摘 要：噴施農(nóng)藥是農(nóng)作物防治病蟲(chóng)害的重要方法，傳統(tǒng)的人工施藥方式，作業(yè)時(shí)防護(hù)不當(dāng)會(huì)對(duì)施藥人產(chǎn)生身體危害，同時(shí)，由于人工施藥無(wú)法使農(nóng)藥噴施達(dá)到均勻，一定程度上會(huì)降低農(nóng)藥的利用率，且容易造成環(huán)境污染。針對(duì)此問(wèn)題，設(shè)計(jì)了一種基于機(jī)器視覺(jué)的施藥機(jī)器人。以馬鈴薯作物為試驗(yàn)對(duì)象，施藥機(jī)器人可以進(jìn)行路徑規(guī)劃避障并通過(guò)圖像識(shí)別算法，自動(dòng)識(shí)別檢測(cè)農(nóng)作物的病害，從而實(shí)現(xiàn)精準(zhǔn)施藥，減少藥物浪費(fèi)，降低人工施藥風(fēng)險(xiǎn)。

關(guān)鍵詞：機(jī)器視覺(jué)；路徑規(guī)劃；自動(dòng)識(shí)別；病蟲(chóng)害防治

中圖分類(lèi)號(hào)：S224.3；S237 文獻(xiàn)標(biāo)志碼：B 文章編號(hào)：1674-7909（2024）17-142-6

DOI：10.19345/j.cnki.1674-7909.2024.17.031

0 引言

在小農(nóng)經(jīng)濟(jì)的背景下，農(nóng)藥噴施方式多以人工操作的背負(fù)式或手持式設(shè)備為主［1］。這種傳統(tǒng)的噴藥方式需投入大量的勞動(dòng)力，且人工噴藥的隨意性較大，噴施過(guò)程中難以保證藥劑的均勻分布。目前，大力發(fā)展智能化農(nóng)業(yè)植保裝備，即將植保技術(shù)、自動(dòng)化機(jī)械技術(shù)和機(jī)器視覺(jué)技術(shù)進(jìn)行有機(jī)結(jié)合，力求在保證防治效果的基礎(chǔ)上，盡可能的減少農(nóng)藥的使用量，減少對(duì)環(huán)境的污染和人體的傷害［2］。為此馬偉等［3］等研制出一種風(fēng)送變量噴藥機(jī)器人，該機(jī)器運(yùn)用風(fēng)力擴(kuò)大噴霧機(jī)的作業(yè)范圍，提高噴施均勻性，尤其適用于設(shè)施環(huán)境下的噴藥作業(yè)。中國(guó)科技大學(xué)劉路［4］研制了一種自走噴霧機(jī)器人，實(shí)現(xiàn)了基于視覺(jué)的慣性導(dǎo)航，使得機(jī)器人能自走作業(yè)。為解決農(nóng)藥噴施過(guò)程中的霧滴漂移問(wèn)題，江蘇大學(xué)學(xué)生蔡彥倫［5］運(yùn)用靜電噴施技術(shù)研制了一種低空靜電噴施植保無(wú)人機(jī)，噴頭霧化后經(jīng)過(guò)靜電發(fā)生裝置使霧滴帶靜電，漂移中的霧滴在靜電的作用下飄向靶標(biāo)，很大程度上減少了霧滴的漂移，節(jié)省了農(nóng)藥。

為了更加有效應(yīng)對(duì)馬鈴薯病害植株的防治需求，設(shè)計(jì)了一款基于機(jī)器視覺(jué)的智能施藥機(jī)器人。該施藥機(jī)器人集成了路徑規(guī)劃、精準(zhǔn)噴藥等多項(xiàng)智能技術(shù)，能夠在田間自動(dòng)導(dǎo)航，對(duì)病害植株進(jìn)行定點(diǎn)施藥。能夠在不同行進(jìn)速度下進(jìn)行對(duì)靶噴灑，達(dá)到提高施藥效率和節(jié)省藥劑的效果。這一研究不僅減少了投入人力成本的需求，而且顯著提升了病害防治的精準(zhǔn)度和資源利用效率，為智能農(nóng)業(yè)提供了一種高效的解決方案。

