楊征鶴，楊會(huì)民，喻 晨，陳毅飛，周 欣，馬 艷，王學(xué)農(nóng)

(1.新疆農(nóng)業(yè)大學(xué)機(jī)電工程學(xué)院，烏魯木齊 830052；2.新疆農(nóng)業(yè)科學(xué)院農(nóng)業(yè)機(jī)械化研究所，烏魯木齊 830091)

0 引 言

【研究意義】我國(guó)的設(shè)施蔬菜的種植面積400×104hm2[1]，新疆的設(shè)施蔬菜栽培面積也達(dá)到3.57×104hm2[2]。在溫室密閉、高溫高濕的環(huán)境會(huì)導(dǎo)致病蟲害發(fā)病重、繁殖快和防治困難，嚴(yán)重時(shí)損失高達(dá)50%以上，目前主要采取的措施是化學(xué)防治，但是使用農(nóng)藥的頻次高、劑量大，每667 m2農(nóng)藥使用量為大田作物的十幾倍，甚至更多[3]。農(nóng)藥有效利用率僅20%～40%[3]。隨著自動(dòng)化、信息化技術(shù)以及傳感器技術(shù)應(yīng)用于精準(zhǔn)施藥和智能機(jī)械的研發(fā)，發(fā)達(dá)國(guó)家的農(nóng)藥利用率已經(jīng)提高到50%～60%的水平[5]。目前我國(guó)的施藥技術(shù)和藥械與外國(guó)相比存在一定差距[6-7]。使用自動(dòng)對(duì)靶噴藥技術(shù)對(duì)我國(guó)設(shè)施蔬菜進(jìn)行變量施藥，可減少農(nóng)藥污染?！厩叭搜芯窟M(jìn)展】自動(dòng)對(duì)靶噴藥技術(shù)的發(fā)展主要經(jīng)歷了2個(gè)發(fā)展階段[8]：第一階段是能夠引導(dǎo)噴藥機(jī)器人在合適的路徑上進(jìn)行目標(biāo)作物檢測(cè)，從而進(jìn)行的施藥；如何雄奎等[9]研制的果園自動(dòng)對(duì)靶靜電噴霧機(jī)，通過紅外傳感技術(shù)探測(cè)靶標(biāo)的有無，并使用靜電噴霧技術(shù)，從而達(dá)到最佳的施藥效果。第二階段是隨著導(dǎo)航技術(shù)、傳感器技術(shù)和病蟲害識(shí)別技術(shù)的發(fā)展，需要施藥機(jī)器人自主判別靶標(biāo)的有無、作物冠層的大小、目標(biāo)作物病蟲害及長(zhǎng)勢(shì)等特征，并按需噴藥[10]，這種作業(yè)方式提高了農(nóng)藥使用率。Yang等[11]研制的雜草自動(dòng)識(shí)別施藥機(jī)，使用攝像機(jī)采集作物信息，處理器區(qū)分出雜草與作物，并且能夠根據(jù)雜草的數(shù)量決定施藥量?！颈狙芯壳腥朦c(diǎn)】采用自動(dòng)化程度更高的自動(dòng)對(duì)靶噴藥機(jī)器人來代替人工施藥，減少藥物浪費(fèi)和藥物污染。溫室環(huán)境復(fù)雜，在噴藥潮濕的環(huán)境中，激光、視覺等傳感器會(huì)受到影響，影響噴藥機(jī)的正常工作。各類控制系統(tǒng)有著處理延遲、實(shí)時(shí)性差的劣勢(shì)，與人工施藥相比有著難以彌補(bǔ)的差距。病蟲害識(shí)別技術(shù)的發(fā)展限制，使得病蟲害檢測(cè)技術(shù)在線指導(dǎo)自動(dòng)噴藥設(shè)備按需施藥成為一個(gè)暫時(shí)的技術(shù)難點(diǎn)。目標(biāo)作物冠層枝葉稠密程度的檢測(cè)是對(duì)靶噴藥過程中的難點(diǎn)，如何精確檢測(cè)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(xiàn)分析的方法，綜述國(guó)內(nèi)外設(shè)施農(nóng)業(yè)蔬菜自動(dòng)對(duì)靶噴藥技術(shù)現(xiàn)狀與分析。【擬解決的關(guān)鍵問題】收集、整理和分析國(guó)內(nèi)外研究文獻(xiàn)，總結(jié)自動(dòng)對(duì)靶噴藥技術(shù)的研究現(xiàn)狀，自動(dòng)設(shè)施蔬菜自動(dòng)對(duì)靶噴藥技術(shù)研究進(jìn)展，為設(shè)施蔬菜自動(dòng)對(duì)靶噴藥技術(shù)的深入研究提供理論基礎(chǔ)和科學(xué)依據(jù)。

