刁智華，刁春迎，魏玉泉，毋媛媛，錢曉亮，劉玉翠

(1.鄭州輕工業(yè)學(xué)院，電氣信息工程學(xué)院，鄭州 450002；2.河南省信息化電器重點(diǎn)實(shí)驗(yàn)室，鄭州 450002)

精準(zhǔn)施藥機(jī)器人關(guān)鍵技術(shù)研究進(jìn)展

刁智華1,2，刁春迎1,2，魏玉泉1,2，毋媛媛1,2，錢曉亮1,2，劉玉翠1,2

(1.鄭州輕工業(yè)學(xué)院，電氣信息工程學(xué)院，鄭州 450002；2.河南省信息化電器重點(diǎn)實(shí)驗(yàn)室，鄭州 450002)

精準(zhǔn)施藥機(jī)器人是在及時(shí)獲取作物病害信息的基礎(chǔ)上，對(duì)病害部位進(jìn)行準(zhǔn)確的定量衡量，并根據(jù)其差異性采取變量施藥，實(shí)現(xiàn)按需施藥。精準(zhǔn)施藥機(jī)器人關(guān)鍵技術(shù)包括有針對(duì)性的作物病害識(shí)別技術(shù)、精準(zhǔn)施藥技術(shù)及自主行走技術(shù)，自主行走是基礎(chǔ)，病害檢測(cè)和精準(zhǔn)施藥是核心。根據(jù)目前的研究進(jìn)展，綜合闡述了精準(zhǔn)施藥機(jī)器人的技術(shù)分類及應(yīng)用，總結(jié)了現(xiàn)有技術(shù)的局限性及重點(diǎn)需要解決的問題，并提出了未來精準(zhǔn)施藥機(jī)器人的發(fā)展方向。

機(jī)器人；精準(zhǔn)施藥；病害識(shí)別；圖像處理

0 引言

我國是一個(gè)農(nóng)業(yè)大國，據(jù)相關(guān)數(shù)據(jù)統(tǒng)計(jì)，每年的農(nóng)作物病害面積多達(dá)2億hm2，造成巨大的經(jīng)濟(jì)損失。每年用于病害使用的農(nóng)藥約25萬t(有效利用率僅為20%～30%)，這些農(nóng)藥在作物上的分布極不均勻，真正施在病害部位的僅占0.02%左右，其余的農(nóng)藥都散布在水域、農(nóng)田、空氣中，造成嚴(yán)重的水土資源污染、生態(tài)系統(tǒng)失衡；或者噴灑到未受病害的作物上，使農(nóng)產(chǎn)品農(nóng)藥殘留量增加，導(dǎo)致農(nóng)產(chǎn)品品質(zhì)下降及人們的健康受到威脅等問題[1]。農(nóng)業(yè)操作如噴灑農(nóng)藥、病害檢測(cè)十分繁瑣，特別是當(dāng)噴灑農(nóng)藥時(shí)會(huì)采取過多的預(yù)防措施，如穿合適的衣服、戴口罩和手套等，這些措施可以避免農(nóng)藥對(duì)他們?cè)斐蓚?，但也不能完全避免。因此，在這樣的情況下，使用精準(zhǔn)施藥機(jī)器人給出了最好的解決方案。

施藥機(jī)器人的發(fā)展經(jīng)歷了兩個(gè)階段：2000年以前為機(jī)械電器自動(dòng)化階段；2000年至今為加入人工智能、機(jī)器視覺等新技術(shù)的自動(dòng)化階段。發(fā)展初期，施藥機(jī)器人僅是用于機(jī)械施藥，如M.seelinger等[2]設(shè)計(jì)了基于攝像機(jī)空間操作方法的視覺導(dǎo)航施藥機(jī)器人系統(tǒng)，采用等離子移動(dòng)噴嘴，減少了機(jī)器人的運(yùn)行時(shí)間和高成本，使機(jī)器人在合適的軌跡移動(dòng)，達(dá)到了一個(gè)高水平的6自由度機(jī)械手臂的控制精度，但還沒有對(duì)作物實(shí)現(xiàn)病害識(shí)別的精準(zhǔn)施藥系統(tǒng)。隨著各種新技術(shù)的發(fā)展，施藥機(jī)器人的缺陷在應(yīng)用中逐漸凸顯，新形勢(shì)下迫切需要可以實(shí)現(xiàn)自主檢測(cè)病害、自主移動(dòng)及變量施藥的精準(zhǔn)施藥機(jī)器人，能夠在平原、實(shí)地行間或溫室自主移動(dòng)。使用精準(zhǔn)施藥機(jī)器人以智能化技術(shù)替代勞動(dòng)力，對(duì)提高農(nóng)業(yè)的效率和生產(chǎn)率具有重要的推動(dòng)作用。本文首先對(duì)現(xiàn)存的精準(zhǔn)施藥機(jī)器人的技術(shù)分類及應(yīng)用進(jìn)行了綜合闡述，然后總結(jié)了現(xiàn)有技術(shù)的局限性及重點(diǎn)需要解決的科學(xué)問題，最后提出了未來精準(zhǔn)施藥機(jī)器人的發(fā)展方向