1 施藥機(jī)器人的工作原理

施藥機(jī)器人系統(tǒng)主要包括雷達(dá)系統(tǒng)、路徑規(guī)劃移動(dòng)系統(tǒng)、識(shí)別病害裝置及施藥裝置。施藥機(jī)器人通過(guò)搭載的雷達(dá)系統(tǒng)對(duì)農(nóng)田環(huán)境進(jìn)行掃描，獲取實(shí)時(shí)地形和環(huán)境數(shù)據(jù)，并生成二維地圖，基于構(gòu)建的地圖，機(jī)器人運(yùn)用全局規(guī)劃算法來(lái)確定最優(yōu)移動(dòng)路徑。在按照規(guī)劃的路徑行走過(guò)程中，機(jī)器人前端和側(cè)方安裝有攝像頭，通過(guò)視覺(jué)傳感器采集馬鈴薯植株病害，并通過(guò)后側(cè)方安裝的噴藥裝置進(jìn)行對(duì)靶噴霧。

2 施藥裝置的設(shè)計(jì)

施藥裝置主要包括噴頭、水泵、水管、繼電器及儲(chǔ)藥箱等部分組成。工作時(shí)，水泵啟動(dòng)儲(chǔ)藥箱中的藥劑通過(guò)水管輸送到噴頭，將藥劑按設(shè)定的壓力和流量噴灑到農(nóng)作物表面。繼電器根據(jù)傳感器信號(hào)和設(shè)定的程序，控制噴頭的開(kāi)啟與關(guān)閉，精確控制噴藥量。

2.1 噴頭

噴頭需要以適當(dāng)?shù)撵F化程度進(jìn)行噴射，確保霧滴大小一致，并使流體噴灑的方向合適。噴頭的噴嘴主要有扇形噴嘴和錐形噴嘴兩種類(lèi)型。扇形噴嘴是一種能產(chǎn)生多種角度扇形噴霧的噴嘴。錐形噴嘴則能產(chǎn)生實(shí)心錐形噴霧形狀，其噴射區(qū)域呈圓形。扇形噴嘴的優(yōu)點(diǎn)是扇形的噴霧模式形成了直線型的打擊面，使得在單位面積上能提供更大的打擊力，同等壓力，流量下扇形噴嘴是更適合用于強(qiáng)沖擊的清洗應(yīng)用。該噴嘴不僅提升了噴射強(qiáng)度，還有效增強(qiáng)了噴灑的精確性，使得噴霧覆蓋面平整，同時(shí)邊界清晰明確，有利于達(dá)到較好的噴灑效果。

為保證施藥效果，施藥機(jī)器人共配置了3個(gè)120°扇形噴頭，單個(gè)噴頭流量為0.12 L/min，能夠滿足要求。

2.2 水泵

水泵是施藥系統(tǒng)的核心部件，其為智能施藥機(jī)器人的噴頭提供合適的壓力。在工作中，水泵單位流量不僅與噴頭參數(shù)相匹配，還需確保回流藥液能夠有效攪拌水箱內(nèi)的藥液，使其在噴灑過(guò)程中不斷循環(huán)，避免藥液沉積，維持藥液濃度的均勻性。因此，水泵型號(hào)的選擇尤為重要，根據(jù)水泵的壓力、電壓、電流以及轉(zhuǎn)速等方面進(jìn)行綜合考慮。經(jīng)計(jì)算分析，水泵選用型號(hào)為370的微型直流水泵。

3 施藥機(jī)器人雷達(dá)系統(tǒng)

雷達(dá)系統(tǒng)是施藥機(jī)器人的機(jī)器視覺(jué)，有控制器、雷達(dá)等組成，在雷達(dá)探測(cè)到環(huán)境信息后以數(shù)據(jù)形式快速的傳遞給控制器，并做出快速的智能反應(yīng)。

3.1 控制器

施藥機(jī)器人的控制器為樹(shù)莓派，具有多方面優(yōu)勢(shì)。深度學(xué)習(xí)領(lǐng)域其廣泛使用Python進(jìn)行開(kāi)發(fā)，樹(shù)莓派的Python環(huán)境兼容性使其在運(yùn)行神經(jīng)網(wǎng)絡(luò)模型、路徑規(guī)劃算法和傳感器數(shù)據(jù)處理方面非常靈活。