1 材料與方法

1.1 材 料

收集國(guó)內(nèi)外設(shè)施蔬菜自動(dòng)對(duì)靶噴藥技術(shù)的相關(guān)文獻(xiàn)，分析目前自動(dòng)對(duì)靶噴藥技術(shù)并匯總及系統(tǒng)綜述。

1.2 方 法

采用相關(guān)文獻(xiàn)及實(shí)地調(diào)研。

2 結(jié)果與分析

2.1 導(dǎo)航技術(shù)

2.1.1 國(guó)外導(dǎo)航技術(shù)

近年來農(nóng)業(yè)導(dǎo)航傳感器數(shù)量迅速增加，自主移動(dòng)機(jī)器人系統(tǒng)采用全球定位系統(tǒng)(GPS)、視覺技術(shù)、激光距離掃描儀等不同的傳感器作為主要的傳感系統(tǒng)，并結(jié)合一些如里程表、慣性測(cè)量單元(IMU)、數(shù)字羅盤和陀螺儀等作為輔助傳感器，以補(bǔ)充主要的傳感系統(tǒng)。

基于GPS導(dǎo)航技術(shù)已經(jīng)應(yīng)用到廣泛的農(nóng)業(yè)作業(yè)中去。為提高傳統(tǒng)GPS導(dǎo)航系統(tǒng)的精度，開發(fā)了差分全球定位系統(tǒng)(DGPS)和實(shí)時(shí)運(yùn)動(dòng)學(xué)全球定位系統(tǒng)(RTK-GPS)。已有學(xué)者使用RTK-GPS作為農(nóng)業(yè)車輛轉(zhuǎn)向系統(tǒng)的唯一定位傳感器[12]。但這種導(dǎo)航技術(shù)存在一定的局限性，因此，GPS導(dǎo)航技術(shù)常與其他傳感器結(jié)合，以提供更準(zhǔn)確的導(dǎo)航信息。Eaton等[13]使用RTK-GPS與慣性測(cè)量單元相結(jié)合，Nagasaka等[14]使用RTK-GPS與光纖陀螺儀相結(jié)合，以提高導(dǎo)航精度。Norremark等[15]研制了一種無人駕駛除草機(jī)，除草機(jī)的控制系統(tǒng)由RTK-GPS導(dǎo)航系統(tǒng)與傾斜傳感器組成，這種基于GPS導(dǎo)航系統(tǒng)能夠?qū)崿F(xiàn)在預(yù)設(shè)的平行于作物行線的路徑上實(shí)現(xiàn)自動(dòng)導(dǎo)航，且誤差較小。使用GPS導(dǎo)航最常見的問題包括衛(wèi)星信號(hào)的干擾，多路徑問題和來自其他射頻源的干擾。

視覺技術(shù)具有成本效益和提供大量信息的優(yōu)點(diǎn)，為農(nóng)業(yè)機(jī)器人提供轉(zhuǎn)向信號(hào)，在農(nóng)業(yè)中的應(yīng)用變得越來越普遍。Okamoto等[16]研究了一種基于彩色CCD相機(jī)的除草中耕機(jī)自動(dòng)跟隨控制系統(tǒng)，該系統(tǒng)利用作物行圖像來確定中耕機(jī)與目標(biāo)作物行之間的偏移量，偏移量的預(yù)測(cè)提高了行跟蹤的精度。Benson等[17]開發(fā)了一種基于機(jī)器視覺的單色攝像機(jī)谷物收割機(jī)導(dǎo)航系統(tǒng)。該制導(dǎo)算法基于作物切邊的橫向位置，能夠準(zhǔn)確定位作物行距。Nissimov等[18]使用Kinect傳感器進(jìn)行溫室中的障礙物檢測(cè)。其中Kinect傳感器由紅外激光發(fā)射器、一個(gè)紅外攝像頭和一個(gè)RGB攝像頭組成，提供了同步的顏色和深度信息。障礙物檢測(cè)決策是利用像素點(diǎn)的斜率、強(qiáng)度和相鄰點(diǎn)的信息來進(jìn)行的，并且利用顏色和紋理特征對(duì)可疑的障礙物進(jìn)行分類。該方法有較好的成本優(yōu)勢(shì)，但是在障礙物被遮擋時(shí)誤差較大。Delfin等[19]提出了一種基于視覺技術(shù)的定位算法，利用虛擬機(jī)和拓?fù)浣Y(jié)構(gòu)來尋找最合適當(dāng)前視覺信息的關(guān)鍵圖像。另外配備了可視化路徑規(guī)劃器，當(dāng)一個(gè)新的障礙物被機(jī)器人的RGB-D攝像機(jī)檢測(cè)到時(shí)，虛擬機(jī)會(huì)更新，會(huì)重新規(guī)劃路線。經(jīng)試驗(yàn)評(píng)估該導(dǎo)航方案具有良好的導(dǎo)航性能。

