問(wèn)世的初期，技術(shù)發(fā)展較為緩慢，主要停留在大學(xué)和研究所的實(shí)驗(yàn)室。20世紀(jì)70年代，隨著自動(dòng)控制理論和計(jì)算機(jī)技術(shù)的發(fā)展，以美國(guó)Unimation公司PUMA機(jī)器人和日本山梨大學(xué)牧野洋研制的SCARA機(jī)器人為代表的機(jī)器人產(chǎn)品進(jìn)入工業(yè)生產(chǎn)并在隨后的30年內(nèi)趨于成熟，以ABB、軟銀機(jī)器人、波士頓動(dòng)力公司為代表的工業(yè)、服務(wù)、特種機(jī)器人進(jìn)入智能時(shí)代。國(guó)際標(biāo)準(zhǔn)化組織將機(jī)器人定義為自動(dòng)化控制、可編程的機(jī)械作動(dòng)執(zhí)行機(jī)構(gòu)，能夠自主實(shí)現(xiàn)運(yùn)動(dòng)、操縱或定位作業(yè)[1]。農(nóng)業(yè)機(jī)器人隸屬于特種機(jī)器人范疇，持續(xù)獲得社會(huì)、學(xué)術(shù)界和產(chǎn)業(yè)界的關(guān)注。世界范圍內(nèi)的人口老齡化加劇、農(nóng)業(yè)從業(yè)人員短缺催生了“機(jī)器代人”的旺盛需求，加之人工智能、機(jī)器人等技術(shù)的牽引，農(nóng)業(yè)機(jī)器人進(jìn)入快速發(fā)展期。

本文將給出農(nóng)業(yè)機(jī)器人定義與分類(lèi)，綜述國(guó)內(nèi)外農(nóng)業(yè)機(jī)器人技術(shù)現(xiàn)狀，分析農(nóng)業(yè)機(jī)器人共性關(guān)鍵技術(shù)，借鑒機(jī)器人產(chǎn)業(yè)發(fā)展規(guī)律，提出未來(lái)我國(guó)農(nóng)業(yè)機(jī)器人技術(shù)發(fā)展方向和建議。

1 農(nóng)業(yè)機(jī)器人定義與分類(lèi)

1.1 農(nóng)業(yè)機(jī)器人定義

農(nóng)業(yè)機(jī)器人是指用于農(nóng)業(yè)生產(chǎn)，具有感知、決策、控制與執(zhí)行能力的多自由度自主作業(yè)裝備，主要包括信息感知系統(tǒng)、決策控制系統(tǒng)、作業(yè)執(zhí)行機(jī)構(gòu)、自主移動(dòng)平臺(tái)，即“眼、腦、手、腳” 。工程實(shí)際應(yīng)用中，農(nóng)業(yè)機(jī)器人與人工智能、大數(shù)據(jù)、云計(jì)算、物聯(lián)網(wǎng)相結(jié)合，構(gòu)成了農(nóng)業(yè)機(jī)器人應(yīng)用系統(tǒng)[2-3]，它豐富了農(nóng)業(yè)機(jī)器人概念的內(nèi)涵與外延(圖1)。

圖1 農(nóng)業(yè)機(jī)器人與智能農(nóng)業(yè)機(jī)器人應(yīng)用系統(tǒng)概念Fig.1 Concept of agricultural robot and agribot systems

農(nóng)業(yè)機(jī)器人是在復(fù)雜非/半結(jié)構(gòu)化環(huán)境下，主要以生物活體為作業(yè)對(duì)象，服務(wù)于農(nóng)業(yè)生產(chǎn)的單機(jī)、多機(jī)自主作業(yè)裝備或系統(tǒng)，它是智能農(nóng)業(yè)裝備的高端形態(tài)，具有作業(yè)環(huán)境、操作對(duì)象、裝備狀態(tài)、人員行為等信息的全域感知能力，融合機(jī)器學(xué)習(xí)、知識(shí)推理、人機(jī)交互、作業(yè)規(guī)劃等的自主決策能力，以及靈巧作業(yè)、動(dòng)態(tài)伺服、運(yùn)動(dòng)協(xié)同、多機(jī)協(xié)作等精準(zhǔn)執(zhí)行能力， 能在繁重、惡劣、有危害的作業(yè)場(chǎng)景下實(shí)現(xiàn)精準(zhǔn)、高效的生產(chǎn)目標(biāo)。

1.2 農(nóng)業(yè)機(jī)器人分類(lèi)

農(nóng)業(yè)機(jī)器人按照作業(yè)對(duì)象不同可以分類(lèi)為種植機(jī)器人和養(yǎng)殖機(jī)器人。種植機(jī)器人包括田間種植、果園種植、設(shè)施種植機(jī)器人，養(yǎng)殖機(jī)器人包括畜禽養(yǎng)殖、水產(chǎn)養(yǎng)殖機(jī)器人(圖2)。

圖2 農(nóng)業(yè)機(jī)器人分類(lèi)Fig.2 Agricultural robot types and classifications

1.3 農(nóng)業(yè)機(jī)器人產(chǎn)業(yè)需求

我國(guó)農(nóng)業(yè)綜合機(jī)械化率已超過(guò)70%，農(nóng)業(yè)機(jī)械化解放了勞動(dòng)力、提高了勞動(dòng)生產(chǎn)率，基本解決了田間聯(lián)合收割等作業(yè)條件一致性較好、適宜大規(guī)模自動(dòng)化的生產(chǎn)環(huán)節(jié)。然而，農(nóng)業(yè)生產(chǎn)仍然廣泛存在現(xiàn)有農(nóng)機(jī)裝備難以勝任的高、精、尖、難作業(yè)任務(wù)，卻對(duì)具有感知決策、眼手協(xié)同控制等智能化自主作業(yè)能力的農(nóng)業(yè)機(jī)器人提出了明確需求。

現(xiàn)代農(nóng)業(yè)已經(jīng)走向智能化、精細(xì)化時(shí)代，許多農(nóng)業(yè)生產(chǎn)場(chǎng)景都需要類(lèi)似人工靈巧作業(yè)的機(jī)器。農(nóng)業(yè)機(jī)器人應(yīng)運(yùn)而生，能夠承擔(dān)農(nóng)業(yè)從業(yè)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(chǎn)場(chǎng)景，如畜禽舍24 h不間斷巡檢、水下養(yǎng)殖海產(chǎn)品捕撈等；“干不好”指批量高效率精細(xì)作業(yè)難題，例如高速嫁接等；“干不快”指對(duì)高效精細(xì)操作有要求的生產(chǎn)環(huán)節(jié)，農(nóng)業(yè)機(jī)器人能夠顯著提升生產(chǎn)效率和產(chǎn)品質(zhì)量，如精密定植、高效屠宰；“不愿干”指高勞動(dòng)強(qiáng)度或長(zhǎng)時(shí)間枯燥機(jī)械作業(yè)崗位，如飼養(yǎng)、擠奶、采摘等；“危害大”指存在較大有損從業(yè)人員健康安全風(fēng)險(xiǎn)的生產(chǎn)環(huán)節(jié)，如植保噴藥、高枝作業(yè)等。隨著機(jī)器人行業(yè)設(shè)計(jì)、感知、決策、控制等共性技術(shù)發(fā)展，機(jī)器視覺(jué)、軌跡規(guī)劃、定位導(dǎo)航等單元技術(shù)性能趨于成熟，為農(nóng)業(yè)機(jī)器人場(chǎng)景落地提供了技術(shù)支撐。

1.4 農(nóng)業(yè)機(jī)器人技術(shù)挑戰(zhàn)

與結(jié)構(gòu)化環(huán)境下作業(yè)的工業(yè)機(jī)器人不同，農(nóng)業(yè)機(jī)器人處于非結(jié)構(gòu)化、不確定性作業(yè)環(huán)境，面臨自主柔性作業(yè)要求高、場(chǎng)景動(dòng)態(tài)適應(yīng)性強(qiáng)等重大技術(shù)問(wèn)題，對(duì)復(fù)雜場(chǎng)景下的目標(biāo)識(shí)別機(jī)器視覺(jué)、動(dòng)態(tài)環(huán)境下避障規(guī)劃與實(shí)時(shí)軌跡控制等機(jī)器人共性前沿技術(shù)提出了超高要求。

(1)生物環(huán)境感知難

農(nóng)業(yè)機(jī)器人作業(yè)場(chǎng)景復(fù)雜、對(duì)象多變，需重點(diǎn)突破以下關(guān)鍵理論技術(shù)：①作業(yè)環(huán)境與對(duì)象多源異構(gòu)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(shù)據(jù)的高精度高可靠農(nóng)業(yè)目標(biāo)識(shí)別、實(shí)例分割和空間定位等機(jī)器學(xué)習(xí)模型算法。③嵌入數(shù)據(jù)清洗、特征提取、參數(shù)補(bǔ)償、多傳感數(shù)據(jù)融合等片上模型的智能邊緣計(jì)算模組設(shè)計(jì)。 這是農(nóng)業(yè)機(jī)器人“眼睛”面臨的技術(shù)挑戰(zhàn)。

(2)認(rèn)知決策控制難

農(nóng)業(yè)環(huán)境場(chǎng)景對(duì)象的準(zhǔn)確認(rèn)知決策控制是計(jì)算、數(shù)據(jù)科學(xué)和人工智能領(lǐng)域核心問(wèn)題，需重點(diǎn)突破以下關(guān)鍵理論技術(shù)：① 基于多源感知異構(gòu)信息的物景認(rèn)知，包括數(shù)據(jù)高效標(biāo)注、語(yǔ)義分析、行為識(shí)別、知識(shí)推理等。②基于機(jī)器學(xué)習(xí)的智能決策，包括任務(wù)規(guī)劃、路徑規(guī)劃、軌跡規(guī)劃、運(yùn)動(dòng)規(guī)劃等。③面向高動(dòng)態(tài)、強(qiáng)干擾、高并發(fā)任務(wù)的自適應(yīng)魯棒控制，包括機(jī)器人多部件協(xié)同控制等。④基于多核處理器、NPU等專(zhuān)用芯片的農(nóng)業(yè)機(jī)器人控制器設(shè)計(jì)，農(nóng)業(yè)機(jī)器人操作系統(tǒng)(Agri-ROS)及其應(yīng)用生態(tài)構(gòu)建，網(wǎng)絡(luò)化農(nóng)業(yè)機(jī)器人端邊云協(xié)同。這是農(nóng)業(yè)機(jī)器人“大腦”面臨的技術(shù)挑戰(zhàn)。

(3)高效精準(zhǔn)作業(yè)難

農(nóng)業(yè)機(jī)器人的操縱任務(wù)是實(shí)現(xiàn)高效精準(zhǔn)作業(yè)。需重點(diǎn)突破以下關(guān)鍵理論技術(shù)：①生物友好的輕量化柔性機(jī)械臂設(shè)計(jì)。②力覺(jué)觸覺(jué)敏感、視覺(jué)伺服的驅(qū)控一體智能末端執(zhí)行器設(shè)計(jì)。③靈巧采摘、高速嫁接、上杯擠奶等機(jī)器人快速高效眼手協(xié)同作業(yè)。這是農(nóng)業(yè)機(jī)器人“手臂”面臨的技術(shù)挑戰(zhàn)。

(4)自主導(dǎo)航行走難

農(nóng)業(yè)機(jī)器人自主行走面臨全地形、多遮擋、動(dòng)態(tài)場(chǎng)景下運(yùn)動(dòng)、定位、避障、規(guī)劃難題，需重點(diǎn)突破以下關(guān)鍵理論技術(shù)：①?gòu)?fù)雜農(nóng)田環(huán)境下驅(qū)控一體化全驅(qū)FWD底盤(pán)結(jié)構(gòu)優(yōu)化設(shè)計(jì)。②多軸(輪)驅(qū)動(dòng)力協(xié)同、功率匹配與能耗管理。③多傳感融合的地圖構(gòu)建、定位導(dǎo)航、自主避障技術(shù)。 這是農(nóng)業(yè)機(jī)器人“腿腳”面臨的技術(shù)挑戰(zhàn)。

(5)眼腦手腳協(xié)同難

農(nóng)業(yè)機(jī)器人作業(yè)場(chǎng)景復(fù)雜、作業(yè)任務(wù)多樣，需重點(diǎn)突破以下關(guān)鍵理論技術(shù)：①農(nóng)業(yè)機(jī)器人眼腦手腳集成設(shè)計(jì)技術(shù)。②機(jī)器人多運(yùn)動(dòng)部件協(xié)同、人機(jī)交互技術(shù)。③云環(huán)境下機(jī)器人集群規(guī)劃調(diào)度方法。這是農(nóng)業(yè)機(jī)器人“系統(tǒng)”面臨的技術(shù)挑戰(zhàn)。