1 精準(zhǔn)施藥機(jī)器人關(guān)鍵技術(shù)

自20世紀(jì)80年代發(fā)達(dá)國家開始研究農(nóng)業(yè)機(jī)器人后，相繼出現(xiàn)了采摘、嫁接、施藥機(jī)器人；但早期的施藥機(jī)器人各方面性能低、智能化程度不高，沒有針對(duì)性的病害檢測(cè)系統(tǒng)和精準(zhǔn)施藥系統(tǒng)。后來，由于人工智能、機(jī)器視覺等新技術(shù)的發(fā)展及應(yīng)用，有效促進(jìn)了施藥機(jī)器人的自動(dòng)化和精準(zhǔn)化研發(fā)。在精準(zhǔn)施藥機(jī)器人研發(fā)方面，包括病害識(shí)別、精準(zhǔn)施藥及自主行走等關(guān)鍵技術(shù)。

1.1 病害識(shí)別技術(shù)

機(jī)器人的檢測(cè)系統(tǒng)是用來收集目標(biāo)區(qū)域的信息，對(duì)其進(jìn)行分類、病害癥狀的識(shí)別及危害程度評(píng)價(jià)，并進(jìn)行施藥的系統(tǒng)，適用于各種傳感技術(shù)，如機(jī)器視覺、光譜反射率及遙感等。精準(zhǔn)施藥機(jī)器人的技術(shù)核心在于及時(shí)準(zhǔn)確地獲取作物病害區(qū)域的信息，在早期發(fā)現(xiàn)并準(zhǔn)確定位作物病害，可提高施藥處方?jīng)Q策和綜合防治的針對(duì)性和準(zhǔn)確性。作物病害自動(dòng)識(shí)別相關(guān)的問題在近20年受到了密切的關(guān)注，到目前為止提出的技術(shù)主要包括機(jī)器視覺檢測(cè)和光譜檢測(cè)兩種方法。

1.1.1 機(jī)器視覺檢測(cè)

過去大多數(shù)情況下，作物病害識(shí)別是人工進(jìn)行的，通過人工測(cè)量或使用顯微鏡；但是，這需要有經(jīng)驗(yàn)的專業(yè)人士，且有些作物的許多病害癥狀是非常相似的，通過肉眼很難分辨，難以達(dá)到精準(zhǔn)的效果。機(jī)器視覺是用計(jì)算機(jī)模擬人類視覺的一門科學(xué)，可以理解為圖像處理和圖像分析。作物因其感染不同的病原體在作物上出現(xiàn)不同紋理、顏色和形狀的病斑，機(jī)器視覺就是通過這些病斑的不同特征來識(shí)別病害，主要步驟包括作物圖像采集、病斑分割、病害特征提取和識(shí)別等。

圖像采集是圖像處理的第一步，其把目標(biāo)物的模擬信號(hào)轉(zhuǎn)換成數(shù)字信號(hào)傳給計(jì)算機(jī)進(jìn)行實(shí)時(shí)處理。典型的數(shù)字圖像采集系統(tǒng)如圖1所示[3]。攝像機(jī)擁有自動(dòng)控制鏡頭的光圈，可以結(jié)合所有類型的圖像傳感器。圖像采集的質(zhì)量很重要，提高質(zhì)量可以顯著減少圖像處理和計(jì)算機(jī)視覺算法的開發(fā)工作。