激光導(dǎo)航原理是利用三角測(cè)距原理，測(cè)量周邊物體與激光發(fā)射器之間的距離，然后實(shí)現(xiàn)路徑規(guī)劃。激光傳感器有著高分辨率和獲取信息量大等優(yōu)點(diǎn)，并且能夠在不同的天氣和環(huán)境下進(jìn)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(jìn)行導(dǎo)航。Yokota等[21]開發(fā)了一種自動(dòng)機(jī)器人，利用激光掃描儀收集周圍作物生長(zhǎng)和產(chǎn)量的空間信息。Weiss等[22]利用三維激光雷達(dá)傳感器對(duì)植物和地面進(jìn)行檢測(cè)和分割，實(shí)現(xiàn)自主農(nóng)業(yè)機(jī)器人的定位、測(cè)繪和導(dǎo)航。Houssein等[23]提出了一種結(jié)合人工勢(shì)場(chǎng)在溫室中進(jìn)行自主導(dǎo)航的方法。采用安裝在機(jī)器人前段的單個(gè)激光雷達(dá)傳感器，利用SLAM(同步定位與映射)進(jìn)行姿態(tài)估計(jì)，并利用APF控制器保證了自主導(dǎo)航。試驗(yàn)結(jié)果表明，基于此方法導(dǎo)航的機(jī)器人能夠適應(yīng)作物生長(zhǎng)引起的結(jié)構(gòu)變化，并且能夠在人的在場(chǎng)下安全操作。圖1

注：1.移動(dòng)平臺(tái);2.自動(dòng)駕駛儀;3.工控機(jī);4.接收器;5.攝像頭；6.超聲波傳感器；7.激光雷達(dá)傳感器

2.1.2 國(guó)內(nèi)導(dǎo)航技術(shù)

中國(guó)農(nóng)業(yè)大學(xué)的楊世勝等[24]研發(fā)了一種電磁誘導(dǎo)農(nóng)用噴霧機(jī)器人。開發(fā)了噴霧機(jī)器人位置檢測(cè)傳感器和磁標(biāo)志傳感器，實(shí)現(xiàn)了機(jī)器人的自動(dòng)行走，并且在道路上安裝了行首與行尾和切換標(biāo)志。這種導(dǎo)航方式比較適合溫室這樣比較密閉的環(huán)境使用。圖2

賈士偉等[25]對(duì)溫室機(jī)器人的道路邊緣檢測(cè)與路徑導(dǎo)航進(jìn)行了研究。該研究主要利用二維激光雷達(dá)檢測(cè)道路邊緣，利用基準(zhǔn)道路寬度來進(jìn)行偽道路的剔除，進(jìn)而生成導(dǎo)航調(diào)速控制指令。試驗(yàn)表明，該溫室機(jī)器人對(duì)于作業(yè)道路要求較高，在凹凸不平的路面上適應(yīng)能力較差。圖3

山東農(nóng)業(yè)大學(xué)的張群等[26]提出了一種運(yùn)用視覺導(dǎo)航溫室機(jī)器人路徑識(shí)別算法。運(yùn)用單目攝像機(jī)獲取番茄種植環(huán)境的圖像信息進(jìn)行處理，把圖像轉(zhuǎn)化為二值圖像，根據(jù)目標(biāo)作物的位置來獲取導(dǎo)航離散點(diǎn)，進(jìn)而通過Hough變換得到導(dǎo)航路徑。試驗(yàn)結(jié)果表明，機(jī)器人能夠?qū)τ诘缆沸畔⑻崛〉恼_率達(dá)到95.7%，且基于機(jī)器人對(duì)于連續(xù)動(dòng)態(tài)圖像分析，該路徑識(shí)別方法具有較好的實(shí)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(duì)照組,同期選取了正常血液樣本350例作為觀察組,對(duì)這些樣本進(jìn)行了血涂片檢驗(yàn),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(duì)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(duì)比不存在統(tǒng)計(jì)學(xué)差異性,能夠進(jìn)行對(duì)比分析。

Jiang Jin等[27]提出了一種基于視覺信息導(dǎo)航技術(shù)方案。將視覺信息作為路徑處理的信息源，根據(jù)所建立的路線，在遇到障礙物的過程中，算法實(shí)時(shí)調(diào)整軌跡，滿足移動(dòng)機(jī)器人智能控制的目的，試驗(yàn)結(jié)果表明，該系統(tǒng)能夠充分獲取障礙物信息，保證了機(jī)器人運(yùn)動(dòng)的實(shí)時(shí)性和準(zhǔn)確性，但是在機(jī)器人控制的過程中，系統(tǒng)的實(shí)時(shí)性、目標(biāo)特性的多樣化、路面的不確定性等問題還有待于進(jìn)一步的研究。

圖2 電磁誘導(dǎo)系統(tǒng)示意Fig.2 Schematic diagram of electromagnetic induction system

