宋 鵬

（貴州省機械電子產(chǎn)品質量檢驗檢測院，貴州 貴陽 550014）

隨著科技的發(fā)展，人工智能技術在農(nóng)業(yè)機械控制領域得到了越來越廣泛的應用，我國是農(nóng)業(yè)大國，農(nóng)業(yè)機械化水平的提高對于保障國家糧食安全、促進農(nóng)業(yè)現(xiàn)代化具有重要意義[1]。然而目前我國農(nóng)業(yè)機械控制方式仍以手動操作為主，自動化程度較低，不僅耗費大量人力物力，也無法實現(xiàn)精細化管理。為實現(xiàn)農(nóng)業(yè)機械的自動化、智能化，開展農(nóng)業(yè)機械自動控制技術研究迫在眉睫。人工智能技術是實現(xiàn)農(nóng)業(yè)機械自動化控制的關鍵技術之一?；诟兄?、學習、決策等功能，人工智能可以根據(jù)作物生長環(huán)境的變化來調(diào)整控制參數(shù)，實現(xiàn)對農(nóng)業(yè)機械的閉環(huán)控制。本文針對常見的農(nóng)業(yè)機械，研究設計了基于人工智能算法的自動化控制系統(tǒng)，該控制系統(tǒng)能夠實現(xiàn)對作業(yè)過程的感知及決策調(diào)整，具有一定的智能性、靈活性和適應性。

1 人工智能算法在農(nóng)業(yè)機械控制中的基本原理

人工智能算法實現(xiàn)農(nóng)業(yè)機械自動化控制的核心在于環(huán)境感知與智能決策[2]。典型的方法是構建標定模型，實時獲取各種作業(yè)參數(shù)，經(jīng)過分析計算后對設備的狀態(tài)和作業(yè)過程進行評估與決策。例如，在拖拉機自動導航系統(tǒng)中，需要獲取導航定位模塊輸出的機器人姿態(tài)、GPS 坐標、里程計數(shù)據(jù)、慣性測量數(shù)據(jù)等，同時獲取圖像識別模塊對田間作物和地形的分析結果，根據(jù)標定模型計算出最優(yōu)路徑，并將運動控制量和作業(yè)參數(shù)下發(fā)執(zhí)行，完成田間作業(yè)。具體來說，人工智能算法的環(huán)境感知主要通過傳感器獲取各類數(shù)據(jù)信號，例如距離傳感器、導航傳感器可以實時監(jiān)測周圍的障礙物和地形；溫濕度傳感器、光照傳感器可以感知外界的環(huán)境參數(shù)；載荷傳感器可以測試裝載質量；質構傳感器可以分析土壤成分比例等。這些傳感數(shù)據(jù)經(jīng)過標定換算，可以精確反映作業(yè)環(huán)境的狀態(tài)。然后，算法會對數(shù)據(jù)進行多元分析，提取關鍵特征，判斷當前的作業(yè)環(huán)境與模式，預測可能的異常情況。例如，如果測得溫度過高、光照過強，那么算法會提前判斷可能出現(xiàn)的作物枯萎或其他情況，根據(jù)優(yōu)化模型準備相應的控制策略。在環(huán)境分析的基礎上，人工智能算法最核心的功能就是智能決策[3]。決策系統(tǒng)綜合考量作業(yè)目標、環(huán)境狀態(tài)、機械負荷等多種因素，計算出最優(yōu)的控制參數(shù)組合，并將其轉換為運動學控制量，實現(xiàn)對農(nóng)業(yè)機械的閉環(huán)控制。決策系統(tǒng)還具有自我迭代和持續(xù)學習的能力，它會根據(jù)執(zhí)行結果不斷完善和增強控制模型，以適應復雜多變的農(nóng)業(yè)環(huán)境，實現(xiàn)智能化、精確化、自動化控制。

2 基于人工智能算法的農(nóng)業(yè)機械自動化控制系統(tǒng)設計與實現(xiàn)