3.2 雷達(dá)

在智能?chē)娝帣C(jī)器人自動(dòng)導(dǎo)航系統(tǒng)中，激光雷達(dá)是一種關(guān)鍵的傳感器。施藥機(jī)器人采用了具備12米半徑測(cè)量范圍、360°掃描測(cè)距以及8 000次/S測(cè)量頻率的高性能激光雷達(dá)，能夠提供精確的環(huán)境感知信息，為路徑規(guī)劃和自主導(dǎo)航提供數(shù)據(jù)支撐。工作時(shí)能夠結(jié)合機(jī)器人操作系統(tǒng)（Robot Operating SystemROS，ROS）進(jìn)行建圖和路徑規(guī)劃。

4 機(jī)器人路徑規(guī)劃系統(tǒng)設(shè)計(jì)

4.1 路徑規(guī)劃算法

采用人工智能（Artificial Intelligence，AI）算法作為機(jī)器人的路徑規(guī)劃算法。AI算法的優(yōu)點(diǎn)是結(jié)合了戴克斯特拉算法（Dijkstra's algorithm，Dijkstra）算法的最短路徑搜索和貪心算法的啟發(fā)式搜索，減少了不必要的節(jié)點(diǎn)擴(kuò)展，提高了搜索效率。

4.2 田間作業(yè)方式

在常規(guī)場(chǎng)景中，在確立起點(diǎn)和終點(diǎn)基礎(chǔ)上，路徑規(guī)劃的主要目的是為智能施藥機(jī)器人尋找到一條無(wú)碰撞的路徑，屬于“點(diǎn)到點(diǎn)”的規(guī)劃方式。而農(nóng)業(yè)機(jī)器人在進(jìn)行生產(chǎn)作業(yè)時(shí)（如播種、施肥和噴藥等），則需要實(shí)現(xiàn)對(duì)整個(gè)作業(yè)區(qū)域的全面覆蓋，以確保生產(chǎn)效率最大化，因此其路徑規(guī)劃更偏向“點(diǎn)到線”或“線到面”的全覆蓋規(guī)劃。

一般來(lái)說(shuō)，農(nóng)業(yè)機(jī)器人的作業(yè)方式分為直行法、繞行法和斜行法三類(lèi)，直行法是較為常用的方式，具體詳見(jiàn)圖1所示。根據(jù)不同的操作需求，直行法又可以細(xì)分為繞行法、開(kāi)壟行走法、閉壟行走法、套行法和梭形法（又稱(chēng)牛耕法）［5］。

智能施藥機(jī)器人的田間作業(yè)路徑大多數(shù)情況下由直線和轉(zhuǎn)彎兩部分構(gòu)成。常見(jiàn)的幾種轉(zhuǎn)彎路徑包括U形、弓形、Ω形和魚(yú)尾形，具體詳見(jiàn)圖2。其中：W代表機(jī)器人作業(yè)的幅寬，r表示其最小轉(zhuǎn)彎半徑。

在轉(zhuǎn)彎路徑示意圖中，由圖2（a）和2（b）可知，U形和弓形的轉(zhuǎn)彎方式較為相似，轉(zhuǎn)彎整個(gè)過(guò)程不需要太大區(qū)域，施藥機(jī)器人只需單向轉(zhuǎn)動(dòng)即可，操作簡(jiǎn)單、效率較高。圖2（c）魚(yú)尾形與U形和弓形的轉(zhuǎn)彎方式相比，魚(yú)尾形的轉(zhuǎn)彎方式明顯復(fù)雜，人需要在轉(zhuǎn)彎過(guò)程中兩次自動(dòng)調(diào)整速度，并隨之改變運(yùn)動(dòng)狀態(tài)，系統(tǒng)需花費(fèi)更多時(shí)間處理指令的接收與發(fā)送，增大了各系統(tǒng)間的通信延遲，從而增加了非作業(yè)時(shí)間，可能導(dǎo)致移動(dòng)路線發(fā)生偏移，轉(zhuǎn)彎失敗。圖2（d）Ω形的轉(zhuǎn)彎角度超過(guò)了180°，需要的轉(zhuǎn)彎區(qū)域會(huì)顯著增大，所占用的空間也會(huì)增加，并且由于轉(zhuǎn)彎幅度較大，整體的控制難度也會(huì)相應(yīng)提升，不利于智能施藥機(jī)器人的路徑規(guī)劃。