注：1.激光測(cè)距儀;2.顯示器;3.驅(qū)動(dòng)電機(jī);4.前輪;5.后輪

2.2 病蟲害檢測(cè)技術(shù)

2.2.1 國(guó)外病蟲害檢測(cè)技術(shù)

遙感技術(shù)是農(nóng)業(yè)工程中檢測(cè)病蟲害信息的重要手段，但是遙感技術(shù)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(duì)田間實(shí)時(shí)變量噴霧[29]，且并不適用于溫室環(huán)境。國(guó)外對(duì)于病蟲害識(shí)別技術(shù)研究較早，且有著較為完善的可見光數(shù)據(jù)庫。傳統(tǒng)的圖像識(shí)別技術(shù)主要包括降噪、腐蝕、增強(qiáng)、對(duì)圖像各個(gè)顏色空間特征和紋理特征的提取和建模等。Schor等[30]研發(fā)了一套室內(nèi)辣椒機(jī)器人病蟲害檢測(cè)系統(tǒng)，用于對(duì)辣椒白粉病和番茄病的聯(lián)合檢測(cè)。系統(tǒng)由RGB(紅綠藍(lán))照相機(jī)和激光傳感器組成，利用閾值分割并進(jìn)行圖像處理，再基于主成分分析和變異系數(shù)進(jìn)行病蟲害的檢測(cè)。傳統(tǒng)識(shí)別方法在實(shí)際的使用中非線性數(shù)據(jù)的建模識(shí)別成功率較低，導(dǎo)致識(shí)別成功率并不高[31]。現(xiàn)在病蟲害識(shí)別技術(shù)逐漸采用紅外光譜和高光譜成像，這種技術(shù)可以很好的反映出被測(cè)物的外部特征、內(nèi)部化學(xué)特征含量和生理結(jié)構(gòu)的變化，更容易在早期識(shí)別出被測(cè)物是否發(fā)生病變及化學(xué)成分的變化。美國(guó)內(nèi)布拉斯加大學(xué)的Pandey等[32]利用高光譜成像技術(shù)量化玉米和大豆植物體內(nèi)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(shù)據(jù)與化學(xué)數(shù)據(jù)相關(guān)聯(lián)。測(cè)試結(jié)果的含水率、宏量元素、微量元素的準(zhǔn)確率分別在93%、69%～92%、19%～86%。

為解決傳統(tǒng)農(nóng)作物病蟲害識(shí)別過程中建模、識(shí)別成功率低的問題，一些學(xué)者提出了基于深度學(xué)習(xí)的農(nóng)作物病蟲害識(shí)別技術(shù)，深度學(xué)習(xí)的建模方法相較于傳統(tǒng)的圖像處理手段省去了大量的預(yù)處理手段，只需要將圖像裁剪成合適尺寸即可以進(jìn)行圖像識(shí)別，縮短了識(shí)別時(shí)間且大幅度提高識(shí)別準(zhǔn)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(cè)方法。通過獲取病態(tài)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(yīng)分類器的訓(xùn)練集。該系統(tǒng)主要分為3個(gè)主要步驟:數(shù)據(jù)采集、特征提取和分類器設(shè)計(jì)。并采用多分類器系統(tǒng)(MCS)，可以提供更高的分類精度。Mohanty等[34]分析了在數(shù)據(jù)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(diào)整為256×256像素，執(zhí)行模型優(yōu)化和預(yù)測(cè)。其中最佳建模方式為利用 GoogLeNet卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，對(duì)彩色圖像進(jìn)行遷移學(xué)習(xí)訓(xùn)練，且其他建模方式的準(zhǔn)確率也達(dá)到了90% 以上。

2.2.2 國(guó)內(nèi)病蟲害檢測(cè)技術(shù)