綜上，5大技術(shù)挑戰(zhàn)貫穿農(nóng)業(yè)機(jī)器人設(shè)計(jì)、控制、制造、應(yīng)用全過(guò)程。農(nóng)業(yè)機(jī)器人技術(shù)門(mén)檻高、開(kāi)發(fā)難度大、高可靠低成本矛盾突出，是農(nóng)業(yè)機(jī)器人產(chǎn)業(yè)發(fā)展必須解決的問(wèn)題。

2 農(nóng)業(yè)機(jī)器人技術(shù)發(fā)展現(xiàn)狀

自誕生以來(lái)，農(nóng)業(yè)機(jī)器人隨著工業(yè)機(jī)器人和其他類(lèi)機(jī)器人的發(fā)展而不斷進(jìn)步，尤其是在移栽、巡檢、植保、擠奶、飼喂等產(chǎn)業(yè)獲得初步應(yīng)用。

2.1 農(nóng)業(yè)機(jī)器人發(fā)展階段

農(nóng)業(yè)機(jī)器人的發(fā)展大體上可分為3個(gè)階段：第1階段為萌芽期，從20世紀(jì)80年代至20世紀(jì)末，農(nóng)業(yè)生產(chǎn)環(huán)節(jié)中引入了機(jī)械臂、圖像處理等工業(yè)機(jī)器人元素，助推了農(nóng)業(yè)自動(dòng)化的發(fā)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(jī)器人進(jìn)入產(chǎn)業(yè)應(yīng)用期[7-12]。第3階段，2016年至今為發(fā)展期，人工智能技術(shù)工程化趨于成熟并進(jìn)入復(fù)雜農(nóng)業(yè)場(chǎng)景，除草、表型機(jī)器人形成了示范應(yīng)用[13-14]。農(nóng)業(yè)機(jī)器人進(jìn)入多學(xué)科交叉融合高技術(shù)整體驅(qū)動(dòng)的新時(shí)代(圖3)。

圖3 農(nóng)業(yè)機(jī)器人發(fā)展階段Fig.3 Agricultural robot development phases

2.2 農(nóng)業(yè)機(jī)器人技術(shù)發(fā)展現(xiàn)狀

農(nóng)業(yè)機(jī)器人技術(shù)受機(jī)器人機(jī)構(gòu)學(xué)、人工智能、物聯(lián)網(wǎng)、移動(dòng)通信、傳感器等前沿技術(shù)牽引，逐漸全面滲透到種植、養(yǎng)殖產(chǎn)業(yè)各個(gè)生產(chǎn)應(yīng)用場(chǎng)景，世界各國(guó)先后研發(fā)了各式各樣的農(nóng)業(yè)機(jī)器人。

2.2.1大田農(nóng)業(yè)機(jī)器人

大田農(nóng)業(yè)機(jī)器人是指在大田環(huán)境下從事作物表型、農(nóng)情巡檢、墑情檢測(cè)、雜草去除、土地平整、特種選擇性作物收獲等任務(wù)的自主作業(yè)裝備，其關(guān)鍵技術(shù)包括精準(zhǔn)導(dǎo)航、機(jī)器視覺(jué)、智慧決策、自主行走和智能作業(yè)控制等。

(1)信息獲取類(lèi)機(jī)器人

大田信息獲取類(lèi)機(jī)器人主要完成作物發(fā)育表型、作物長(zhǎng)勢(shì)、病蟲(chóng)草害、土壤理化性質(zhì)等信息采集，可用于品種選育、田間管理、適時(shí)收獲等作業(yè)決策。 其主要技術(shù)難點(diǎn)在于種類(lèi)繁多的高性?xún)r(jià)比機(jī)載傳感器研發(fā)，以及田間高效巡檢平臺(tái)自適應(yīng)快速穩(wěn)定行走設(shè)計(jì)問(wèn)題。

荷蘭Phenospex[15]、德國(guó)LemnaTec[16]和法國(guó)RoboPec公司[17]開(kāi)發(fā)了龍門(mén)式和懸臂式植物表型機(jī)器人，通過(guò)疊加3D和多光譜信息準(zhǔn)確測(cè)量最大植物高度、3D葉面積、葉片角度、光穿透深度等形態(tài)參數(shù)，具有高精準(zhǔn)度、完全自動(dòng)化、不受照明條件影響、可實(shí)現(xiàn)晝夜掃描等優(yōu)點(diǎn)，實(shí)現(xiàn)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(dòng)式作物表型分析機(jī)器人，實(shí)現(xiàn)了作物莖稈強(qiáng)度及幾何形態(tài)的高通量測(cè)量(圖4d、4e)。上海交通大學(xué)張偉軍等開(kāi)發(fā)了全地形適應(yīng)性田間作物巡檢機(jī)器人，采用8輪錯(cuò)位構(gòu)型與主被動(dòng)復(fù)合柔性驅(qū)控算法，保障了行進(jìn)過(guò)程中機(jī)載激光傳感器和魚(yú)眼相機(jī)圖像獲取的穩(wěn)定性 (圖4f) 。

圖4 高通量表型檢測(cè)機(jī)器人Fig.4 High throughput field plant phenotyping robots

加拿大薩斯喀徹溫大學(xué)BAYATI 等[21]開(kāi)發(fā)了一種高通量油菜植物表型監(jiān)測(cè)分析移動(dòng)機(jī)器人平臺(tái)(圖5)。該平臺(tái)具有GIS標(biāo)注功能，實(shí)現(xiàn)了高通量大范圍精準(zhǔn)圖像獲取和表型分析。美國(guó)卡耐基梅隆大學(xué)NARVAEZ等[22]提出了采用激光環(huán)視掃描、實(shí)時(shí)目標(biāo)定位和場(chǎng)景重構(gòu)方法開(kāi)發(fā)高速表型分析機(jī)器人，能夠?qū)崿F(xiàn)在高粱或玉米等行間作物冠層之下的測(cè)量植物莖強(qiáng)度、葉片直立性、葉片發(fā)病率、植被指數(shù)(GRVI)等表型數(shù)據(jù)。

圖5 高通量油菜表型監(jiān)測(cè)分析平臺(tái)[21]Fig.5 Brassica phenotyping and analysis robot1.GPS天線 2.機(jī)械臂 3.油菜畦 4.檢測(cè)設(shè)備

美國(guó)伊利諾伊大學(xué)KAYACAN 等[23]開(kāi)發(fā)了一種應(yīng)用于玉米田冠下的輕小型機(jī)器人TerraSentia(圖6)。該機(jī)器人利用機(jī)器視覺(jué)算法自動(dòng)駕駛穿越田地來(lái)收集作物數(shù)據(jù)。利用深度學(xué)習(xí)算法，它還可以監(jiān)測(cè)早期植物生長(zhǎng)活力、識(shí)別疾病和估計(jì)農(nóng)作物產(chǎn)量。

圖6 TerraSentia作物巡檢機(jī)器人Fig.6 TerraSentia plant monitoring robot

農(nóng)情巡檢方面，羅錫文、何勇團(tuán)隊(duì)[24-25]利用無(wú)人機(jī)、結(jié)構(gòu)光技術(shù)和地面無(wú)線傳感器網(wǎng)絡(luò)中繼等方法采集農(nóng)田信息和獲取植物三維形態(tài)結(jié)構(gòu)，滿(mǎn)足了農(nóng)田信息數(shù)據(jù)采集和監(jiān)控的生命周期長(zhǎng)、傳輸數(shù)據(jù)可靠、覆蓋面積廣的要求。

(2)田間耕種類(lèi)機(jī)器人

田間耕種類(lèi)機(jī)器人是指通過(guò)自主導(dǎo)航、智慧決策和精準(zhǔn)化作業(yè)的伺服控制技術(shù)，實(shí)現(xiàn)大田生產(chǎn)土地耕整一致性、播種精量化、移栽智能化的機(jī)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(nóng)作物產(chǎn)量和質(zhì)量。 相較于其他農(nóng)業(yè)機(jī)器人，播種/施肥/移栽機(jī)器人相對(duì)成熟。其主要技術(shù)難點(diǎn)在于高精度高程圖實(shí)時(shí)繪制、對(duì)特殊形態(tài)種子的精量播種、漏播監(jiān)測(cè)和補(bǔ)種，以及移栽中的高速識(shí)苗取苗-剔苗補(bǔ)苗問(wèn)題。

作業(yè)區(qū)平整地作業(yè)是全程自主作業(yè)的基礎(chǔ)，聯(lián)適導(dǎo)航公司[26]研制的自主平地機(jī)器人根據(jù)機(jī)載高精度北斗衛(wèi)星實(shí)時(shí)測(cè)量平地機(jī)具在作業(yè)軌跡點(diǎn)的高程信息，并繪制高程圖，繼而與方案圖中目標(biāo)高程進(jìn)行對(duì)比，系統(tǒng)作業(yè)時(shí)通過(guò)實(shí)時(shí)計(jì)算不同定位點(diǎn)的高程差自主調(diào)整平地鏟高度，從而精準(zhǔn)獲得平地效果(圖7)。ZHOU等[27]研究了農(nóng)田三維地形圖繪制、不平水田硬底層平整前饋補(bǔ)償控制、平整路徑規(guī)劃等關(guān)鍵技術(shù)，實(shí)現(xiàn)了基于北斗的水田智能化精準(zhǔn)平整作業(yè)。John Deere 公司開(kāi)發(fā)了無(wú)人駕駛激光平地機(jī)，實(shí)現(xiàn)激光平地機(jī)群協(xié)同作業(yè)，提升了作業(yè)效能。

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

德國(guó)烏爾姆應(yīng)用科學(xué)大學(xué)的BLENDER等[28]開(kāi)發(fā)了管理集群播種機(jī)器人的OptiVisor云控系統(tǒng)，可以協(xié)調(diào)控制多機(jī)器人機(jī)群的播種模式、播種密度、路徑規(guī)劃、播種補(bǔ)種、多機(jī)避碰。魏新華等[29]設(shè)計(jì)了穴盤(pán)苗全自動(dòng)移栽協(xié)調(diào)控制系統(tǒng)，實(shí)現(xiàn)了苗盤(pán)橫向進(jìn)給運(yùn)動(dòng)、取苗機(jī)械手縱向往復(fù)運(yùn)動(dòng)、垂直取放苗和喂苗動(dòng)作的電動(dòng)氣動(dòng)復(fù)合伺服控制，保障了地輪行進(jìn)速度和移栽動(dòng)作的時(shí)序協(xié)調(diào)，缽苗移栽成功率達(dá)到96.9%。

(3)田間管理類(lèi)機(jī)器人

田間管理類(lèi)機(jī)器人是指通過(guò)自主導(dǎo)航、視覺(jué)識(shí)別與定位和精準(zhǔn)作業(yè)控制技術(shù)完成除草、噴藥、追肥等功能的機(jī)器人，主要針對(duì)病蟲(chóng)草害實(shí)現(xiàn)精準(zhǔn)對(duì)靶施藥，針對(duì)作物生理需求實(shí)現(xiàn)按需變量追肥，提高農(nóng)藥和肥料利用率，提高農(nóng)產(chǎn)品品質(zhì)，減少生產(chǎn)成本，改善生態(tài)環(huán)境。它的主要技術(shù)難點(diǎn)在于作物雜草高精度實(shí)時(shí)識(shí)別、精準(zhǔn)對(duì)靶作業(yè)等。

澳大利亞昆士蘭科技大學(xué)的MCCOOL 等[30]研發(fā)了新一代作物和雜草管理機(jī)器人AgBot II(圖8)，以機(jī)器人團(tuán)隊(duì)協(xié)作方式在田間自主導(dǎo)航、施肥、除草，雜草檢測(cè)和分類(lèi)識(shí)別成功率在90%以上。

圖8 AgBot II機(jī)器人Fig.8 AgBot II field management robot

美國(guó)John Deere、BlueRiver公司研發(fā)的智能除草機(jī)器人采用新一代See&Spray化學(xué)雜草控制技術(shù)，利用高分辨率攝像機(jī)實(shí)時(shí)識(shí)別雜草，實(shí)現(xiàn)了單株雜草個(gè)性化噴施，大大降低殺蟲(chóng)劑使用量(圖9a)[31]。瑞士EcoRobotix公司研發(fā)了太陽(yáng)能驅(qū)動(dòng)的除草機(jī)器人，應(yīng)用機(jī)器視覺(jué)、GPS和其他傳感器自主跟蹤作物行并以95%的精度檢測(cè)定位雜草，然后通過(guò)并聯(lián)機(jī)械臂以高響應(yīng)速度將小劑量的除草劑直接噴到雜草上，可減少農(nóng)藥用量20倍(圖9b)[32]。美國(guó)Carbon Robotic(CR)公司研制了大田除草機(jī)器人，利用人工智能和激光模組來(lái)進(jìn)行大田除草，二氧化碳激光模組陣列每50 ms發(fā)射一次，精度控制在3 mm內(nèi)，可以同時(shí)對(duì)8處目標(biāo)進(jìn)行激光除草(圖9c)[33]。法國(guó)的Naio Technologies公司研發(fā)了不同尺度的系列純電動(dòng)力農(nóng)業(yè)機(jī)器人，采用四輪驅(qū)動(dòng)四輪轉(zhuǎn)向的田間U形行間轉(zhuǎn)向，可完成大田雜草控制、中耕等作業(yè)以及采集作物的數(shù)據(jù)，輔助作物產(chǎn)量管理(圖9d)[34]。