一般來(lái)說(shuō)，路徑長(zhǎng)短會(huì)影響施藥機(jī)器人的所需工作時(shí)間。施藥機(jī)器人在進(jìn)入相鄰直線路徑時(shí)，需要根據(jù)最小轉(zhuǎn)彎半徑與作業(yè)幅寬的關(guān)系來(lái)選擇轉(zhuǎn)彎路徑。當(dāng)W≥2r時(shí)，采用U形或弓形轉(zhuǎn)彎路徑；當(dāng)rlt;Wlt;2r時(shí)，采用Ω形或魚(yú)尾形轉(zhuǎn)彎路徑。在實(shí)際情況下，Ω形和U形會(huì)增加路徑長(zhǎng)度，會(huì)延長(zhǎng)智能施藥機(jī)器人工作時(shí)間，所以可以通過(guò)跨行實(shí)現(xiàn)弓形轉(zhuǎn)彎，弓形轉(zhuǎn)彎路徑詳見(jiàn)圖3所示。

4.3 構(gòu)建馬鈴薯田間模型

針對(duì)馬鈴薯田地施藥進(jìn)行仿真試驗(yàn)，研究以10行植株為例，設(shè)置田地寬度為7 m，機(jī)器人作業(yè)幅寬為0.7 m。每一作業(yè)行兩端中點(diǎn)處各設(shè)置一個(gè)節(jié)點(diǎn)，代表坐標(biāo)點(diǎn)，田間作業(yè)行所有的坐標(biāo)點(diǎn)用V=｛1，2，…，n｝來(lái)表示，其中n表示坐標(biāo)點(diǎn)的總數(shù)。經(jīng)過(guò)處理之后，作業(yè)行可簡(jiǎn)化為兩端坐標(biāo)點(diǎn)的連線，馬鈴薯田地模擬情況采用1、2…10為地頭坐標(biāo)，20、19…為相對(duì)應(yīng)的地頭坐標(biāo)，即1?20、2?19、3?18、…、10?11。坐標(biāo)點(diǎn)集合V組織為集合 [H=a1，b1，a2，b1，…an/2，bn/2]，在模型中其[ai+bi=n+1]，且[ai]和[bi]是位于不同地頭的坐標(biāo)點(diǎn)；集合[H]可根據(jù)所屬地頭進(jìn)一步分為集合[H1]和集合[H2]，其中集合[H1=a1，a2，…an/2]表示位于地頭1的坐標(biāo)點(diǎn)，集合[H2=b1，b1，…bn/2]表示位于地頭２的坐標(biāo)點(diǎn)。

4.4 試驗(yàn)結(jié)果分析

在Python環(huán)境下，設(shè)定馬鈴薯田地大小為20 m×7 m，機(jī)器人的最小轉(zhuǎn)彎半徑為r=0.6 m，初始作業(yè)速度為0.3 m/s，作業(yè)幅寬為W=0.7 m，根據(jù)作業(yè)幅寬算得作業(yè)條帶數(shù)量n=10。用AI算法結(jié)合套行法和梭形法兩種作業(yè)方式，進(jìn)行對(duì)比試驗(yàn)。試驗(yàn)中假設(shè)馬鈴薯田地中障礙物可以避開(kāi)，施藥機(jī)器人將在無(wú)干擾以及不受外部因素的影響情況下完成作業(yè)。

兩種作業(yè)方式對(duì)比如下：第一種采用梭形法（牛耕法），第二種則采用套行法。通過(guò)對(duì)比試驗(yàn)，觀察兩種方式在障礙物環(huán)境中的作業(yè)表現(xiàn)和效率。由于rlt;Wlt;2r，在梭形法作業(yè)方式下，機(jī)器人需要使用Ω形轉(zhuǎn)彎路徑；而在套行法中，采用弓形轉(zhuǎn)彎路徑。該試驗(yàn)從作業(yè)路徑軌跡、轉(zhuǎn)彎路徑類(lèi)型及轉(zhuǎn)彎路徑總長(zhǎng)度三個(gè)方面進(jìn)行對(duì)比分析，實(shí)驗(yàn)結(jié)果如表1所示。