國(guó)內(nèi)對(duì)于病蟲害的研究相比國(guó)外較晚一些，但我國(guó)學(xué)者也進(jìn)行了大量的研究，目前常使用的是比較傳統(tǒng)的識(shí)別方法。柴阿麗等[35]利用作物顏色、紋理、形狀特征參數(shù)建立了番茄病蟲害識(shí)別模型，識(shí)別的準(zhǔn)確率達(dá)到了94%。秦淑芳等[36]研究了甘藍(lán)型油菜葉片圖像蟲害程度的檢測(cè)方法。主要采用空間彩色空間模型的方法分割圖像，再對(duì)圖像進(jìn)行二值化與去噪處理，只保留葉片區(qū)域的二值圖像，最后提取葉片圖像中的8個(gè)特征參數(shù)，經(jīng)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(shí)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(shí)際的生產(chǎn)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(xué)的Zhao等[37]使用高光譜成像技術(shù)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(diǎn)。張善文等[38]提出了一種基于卷積神經(jīng)網(wǎng)絡(luò)的黃瓜葉部病蟲害識(shí)別方法。主要建立了1個(gè)包含6種黃瓜病害的15 500多幅的訓(xùn)練葉片圖像數(shù)據(jù)庫，根據(jù)病害葉片圖像的復(fù)雜性，利用卷積神經(jīng)網(wǎng)絡(luò)從該數(shù)據(jù)庫中自動(dòng)學(xué)習(xí)黃瓜病害葉片圖像的屬性特征，再利用分類器進(jìn)行分類。試驗(yàn)結(jié)果表明，與基于特征提取的傳統(tǒng)病害識(shí)別方法相比，該方法的識(shí)別性能較高，但是需要大量的訓(xùn)練時(shí)間。鄒永杰等[39]提出了1種基于機(jī)器學(xué)習(xí)的番茄病蟲害檢測(cè)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(jié)合SVM(支持向量機(jī))分類器訓(xùn)練樣本得到檢測(cè)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(gè)特征能夠在一定程度上互補(bǔ)，提高了番茄葉病蟲害檢測(cè)的成功率。

2.3 對(duì)靶噴藥技術(shù)

2.3.1 國(guó)外對(duì)靶噴藥技術(shù)的研究現(xiàn)狀

對(duì)靶噴藥技術(shù)是基于傳感器通過機(jī)器視覺技術(shù)、超聲波技術(shù)、激光技術(shù)等信息采集設(shè)備，根據(jù)目標(biāo)存在情況自動(dòng)噴藥。國(guó)外對(duì)自動(dòng)對(duì)靶噴藥技術(shù)研究早，其主要的研究是以最佳的施藥效果和最小的環(huán)境污染為目標(biāo)[40-41]。Liorens等[42]使用常規(guī)定容噴霧法與變速噴霧法進(jìn)行了對(duì)比，結(jié)果表明，根據(jù)目標(biāo)作物的大小及稠密程度進(jìn)行的變速噴霧法可以平均節(jié)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(shù)可以有助于精準(zhǔn)施藥。Komasilovs等[43]對(duì)溫室中噴藥機(jī)器群體優(yōu)化成本效率問題進(jìn)行了研究，學(xué)者分析了3種傳感器：激光測(cè)距儀、距離測(cè)量和定位使用的無線電信標(biāo)和接收器、基于視覺信息的距離測(cè)量傳感器。研究表明，基于無線電信標(biāo)和接收機(jī)的距離測(cè)量只適用于檢測(cè)任務(wù)，且成本較高，視覺距離測(cè)量和激光測(cè)距儀更受青睞分別占到調(diào)查對(duì)象的71%和26%。

機(jī)器視覺是機(jī)器人識(shí)別技術(shù)中應(yīng)用最廣泛的，主要由1個(gè)或多個(gè)視覺攝像機(jī)、光源、圖像采集卡等構(gòu)成，結(jié)構(gòu)較簡(jiǎn)單?？梢垣@取二維、三維圖像，可以根據(jù)獲取圖像中的顏色、紋理、形狀等主要的形態(tài)特征來分析識(shí)別目標(biāo)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(jī)器識(shí)別[44]。Giles等[45-47]提出了1種基于機(jī)器視覺引導(dǎo)和可調(diào)噴嘴的精密帶式噴藥方式。通過CCD(電荷耦合器)攝像機(jī)獲取目標(biāo)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(jìn)行變量噴藥。在番茄和生菜上進(jìn)行系統(tǒng)測(cè)試表明，與傳統(tǒng)噴藥方式相比噴霧施用率可降低66%～80%，在目標(biāo)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(biāo)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(fā)了一種基于機(jī)器視覺的除草機(jī)器人。機(jī)器視覺獲取作物周圍的雜草信息，計(jì)算機(jī)將雜草進(jìn)行分類并根據(jù)雜草的數(shù)量和種類進(jìn)行按需施藥。機(jī)器人采用滴注式施藥，配備28個(gè)噴嘴，橫向間距為6 mm。試驗(yàn)表明，與普通噴灑相比，可以節(jié)省73%～95%的藥量，大大減少了藥物浪費(fèi)，但是其效率較低，實(shí)用性并不高。圖4