圖9 典型大田除草機(jī)器人Fig.9 Field weed removing robot

李南等[35]設(shè)計(jì)了電驅(qū)動(dòng)田間鋤草機(jī)器人，以中小功率拖拉機(jī)為配套動(dòng)力，機(jī)器視覺(jué)系統(tǒng)實(shí)時(shí)對(duì)作物和雜草進(jìn)行識(shí)別與定位，伺服電動(dòng)機(jī)驅(qū)動(dòng)月牙形鋤草刀對(duì)行護(hù)苗鋤草，傷苗率小于10%，雜草鋤凈率約為90%。

(4)田間收獲類(lèi)機(jī)器人

大田收獲類(lèi)機(jī)器人是指通過(guò)機(jī)器視覺(jué)等技術(shù)識(shí)別與定位、選擇作業(yè)對(duì)象并依據(jù)對(duì)象特征實(shí)現(xiàn)差異化精準(zhǔn)收獲控制的機(jī)器人，它關(guān)注無(wú)法大規(guī)模自動(dòng)化采收的對(duì)象，同時(shí)注重收獲作業(yè)的高效性和適應(yīng)性，彌補(bǔ)了農(nóng)機(jī)裝備在精細(xì)選擇性收獲作業(yè)方面裝備的不足。其主要技術(shù)難點(diǎn)是高效、低損收獲末端執(zhí)行器設(shè)計(jì)與控制。

翟長(zhǎng)遠(yuǎn)等[36]將無(wú)人駕駛技術(shù)、機(jī)器視覺(jué)與甘藍(lán)收獲技術(shù)結(jié)合，研制了大田甘藍(lán)自主收獲機(jī)器人(圖10a)，通過(guò)北斗系統(tǒng)定位種植行后將采收臂與甘藍(lán)對(duì)齊、機(jī)器視覺(jué)微調(diào)后完成對(duì)行采收作業(yè)，同時(shí)通過(guò)傳輸通道將甘藍(lán)運(yùn)至協(xié)同運(yùn)輸?shù)淖詣?dòng)行駛車(chē)輛。 美國(guó)CROO Robotics研發(fā)了大田高壟草莓收獲機(jī)器人[37](圖10b)，利用草莓與莖葉的位置差異，設(shè)計(jì)了柔性莖葉和草莓果分離末端執(zhí)行器和開(kāi)合式硅爪采收輪，通過(guò)旋轉(zhuǎn)光學(xué)相機(jī)識(shí)別定位目標(biāo)草莓，實(shí)現(xiàn)了快速采收、輸送和集箱。

圖10 大田甘藍(lán)、草莓收獲機(jī)器人Fig.10 Field cabbage and strawberry harvesting robots

荷蘭Cerescon、AvL Motion公司[38]研發(fā)了產(chǎn)品化的白蘆筍選擇性收獲機(jī)器人。前者采用了基于介電特性的壟面下蘆筍檢測(cè)，白蘆筍收獲末端執(zhí)行器和雙臂并行收筍機(jī)構(gòu)等技術(shù)，實(shí)現(xiàn)了最大采收效率0.3 hm2/h。后者采用光學(xué)視覺(jué)手段檢測(cè)出土筍芽，設(shè)計(jì)了基于回轉(zhuǎn)鏈循環(huán)的多末端執(zhí)行器，實(shí)現(xiàn)了壟上多個(gè)白蘆筍的入土、切割、柔性?shī)A持和出土集箱過(guò)程，每株平均收獲時(shí)間為1.3 s(圖11)。

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

2.2.2果園機(jī)器人

果園生產(chǎn)和大田農(nóng)業(yè)生產(chǎn)一樣，也要走從機(jī)械化、自動(dòng)化向機(jī)器人化發(fā)展的路徑。果園多位于丘陵山地等崎嶇地面， 其主要任務(wù)包括果園物境信息獲取、剪枝套袋、對(duì)靶噴藥、疏花疏果、果實(shí)采摘等，它對(duì)移動(dòng)過(guò)程中精準(zhǔn)作業(yè)具有較高要求。

(1)果園巡檢類(lèi)機(jī)器人

果園巡檢類(lèi)機(jī)器人主要依靠機(jī)器視覺(jué)、自主導(dǎo)航、智能決策功能完成果樹(shù)長(zhǎng)勢(shì)、果品產(chǎn)量質(zhì)量、病蟲(chóng)草害的檢測(cè)與預(yù)警，主要用于病蟲(chóng)草害監(jiān)控、產(chǎn)量預(yù)估與收獲作業(yè)規(guī)劃等目的。其主要技術(shù)難點(diǎn)在于移動(dòng)視角下的果樹(shù)果實(shí)目標(biāo)檢測(cè)、時(shí)空變換下巡檢信息的融合和數(shù)據(jù)挖掘。

澳大利亞悉尼大學(xué)BARGOTI 等[39]基于形態(tài)學(xué)和深度學(xué)習(xí)，開(kāi)發(fā)了果實(shí)原位識(shí)別及產(chǎn)量預(yù)估的果園巡檢機(jī)器人，自然條件下漏檢率低于5%，估產(chǎn)精度達(dá)到85%(圖12)。HE等[40]綜述了果園估產(chǎn)機(jī)器人技術(shù)前沿進(jìn)展,并指出估產(chǎn)特征優(yōu)選、光譜成像時(shí)機(jī)選擇、多尺度信息融合等技術(shù)具有決定性作用。

圖12 果園巡檢與估產(chǎn)機(jī)器人 Fig.12 Fruit detection and yield estimation robot

文獻(xiàn)[43-44]設(shè)計(jì)了地形高通過(guò)性的果園機(jī)器人底盤(pán)及其控制系統(tǒng)，開(kāi)發(fā)了面向果園巡檢、采收、物流功能的組合導(dǎo)航系統(tǒng)， 基于CSF (Cloth simulation filter) 和RANSAC (RANdom SAmple consensus)方法對(duì)圖像和點(diǎn)云信息進(jìn)行融合，機(jī)器人循跡導(dǎo)航偏航誤差小于5 cm。ZHOU等[45]針對(duì)果園物流機(jī)器人穩(wěn)定性控制問(wèn)題，提出了基于數(shù)據(jù)驅(qū)動(dòng)的狀態(tài)控制算法，實(shí)現(xiàn)了不同路況下機(jī)器人高性能動(dòng)力學(xué)特性控制。

(2)果園管理類(lèi)機(jī)器人

果園管理類(lèi)機(jī)器人是指通過(guò)自主導(dǎo)航、視覺(jué)識(shí)別與定位和精準(zhǔn)作業(yè)控制技術(shù)完成除草噴藥、剪枝套袋、對(duì)靶噴藥、疏花疏果等功能的機(jī)器人，主要針對(duì)病蟲(chóng)草害實(shí)現(xiàn)精準(zhǔn)對(duì)靶施藥、靈巧疏花疏果套袋作業(yè)，提高果品品質(zhì)，實(shí)現(xiàn)機(jī)器代人。它的主要技術(shù)難點(diǎn)在于靈巧作業(yè)手臂設(shè)計(jì)、作物雜草精確識(shí)別、精準(zhǔn)對(duì)靶噴藥控制等。

MAJEED等[46]設(shè)計(jì)了葡萄園剪枝機(jī)器人，采用RGB-D機(jī)器視覺(jué)檢出果樹(shù)結(jié)構(gòu)，優(yōu)化決策作業(yè)點(diǎn)，實(shí)現(xiàn)了行進(jìn)中自主剪枝作業(yè)。法國(guó)Wall-Ye葡萄枝修剪機(jī)器人每天可以修剪600棵葡萄樹(shù)，具備高負(fù)荷、高效率的工作性能(圖13a)[47]。BOTTERILL等[48]研發(fā)的葡萄剪枝機(jī)器人，每株葡萄平均剪枝8條，全自動(dòng)作業(yè)效率2 min/株。YOU等[49]設(shè)計(jì)了櫻桃剪枝機(jī)器人枝條骨架分析算法，基于語(yǔ)義導(dǎo)引的方式對(duì)枝條重建正確率超過(guò)70%，能夠有效支撐機(jī)器人剪枝決策(圖13b)。美國(guó)Vision Robotics公司[50]研發(fā)的蘋(píng)果剪枝機(jī)器人可以代替90%人工(圖13c)。

圖13 果園剪枝機(jī)器人Fig.13 Orchard pruning robots

德國(guó)霍恩海姆大學(xué)REISER等[51]研發(fā)了 “鳳凰”電動(dòng)旋轉(zhuǎn)式除草機(jī)器人(圖14)，用來(lái)清除果園內(nèi)的雜草。在機(jī)器人的動(dòng)力與結(jié)構(gòu)方面，將傳統(tǒng)刀具的液壓馬達(dá)替換為電動(dòng)馬達(dá)，并進(jìn)行了整機(jī)輕量化設(shè)計(jì)。除草機(jī)器人可以精確高效地完成果園除草任務(wù)。

圖14 “鳳凰”除草機(jī)器人Fig.14 “Phenix” weed removing robot

吳應(yīng)新等[52]針對(duì)果園地形開(kāi)發(fā)了混合動(dòng)力除草機(jī)器人能源管理系統(tǒng)及通用仿真平臺(tái)，基于路面統(tǒng)計(jì)信息優(yōu)化的動(dòng)力切換策略可提升整機(jī)能效8%以上。曉耕智能科技有限公司[53]開(kāi)發(fā)了基于通用移動(dòng)底盤(pán)的果園管理系列機(jī)器人，實(shí)現(xiàn)了果園除草、噴藥、物流機(jī)器人模塊化生產(chǎn)和功能重構(gòu)。

(3)果園采摘類(lèi)機(jī)器人

果園采摘是季節(jié)性強(qiáng)、最費(fèi)工費(fèi)時(shí)費(fèi)力的生產(chǎn)環(huán)節(jié)。果園采摘類(lèi)機(jī)器人是指具備自主導(dǎo)航、果實(shí)識(shí)別定位、作業(yè)規(guī)劃、采摘?jiǎng)幼骺刂乒δ艿臋C(jī)器人。高效低損采摘是機(jī)器人化作業(yè)的巨大技術(shù)挑戰(zhàn)。

美國(guó)華盛頓州立大學(xué)ZHANG[54]、SILWAL 等[55]開(kāi)發(fā)了一種蘋(píng)果自動(dòng)采摘機(jī)器人(圖15)。機(jī)器人通過(guò)機(jī)器視覺(jué)定位成熟果實(shí)，利用7自由度的采摘機(jī)構(gòu)完成采摘過(guò)程，平均單果采摘時(shí)間6.0 s，采摘成功率為84%。

圖15 蘋(píng)果采摘機(jī)器人 Fig.15 Apple picking robot

澳大利亞莫納什大學(xué)GRANLAND等[56]和WANG等[57]針對(duì)蘋(píng)果園機(jī)器人化采收問(wèn)題給出了較為系統(tǒng)的解決方案，提出果實(shí)形態(tài)分割識(shí)別方法，并設(shè)計(jì)了采摘機(jī)械手,采摘點(diǎn)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(guó)的Abundant Robotics(圖16b)分別研發(fā)了具有市場(chǎng)化前景的蘋(píng)果采摘機(jī)器人，采用深度相機(jī)方式識(shí)別和定位蘋(píng)果，在并行多臂上安裝真空吸入式的蘋(píng)果采摘末端執(zhí)行器和直角坐標(biāo)的三指抓握式末端執(zhí)行器，通過(guò)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(fā)了獼猴桃采摘機(jī)器人(圖16c)，用于下垂生長(zhǎng)的獼猴桃的自主采收作業(yè)，收獲成功率達(dá)到86.0%，獼猴桃平均收獲時(shí)間為2.78 s/個(gè)。中國(guó)農(nóng)業(yè)機(jī)械化科學(xué)研究院與江蘇大學(xué)[60]聯(lián)合開(kāi)發(fā)了一種由機(jī)械臂、末端執(zhí)行器和基于圖像視覺(jué)伺服控制系統(tǒng)組成的蘋(píng)果采摘裝置，對(duì)具有5自由度的PRRRP結(jié)構(gòu)的機(jī)械臂進(jìn)行了幾何優(yōu)化，基于支持向量機(jī)開(kāi)發(fā)了果實(shí)識(shí)別算法，實(shí)現(xiàn)了對(duì)果樹(shù)和果實(shí)的自動(dòng)檢測(cè)和采摘。蘋(píng)果采收成功率為77%，平均采收時(shí)間約為15 s/個(gè)(圖16d)。 針對(duì)采收機(jī)器人優(yōu)化結(jié)構(gòu)設(shè)計(jì)，以色列理工大學(xué)BLOCH等[61]提出了一種針對(duì)不同蘋(píng)果樹(shù)結(jié)構(gòu)的蘋(píng)果采收機(jī)器人機(jī)構(gòu)優(yōu)化方法，將蘋(píng)果樹(shù)按照結(jié)構(gòu)分為CL型(Central Leader)、Y型(Y-trellis)和TS型(Tall Spindle)，建立3D樹(shù)模型的完整數(shù)據(jù)庫(kù)。針對(duì)不同樹(shù)結(jié)構(gòu)分別建立了鉸接式(RRR)、笛卡爾(PPP)、伸縮式(RRP)3種機(jī)器人機(jī)構(gòu)。