分析可知，梭形法和套行法分別采用了Ω形轉(zhuǎn)彎路徑和弓形轉(zhuǎn)彎路徑，其轉(zhuǎn)彎路徑長(zhǎng)度各為61.45 m和34.26 m。套行法相比梭形法節(jié)省了44.2%的轉(zhuǎn)彎路徑長(zhǎng)度。套行法的轉(zhuǎn)彎路徑總共長(zhǎng)度較短，這是因?yàn)橄啾扔谒笮畏ㄋ褂玫摩感温窂?，套行法的轉(zhuǎn)彎角度較小。由于套行法轉(zhuǎn)彎時(shí)占用的區(qū)域較小，轉(zhuǎn)彎長(zhǎng)度相對(duì)較短。說(shuō)明套行法在狹小空間內(nèi)操作時(shí)更為靈活，適用性更廣。

在兩種不同作業(yè)方式下，機(jī)器人路徑軌跡有著明顯的不同，作業(yè)路徑軌跡如圖4所示。可以看出，在地頭無(wú)障礙物的情況下，套行法工作方式下，地頭轉(zhuǎn)彎面積較小。與Ω形轉(zhuǎn)彎路徑的梭形法相比，弓形轉(zhuǎn)彎路徑的套行法的機(jī)器人在轉(zhuǎn)彎時(shí)無(wú)需進(jìn)行過(guò)多的停止和啟動(dòng)操作，有助于減少能源消耗和機(jī)器磨損，并且不需要較大的轉(zhuǎn)彎空間，提高馬鈴薯種植面積，提升經(jīng)濟(jì)效益。

5 馬鈴薯病害檢測(cè)識(shí)別系統(tǒng)設(shè)計(jì)

5.1 構(gòu)建數(shù)據(jù)集

該識(shí)別系統(tǒng)主要識(shí)別馬鈴薯病害，這些病害包括炭疽病、早疫病、晚疫病及其他病害。馬鈴薯不同情況下的葉片特征如圖5所示。

收集大量的病害圖片后，需對(duì)圖片進(jìn)行預(yù)處理，以便構(gòu)建馬鈴薯葉片病害識(shí)別模型的數(shù)據(jù)集，具體構(gòu)建數(shù)據(jù)流程如圖6所示。

5.2 Mobilenet-V2輕量級(jí)卷積神經(jīng)網(wǎng)絡(luò)的優(yōu)化訓(xùn)練

在構(gòu)建了馬鈴薯病害識(shí)別的數(shù)據(jù)集之后，選擇合適的模型進(jìn)行訓(xùn)練是關(guān)鍵的一步。在偏遠(yuǎn)農(nóng)村地區(qū)，沒(méi)有互聯(lián)網(wǎng)連接或互聯(lián)網(wǎng)速度較慢的地區(qū)，由于傳統(tǒng)的大型CNN不適合離線部署，需要模型更小的CNN進(jìn)行離線部署。識(shí)別模型中需選擇MobileNet-V2作為骨干網(wǎng)絡(luò)來(lái)執(zhí)行馬鈴薯作物病害鑒定。