1.攝像機(jī) 2.環(huán)狀光源 3.光照箱 4.被測(cè)對(duì)象 5.載物臺(tái) 6.計(jì)算機(jī) 7.圖像采集卡

圖像的病斑分割面臨的一項(xiàng)重大挑戰(zhàn)是在復(fù)雜的結(jié)構(gòu)特征中找出感興趣的部分，應(yīng)對(duì)這一挑戰(zhàn)常用的病害分割方法是隨機(jī)紋理模型，即描述作物不同大小、形狀區(qū)域的結(jié)構(gòu)特征。這種方法以快速、準(zhǔn)確分割得到了廣泛的使用，但對(duì)復(fù)雜結(jié)構(gòu)特征的系統(tǒng)分割精度較低。為解決圖像分割的難度，國內(nèi)外研究者提出了各種解決方案，并取得了部分研究成果。在國外，Pasqua等[4]提出了一種高性能的基于GPU并行廣義松弛法的圖像分割方法，使用并行線性代數(shù)子程序的并行軟件模塊實(shí)現(xiàn)了快速、準(zhǔn)確的圖像分割。S.Biswas等[5]提出了一種基于曲線擬合的多項(xiàng)式平滑圖像分割方法，比現(xiàn)有的方法分割效果更加明顯。R.S.Medeiros等[6]提出了一種基于多尺度隨機(jī)紋理外觀模型的圖像分割方法。實(shí)驗(yàn)結(jié)果表明：所提出的圖像分割方法能在復(fù)雜結(jié)構(gòu)特征的情況下做出準(zhǔn)確的分割。在國內(nèi)，李冠林等[7]提出了一種基于K-means硬聚類算法(HCM)的彩色圖像分割方法，對(duì)病害圖像的彩色分割和二值化分割效果比較明顯。刁智華等[8]提出一種在復(fù)雜背景下的圖像分割方法，實(shí)驗(yàn)結(jié)果表明：該算法能有效的分割出棉花害螨病斑,準(zhǔn)確率可達(dá)97.83%。劉濤等[9]利用mean shift圖像分割法分割出水稻的葉部病斑，顯著提高了相似病害的識(shí)別度。

圖像特征提取作為圖像處理應(yīng)用的基本組成部分，通常用提取的特征來表示圖像，病害識(shí)別中作物的形態(tài)特征包括葉形、顏色、葉長、株高及葉基角等。針對(duì)圖像特征提取，國內(nèi)外研究者相繼提出一些新的方法并將其應(yīng)用于實(shí)踐中。在國外，A.ElAdel等[10]提出了一種基于快速β小波網(wǎng)絡(luò)的圖像特征提取方法，實(shí)驗(yàn)結(jié)果證明該方法能夠快速地提取出圖像的特征。M.Ponti等以圖像量化的降維方法對(duì)圖像的顏色和紋理特征進(jìn)行了提取，實(shí)驗(yàn)表明：量化在保持和提高系統(tǒng)的準(zhǔn)確性上簡(jiǎn)化了圖像特征提取，減少了系統(tǒng)的復(fù)雜性。Azadeh等提出了一種非參數(shù)線性特征提取方法并將其應(yīng)用于高光譜圖像的分類，實(shí)驗(yàn)結(jié)果表明：該方法在特征提取和分類精度上有比其他方法更高的性能。在國內(nèi)，邵慶等[11]以小麥條銹病為研究對(duì)象，采用微分邊緣檢測(cè)和迭代閾值分割來提取小麥病斑部位的形狀特征。毋媛媛等[12]將7個(gè)Hu不變矩參數(shù)定義為形狀特征并引入新的參數(shù)，對(duì)作物病害的形狀特征進(jìn)行了提取。