圖16 果園收獲機(jī)器人Fig.16 Orchard harvesting robot

文獻(xiàn)[62-63]通過(guò)固定于機(jī)械臂一側(cè)的KinectV2獲取場(chǎng)景RGB圖和深度圖，對(duì)荔枝的果梗進(jìn)行圖像分割和三維定位，基于RRT算法在線規(guī)劃避障采摘路徑，通過(guò)氣缸驅(qū)動(dòng)末端實(shí)施果枝剪切與夾持，實(shí)現(xiàn)高效和穩(wěn)定的荔枝串收獲(圖17)。

圖17 荔枝采摘機(jī)器人Fig.17 Litchi picking robot

文獻(xiàn)[64-65]研制了獼猴桃采摘機(jī)器人，提出的Progressive probabilistic Hough transform (PPHT) 圖像處理方法對(duì)纖細(xì)的種植拉線檢出率達(dá)92.4%。開(kāi)發(fā)的算法有效避免了采摘過(guò)程中的機(jī)械臂碰撞。ZHOU等[66]設(shè)計(jì)了在天然橡膠種植園作業(yè)的割膠機(jī)器人，建立六軸串聯(lián)機(jī)器人空間螺旋軌跡規(guī)劃方法，雙目立體視覺(jué)系統(tǒng)獲取了采集切割軌跡所需參數(shù)，以精確控制切割軌跡和割膠作業(yè)。樹(shù)間周期割膠作業(yè)平均消耗時(shí)間為(80±5) s(圖18)。

圖18 割膠機(jī)器人Fig.18 Rubber-tapping robot1.末端執(zhí)行器 2.相機(jī) 3.結(jié)構(gòu)光 4.面光源 5.機(jī)械臂6.控制柜 7.移動(dòng)平臺(tái)

果園收獲機(jī)器人的機(jī)器視覺(jué)[67]、末端執(zhí)行器[68]、作業(yè)點(diǎn)規(guī)劃和作業(yè)運(yùn)動(dòng)規(guī)劃[69-70]、自主行走[71]等熱點(diǎn)問(wèn)題均被廣泛深入討論和研究。

2.2.3設(shè)施農(nóng)業(yè)機(jī)器人

設(shè)施半結(jié)構(gòu)準(zhǔn)工廠化環(huán)境適合機(jī)器人化生產(chǎn)，設(shè)施農(nóng)業(yè)機(jī)器人用于設(shè)施環(huán)境下高速高效精準(zhǔn)作業(yè)，主要包括表型選育、種苗移栽嫁接、長(zhǎng)勢(shì)-產(chǎn)量-病蟲(chóng)害巡檢、打葉整枝、果蔬采收等機(jī)器人。

(1)育苗表型類(lèi)機(jī)器人

設(shè)施表型機(jī)器人是在可控環(huán)境條件下進(jìn)行作物形狀、結(jié)構(gòu)、大小、顏色等可觀測(cè)性狀進(jìn)行高通量信息獲取的機(jī)器人，它為優(yōu)良品種選育提供表型組學(xué)信息。其難點(diǎn)技術(shù)在于多源時(shí)空高光譜信息融合識(shí)別、復(fù)雜生長(zhǎng)環(huán)境下生物性狀特征去噪辨識(shí)等。

LIU等[72]、XIAO等[73]、GU等[74]提出了環(huán)境-表型同步關(guān)聯(lián)分析方法，設(shè)計(jì)了葉菜、大株作物品種選育高通量表型分選機(jī)器人，實(shí)現(xiàn)了葉面積參數(shù)自動(dòng)測(cè)量和自動(dòng)化揀選一站式功能。

DU等[75]針對(duì)同一栽培環(huán)境下不同生菜品種長(zhǎng)勢(shì)對(duì)比分析問(wèn)題，設(shè)計(jì)了高通量生菜表型視覺(jué)測(cè)量方法，建立了品種選育量化評(píng)價(jià)方法(圖19a),Phenospex公司的表型分析儀器能夠提供種苗多類(lèi)光譜信息，提供了幾何形態(tài)到生理指標(biāo)的大量表型參數(shù)(圖19b、19c)。ATEFI等[76]提出了采用類(lèi)人作業(yè)機(jī)器人模擬專(zhuān)家現(xiàn)場(chǎng)分析作物表型的行為，對(duì)種苗進(jìn)行多視角觀測(cè)，獲取更為全面的信息。

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

(2)嫁接移栽類(lèi)機(jī)器人

嫁接機(jī)器人是指利用傳感器和計(jì)算機(jī)圖像處理技術(shù)，實(shí)現(xiàn)了嫁接苗子葉方向的自動(dòng)識(shí)別、判斷。嫁接機(jī)器人能完成砧木、穗木的取苗、切苗、接合、固定、排苗等嫁接過(guò)程。嫁接機(jī)器人能夠有效提高作業(yè)效率和嫁接苗成活率，被公認(rèn)為是能夠最先投入實(shí)際生產(chǎn)應(yīng)用的設(shè)施園藝機(jī)器人[77]。移栽機(jī)器人是指實(shí)現(xiàn)缽苗從高密度到低密度穴盤(pán)的稀植移栽的機(jī)器人。其關(guān)鍵技術(shù)在于高速低損取苗夾爪設(shè)計(jì)、基于機(jī)器視覺(jué)的優(yōu)劣苗實(shí)時(shí)分選等。

2011年，日本井關(guān)公司推出了型號(hào)為GRF800-U的瓜類(lèi)全自動(dòng)嫁接機(jī)器人(圖20)。該機(jī)適用于瓜類(lèi)作物，開(kāi)發(fā)出基于穴盤(pán)苗的自動(dòng)上苗裝置代替人工上苗作業(yè)，具有穴盤(pán)內(nèi)缺苗視覺(jué)自動(dòng)檢測(cè)功能，僅需一人供給穴盤(pán)上苗，生產(chǎn)效率可達(dá)800株/h，嫁接成功率為95%[78]。

圖20 嫁接機(jī)器人[78]Fig.20 Grafting robot

日本京都大學(xué)ASHRAF等[79]開(kāi)發(fā)了一種番茄苗嫁接輔助機(jī)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(tǒng)與UXGA單色相機(jī)組成的機(jī)器視覺(jué)系統(tǒng)實(shí)現(xiàn)對(duì)番茄苗的彎曲度，葉片節(jié)點(diǎn)和莖的直徑進(jìn)行自動(dòng)分類(lèi)，對(duì)于番茄苗和砧木的匹配準(zhǔn)確率高達(dá)97%。

JIANG等[14]針對(duì)現(xiàn)有蔬菜嫁接機(jī)器人單手爪夾持搬運(yùn)機(jī)構(gòu)作業(yè)時(shí)需要在上苗、切削和對(duì)接工位往復(fù)旋轉(zhuǎn)作業(yè)，限制了機(jī)器嫁接生產(chǎn)效率，存在夾持傷苗、操作人員上苗等待時(shí)間過(guò)長(zhǎng)、易疲勞等問(wèn)題，設(shè)計(jì)了一種四手爪柔性?shī)A持搬運(yùn)機(jī)構(gòu)，能夠?qū)崿F(xiàn)上苗、切削和對(duì)接工位同步作業(yè)，以及秧苗柔性?shī)A持與快速搬運(yùn)，有助于提高機(jī)器嫁接效率。性能試驗(yàn)表明，柔性?shī)A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(guó)外缽苗移栽機(jī)器人采用Pic-O-Mat機(jī)器視覺(jué)技術(shù)融合種苗視圖和立體圖像獲取作物幼苗生長(zhǎng)信息，通過(guò)目標(biāo)區(qū)域像素統(tǒng)計(jì)的方法對(duì)真葉數(shù)、苗齡、株高和長(zhǎng)勢(shì)一致等幼苗生長(zhǎng)狀況進(jìn)行評(píng)價(jià)，通過(guò)取苗爪完成對(duì)穴盤(pán)里壯缽苗移栽和弱缽苗剔除與補(bǔ)栽，將健康苗移至栽培區(qū)域，每小時(shí)最高扦插苗數(shù)量達(dá)到1×104株，且移栽一致性好(圖21)。

圖21 Visser扦插苗移栽機(jī)器人Fig.21 Visser transplanting robot

(3)設(shè)施植保類(lèi)機(jī)器人

設(shè)施植保類(lèi)機(jī)器人是指通過(guò)室內(nèi)導(dǎo)航、視覺(jué)識(shí)別與定位、對(duì)靶精準(zhǔn)作業(yè)控制技術(shù)完成噴藥、授粉等功能的機(jī)器人。它的主要技術(shù)難點(diǎn)在于目標(biāo)精準(zhǔn)識(shí)別評(píng)價(jià)、室內(nèi)移動(dòng)高精度定位。

在病蟲(chóng)害控制方面，OBERTI 等[81]開(kāi)發(fā)了一種檢測(cè)發(fā)病區(qū)域?qū)Π袊姙⒌臋C(jī)器人，基于機(jī)器視覺(jué)的疾病在線評(píng)估模型保證了點(diǎn)噴面積的最小化(圖22)。荷蘭BERG公司[82]開(kāi)發(fā)了Meto溫室自動(dòng)噴霧機(jī)器人，加快了作物植保自動(dòng)化進(jìn)程。

圖22 對(duì)靶噴施機(jī)器人Fig.22 Spot spraying robot with disease area detection

張俊雄等[83]研發(fā)了一套溫室內(nèi)移動(dòng)對(duì)靶噴霧輔助系統(tǒng),實(shí)現(xiàn)了對(duì)黃瓜等籬架型植物以長(zhǎng)方形柵格區(qū)域?yàn)榘袠?biāo)的精準(zhǔn)噴雰。采用髙架導(dǎo)軌安裝模式，4自由度的直角坐標(biāo)系機(jī)械臂吊裝在平臺(tái)下，根據(jù)病害等級(jí)程度配合電磁閥控制的噴嘴實(shí)現(xiàn)對(duì)不同局部的變量噴霧。解決了對(duì)作物植株單體甚至是單個(gè)葉片內(nèi)病害區(qū)域進(jìn)行對(duì)靶噴霧的難題，有效降低了農(nóng)藥用量。LI等[84]開(kāi)發(fā)了設(shè)施噴藥機(jī)器人，針對(duì)設(shè)施內(nèi)植株密植施藥空間狹窄的問(wèn)題，設(shè)計(jì)了一種日光溫室用精準(zhǔn)噴霧機(jī)器人，以實(shí)現(xiàn)區(qū)域內(nèi)的自動(dòng)噴霧作業(yè)，推導(dǎo)了液滴沉積面積與噴射機(jī)構(gòu)姿態(tài)之間的關(guān)系，以噴霧霧滴在作物群體上均勻覆蓋為目標(biāo)，提出了基于遺傳算法的離線最優(yōu)噴施算法，試驗(yàn)驗(yàn)證了噴霧姿態(tài)的優(yōu)化策略效果。

(4)打葉整枝類(lèi)機(jī)器人

設(shè)施作物打葉、整枝機(jī)器人是通過(guò)對(duì)蔓、莖、果、葉、繩感知與理解，基于果蔬專(zhuān)家經(jīng)驗(yàn)知識(shí)、農(nóng)機(jī)農(nóng)藝融合完成打葉、整枝的機(jī)器人。其難點(diǎn)技術(shù)包括高效末端執(zhí)行器設(shè)計(jì)及專(zhuān)家決策方法、目標(biāo)枝葉定位機(jī)器視覺(jué)算法、避障運(yùn)動(dòng)規(guī)劃控制方法等。

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

圖23 打葉整枝機(jī)器人 Fig.23 Deleafing and pruning robots

(5)果蔬采收類(lèi)機(jī)器人

設(shè)施果實(shí)采收類(lèi)機(jī)器人是指依據(jù)著色、尺寸等指標(biāo)自動(dòng)識(shí)別作業(yè)對(duì)象、自動(dòng)規(guī)劃路徑并進(jìn)行選擇地收獲的機(jī)器人，是設(shè)施生產(chǎn)無(wú)人化作業(yè)的關(guān)鍵裝備。其主要技術(shù)挑戰(zhàn)在于任務(wù)路徑自主規(guī)劃、受遮擋目標(biāo)重建、靈巧低損末端執(zhí)行器設(shè)計(jì)等。