為了提高此模型的學(xué)習(xí)能力識(shí)別微小病變特征，對(duì)經(jīng)典的MobileNet-V2進(jìn)行了改進(jìn)遷移學(xué)習(xí)方法，空間注意和通道注意模塊被整合到預(yù)訓(xùn)練的模型中，是一個(gè)八度卷積（OctConv）塊用于高維特征的提取的關(guān)注模塊可以充分利用通道注意和空間注意來(lái)學(xué)習(xí)通道之間的相互依存關(guān)系以及空間點(diǎn)對(duì)中間的意義特征圖。此外，利用八度卷積塊可以提高提取效率高頻特征，并減少低頻信息的冗余，從而提高作物病害識(shí)別的準(zhǔn)確性。基于OctConv思想，實(shí)現(xiàn)了包含的OctConv結(jié)構(gòu)包括初始層、過(guò)渡層和輸出層。初始層為單輸入雙輸出，并負(fù)責(zé)接收輸入特征映射圖像處理時(shí)。原始圖像通過(guò)卷積層一個(gè)卷積核大小為3×3的輸出高頻特征圖，并經(jīng)過(guò)執(zhí)行平均池化和相同的卷積運(yùn)算，得到低頻特征圖的輸出。雙輸入雙輸出在過(guò)渡層，高頻特征和低頻特征再經(jīng)過(guò)卷積層后通過(guò)下采樣和上采樣輸出。雙輸入和單輸出在輸出層。在卷積層和向上采樣后得到的特征圖中加入卷積運(yùn)算得到的高頻特征八度卷積塊的輸出特征圖。通過(guò)移除Boottleneck模塊、縮減和增加通道數(shù)。這樣，利用生成的MobileNet V2-B0網(wǎng)絡(luò)對(duì)馬鈴薯進(jìn)行鑒定作物的疾病。其中底部卷積層采用來(lái)自ImageNet的預(yù)先訓(xùn)練的MobileNet-V2和OctConv塊嵌入到網(wǎng)絡(luò)中進(jìn)行高維特征提取。此外，一個(gè)注意模塊由通道注意和空間注意組成了每個(gè)空間位置的意義，實(shí)現(xiàn)最大限度的再利用渠道間關(guān)系，從而重新校準(zhǔn)空間和通道特征。

MobileNet V2-B0模型和MobileNet-V2模型在不同學(xué)習(xí)率下各項(xiàng)數(shù)據(jù)如表2、表3。在學(xué)習(xí)率為0.001的情況下，MobileNet V2-B0模型訓(xùn)練準(zhǔn)確率和測(cè)試準(zhǔn)確率比MobileNet-V2模型分別高2.04%，0.40%。根據(jù)以上分析，選取0.001的學(xué)習(xí)率完成MobileNet V2-B模型的訓(xùn)練與測(cè)試效果最好。

6 系統(tǒng)試驗(yàn)研究與分析

初期試驗(yàn)在室外進(jìn)行，為了便于調(diào)整靶標(biāo)作物的間距，選擇了盆栽的馬鈴薯病害植株，植株高度約為0.3 m～0.5 m，可以滿足本次試驗(yàn)的需求。使用的施藥機(jī)器人的行駛速度設(shè)定在0.4 m/s～0.8 m/s的范圍內(nèi)，噴頭與馬鈴薯植株的水平距離設(shè)定為0.3 m，激光雷達(dá)的檢測(cè)范圍設(shè)定為左右角度各為10°，探測(cè)距離為1 m。當(dāng)探測(cè)范圍內(nèi)出現(xiàn)馬鈴薯植株時(shí)，智能施藥機(jī)器人將自動(dòng)執(zhí)行施藥操作。施藥工作圖試驗(yàn)現(xiàn)場(chǎng)詳見(jiàn)圖7所示。

工作時(shí)，遇到農(nóng)作物之間存在的間隙，施藥機(jī)器人可以在此空間停止噴霧。為測(cè)試對(duì)靶噴灑相比連續(xù)噴灑的省藥率，本次選擇施藥機(jī)器人0.4 m/s、0.6 m/s和0.8 m/s三種運(yùn)行速度，兩種噴藥方式對(duì)同一行馬鈴薯病害葉片施藥。試驗(yàn)采用分裝有三種藥的儲(chǔ)藥箱，每個(gè)儲(chǔ)藥箱分別裝入300 ml藥液進(jìn)行連續(xù)噴灑，采用識(shí)別對(duì)靶施藥方式，每次噴灑結(jié)束后記錄儲(chǔ)藥箱內(nèi)藥液剩余重量。試驗(yàn)中，省藥率可通過(guò)實(shí)際用藥量和理論用藥量計(jì)算；準(zhǔn)確率可通過(guò)實(shí)際用藥劑量和理論用藥劑量計(jì)算。本次試驗(yàn)取其試驗(yàn)次數(shù)的平均值作為最終數(shù)據(jù)，靶標(biāo)馬鈴薯病害作物行的參數(shù)詳見(jiàn)表4所示，馬鈴薯病害植株行施藥結(jié)果詳見(jiàn)表5所示。