2.1 控制系統(tǒng)整體架構設計

基于人工智能算法的農(nóng)業(yè)機械自動化控制系統(tǒng)由傳感層、網(wǎng)絡層、計算層和應用層組成。傳感層主要包括工況檢測模塊、環(huán)境檢測模塊等，通過各類傳感器采集農(nóng)業(yè)機械的工況數(shù)據(jù)、環(huán)境數(shù)據(jù)，并經(jīng)過信號調(diào)理后輸送到網(wǎng)絡層[4]；網(wǎng)絡層主要實現(xiàn)不同傳感器信號的融合，構建了控制總線，并將數(shù)據(jù)標準化后上傳到計算層；計算層是核心決策層，集成了作業(yè)輔助決策系統(tǒng)、避碰導航系統(tǒng)、執(zhí)行控制系統(tǒng)等算法模塊。這些智能算法模塊對傳感數(shù)據(jù)進行深度分析，制定出控制策略；應用層將計算層的控制指令解碼為電機的驅動信號、執(zhí)行機構的開關信號等，最終驅動農(nóng)業(yè)機械的運行。該系統(tǒng)總體采用分層約束的架構方式，下層的數(shù)據(jù)流主要是底層信號的采集和傳輸，上層則側重于信息處理和決策控制。各層之間通過標準化網(wǎng)絡互聯(lián)，提高了系統(tǒng)的開放性和兼容性。同時，系統(tǒng)具有一定的容錯能力和健壯性。如果某一傳感器失效，不會影響其他傳感器工作；如果局部網(wǎng)絡中斷，系統(tǒng)可以自主切換到降級工作模式，這保證了系統(tǒng)的高可靠性。

在具體實現(xiàn)中，傳感層所使用的傳感器類型有溫濕度傳感器、GPS 傳感器、圖像傳感器、載荷力傳感器、傾角傳感器等，可以采集周圍環(huán)境溫度、濕度、定位、地形、作物和土壤特征等數(shù)據(jù)。網(wǎng)絡層采用規(guī)范的CAN 總線（傳輸速率可達1 Mbps）進行數(shù)據(jù)傳輸，保證了實時性。計算層中的算法模塊采用的是改進的LSTM 神經(jīng)網(wǎng)絡，可以處理時間序列，對歷史數(shù)據(jù)進行訓練審視，實現(xiàn)更準確的預測和決策。應用層將控制指令轉換為PWM 驅動信號（頻率可調(diào)，精度±0.5%），用以驅動水泵（流量范圍0～100 L/min）、噴頭（噴霧面積10 m2～100 m2）等執(zhí)行機構，也可直接控制電機（功率范圍2 kW～20 kW）、舵機（轉角精度±0.1°）的運轉，從而精確控制農(nóng)業(yè)機械的自動化作業(yè)。

2.2 控制系統(tǒng)硬件設計

控制系統(tǒng)的硬件采用模塊化設計，各組件通過標準接口互連，主要分為處理器模塊、傳感模組、執(zhí)行模塊、通信模塊和穩(wěn)壓供電模塊[5]。其中，處理器模塊采用的是STM32F427 單片機，其Cortex-M4核心具有浮點運算單元和DSP 指令，運行主頻高達180 MHz，片上SRAM 192 KB，能夠有效支持神經(jīng)網(wǎng)絡算法模型的部署運行，滿足控制算法的計算需求。圖像處理采用的是卷積神經(jīng)網(wǎng)絡SoC 芯片，適用于圖像識別及特征提取，可有效減輕主控MCU 的負載。傳感模塊集成了變速脈沖編碼器，用于獲取運行軸轉速；還有噪聲傳感器，用于測量作業(yè)過程中的噪聲水平。另外還有溫度傳感器、濕度傳感器等，用于測量環(huán)境條件，防止機械過熱或積水。這些傳感參數(shù)會實時反映機械裝置的動作和工況狀態(tài)[6]。執(zhí)行模塊能夠將控制指令轉換為PWM 脈沖信號，進而驅動舵機、步進電機等執(zhí)行機構，完成精確的運動控制。考慮到耐久性要求，輸出驅動芯片采用了車規(guī)級芯片，能適應惡劣工作環(huán)境。通信模塊支持CAN 總線、Wi-Fi 等標準通信接口。通過這些接口可以將傳感器數(shù)據(jù)匯聚傳輸至計算單元；也可以將控制指令分發(fā)至執(zhí)行模塊，實現(xiàn)對各個執(zhí)行機構的協(xié)調(diào)控制[7]。電源模塊提供了寬溫度范圍、低噪聲的穩(wěn)壓供電電路，輸出電流高達20 A，可以為控制系統(tǒng)的各個部分提供清潔且穩(wěn)定的電源。該電源系統(tǒng)還具備過流保護、過壓保護、短路保護等功能，提升了系統(tǒng)的安全性和健壯性。