圖像識(shí)別由于其潛在的應(yīng)用已成為一個(gè)非常活躍的研究課題，獨(dú)立分量分析是常用的方法，但昂貴的成本一直阻礙著它的進(jìn)展。近年來，國內(nèi)外研究者提出了更加方便、快捷、精確的方法，并且得到了迅速發(fā)展與應(yīng)用。在國外，K.A.Vakilian等[13]采用基于人工神經(jīng)網(wǎng)絡(luò)的圖像處理算法對(duì)黃瓜病害進(jìn)行了識(shí)別，實(shí)驗(yàn)結(jié)果表明：該裝置通過檢測(cè)葉片的癥狀能夠識(shí)別出黃瓜的真菌病害。Jyoti等[14]提出一種彩色圖像識(shí)別方法并將其應(yīng)用于柑桔分類，成功率高達(dá)98%。在國內(nèi)，彭吳琦等[15]使用MatLab對(duì)小麥葉部圖像依次進(jìn)行彩色圖像轉(zhuǎn)換為灰度圖像、繪制灰度圖像直方圖并確定分割閾值及灰度圖像二值化等操作反映病害分布情況，根據(jù)病害覆蓋率識(shí)別作物病害程度。王獻(xiàn)峰等[16]取用不同環(huán)境下的病害葉片圖像，采用屬性約簡(jiǎn)法提取病害葉片的5個(gè)環(huán)境特征和病斑顏色、形狀、紋理等35個(gè)統(tǒng)計(jì)特征，利用最大隸屬度準(zhǔn)則識(shí)別出了病害葉片的病斑類別。劉君等[17]使用偏微分方程水平集模型法和EM算法準(zhǔn)確地實(shí)現(xiàn)了作物病害的自動(dòng)識(shí)別。王美麗等[18]將小麥病害圖像經(jīng)過顏色空間轉(zhuǎn)換來提取病害的顏色和形狀特征，分析采集的大量樣本圖像得到作物病害的特征值范圍，進(jìn)而對(duì)未知樣本進(jìn)行病害識(shí)別。

1.1.2 光譜檢測(cè)

光譜檢測(cè)的依據(jù)是作物在受到病害威脅時(shí)會(huì)根據(jù)感染病菌的不同吸收不同波段的光線且發(fā)出不同的光譜，隨著傳感器波段的增多，光譜的波段更加細(xì)化、精確，基于光譜的檢測(cè)技術(shù)日益興起與成熟，它以快速診斷、精準(zhǔn)識(shí)別在病害識(shí)別上得到迅速發(fā)展。

目前，在光譜檢測(cè)方面，國內(nèi)外研究者們?nèi)〉昧瞬糠盅芯窟M(jìn)展，并將其應(yīng)用于實(shí)際病害識(shí)別中。在國外，Kobayashi.T等使用多光譜技術(shù)對(duì)不同時(shí)期的水稻進(jìn)行多光譜技術(shù)分析，實(shí)現(xiàn)了對(duì)水稻病害程度的識(shí)別。J.Jiang等對(duì)冬小麥的冠層反射光譜進(jìn)行了調(diào)查，結(jié)果表明：高光譜指數(shù)能夠反映出冬小麥感染條銹病的嚴(yán)重程度。Shafri等使用高光譜信號(hào)進(jìn)行棕櫚油病感染檢測(cè)，可以檢測(cè)出靈芝棕櫚油病感染程度，但早期檢測(cè)仍然具有存在挑戰(zhàn)。Y.m.Shi等采用傅里葉變換紅外光譜法對(duì)玉米絲黑穗病孢子進(jìn)行了快速檢測(cè)和識(shí)別，結(jié)果表明：傅里葉變換紅外光譜法可以檢測(cè)出真菌孢子的信息。在國內(nèi)，曹入尹等[19]以小麥條銹病為例設(shè)計(jì)了高光譜波譜庫和動(dòng)態(tài)波譜庫，為病害種類的識(shí)別和受害程度的鑒定建立了波譜參考。徐曉鷗等[20]對(duì)帶有兩種病菌的豌豆樣品進(jìn)行紅外掃描，發(fā)現(xiàn)兩種病菌豌豆光譜差異明顯，分別有不同的特異性峰位。王斌等[21]利用高光譜成像技術(shù)對(duì)梨棗進(jìn)行識(shí)別分類，結(jié)果對(duì)梨棗的腐爛、病害識(shí)別率達(dá)90%以上。You等[22]根據(jù)作物葉片出現(xiàn)病害時(shí)聲發(fā)射出現(xiàn)畸變識(shí)別出作物的病害區(qū)域，建立了一種新型的模糊施藥控制系統(tǒng)，該系統(tǒng)能夠依據(jù)聲發(fā)射頻次分布規(guī)律判斷植物病害程度。

1.2 精準(zhǔn)施藥技術(shù)