西班牙AGROBOT Robotics公司[89]開(kāi)發(fā)了針對(duì)高壟栽培和架式栽培草莓選擇性收獲機(jī)器人(圖24)，通過(guò)24個(gè)獨(dú)立機(jī)械臂以無(wú)線通信方式協(xié)同工作，每個(gè)機(jī)械臂帶有一個(gè)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(zhí)行器采用斷莖夾持方式收獲草莓，不直接接觸果實(shí)，避免損傷。

針對(duì)稠密環(huán)境下的果蔬采收，以色列本古里安大學(xué)RINGDAHL等[89]開(kāi)發(fā)了一種具有視覺(jué)伺服的甜椒收獲機(jī)器人。開(kāi)發(fā)了采摘路徑混合規(guī)劃算法，解決了采收機(jī)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(chǎng)景、對(duì)150個(gè)甜椒的采摘實(shí)驗(yàn)中，成功率達(dá)到86%。韓國(guó)成均館大學(xué)LEE 等[90]開(kāi)發(fā)了具有閉環(huán)控制視覺(jué)伺服系統(tǒng)的自動(dòng)甜椒采收機(jī)器人，果實(shí)識(shí)別率82.16%，收獲成功率達(dá)到70%。 日本京都大學(xué)KONDO等[91]開(kāi)發(fā)了全自動(dòng)番茄果實(shí)團(tuán)簇收獲機(jī)器人。采用機(jī)器視覺(jué)系統(tǒng)確定水果簇的重心與花序梗和主莖的交點(diǎn)，以確定采收機(jī)器人最佳的抓握位置，末端執(zhí)行器對(duì)果實(shí)抓握的成功率達(dá)到了73%。日本國(guó)家農(nóng)業(yè)和食品研究組織的YAMAMOTO 等[92]研制了一種與移動(dòng)工作臺(tái)相結(jié)合的草莓采摘機(jī)器人。針對(duì)草莓采摘構(gòu)建兩個(gè)機(jī)器視覺(jué)系統(tǒng)，分別檢測(cè)果實(shí)的位置和顏色，檢測(cè)的平均誤差為5.4%。同時(shí)開(kāi)發(fā)了一種新型的草莓采摘末端執(zhí)行器，可以防止在采摘的過(guò)程中誤觸與目標(biāo)水果相鄰的果實(shí)，性能測(cè)試表明，草莓采摘機(jī)器人收獲成功率穩(wěn)定在67.1%，果實(shí)收獲率達(dá)到88.0%。

荷蘭瓦赫寧根大學(xué)VAN HENTEN等[6]、BACA 等[93]設(shè)計(jì)了針對(duì)溫室稠密作物環(huán)境的甜椒采收機(jī)器人，討論了在復(fù)雜環(huán)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(chuàng)新的“約束方位角”機(jī)械臂運(yùn)動(dòng)規(guī)劃方法和基于莖定位的最佳的抓握姿勢(shì)算法，并設(shè)計(jì)了尺寸更小的Fin Ray末端采摘機(jī)構(gòu)。使采摘機(jī)構(gòu)在對(duì)密集障礙包圍的水果采收成功率從63%提高到84%，采收時(shí)的作物損傷率從19%降低到13%。這種采收機(jī)器人方案采用了9自由度機(jī)械臂，并開(kāi)發(fā)了適用于高自由度機(jī)械臂運(yùn)動(dòng)規(guī)劃的平衡雙向RRT算法(圖25a、25b)和高性能末端執(zhí)行器(圖25c、25d)。

圖25 設(shè)施蔬果采收機(jī)器人 Fig.25 Fruit and vegetable harvesting robots

美國(guó)Root AI和日本松下公司研發(fā)了溫室小番茄采摘機(jī)器人，兩者通過(guò)應(yīng)用深度學(xué)習(xí)依據(jù)3D相機(jī)所獲取的深度圖像信息，檢測(cè)果實(shí)成熟度和推斷植株與果實(shí)的位置，形成對(duì)實(shí)際采摘路徑和姿態(tài)規(guī)劃；前者采用控制柔性三爪末端執(zhí)行器抓取扭斷方式，后者控制套取果實(shí)和支撐切割果梗方式，實(shí)現(xiàn)小番茄無(wú)損快速采摘(圖26a)。以色列Metomotion公司研發(fā)了溫室大果番茄的成串選擇性采摘機(jī)器人(圖26b)，設(shè)計(jì)了與現(xiàn)在設(shè)施種植軌道配套的自主移動(dòng)和兩個(gè)獨(dú)立作業(yè)的六自由度機(jī)械臂，集成3D視覺(jué)系統(tǒng)和機(jī)器視覺(jué)算法可識(shí)別和定位成熟果實(shí)，設(shè)計(jì)了兩自由度閉合鏈串番茄果梗套剪夾持末端執(zhí)行器，用于分離其他碰觸的果實(shí)，通過(guò)剪斷和夾持果梗，以實(shí)現(xiàn)目標(biāo)串番茄低損收獲和集箱。

圖26 設(shè)施收獲機(jī)器人Fig.26 Greenhouse harvesting robot

紀(jì)超等[94]研發(fā)了黃瓜采摘機(jī)器人系統(tǒng)，提出三層式系統(tǒng)控制方案，機(jī)器人采摘成功率達(dá)85%，單根黃瓜采摘耗時(shí)28.6 s。趙春江團(tuán)隊(duì)[95]開(kāi)發(fā)了一種基于激光測(cè)距和視覺(jué)伺服的果串自動(dòng)對(duì)靶測(cè)量系統(tǒng)，對(duì)果串內(nèi)果粒的平均識(shí)別率為 83.5%。實(shí)現(xiàn)了櫻桃番茄果串自動(dòng)采收中采收目標(biāo)的精確識(shí)別定位。

劉成良團(tuán)隊(duì)[96-99]提出了采用機(jī)器學(xué)習(xí)提升番茄采摘機(jī)器人目標(biāo)識(shí)別成功率，基于機(jī)器人雙臂協(xié)作提升番茄采摘效率和成功率的方法。光照變化、果實(shí)粘連場(chǎng)景下93.3%的成熟番茄能夠被正確識(shí)別，果體遮擋率超過(guò)60%時(shí)識(shí)別定位成功率超過(guò)85%； SCARA雙臂機(jī)器人作業(yè)效率8 s/個(gè)，作業(yè)成功率87.5%,協(xié)作型雙臂機(jī)器人果實(shí)作業(yè)效率7 s/個(gè)，作業(yè)成功率接近90%(圖27)。

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

工廠化栽培是未來(lái)食用菌的主要生產(chǎn)方式。賓夕法尼亞州立大學(xué)HUANG等[100]比較了傳統(tǒng)方法和3種簡(jiǎn)化方法(彎曲、扭曲和提升)的采摘力和運(yùn)動(dòng)，開(kāi)發(fā)了3個(gè)力傳感器和1個(gè)慣性測(cè)量單元的傳感系統(tǒng)來(lái)測(cè)量拾取力和運(yùn)動(dòng)。采摘末端執(zhí)行器評(píng)估表明彎曲采摘運(yùn)動(dòng)取得了最佳性能(圖28)。

圖28 食用菌車(chē)間管理收獲機(jī)器人Fig.28 Mushroom harvesting robot

(6)設(shè)施物流類(lèi)機(jī)器人

設(shè)施物流機(jī)器人主要指基于自主導(dǎo)航行走、路徑規(guī)劃、多機(jī)協(xié)同的搬運(yùn)機(jī)器人。主要用于生產(chǎn)過(guò)程農(nóng)產(chǎn)品、生產(chǎn)物資自主運(yùn)輸，對(duì)于減輕勞動(dòng)強(qiáng)度、提升生產(chǎn)效率有著重要意義。主要研究室內(nèi)高精度定位導(dǎo)航與避障問(wèn)題。

在設(shè)施物流機(jī)器人高速穩(wěn)定性控制方面，以色列理工大學(xué)GAT等[101]提出了一種借助高架導(dǎo)向裝置操縱的溫室自動(dòng)駕駛物流車(chē)用于運(yùn)輸采后蔬菜，車(chē)輛通過(guò)檢測(cè)與導(dǎo)向裝置的角度和距離來(lái)進(jìn)行轉(zhuǎn)向和校正，在涉及地面坡度和地形急劇變化的農(nóng)業(yè)環(huán)境中能夠保持穩(wěn)定并以較小的振動(dòng)收斂正確的路徑。在溫室物流機(jī)器人自主導(dǎo)航與主動(dòng)避障方面，挪威生物經(jīng)濟(jì)研究所HARIK 等[102]設(shè)計(jì)了一種輪式移動(dòng)物流機(jī)器人，基于視覺(jué)圖像和LIDAR傳感器和Hector SLAM方法估算機(jī)器人位置，能夠在GPS信號(hào)受限制的溫室環(huán)境中實(shí)現(xiàn)自主導(dǎo)航、主動(dòng)避障。美國(guó)Iron OX[103]、荷蘭Berg-hortimotive公司在溫室生產(chǎn)中引入了物流機(jī)器人，提高了生產(chǎn)效率(圖29)。

圖29 設(shè)施物流機(jī)器人Fig.29 Logistics robot in greenhouse

2.2.4畜禽養(yǎng)殖類(lèi)機(jī)器人

畜禽養(yǎng)殖類(lèi)機(jī)器人是指在規(guī)模養(yǎng)殖環(huán)境下完成自主導(dǎo)航行走、識(shí)別動(dòng)物行為、定向跟蹤作業(yè)等任務(wù)的機(jī)器人。畜禽養(yǎng)殖機(jī)器人主要用于畜禽飼喂、環(huán)境消殺、擠奶打針、健康巡檢等任務(wù)。關(guān)鍵技術(shù)包括活體生物目標(biāo)行為特征識(shí)別、飼料精準(zhǔn)精量投喂控制等。

法國(guó)Octopus Robot公司[104]研制的Octopus Poultry Safe (OPS)機(jī)器人基于自主導(dǎo)航技術(shù)可以在禽舍內(nèi)完成消殺功能(圖30a)。荷蘭瓦赫寧根大學(xué)VROEGINDEWEIJ等[105-106]研制的PoultryBot可以自主撿拾養(yǎng)殖場(chǎng)內(nèi)禽蛋(圖30b)。法國(guó)TIBOT Technologies 公司[107]研制的Spoutnic機(jī)器人用于訓(xùn)練母雞歸巢下蛋、促進(jìn)禽類(lèi)進(jìn)行健康活動(dòng)。

監(jiān)測(cè)動(dòng)物行為是養(yǎng)殖類(lèi)機(jī)器人研究熱點(diǎn)。英國(guó)西英格蘭大學(xué)HANSEN等[108]提出了基于卷積神經(jīng)網(wǎng)絡(luò)的豬臉識(shí)別算法，提高了機(jī)器人對(duì)飼養(yǎng)個(gè)體進(jìn)行追蹤分析和個(gè)性化飼喂的效率(圖31)。

在奶牛養(yǎng)殖中，飼喂機(jī)器人實(shí)施自動(dòng)化飼喂是提高奶牛產(chǎn)量、降低生產(chǎn)成本的重要途徑。美國(guó)Lely公司[109]研制了奶牛飼喂推料機(jī)器人、擠奶機(jī)器人(圖32)。Hetwin、GEA等畜牧業(yè)跨國(guó)企業(yè)也均開(kāi)發(fā)了多類(lèi)型飼喂、擠奶機(jī)器人，基本實(shí)現(xiàn)了全程少人化生產(chǎn)。奧地利Banns、Westfleisch公司研制的屠宰機(jī)器人極大提高了生產(chǎn)效率。

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

萬(wàn)暢等[110]研制了磁條導(dǎo)航的飼草推送機(jī)器人(圖33a)和自助充電裝置(圖33b)，通過(guò)磁條導(dǎo)航完成畜舍的自動(dòng)巡檢和機(jī)器人自動(dòng)充電功能，在半開(kāi)放式牛場(chǎng)工作環(huán)境實(shí)現(xiàn)了自主勤密飼喂。 FENG等[111]研制了畜禽養(yǎng)殖消毒機(jī)器人系統(tǒng)，由自動(dòng)車(chē)、消毒劑噴灑單元、監(jiān)控單元和控制器單元組成，機(jī)器人沿地面用磁鐵和RFID標(biāo)簽標(biāo)記的直線移動(dòng)，支持自動(dòng)和遠(yuǎn)程高效消毒作業(yè)，保障了畜禽養(yǎng)殖場(chǎng)所的安全。