2.3 控制系統(tǒng)軟件設計

控制系統(tǒng)軟件分為操作系統(tǒng)層、算法框架層和應用接口層。操作系統(tǒng)層采用FreeRTOS 實時操作系統(tǒng)。它具有實時性、預置性、優(yōu)先級管理等特性[8]，可以根據(jù)控制算法和數(shù)據(jù)采集的需要靈活分配CPU資源和調(diào)度任務優(yōu)先級，保證處理器高效穩(wěn)定地運行。算法框架層實現(xiàn)了傳感驅動模型、神經(jīng)網(wǎng)絡模型、優(yōu)化求解器等組件。其中，傳感驅動模型負責標準化各類傳感數(shù)據(jù)，轉換為訓練模型的輸入；神經(jīng)網(wǎng)絡模型（ResNet 結構，20 層深度）實現(xiàn)對作業(yè)環(huán)境的分析判斷；優(yōu)化求解器（采用貝葉斯超參數(shù)優(yōu)化算法）則基于當前狀態(tài)計算出最優(yōu)控制策略。模型訓練使用IoT 邊緣計算平臺，數(shù)據(jù)集來源于歷史數(shù)據(jù)和模擬數(shù)據(jù)。數(shù)據(jù)庫使用SQLite 數(shù)據(jù)庫管理作業(yè)日志、環(huán)境數(shù)據(jù)等信息，便于算法框架的模型優(yōu)化和決策的持續(xù)改進[9]。數(shù)據(jù)庫采用索引結構，寫入速度可達1 000 次/s，讀取速度可達3 000 次/s。應用接口層通過OPC UA、MQTT 等協(xié)議，實現(xiàn)與底層硬件的標準互聯(lián)，封裝了通信驅動和功能驅動兩個子層。底層通過CAN 總線、串口獲取傳感數(shù)據(jù)，上層可直接調(diào)用功能驅動層的方法，以實現(xiàn)對水泵流量、噴頭模式等的控制。該軟件系統(tǒng)具有模塊間松耦合、可配置化的特點，兼具靈活性與可擴展性[10]。未來，可通過升級算法模型和新增應用驅動，實現(xiàn)對更多類型農(nóng)業(yè)機械的智能化精確控制。