超聲波測(cè)距傳感器可以非接觸式測(cè)量遠(yuǎn)處物體的距離，理論上該傳感器可以用于測(cè)量目標(biāo)靶的到噴頭之間的距離，進(jìn)而估算目標(biāo)靶的外形輪廓和體積[49-50]。Maghsoudi等[51]運(yùn)用超聲波傳感器實(shí)時(shí)獲取目標(biāo)作物的距離和體積信息，并基于冠層體積變化進(jìn)行噴霧，在噴霧效果類似的情況下，平均節(jié)省了34.5%的藥量。Miranda-Fuentes等[52]設(shè)計(jì)了基于超聲波傳感器陣列式的風(fēng)送式對(duì)靶噴霧機(jī)，通過在風(fēng)機(jī)前安裝不同高度的超聲波傳感器，每個(gè)傳感器對(duì)應(yīng)一組噴頭，通過檢測(cè)靶標(biāo)冠層的存在與無，從而控制噴頭的開關(guān)，從而達(dá)到減少藥物噴灑，提高冠層內(nèi)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(jī)。噴藥機(jī)由超聲波傳感器、電磁閥、控制設(shè)備和噴淋設(shè)備組成。超聲波傳感器檢測(cè)到0～0.5 m范圍內(nèi)的目標(biāo)時(shí)，忽略其他距離更遠(yuǎn)的物體，同時(shí)電磁閥開啟，進(jìn)行噴藥操作。試驗(yàn)表明，該系統(tǒng)大約能夠節(jié)省21%的噴霧液體。超聲波的主要優(yōu)點(diǎn)是價(jià)格低廉，主要的缺點(diǎn)是超聲波較大的發(fā)散角限制了測(cè)量的分辨率和準(zhǔn)確性。圖5

激光主動(dòng)視覺技術(shù)也是現(xiàn)在比較常用的技術(shù)，激光雷達(dá)高頻率發(fā)射出脈沖激光束，根據(jù)反射回來的激光回波點(diǎn)云，測(cè)量周圍物體各點(diǎn)的距離，也可用于測(cè)量目標(biāo)靶的外形和體積信息[54-56]。Gregorio等[57]使用激光雷達(dá)系統(tǒng)對(duì)噴霧漂移進(jìn)行監(jiān)測(cè)。Chen等[58]研制了1種激光引導(dǎo)變速噴霧器。該噴霧機(jī)主要通過激光傳感器對(duì)目標(biāo)作物進(jìn)行三維測(cè)量，控制系統(tǒng)根據(jù)傳感器的測(cè)量結(jié)果，控制噴頭沿深度、寬度和高度的3個(gè)冠層提供均勻的噴霧覆蓋和沉積，減小了目標(biāo)作物周圍不同位置、空氣和地面的噴霧損失。激光主動(dòng)視覺系統(tǒng)具有較高的識(shí)別率，獲取的信息也比較多，往往應(yīng)用于大型的果樹對(duì)靶噴藥機(jī)中。激光主動(dòng)視覺系統(tǒng)成本偏高，也限制了其廣泛的應(yīng)用。

Rafiq等[59]設(shè)計(jì)了一款溫室環(huán)境下使用的自主噴藥機(jī)器人。機(jī)器人沿著熱水管道進(jìn)行來回移動(dòng)，從而省去了復(fù)雜的導(dǎo)航系統(tǒng)。機(jī)器人主要由控制單元、運(yùn)動(dòng)底盤和噴霧單元3個(gè)部分組成，當(dāng)機(jī)器人經(jīng)過放置在地面上的反光標(biāo)記時(shí)，泵就會(huì)啟動(dòng)和關(guān)閉，以實(shí)現(xiàn)對(duì)溫室植物的選擇性噴灑。圖6

圖5 溫室噴藥機(jī)作業(yè)示意圖Fig.5 Greenhouse spray machine schematic diagram

圖6 基于管道導(dǎo)航的溫室噴藥機(jī)器人Fig.6 Greenhouse spraying robot based on pipeline navigation

2.3.2 國(guó)內(nèi)對(duì)靶噴藥技術(shù)

陳勇等[60]提出了一種自動(dòng)調(diào)節(jié)的噴頭組合及射程的智能噴霧機(jī)器人，通過脈寬調(diào)制實(shí)現(xiàn)可變量施藥。胡天翔等[61]提出了一種基于構(gòu)件化的智能對(duì)靶噴霧機(jī)軟件系統(tǒng)。使用雙目視覺技術(shù)進(jìn)行信息的提取與測(cè)量，設(shè)計(jì)和實(shí)現(xiàn)不同構(gòu)件的功能，并進(jìn)行集成。試驗(yàn)表明，整個(gè)系統(tǒng)能夠很好的滿足智能對(duì)靶噴霧機(jī)的需求。

我國(guó)學(xué)者也研發(fā)了一些自動(dòng)對(duì)靶噴藥機(jī)器人，但這些噴藥機(jī)大多還處于實(shí)驗(yàn)室階段。目前我國(guó)設(shè)施蔬菜的施藥還是依靠人工來進(jìn)行完成。靳文停等[62]設(shè)計(jì)了1種履帶式溫室智能噴藥機(jī)器人。主要由噴藥系統(tǒng)、履帶底盤、控制系統(tǒng)及傳感器等幾部分組成。機(jī)器人主要通過安裝的攝像頭360°旋轉(zhuǎn)，進(jìn)行采集目標(biāo)作物環(huán)境信息，機(jī)器人采用單片機(jī)為控制系統(tǒng)進(jìn)行處理信息，并利用滾珠絲杠進(jìn)行高度以及幅寬的調(diào)節(jié)，以增加藥液的覆蓋率。采用微型定時(shí)防腐蝕槳葉來進(jìn)行藥液的攪動(dòng)，以防止藥液沉淀堵塞噴頭。圖7