圖33 自主飼草推送機(jī)器人Fig.33 Forage pushing robot

2.2.5水產(chǎn)養(yǎng)殖類(lèi)機(jī)器人

水產(chǎn)養(yǎng)殖類(lèi)機(jī)器人是指面向規(guī)模化池塘海面、陸基養(yǎng)殖、網(wǎng)箱養(yǎng)殖等場(chǎng)景，完成空中水面水下自主移動(dòng)、識(shí)別水產(chǎn)對(duì)象行為、執(zhí)行定向跟蹤作業(yè)等的機(jī)器人。水產(chǎn)養(yǎng)殖機(jī)器人主要用于巡檢、投喂、撿拾、捕撈等。主要技術(shù)挑戰(zhàn)為水下生物行為機(jī)器視覺(jué)檢測(cè)、飼料精準(zhǔn)精量投喂控制等。

墨西哥生物技術(shù)研究中心LUNA等[112]、 VON BORSTEL等[113]采用人機(jī)交互和遙操作技術(shù)，研制了水體質(zhì)量監(jiān)控與餌料精量投喂一體化機(jī)器人，管理人員可通過(guò)網(wǎng)絡(luò)遠(yuǎn)程可視化監(jiān)測(cè)水質(zhì)理化參數(shù)和遙控投餌量(圖34)。

圖34 水質(zhì)監(jiān)控和水產(chǎn)品飼喂一體機(jī)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(dòng)精確飼喂機(jī)器人EXACT，可為整個(gè)設(shè)施養(yǎng)殖場(chǎng)提供飼喂作業(yè)。機(jī)器人根據(jù)其控制系統(tǒng)中登記的生物質(zhì)信息計(jì)算飼料量，然后在軌道系統(tǒng)上運(yùn)行，該系統(tǒng)可以定制以與設(shè)施的儲(chǔ)罐設(shè)置配合使用(圖35)。

圖35 餌料精量投喂機(jī)器人Fig.35 Exact fish feeding robot

綜上所述，近年來(lái)農(nóng)業(yè)機(jī)器人從理論技術(shù)到工程應(yīng)用均取得長(zhǎng)足進(jìn)展。

(1)理論技術(shù)方面，室外高精度定位導(dǎo)航、軌跡規(guī)劃、機(jī)器視覺(jué)、智能控制等技術(shù)逐漸成熟，為農(nóng)業(yè)機(jī)器人大田作業(yè)場(chǎng)景落地提供了技術(shù)支撐，未來(lái)要重點(diǎn)解決不確定性和差異性更大的農(nóng)業(yè)應(yīng)用場(chǎng)景中智能感知、自主學(xué)習(xí)與知識(shí)推理技術(shù)方面的難題，發(fā)展面向更加復(fù)雜應(yīng)用場(chǎng)景的農(nóng)業(yè)機(jī)器人技術(shù)，例如選擇性收獲、動(dòng)物行為識(shí)別等。

(2)農(nóng)業(yè)機(jī)器人產(chǎn)業(yè)方面，在工廠化育苗、水產(chǎn)和畜牧養(yǎng)殖領(lǐng)域，國(guó)內(nèi)外已經(jīng)有許多成熟的配套機(jī)器人化產(chǎn)品。在規(guī)模化農(nóng)業(yè)的多種場(chǎng)景中，國(guó)內(nèi)外傳統(tǒng)農(nóng)機(jī)企業(yè)和農(nóng)業(yè)機(jī)器人初創(chuàng)公司相繼開(kāi)發(fā)了農(nóng)業(yè)機(jī)器人產(chǎn)品，推動(dòng)了以無(wú)人駕駛拖拉機(jī)和無(wú)人植保機(jī)為代表的大田農(nóng)業(yè)機(jī)器人快速發(fā)展。但在更細(xì)分作業(yè)場(chǎng)景中，例如巡檢、除草、植保等機(jī)器人僅形成了產(chǎn)業(yè)雛形，農(nóng)業(yè)機(jī)器人發(fā)展仍面臨全程全面的機(jī)器人化生產(chǎn)需求。

(3)工程應(yīng)用方面，目前我國(guó)在高端設(shè)施育苗花卉、畜牧養(yǎng)殖等領(lǐng)域中較早開(kāi)展了移栽、水肥一體化、環(huán)境控制、個(gè)性化飼喂、擠奶機(jī)器人等的應(yīng)用。田間作業(yè)的無(wú)人駕駛、無(wú)人機(jī)植保等方面獲得工程化初步應(yīng)用與示范，果蔬采摘、設(shè)施巡檢等方面開(kāi)展了技術(shù)展示，但農(nóng)業(yè)機(jī)器人發(fā)展仍然需要重點(diǎn)突破適用成本、作業(yè)效率、使用可靠性、品類(lèi)多樣化等問(wèn)題，進(jìn)一步提高技術(shù)示范的廣度和規(guī)模。

3 農(nóng)業(yè)機(jī)器人共性關(guān)鍵技術(shù)

農(nóng)業(yè)機(jī)器人主要涉及5大關(guān)鍵技術(shù)：物境信息智能感知技術(shù)(“眼”)、智慧決策與智能控制技術(shù)(“腦”)、靈巧臂手精準(zhǔn)作業(yè)技術(shù)(“手”)、自主導(dǎo)航穩(wěn)定行走技術(shù)(“腳”)及端-邊-云協(xié)同機(jī)器人系統(tǒng)構(gòu)建技術(shù)(圖36)。

圖36 農(nóng)業(yè)機(jī)器人關(guān)鍵技術(shù)構(gòu)成Fig.36 Key technologies for agricultural robots

3.1 物境信息智能感知技術(shù)

農(nóng)業(yè)機(jī)器人作業(yè)首先需要感知作業(yè)環(huán)境、作業(yè)對(duì)象和機(jī)器人本體狀態(tài)，獲取作業(yè)過(guò)程相關(guān)的全景數(shù)據(jù)，為農(nóng)業(yè)機(jī)器人完成作業(yè)任務(wù)提供基礎(chǔ)，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(guān)鍵技術(shù)的研究(圖37)。

圖37 農(nóng)業(yè)機(jī)器人感知技術(shù) Fig.37 Perception technologies for agricultural robots

農(nóng)業(yè)物境感知重點(diǎn)研究：①農(nóng)業(yè)機(jī)器人作業(yè)場(chǎng)景中的動(dòng)植物對(duì)象、作業(yè)環(huán)境、機(jī)器人本體、作業(yè)過(guò)程特性的傳感新原理、新材料、新方法，研制農(nóng)業(yè)機(jī)器人專(zhuān)用傳感器。②研究數(shù)據(jù)降維、去噪等數(shù)據(jù)預(yù)處理方法，開(kāi)發(fā)多源多類(lèi)數(shù)據(jù)高效特征提取算法，支撐農(nóng)業(yè)機(jī)器人感知認(rèn)知目標(biāo)。③研究農(nóng)業(yè)場(chǎng)景多源異構(gòu)數(shù)據(jù)融合方法，建立多模態(tài)、多傳感器的輕量級(jí)深度學(xué)習(xí)模型，形成基于片上模型(Model-on-the-chip,MoC)的感算融合系統(tǒng)，實(shí)現(xiàn)農(nóng)業(yè)機(jī)器人高效感知。

例如，針對(duì)蔬果采摘機(jī)器人在密植場(chǎng)景下的高效采摘問(wèn)題，GONG 等[99]提出了受遮擋目標(biāo)空間高精度重建技術(shù)，傳感信息包括RGB顏色、近紅外和深度數(shù)據(jù)，特征提取階段通過(guò)FAST-RCNN等深度學(xué)習(xí)模型提取了不同成像通道的模態(tài)信息，在信息融合環(huán)節(jié)基于顏色-點(diǎn)云空間聯(lián)合學(xué)習(xí)方法實(shí)現(xiàn)了多源數(shù)據(jù)融合，遮擋程度超過(guò)60%的蔬果目標(biāo)重建后空間定位精度達(dá)到5 mm，有效提升了采摘機(jī)器人應(yīng)對(duì)復(fù)雜自然場(chǎng)景的能力。

3.2 智慧決策與智能控制技術(shù)

智慧決策與智能控制系統(tǒng)旨在對(duì)感知信息進(jìn)行深度融合、認(rèn)知推理、預(yù)測(cè)規(guī)劃，并協(xié)調(diào)控制農(nóng)業(yè)機(jī)器人眼、手、腳多個(gè)子系統(tǒng)作業(yè)，它是農(nóng)業(yè)機(jī)器人的核心要素，其共性關(guān)鍵技術(shù)主要包括農(nóng)業(yè)機(jī)器人軟硬件控制平臺(tái)技術(shù)、作業(yè)算法工具、作業(yè)決策應(yīng)用(圖38)。

圖38 農(nóng)業(yè)機(jī)器人決策與控制技術(shù)Fig.38 Decision-making and smart control for agricultural robots

面向多類(lèi)型、跨場(chǎng)景、多任務(wù)農(nóng)業(yè)機(jī)器人的快速開(kāi)發(fā)與應(yīng)用需求，智慧決策與智能控制技術(shù)需重點(diǎn)研究：①針對(duì)通用機(jī)器人操作系統(tǒng)ROS(Robot operating system)[115-116]對(duì)農(nóng)業(yè)機(jī)器人硬件兼容性不佳、仿真環(huán)境不適用農(nóng)業(yè)場(chǎng)景等弊端，研制開(kāi)源農(nóng)業(yè)機(jī)器人操作系統(tǒng)Agri-ROS，突破農(nóng)業(yè)機(jī)器人的軟硬件資源管理、多任務(wù)并發(fā)實(shí)時(shí)任務(wù)處理，感知/運(yùn)動(dòng)/規(guī)劃/控制算法仿真，算法庫(kù)模型庫(kù)共享，支撐農(nóng)業(yè)機(jī)器人開(kāi)發(fā)者生態(tài)。②研制適用于農(nóng)業(yè)機(jī)器人多模態(tài)感知信息處理、易于組網(wǎng)通訊的嵌入式主板，開(kāi)發(fā)低成本、可拓展、高防護(hù)等級(jí)農(nóng)業(yè)機(jī)器人通用控制器。③研究基于機(jī)器學(xué)習(xí)的感知、決策、控制算法，開(kāi)發(fā)目標(biāo)識(shí)別定位、環(huán)境重建、自主移動(dòng)、高效收獲、運(yùn)維調(diào)度等作業(yè)決策通用組件，構(gòu)建高性能農(nóng)業(yè)機(jī)器人快速開(kāi)發(fā)平臺(tái)。

TSOLAKIS等[117]設(shè)計(jì)了農(nóng)業(yè)機(jī)器人操作系統(tǒng)AgROS，支持設(shè)備層實(shí)時(shí)控制和應(yīng)用層可視化決策。GAO等[118]提出了一種適應(yīng)于復(fù)雜環(huán)境的機(jī)器人開(kāi)源硬件控制器，支持多模態(tài)感知與通信、強(qiáng)實(shí)時(shí)多任務(wù)調(diào)度、集中-分布式多態(tài)算力分配，實(shí)現(xiàn)了仿真環(huán)境、示教器和嵌入式控制器一體化，可以支撐農(nóng)業(yè)機(jī)器人控制系統(tǒng)快速開(kāi)發(fā)。

3.3 靈巧臂手精準(zhǔn)作業(yè)技術(shù)

農(nóng)業(yè)機(jī)器人機(jī)械臂與末端執(zhí)行器是完成重復(fù)、高強(qiáng)度或危險(xiǎn)工作的作業(yè)部件，機(jī)器人末端執(zhí)行器與農(nóng)業(yè)作業(yè)對(duì)象關(guān)系密切，其靈巧特性應(yīng)被格外關(guān)注。靈巧作業(yè)機(jī)械手、臂研究主要包括新型輕材料應(yīng)用、結(jié)構(gòu)設(shè)計(jì)、驅(qū)控系統(tǒng)設(shè)計(jì)、作業(yè)模式與作業(yè)方法規(guī)劃，以及高精高效作業(yè)控制(圖39)。

圖39 農(nóng)業(yè)機(jī)器人靈巧臂手精準(zhǔn)作業(yè)技術(shù)Fig.39 Precise operations of robotic arm and end-effector of agricultural robots