3 試驗設計與結果分析

3.1 試驗設計與實施

為驗證所設計農(nóng)業(yè)機械自動控制系統(tǒng)的性能，開展了測試驗證試驗。試驗的目的是檢驗控制精度、作業(yè)質量以及系統(tǒng)穩(wěn)定性。試驗所使用的農(nóng)業(yè)機械平臺是某公司生產(chǎn)的八輪自走噴霧機器人。該機器人行走速度18 m/min，轉彎半徑小于20 m，噴孔數(shù)量36 個，配備特高壓軸流泵，最大流量100 L/min，試驗載藥液為20%懸浮劑的百草枯水劑。試驗區(qū)選擇了某農(nóng)場的標準試驗田，面積為2 hm2，地形復雜性較低。在試驗初期，對該自走噴霧機器人的噴霧性能和避障性能進行了測試，結果符合使用要求。接著，上傳了經(jīng)訓練的自動導航與執(zhí)行控制模型以及與特高壓水泵匹配的閉環(huán)控制模型，啟動智能控制模式下的試驗。測試過程中，調(diào)整導航路徑和執(zhí)行策略，使液體最終覆蓋率達到要求的98%以上，這表明導航定位精度和執(zhí)行控制精度都比較高。在后期模擬異常情況的測試中，隨機斷開一個執(zhí)行機構的控制信號，控制系統(tǒng)能夠檢測到異常，啟動備用執(zhí)行機構進行補償操作，以保證作業(yè)質量。此外，通過調(diào)整環(huán)境參數(shù)，模擬了在不同光照條件、溫度和作物葉面積下的試驗，控制系統(tǒng)都能根據(jù)環(huán)境狀態(tài)實時調(diào)整算法模型，自動校正執(zhí)行策略，表現(xiàn)出了較強的適應性和穩(wěn)定性。

3.2 試驗結果分析與討論

通過對試驗過程的觀測分析，總結了自動控制模式下系統(tǒng)的主要性能，如表1所示。

表1 自動控制模式下的主要性能指標

從表中可以看出，在自動駕駛與執(zhí)行控制模式下，噴霧機器人實現(xiàn)了較高的懸浮劑覆蓋率，達到99.2%，且導航速度只有少部分時間下降，基本維持在設計值（96.5%），這說明定位導航足夠精確，遍歷覆蓋效果好。由于導航路徑和速度控制比較理想，平均作業(yè)效率達到2.8 hm2/h，大大提高了作業(yè)效率。另外，特高壓泵的流量控制也比較準確，控制精度為±3.2%，在可接受的范圍內(nèi)。與手動控制模式相比，該智能化控制系統(tǒng)自動適應環(huán)境，無需人工干預，效率更高。試驗期間，當隨機斷開一個噴霧執(zhí)行機構后，系統(tǒng)快速啟動了備用機構工作，未出現(xiàn)明顯的混淆，這表明系統(tǒng)在復雜環(huán)境下也能保證穩(wěn)定性。通過試驗驗證，所設計的基于多源異構數(shù)據(jù)融合的農(nóng)業(yè)機器人自動控制系統(tǒng)，能夠實現(xiàn)精確的作業(yè)控制，具有環(huán)境適應性強、控制精度高的特點，滿足了智能化農(nóng)業(yè)裝備的自動控制需求。

4 結語

本文針對農(nóng)業(yè)機械的自動化控制需求，研究設計了一套基于多源異構數(shù)據(jù)融合與人工智能算法的智能化控制系統(tǒng)。該系統(tǒng)通過環(huán)境監(jiān)測與智能決策實現(xiàn)了對農(nóng)業(yè)機械的閉環(huán)控制，試驗結果表明，該系統(tǒng)具有控制精度高、適應性強的優(yōu)點?？梢姡斯ぶ悄芗夹g為實現(xiàn)農(nóng)業(yè)機械的智能化、精細化控制提供了有效手段。隨著傳感技術、通信技術與算法模型的不斷優(yōu)化，人工智能技術將在更多農(nóng)業(yè)機械的設計與應用中發(fā)揮重要作用，有助于減輕農(nóng)民的勞動強度，提高農(nóng)業(yè)生產(chǎn)效率。當前，該智能控制系統(tǒng)主要應用于單機種的定向作業(yè)，未來，可嘗試建立統(tǒng)一的作業(yè)指揮平臺，實現(xiàn)多機種協(xié)同與優(yōu)化調(diào)度，形成完整的數(shù)字化、網(wǎng)絡化農(nóng)機系統(tǒng)，推動我國農(nóng)業(yè)整體的智能化與現(xiàn)代化進程。