趙慧芳等[63]研發(fā)了一種溫室自走噴藥機(jī)，主要由噴藥裝置、行走裝置、控制裝置組成。噴藥機(jī)由人工遙控控制，可以自動(dòng)換向，不斷往復(fù)，通過控制噴藥裝置的風(fēng)扇的轉(zhuǎn)向，調(diào)節(jié)噴藥的方向，噴藥裝置使用可以調(diào)節(jié)的噴霧密度，解決了普通噴藥方式難以達(dá)到的無死角噴藥，但這種噴藥方式需要人工的干預(yù)，自動(dòng)化程度較低。

張俊雄等[64-65]設(shè)計(jì)了一種溫室對(duì)靶噴霧機(jī)器人。機(jī)器人主要由移動(dòng)平臺(tái)、三自由度機(jī)械臂、變量噴嘴以及病蟲害診斷系統(tǒng)組成。機(jī)器人系統(tǒng)采用雙目系統(tǒng)，每臺(tái)攝像機(jī)采集的區(qū)域?yàn)?.2 m×1.2 m。靶標(biāo)信息獲取以后，上傳到控制系統(tǒng)，控制系統(tǒng)由二級(jí)CPU的主從式的控制方式，上位機(jī)為工控機(jī)，主要完成的是目標(biāo)作物中病蟲害信息的采集以及噴藥條件的判斷。下位機(jī)主要由PCL組成，能夠在外界復(fù)雜的工作環(huán)境下穩(wěn)定工作，主要負(fù)責(zé)三軸機(jī)械臂的運(yùn)行，處理器將采集到的圖像分成0.2 m×0.2 m為每1個(gè)單元，每1個(gè)單元對(duì)應(yīng)1個(gè)噴嘴，根據(jù)檢測(cè)到圖像中的病蟲害信息，實(shí)現(xiàn)對(duì)靶精量施藥的目的。機(jī)器人設(shè)計(jì)了病蟲害監(jiān)控系統(tǒng)，能夠?qū)崿F(xiàn)發(fā)現(xiàn)病蟲害、定位病蟲害位置、對(duì)靶噴藥一系列的工作。機(jī)器人底座平臺(tái)需設(shè)計(jì)在特定的軌道上，軌道需安裝在機(jī)器人工作的場(chǎng)合，軌道的使用增加了機(jī)器人的使用成本，限制了其大規(guī)模的使用。圖8

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

注：1.移動(dòng)平臺(tái)；2.導(dǎo)軌；3.剪叉式吊架；4.Y向平移直線導(dǎo)軌；5.X向伸縮直線導(dǎo)軌；6.回轉(zhuǎn)腕關(guān)節(jié)；7.攝像機(jī)；8.噴桿

3 討 論

3.1利用電子技術(shù)和傳感器技術(shù)來進(jìn)行檢測(cè)目標(biāo)靶的有無、作物冠層的大小、作物病蟲害及長(zhǎng)勢(shì)等特征，實(shí)現(xiàn)按需施藥，其中導(dǎo)航技術(shù)、病蟲害識(shí)別技術(shù)及對(duì)靶噴藥技術(shù)是自動(dòng)對(duì)靶噴藥技術(shù)的核心技術(shù)。目前導(dǎo)航技術(shù)將朝著基于深度學(xué)習(xí)的障礙物檢測(cè)技術(shù)與智能避障策略的方向發(fā)展，以實(shí)現(xiàn)農(nóng)業(yè)機(jī)械的智能化[28]。

3.2自動(dòng)對(duì)靶噴藥技術(shù)需要進(jìn)一步提高工作效率。提高目標(biāo)作物的識(shí)別率，可以通過提高識(shí)別設(shè)備的硬件水平、優(yōu)化算法等方法進(jìn)行，利用基于高光譜和深度學(xué)習(xí)的病蟲害檢測(cè)技術(shù)，可以提高目標(biāo)作物病蟲害檢測(cè)效率。

3.3目標(biāo)作物信息的獲取以及對(duì)目標(biāo)植物枝葉稠密程度的判斷是當(dāng)前噴藥技術(shù)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(fā)更高效、精準(zhǔn)的噴藥方式對(duì)于自動(dòng)對(duì)靶噴藥技術(shù)的發(fā)展有著重要的意義。