靈巧臂手精準(zhǔn)作業(yè)重點(diǎn)研究：①農(nóng)業(yè)機(jī)器人模塊化構(gòu)型設(shè)計(jì)、與作業(yè)環(huán)境相適應(yīng)的機(jī)械臂輕量化設(shè)計(jì)、剛?cè)狁詈显O(shè)計(jì)及機(jī)電液氣混合驅(qū)動(dòng)方法，研制可配置可重構(gòu)多功能農(nóng)業(yè)機(jī)器人手臂系統(tǒng)。②針對(duì)農(nóng)業(yè)機(jī)器人作業(yè)環(huán)境復(fù)雜、目標(biāo)物多變、對(duì)象易損問(wèn)題，研究靈巧末端構(gòu)效規(guī)律、作業(yè)損傷機(jī)理、新型材料適用屬性、高通用性設(shè)計(jì)方法，開(kāi)發(fā)高效作業(yè)嵌入式自適應(yīng)控制系統(tǒng)，實(shí)現(xiàn)高效低損作業(yè)。③研究手臂作業(yè)系統(tǒng)規(guī)劃與控制方法，突破動(dòng)態(tài)視覺(jué)伺服、實(shí)時(shí)避障、導(dǎo)納控制等高動(dòng)態(tài)高魯棒算法，優(yōu)化機(jī)器人系統(tǒng)“手-眼-臂”協(xié)調(diào)模式，實(shí)現(xiàn)農(nóng)業(yè)機(jī)器人靈巧作業(yè)。

LING等[97]設(shè)計(jì)了關(guān)節(jié)型雙臂采摘機(jī)器人，采摘末端執(zhí)行器采用真空吸附和剪切耦合結(jié)構(gòu)，解決了多臂實(shí)時(shí)運(yùn)動(dòng)規(guī)劃與避障避碰問(wèn)題。吳劍橋等[119]、ZHANG等[120]綜述了農(nóng)業(yè)多功能機(jī)器人末端設(shè)計(jì)、制造控制方法，指明了采摘機(jī)器手系統(tǒng)將向著采摘目標(biāo)場(chǎng)景通用化、結(jié)構(gòu)形式多樣化、靈巧作業(yè)智能化方向發(fā)展的趨勢(shì)。CAO等[70]針對(duì)荔枝等蔬果采摘問(wèn)題提出了基于粒子群優(yōu)化的機(jī)械臂采摘規(guī)劃與軌跡跟蹤控制方法，提高了自然場(chǎng)景下避障采摘效率。

3.4 自主導(dǎo)航穩(wěn)定行走技術(shù)

農(nóng)業(yè)機(jī)器人自主導(dǎo)航穩(wěn)定行走主要解決機(jī)器人在復(fù)雜自然場(chǎng)景中的移動(dòng)性和通過(guò)性問(wèn)題。關(guān)鍵技術(shù)包括：移動(dòng)底盤(pán)設(shè)計(jì)與驅(qū)控、實(shí)時(shí)精準(zhǔn)定位、自主導(dǎo)航與避障技術(shù)，以及地圖探索與構(gòu)建和路徑規(guī)劃軌跡跟蹤控制等(圖40)。

圖40 農(nóng)業(yè)機(jī)器人定位導(dǎo)航自主移動(dòng)技術(shù)Fig.40 Auto-driving technologies for agricultural robots

重點(diǎn)研究：①設(shè)計(jì)模塊化、輕量化、高通過(guò)性農(nóng)業(yè)機(jī)器人移動(dòng)底盤(pán)，構(gòu)建運(yùn)動(dòng)學(xué)與與動(dòng)力學(xué)模型，建立機(jī)器人與地面相互作用系統(tǒng)高維模態(tài)分析方法，開(kāi)發(fā)負(fù)載敏感自適應(yīng)、多驅(qū)動(dòng)輪動(dòng)力匹配的移動(dòng)平臺(tái)控制系統(tǒng)。②針對(duì)植保、巡檢、收獲等機(jī)器人共性需求，設(shè)計(jì)具備通用機(jī)電接口、數(shù)據(jù)通訊模式的“一專(zhuān)多能”功能性移動(dòng)平臺(tái)。③研究農(nóng)田可通過(guò)性場(chǎng)景感知與理解方法，開(kāi)發(fā)地圖實(shí)時(shí)構(gòu)建、多模態(tài)地況感知、路徑動(dòng)態(tài)規(guī)劃、機(jī)群協(xié)同編隊(duì)、地頭轉(zhuǎn)彎優(yōu)化決策模型，實(shí)現(xiàn)通用高效能移動(dòng)平臺(tái)自主避障、自動(dòng)駕駛功能。

INOTSUME等[121]提出了越野機(jī)器人路面通過(guò)性多源遷移學(xué)習(xí)方法，實(shí)現(xiàn)了對(duì)機(jī)器人在未知路面上移動(dòng)時(shí)滑移、行進(jìn)能耗特性的準(zhǔn)確預(yù)測(cè)和控制。BARRON等[122]針對(duì)無(wú)邊界場(chǎng)景的高效表征和語(yǔ)義模糊問(wèn)題，提出基于神經(jīng)輻射場(chǎng)的主動(dòng)建圖方法，實(shí)現(xiàn)了高精度逼真渲染的場(chǎng)景重建。MUR-ARTAL等[123]提出利用 ORB (OrieBnted FAST and BRIEF) 作為整個(gè)視覺(jué) SLAM 中的核心特征ORB-SLAM2算法，實(shí)現(xiàn)地圖重用、回環(huán)檢測(cè)和重新定位的功能。胡鴻彬等[124]設(shè)計(jì)了一套基于Android的導(dǎo)航管理系統(tǒng)，包含農(nóng)機(jī)作業(yè)參數(shù)管理、農(nóng)田地理信息管理、作業(yè)路徑規(guī)劃、導(dǎo)航實(shí)時(shí)監(jiān)控和歷史作業(yè)數(shù)據(jù)管理等功能模塊，實(shí)現(xiàn)自動(dòng)導(dǎo)航中的管理和監(jiān)控功能。

3.5 端-.-云協(xié)同機(jī)器人系統(tǒng)

端-邊-云協(xié)同的農(nóng)業(yè)機(jī)器人系統(tǒng)設(shè)計(jì)包括機(jī)器人本體數(shù)字化設(shè)計(jì)、控制系統(tǒng)架構(gòu)設(shè)計(jì)、眼腦手腳協(xié)調(diào)控制、系統(tǒng)仿真與數(shù)字孿生、端-邊-云協(xié)同的云腦控技術(shù)，以及多機(jī)器人協(xié)同作業(yè)技術(shù)。

農(nóng)業(yè)機(jī)器人系統(tǒng)設(shè)計(jì)重點(diǎn)研究：① 機(jī)器人眼腦手腳集成設(shè)計(jì)與多學(xué)科優(yōu)化方法。② 構(gòu)建農(nóng)業(yè)機(jī)器人全程作業(yè)云端大數(shù)據(jù)庫(kù)、云端知識(shí)圖譜知識(shí)庫(kù)，開(kāi)發(fā)農(nóng)業(yè)機(jī)器人云管控系統(tǒng)(圖41)。③面向無(wú)人植物工廠、無(wú)人農(nóng)場(chǎng)、智慧牧場(chǎng)等系統(tǒng)級(jí)建設(shè)需求，研究農(nóng)業(yè)機(jī)器人多機(jī)協(xié)作、機(jī)群調(diào)度、智能運(yùn)維等云腦控技術(shù)，實(shí)現(xiàn)多平臺(tái)兼容機(jī)器人系統(tǒng)集成。

圖41 云管控農(nóng)業(yè)機(jī)器人系統(tǒng)架構(gòu)Fig.41 Cloud architecture for agricultural robot systems

針對(duì)農(nóng)業(yè)生產(chǎn)階段性、季節(jié)性作業(yè)特點(diǎn)，EDAN[125]、PHANOMCHOENG等[126]指出農(nóng)業(yè)機(jī)器人一機(jī)多用、一專(zhuān)多能、軟硬件聯(lián)合設(shè)計(jì)是較為理想的農(nóng)業(yè)機(jī)器人集成設(shè)計(jì)范式。在本體設(shè)計(jì)方面， WANG等[127]、XU等[128]提出了設(shè)施農(nóng)業(yè)多功能農(nóng)業(yè)機(jī)器人模塊化設(shè)計(jì)技術(shù)。北海道大學(xué)ZHANG等[129]研制了一種應(yīng)用于農(nóng)業(yè)田間作業(yè)的多拖拉機(jī)協(xié)同作業(yè)系統(tǒng)，為機(jī)器人設(shè)定矩形或圓形安全區(qū)，從而避免機(jī)器人群的互相沖撞，提高了機(jī)器人機(jī)群的作業(yè)效率。LIU等[130]提出了農(nóng)業(yè)機(jī)器人眼手協(xié)同復(fù)雜連續(xù)行為的開(kāi)發(fā)框架，SIRUVORU等[131]梳理歸納了構(gòu)建農(nóng)業(yè)云機(jī)器人系統(tǒng)的共性技術(shù)。GIANTS Software公司開(kāi)發(fā)的《模擬農(nóng)場(chǎng)》游戲[132]提供了Challenger、Fendt等公司250余款農(nóng)機(jī)真機(jī)數(shù)字模型和逼真的農(nóng)耕自然場(chǎng)景，為農(nóng)業(yè)元宇宙提供了數(shù)字入口。文獻(xiàn)[133]綜述了農(nóng)機(jī)裝備智能化進(jìn)展，給出了端邊云協(xié)同控制架構(gòu)，指明了智能農(nóng)業(yè)裝備的發(fā)展趨勢(shì)和路徑。

無(wú)人農(nóng)場(chǎng)和無(wú)人植物工廠是農(nóng)業(yè)機(jī)器人系統(tǒng)作業(yè)的高級(jí)形式。在設(shè)施農(nóng)業(yè)植物工廠全自主生產(chǎn)方面，隨著農(nóng)業(yè)用地供應(yīng)的約束，垂直農(nóng)業(yè)通過(guò)特定的設(shè)計(jì)實(shí)現(xiàn)室內(nèi)可控光照和氣候調(diào)控使作物產(chǎn)量最大化和投入成本降低，從而成為新型的農(nóng)業(yè)生產(chǎn)模式。佛羅里達(dá)大學(xué)的MARCHANT等[134]提出了針對(duì)現(xiàn)有垂直農(nóng)場(chǎng)的作物種植和收獲的機(jī)器人系統(tǒng)，通過(guò)層間搬運(yùn)機(jī)器人、層內(nèi)物流機(jī)器人與收獲機(jī)器人機(jī)群的系統(tǒng)控制，實(shí)現(xiàn)垂直栽培模塊的動(dòng)態(tài)調(diào)度。在大田智慧農(nóng)場(chǎng)方面，無(wú)人農(nóng)場(chǎng)是采用物聯(lián)網(wǎng)、大數(shù)據(jù)、人工智能、5G、智能裝備與機(jī)器人等新一代信息技術(shù)，通過(guò)對(duì)設(shè)施、裝備、機(jī)械等進(jìn)行遠(yuǎn)程控制、全程自動(dòng)控制或機(jī)器人自主控制，完成所有農(nóng)場(chǎng)生產(chǎn)作業(yè)的一種全天候、全過(guò)程、全空間的無(wú)人化生產(chǎn)作業(yè)模式。英國(guó)哈珀亞當(dāng)斯大學(xué)團(tuán)隊(duì)[135]研發(fā)了世界上首個(gè)無(wú)人農(nóng)場(chǎng)，利用地面機(jī)器人和空中無(wú)人機(jī)協(xié)作，實(shí)現(xiàn)了大麥種植的從土地耕整、播種施肥、田間管理和收獲儲(chǔ)運(yùn)的全過(guò)程無(wú)人化周年作業(yè)。

4 農(nóng)業(yè)機(jī)器人技術(shù)標(biāo)準(zhǔn)體系

農(nóng)業(yè)機(jī)器人的產(chǎn)品化、產(chǎn)業(yè)化和規(guī)模化發(fā)展需要有國(guó)家標(biāo)準(zhǔn)的頂層設(shè)計(jì)與規(guī)劃。國(guó)際標(biāo)準(zhǔn)化組織(ISO)在智能農(nóng)機(jī)方面制定了相關(guān)標(biāo)準(zhǔn)，如智能農(nóng)機(jī)網(wǎng)絡(luò)通信標(biāo)準(zhǔn)ISO-11783、控制系統(tǒng)安全性標(biāo)準(zhǔn)ISO-25119、控制系統(tǒng)測(cè)試標(biāo)準(zhǔn)ISO-18564及農(nóng)機(jī)控制系統(tǒng)功能性標(biāo)準(zhǔn)ISO-11471等。歐洲標(biāo)準(zhǔn)委員會(huì)(CEN) 制定了農(nóng)機(jī)裝備控制系統(tǒng)安全性標(biāo)準(zhǔn)EN12733、EN16246，試驗(yàn)方法規(guī)范EN15695、EN13739。通過(guò)采標(biāo)和對(duì)標(biāo)，我國(guó)已制定智能農(nóng)機(jī)裝備類(lèi)國(guó)家標(biāo)準(zhǔn)18項(xiàng)，行業(yè)標(biāo)準(zhǔn)28項(xiàng)。然而，國(guó)際上對(duì)農(nóng)業(yè)機(jī)器人標(biāo)準(zhǔn)的研究處于起步階段，我國(guó)也要根據(jù)自身發(fā)展需求制定相應(yīng)的國(guó)家標(biāo)準(zhǔn)，形成農(nóng)業(yè)機(jī)器人技術(shù)標(biāo)準(zhǔn)體系。