根據(jù)表5數(shù)據(jù)可知，在馬鈴薯病害植株行中，行駛速度0.4 m/s時(shí)，其省藥率分別為51.3%、42.6%和37.3%，對(duì)靶施藥準(zhǔn)確率分別為95.6%、96.5%和97.3%；在行駛速度0.6 m/s時(shí)，省藥率分別為52.2%、43.3%和35.7%，對(duì)靶施藥準(zhǔn)確率為94.8%、95.4%和96.5%；在行駛速度0.8 m/s時(shí)，省藥率分別為53.8%、44.2%和36.7%，對(duì)靶施藥準(zhǔn)確率為96.2%、95.8%和96.8%，均取得了較好的結(jié)果。試驗(yàn)在施藥機(jī)器人中所部署的路徑規(guī)劃算法、病害識(shí)別模型以及施藥的執(zhí)行機(jī)構(gòu)的可行性均得到了驗(yàn)證。從實(shí)驗(yàn)數(shù)據(jù)可以看出，在速度不斷增加的情況下，施藥機(jī)器人的噴藥時(shí)間也會(huì)相應(yīng)縮短，省藥率也會(huì)增大。然而，噴藥時(shí)間縮短可能導(dǎo)致馬鈴薯病害植株所需藥量不足的情況，因此，在實(shí)際作業(yè)中應(yīng)根據(jù)作物密度合理調(diào)整行駛速度，優(yōu)化藥劑使用效果。

7 結(jié)束語(yǔ)

通過(guò)研究分析，初期階段設(shè)計(jì)的施藥機(jī)器人具備田間自動(dòng)路徑規(guī)劃與精準(zhǔn)噴藥功能。該施藥機(jī)器人集成了雷達(dá)建圖、路徑規(guī)劃算法以及病害識(shí)別技術(shù)，可以在農(nóng)田中自主導(dǎo)航，實(shí)時(shí)檢測(cè)馬鈴薯病害植株，并對(duì)靶噴灑藥劑，實(shí)現(xiàn)精準(zhǔn)、有效的病害控制。研究發(fā)現(xiàn)施藥機(jī)器人應(yīng)用于農(nóng)作物生產(chǎn)中不僅可以減少農(nóng)藥的使用量，降低環(huán)境污染，而且能夠提高作物防治作業(yè)效率和病害防治的效果。綜上所述，施藥機(jī)器人作為智能農(nóng)業(yè)裝備在病害防治等領(lǐng)域的應(yīng)用有著較好的前景，為農(nóng)業(yè)生產(chǎn)中向智能化發(fā)展提供了新的思路，也為未來(lái)農(nóng)田自動(dòng)化管理的發(fā)展提供良好的示范效應(yīng)。

參考文獻(xiàn)：

［1］申賓德，崔玉萍，徐生龍.基于綠色農(nóng)業(yè)的智能?chē)娝帣C(jī)器人的設(shè)計(jì)與應(yīng)用［J］.寒旱農(nóng)業(yè)科學(xué)，2023，2（9）：859-864.

［2］歐澤兵.農(nóng)藥作業(yè)安全與作業(yè)者健康［J］.現(xiàn)代職業(yè)安全， 2019（7）：92-94.

［3］馬偉，馮青春，王秀，等.溫室智能裝備系列之六十七出風(fēng)口自調(diào)節(jié)風(fēng)送變量噴藥機(jī)器人開(kāi)發(fā)及試驗(yàn)［J］.農(nóng)業(yè)工程技術(shù)（溫室園藝），2015（10）：24-26.

［4］劉路.大田環(huán)境下智能移動(dòng)噴藥機(jī)器人系統(tǒng)研究［D］.合肥：中國(guó)科學(xué)技術(shù)大學(xué)， 2016.

［5］蔡彥倫.低空無(wú)人機(jī)接觸式靜電噴霧系統(tǒng)設(shè)計(jì)與試驗(yàn)［D］.鎮(zhèn)江：江蘇大學(xué)，2017.