3.4溫室環(huán)境密閉，人工施藥過程中會(huì)對(duì)人體產(chǎn)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(yè)環(huán)境下的機(jī)器人難以適應(yīng)。隨著設(shè)施農(nóng)業(yè)向大型化、現(xiàn)代化、高新技術(shù)化發(fā)展，已經(jīng)有許多的采摘機(jī)器人、除草機(jī)器人、修剪機(jī)器人等應(yīng)用到實(shí)際的生產(chǎn)中去。

4 結(jié) 論

國(guó)外主要利用GPS、視覺和激光雷達(dá)等技術(shù)并結(jié)合傳感器進(jìn)行導(dǎo)航，我國(guó)學(xué)者也研發(fā)了電磁誘導(dǎo)式、基于機(jī)器視覺的溫室路徑識(shí)別算法以及基于激光雷達(dá)的道路邊緣檢測(cè)方法等溫室導(dǎo)航方法。不同的國(guó)家地區(qū)根據(jù)不同情況，選擇不同的導(dǎo)航方法。在實(shí)際的作業(yè)中，GPS導(dǎo)航技術(shù)在果園或溫室的環(huán)境中，信號(hào)會(huì)受到阻擋，影響導(dǎo)航效果。視覺技術(shù)和激光導(dǎo)航技術(shù)可以很好的克服這一問題，與GPS導(dǎo)航相比，兩者收集的信息豐富、完整，范圍較廣，更加靈活，實(shí)時(shí)性和精確性也有提高。因此，根據(jù)不同的作業(yè)環(huán)境，采用多種導(dǎo)航技術(shù)相結(jié)合的環(huán)境感知系統(tǒng)，提高導(dǎo)航的準(zhǔn)確性。

國(guó)外可見光識(shí)別技術(shù)已經(jīng)相當(dāng)成熟，基于紅外光譜技術(shù)和高光譜技術(shù)和基于深度學(xué)習(xí)的病蟲害識(shí)別技術(shù)已經(jīng)開始應(yīng)用于實(shí)際的生產(chǎn)工作中去，國(guó)內(nèi)現(xiàn)階段主要采用的是圖像識(shí)別技術(shù)，我國(guó)學(xué)者也在高光譜和基于深度學(xué)習(xí)的病蟲害識(shí)別技術(shù)進(jìn)行了一定的研究，取得了一定的成果?？梢姽獬上窦夹g(shù)只有在作物外觀發(fā)生病變或者發(fā)生肉眼可見的病蟲害時(shí)才能取得比較好的識(shí)別效果，并不能在作物已經(jīng)患病但還沒有表征的時(shí)候檢測(cè)出來，引入紅外成像和高光譜技術(shù)可以實(shí)現(xiàn)對(duì)作物內(nèi)部結(jié)構(gòu)和化學(xué)成分發(fā)生改變做出預(yù)警，實(shí)現(xiàn)早期的病蟲害防治，以減少病蟲害帶來的影響?；谏疃葘W(xué)習(xí)的圖像處理技術(shù)可以將復(fù)雜背景下的圖像進(jìn)行分類識(shí)別，并且具有較高的準(zhǔn)確率，與紅外光譜技術(shù)和高光譜技術(shù)結(jié)合將是未來病蟲害識(shí)別的發(fā)展方向。

國(guó)外對(duì)于對(duì)靶施藥技術(shù)的研究較早，技術(shù)較為成熟，其研發(fā)的自動(dòng)對(duì)靶噴藥設(shè)備大多針對(duì)于果園環(huán)境，對(duì)于溫室設(shè)施蔬菜等小型的自動(dòng)對(duì)靶施藥機(jī)研究成果較少。采取的技術(shù)主要為基于機(jī)器視覺、激光主動(dòng)視覺和超聲波技術(shù)，并配合一些其他傳感器使用，對(duì)噴藥裝置進(jìn)行控制，技術(shù)較為成熟，且部分樣機(jī)已經(jīng)產(chǎn)品化。采用機(jī)器視覺技術(shù)獲取靶標(biāo)病蟲害位置信息，對(duì)噴頭進(jìn)行單獨(dú)控制，以達(dá)到精準(zhǔn)對(duì)靶施藥的效果。目前對(duì)靶噴藥技術(shù)主要面臨的問題有在外界強(qiáng)烈光線的照射下，植物的反射率會(huì)增加，圖像顏色會(huì)失真，在變化的環(huán)境下，該數(shù)據(jù)不能用于物種識(shí)別和分類；另一個(gè)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(jī)器人難以對(duì)不同位置的藥液需求量進(jìn)行計(jì)算，從而導(dǎo)致噴藥的效果差；最后一個(gè)是目標(biāo)作物的不同的成長(zhǎng)狀況所帶來的影響，不同的生長(zhǎng)狀況會(huì)出現(xiàn)作物顏色、形狀的不同，會(huì)造成光譜反射率變化，從而造成不同的識(shí)別結(jié)果，進(jìn)而影響噴藥。