參考機(jī)器人、人工智能等領(lǐng)域相關(guān)標(biāo)準(zhǔn)體系[136-139]，農(nóng)業(yè)機(jī)器人技術(shù)標(biāo)準(zhǔn)體系可分為基礎(chǔ)層、共性通用層、應(yīng)用領(lǐng)域?qū)?層架構(gòu)，具體為：通用基礎(chǔ)、支撐技術(shù)與平臺(tái)、基礎(chǔ)軟硬件、機(jī)器人系統(tǒng)與裝備、生產(chǎn)保障5個(gè)分項(xiàng)(圖42)。根據(jù)農(nóng)業(yè)機(jī)器人的技術(shù)研發(fā)與產(chǎn)品應(yīng)用的發(fā)展趨勢(shì)，適度逐步分層推進(jìn)，為我國(guó)農(nóng)業(yè)機(jī)器人的發(fā)展提供標(biāo)準(zhǔn)支撐。

圖42 農(nóng)業(yè)機(jī)器人標(biāo)準(zhǔn)體系架構(gòu)Fig.42 Standard architecture for agricultural robots

5 總結(jié)與展望

目前，農(nóng)業(yè)機(jī)器人的研發(fā)與應(yīng)用仍處于初級(jí)階段。隨著工廠化和農(nóng)業(yè)信息化的深度融合，農(nóng)業(yè)機(jī)器人迎來(lái)了快速發(fā)展期，代表著最先進(jìn)的農(nóng)業(yè)生產(chǎn)力，作為無(wú)人農(nóng)場(chǎng)、植物工廠、無(wú)人果園、無(wú)人漁場(chǎng)等的核心裝備要素，可以極大提高勞動(dòng)生產(chǎn)率、資源利用率和產(chǎn)出率，將實(shí)現(xiàn)農(nóng)業(yè)勞動(dòng)力的徹底解放，是智慧農(nóng)業(yè)的發(fā)展方向。

5.1 農(nóng)業(yè)機(jī)器人的發(fā)展機(jī)遇與挑戰(zhàn)

人工智能、5G通信、物聯(lián)網(wǎng)、云計(jì)算等前沿科技為農(nóng)業(yè)機(jī)器人技術(shù)發(fā)展提供了牽引力，農(nóng)業(yè)從業(yè)人員“干不了”、“干不好”、“干不快”、“不愿干”、“危害大”等場(chǎng)景的產(chǎn)業(yè)需求為農(nóng)業(yè)機(jī)器人技術(shù)發(fā)展提供了驅(qū)動(dòng)力，多學(xué)科交叉融合的機(jī)器人關(guān)鍵技術(shù)的發(fā)展為農(nóng)業(yè)機(jī)器人發(fā)展提供了支持力，小康社會(huì)鄉(xiāng)村振興戰(zhàn)略為農(nóng)業(yè)機(jī)器人發(fā)展提供了保障力，未來(lái)5～10年是農(nóng)業(yè)機(jī)器人的快速發(fā)展窗口期。

然而，農(nóng)業(yè)生產(chǎn)環(huán)境的復(fù)雜性和任務(wù)的多樣性為農(nóng)業(yè)機(jī)器人研發(fā)帶來(lái)了巨大挑戰(zhàn)，復(fù)雜農(nóng)業(yè)場(chǎng)景下感知認(rèn)知、智能控制、裝備集成、系統(tǒng)決策與管控的理論技術(shù)亟待深入研究。

(1)智能感知：面向農(nóng)業(yè)環(huán)境感知的多樣化需求，以視覺(jué)技術(shù)為引領(lǐng)探索生物對(duì)象、環(huán)境、機(jī)器人本體感知新原理新方法，以及聽(tīng)/嗅/味覺(jué)、力/觸覺(jué)等多模態(tài)感知與多源異構(gòu)信息SoC/MoC (System-on-the-chip/Model-on-the-chip)邊緣計(jì)算感算融合技術(shù)，開(kāi)發(fā)嵌入輕量級(jí)深度學(xué)習(xí)模型的農(nóng)用人工智能芯片、專(zhuān)用傳感器，實(shí)現(xiàn)高速高精度信息處理、農(nóng)業(yè)機(jī)器人的多尺度視覺(jué)感知、高效目標(biāo)檢測(cè)與識(shí)別、復(fù)雜場(chǎng)景理解等任務(wù)，為農(nóng)業(yè)機(jī)器人的智能化功能提供精準(zhǔn)、快速、實(shí)時(shí)數(shù)據(jù)和信息 。

(2)決策控制：面向農(nóng)業(yè)機(jī)器人自主作業(yè)需求，研究作業(yè)處方生成方法；研究數(shù)據(jù)驅(qū)動(dòng)、推理學(xué)習(xí)、經(jīng)驗(yàn)探索于一體的可解釋、更穩(wěn)健決策方法，形成領(lǐng)域知識(shí)圖譜并開(kāi)發(fā)基于機(jī)器學(xué)習(xí)的感知、決策、控制算法工具庫(kù)；研制兼容x86/ARM/GPU等架構(gòu)處理器、帶高性能人機(jī)交互接口(HMI)的農(nóng)業(yè)機(jī)器人通用智能控制器；開(kāi)發(fā)高通用性農(nóng)業(yè)機(jī)器人操作系統(tǒng)(Agri-ROS)；設(shè)計(jì)農(nóng)業(yè)云機(jī)器人及云端服務(wù)架構(gòu)，從通用軟硬件和基礎(chǔ)設(shè)施層面支撐農(nóng)業(yè)機(jī)器人智慧決策和智能控制。

(3)靈巧執(zhí)行：研究農(nóng)業(yè)機(jī)器人本體材料-結(jié)構(gòu)-功能-性能一體化設(shè)計(jì)新理論新方法、復(fù)雜場(chǎng)景下高品質(zhì)運(yùn)動(dòng)規(guī)劃與視覺(jué)伺服控制方法；開(kāi)發(fā)結(jié)構(gòu)/驅(qū)動(dòng)/感知/控制一體化關(guān)節(jié)，柔性化、輕量化被動(dòng)安全及人-機(jī)器人-環(huán)境共融型機(jī)械臂和仿生仿形末端執(zhí)行器，為農(nóng)業(yè)機(jī)器人在強(qiáng)不確定場(chǎng)景下靈巧作業(yè)提供支撐。

(4)自主移動(dòng)：面向復(fù)雜地形自主移動(dòng)需求，研究田間、室內(nèi)、水下農(nóng)業(yè)生產(chǎn)環(huán)境高精定位新技術(shù)；研究地面自適應(yīng)的全地形移動(dòng)平臺(tái)設(shè)計(jì)方法；研究防泥腳下陷滑移、高地隙動(dòng)態(tài)調(diào)平的移動(dòng)平臺(tái)驅(qū)動(dòng)控制技術(shù)；研發(fā)針對(duì)農(nóng)業(yè)開(kāi)放動(dòng)態(tài)場(chǎng)景的SLAM技術(shù)；實(shí)現(xiàn)緩坡、壟溝、地頭等復(fù)雜田間場(chǎng)景下自主穩(wěn)定行走控制。

(5)端-邊-云協(xié)同機(jī)器人系統(tǒng)構(gòu)建：面向農(nóng)業(yè)機(jī)器人系統(tǒng)高效作業(yè)需求，研究機(jī)器人數(shù)字化設(shè)計(jì)與優(yōu)化新方法；研究眼腦手腳協(xié)調(diào)、多臂協(xié)作、多機(jī)協(xié)同作業(yè)決策方法；研究基于人機(jī)自然交互的示教協(xié)作新方法、人-機(jī)器人-環(huán)境共融新方法；研究農(nóng)業(yè)機(jī)器人機(jī)群區(qū)域協(xié)調(diào)社會(huì)化服務(wù)模式和編隊(duì)控制等群體智能技術(shù)；構(gòu)建無(wú)人農(nóng)場(chǎng)、植物工廠等多任務(wù)分布式協(xié)同云管控平臺(tái)，促進(jìn)高性能自主作業(yè)農(nóng)用機(jī)器人大規(guī)模進(jìn)入農(nóng)業(yè)產(chǎn)業(yè)。

5.2 農(nóng)業(yè)機(jī)器人的發(fā)展方向與路徑

機(jī)器人是典型的高、精、尖、難技術(shù)產(chǎn)品，已廣泛應(yīng)用于各行各業(yè)。具有自主決策能力的農(nóng)業(yè)機(jī)器人作為機(jī)器人家族的分支，填補(bǔ)了智能農(nóng)機(jī)裝備完成不了的作業(yè)模式。在“機(jī)器換人”迫切需求下，技術(shù)成本效益趨于平衡，推動(dòng)農(nóng)業(yè)機(jī)器人產(chǎn)業(yè)進(jìn)入快速發(fā)展期。

農(nóng)業(yè)機(jī)器人產(chǎn)業(yè)健康快速發(fā)展的建議：① 聚焦農(nóng)業(yè)機(jī)器人主戰(zhàn)場(chǎng)主產(chǎn)品：對(duì)接國(guó)家農(nóng)業(yè)中長(zhǎng)期發(fā)展規(guī)劃，以鄉(xiāng)村振興戰(zhàn)略為抓手，突破一批農(nóng)業(yè)機(jī)器人共性關(guān)鍵技術(shù)，重點(diǎn)研發(fā)糧經(jīng)飼、果蔬、畜禽、水產(chǎn)品生產(chǎn)關(guān)鍵環(huán)節(jié)的農(nóng)業(yè)機(jī)器人，如品種選育、除草、飼喂、擠奶、收獲類(lèi)機(jī)器人等。② 推進(jìn)農(nóng)業(yè)機(jī)器人技術(shù)的標(biāo)準(zhǔn)化：加快農(nóng)業(yè)機(jī)器人標(biāo)準(zhǔn)化研究，建立以農(nóng)業(yè)機(jī)器人操作系統(tǒng)、通用控制器、多總線兼容協(xié)議、手/臂機(jī)電接口、移動(dòng)底盤(pán)為代表的軟硬件標(biāo)準(zhǔn)技術(shù)體系，為機(jī)器人系列化研發(fā)提供支撐。③ 構(gòu)建多學(xué)科交叉人才生態(tài)環(huán)境：農(nóng)業(yè)機(jī)器人涉及智能感知、智能控制、智能決策、精準(zhǔn)驅(qū)動(dòng)等前沿科技，是多學(xué)科交叉融合的高技術(shù)產(chǎn)品，需要人工智能、機(jī)器人、大數(shù)據(jù)、移動(dòng)通信等產(chǎn)業(yè)的技術(shù)和人才支撐。農(nóng)業(yè)機(jī)器人產(chǎn)業(yè)的發(fā)展要吸引科研院所跨專(zhuān)業(yè)人才的加盟，用好高精專(zhuān)人才，培養(yǎng)交叉學(xué)科人才，加強(qiáng)國(guó)際合作交流，構(gòu)建多學(xué)科交叉的人才生態(tài)環(huán)境，實(shí)現(xiàn)我國(guó)與國(guó)際農(nóng)業(yè)機(jī)器人技術(shù)的同步發(fā)展。④ 為農(nóng)機(jī)工業(yè)提供先進(jìn)技術(shù)支撐：農(nóng)業(yè)機(jī)器人先進(jìn)的智能傳感器技術(shù)、智慧決策智能控制技術(shù)、精密驅(qū)動(dòng)技術(shù)、精確定位導(dǎo)航技術(shù)等是牽引智能農(nóng)機(jī)裝備升級(jí)發(fā)展的核心關(guān)鍵技術(shù)，必將助推我國(guó)農(nóng)機(jī)工業(yè)、智慧農(nóng)業(yè)產(chǎn)業(yè)快速發(fā)展。

綜上，農(nóng)業(yè)機(jī)器人進(jìn)入了快速發(fā)展期，也是我國(guó)追趕國(guó)際技術(shù)前沿的關(guān)鍵窗口期。立足國(guó)內(nèi)現(xiàn)狀緊盯前沿抓住機(jī)遇，結(jié)合我國(guó)農(nóng)業(yè)產(chǎn)業(yè)特點(diǎn)，加大農(nóng)業(yè)機(jī)器人基礎(chǔ)研究投入，鼓勵(lì)“從0到1”原創(chuàng)性研究，加快創(chuàng)新技術(shù)研發(fā)、縮短與國(guó)外技術(shù)水平差距，搶先實(shí)現(xiàn)農(nóng)業(yè)機(jī)器人技術(shù)落地并進(jìn)入產(chǎn)業(yè)化應(yīng)用，實(shí)現(xiàn)與國(guó)際先進(jìn)水平的跟跑和并跑，提高我國(guó)農(nóng)機(jī)工業(yè)的技術(shù)水平和國(guó)際競(jìng)爭(zhēng)力。