精準(zhǔn)施藥技術(shù)是通過多種技術(shù)手段，根據(jù)不同作物病害部位和正常部位的差別進(jìn)行感染程度判別和定位后把農(nóng)藥精量、準(zhǔn)確地施撒到目標(biāo)上，只針對(duì)受害作物區(qū)域噴藥，在正常作物上面不噴或盡量少噴，達(dá)到真正意義上的精確而又按需施藥的目的。20世紀(jì)90年代，許多發(fā)達(dá)國家開始研究農(nóng)藥精準(zhǔn)噴霧技術(shù)，如美國加利福利業(yè)大學(xué)戴維斯分校研制的基于視覺傳感器對(duì)成行作物實(shí)施精量噴霧系統(tǒng)。20世紀(jì)80年代，我國便開展了農(nóng)作物生產(chǎn)管理的農(nóng)業(yè)專家系統(tǒng)的研究工作，90年代許多應(yīng)用成果已達(dá)實(shí)際應(yīng)用水平。

隨著精準(zhǔn)農(nóng)業(yè)的發(fā)展，精準(zhǔn)施藥技術(shù)以顯著提高農(nóng)藥利用率、極大減輕環(huán)境污染、保證作物品質(zhì)及降低食品安全隱患等優(yōu)勢(shì)，在國內(nèi)外得到了大力發(fā)展與廣泛應(yīng)用。在國外，D.Kozlowski等設(shè)計(jì)了自動(dòng)控制的六腳并聯(lián)機(jī)械臂精準(zhǔn)施藥機(jī)器人，實(shí)驗(yàn)結(jié)果表明：并聯(lián)機(jī)械手解決了復(fù)雜的精準(zhǔn)施藥問題。S.Arima等提出了一種基于作物信息獲取的多操作精準(zhǔn)施藥機(jī)器人，達(dá)到了傳感、控制和數(shù)據(jù)管理3種功能的融合。在國內(nèi)，胡天翔等[23]提出了基于模塊化的智能對(duì)靶噴霧機(jī)軟件系統(tǒng)，實(shí)驗(yàn)表明：該軟件系統(tǒng)能更好地滿足智能對(duì)靶噴霧機(jī)的需要。XU等[24]設(shè)計(jì)了一種基于DSP和FPGA的精準(zhǔn)施藥機(jī)器人，實(shí)驗(yàn)結(jié)果表明：該裝置的速度和精度都能很好地滿足精準(zhǔn)施藥機(jī)器人的要求。耿長興等[25]設(shè)計(jì)了PLC控制的精準(zhǔn)施藥機(jī)器人系統(tǒng)(見圖2)，在3種病情等級(jí)上對(duì)機(jī)器人進(jìn)行了試驗(yàn)，藥液節(jié)省率達(dá)到60%以上。陳勇等[26]提出了自動(dòng)調(diào)節(jié)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)了可變量施藥。柳平增等[27]設(shè)計(jì)了精準(zhǔn)施藥動(dòng)態(tài)仿真測(cè)控系統(tǒng)(見圖3)，現(xiàn)場(chǎng)應(yīng)用結(jié)果表明：系統(tǒng)運(yùn)行穩(wěn)定可靠，信息檢測(cè)精度高且傳輸準(zhǔn)確，具有較強(qiáng)的實(shí)用性和推廣價(jià)值。

1.移動(dòng)平臺(tái) 2.軌道 3. 病害診斷系統(tǒng) 4.作物植株 5.噴頭吊桿

精準(zhǔn)施藥中決定精準(zhǔn)的參數(shù)有噴頭性能及藥液沉積率等，如何提高噴頭的性能及藥液的沉積率是提高精準(zhǔn)施藥技術(shù)的關(guān)鍵因素。噴頭是藥液的直接執(zhí)行者，噴嘴的流量范圍必須滿足各種層次作物的要求；此外，噴嘴的噴射寬度必須要滿足足夠?qū)挼膸缀涡螤畹淖兓?。因此，施藥角度和流量必須能夠調(diào)整，以滿足作物層次和幾何形狀變化的各種要求。針對(duì)施藥機(jī)器人的噴頭，沈從舉等[28]利用三維CAD軟件設(shè)計(jì)了3D霧化噴頭，極大地提高了農(nóng)藥的利用率。茹煜等[29]對(duì)無人機(jī)噴頭進(jìn)行性能試驗(yàn)，發(fā)現(xiàn)旋轉(zhuǎn)液力霧化噴頭能達(dá)到最佳的噴霧效果。藥液沉積率是精準(zhǔn)施藥作業(yè)中確定藥液吸收率的關(guān)鍵參數(shù)，在以往的研究中，通過假定噴霧形狀為橢圓錐形來建立藥液沉積率模型，如高斯分布、柯西分布與概率分布等。然而，上述模型的建立大多采用基于噴霧實(shí)驗(yàn)的建模方法，不僅需要大量的試驗(yàn)數(shù)據(jù)來驗(yàn)證實(shí)驗(yàn)結(jié)果，而且浪費(fèi)了大量的時(shí)間和資源，效率和精度都很低。因此，如何在實(shí)際操作的基礎(chǔ)上快速建立藥液沉積速率模型仍然是一個(gè)值得關(guān)注的問題。S.YU等[30]對(duì)精準(zhǔn)施藥機(jī)器人的噴霧沉積速率進(jìn)行了建模與預(yù)測(cè)，通過實(shí)驗(yàn)得到，遺傳算法在藥液沉積速率上的建模優(yōu)于貝葉斯歸一化算法。馬偉等[31]設(shè)計(jì)了提高藥液沉積率的風(fēng)送式變量施藥機(jī)器人，利用風(fēng)量傳送藥液達(dá)到精確噴霧、減少漂移及增加藥液沉積率的目的。

1.模擬小車 2.霧量分布測(cè)量端口 3.霧量分布試驗(yàn)臺(tái)

1.3 自主行走技術(shù)

施藥機(jī)器人在作物間的移動(dòng)是要解決的基本問題，作物間的間隙小而不平，有壟行、溝壑等阻礙。自主行走是機(jī)器人根據(jù)所設(shè)置的軌跡或根據(jù)傳感器的指令自主進(jìn)行前進(jìn)、停頓及拐彎等的技術(shù)，是精準(zhǔn)施藥機(jī)器人必不可少的一部分。

針對(duì)施藥機(jī)器人的移動(dòng)，國內(nèi)外的研究者進(jìn)行了大量的研究且取得了部分研究進(jìn)展，并將其應(yīng)用于機(jī)器人的行走中。在國外，Ion等人設(shè)計(jì)了一種模塊化結(jié)構(gòu)的自主移動(dòng)機(jī)器人，實(shí)驗(yàn)結(jié)果表明：機(jī)器人移動(dòng)時(shí)的方向和感知能力較好，具有較高的自主度。B.Bonev等提出一個(gè)便攜式四腿機(jī)器人自主行走的校準(zhǔn)方法。實(shí)驗(yàn)結(jié)果表明，機(jī)器人在實(shí)現(xiàn)自主行走過程中能實(shí)現(xiàn)精確的定位響應(yīng)。D.Belter等提出一個(gè)自主行走機(jī)器人的自適應(yīng)運(yùn)動(dòng)規(guī)劃方法，模擬運(yùn)動(dòng)表明：機(jī)器人能夠在崎嶇的地形下高效率地自主行走。Zaidner等提出了一種新導(dǎo)航算法的精準(zhǔn)施藥機(jī)器人，利用機(jī)器人平臺(tái)的仿真和基于現(xiàn)場(chǎng)視頻數(shù)據(jù)可視化驗(yàn)證實(shí)現(xiàn)了機(jī)器人的自主移動(dòng)。在國內(nèi)，Wang等[32]設(shè)計(jì)了基于PID自動(dòng)控制的四輪車載式溫室精準(zhǔn)施藥機(jī)器人系統(tǒng)，溫室實(shí)驗(yàn)表明：該施藥機(jī)器人實(shí)現(xiàn)了自主移動(dòng)施藥。張賓等[33]設(shè)計(jì)了基于軌道自動(dòng)行走的四輪噴霧機(jī)器人小車，能夠根據(jù)傳感器自動(dòng)完成行走、停止及升降等。牛雪梅等[34]設(shè)計(jì)了基于滑模變結(jié)構(gòu)控制的施藥機(jī)器人，實(shí)驗(yàn)結(jié)果表明：該機(jī)器人能夠按照實(shí)際運(yùn)動(dòng)軌跡平穩(wěn)作業(yè)。

2 存在的主要問題

在近幾十年，基于病害識(shí)別的精準(zhǔn)施藥機(jī)器人技術(shù)已經(jīng)取得了很多技術(shù)上的突破，但發(fā)展歷程還很短，很多檢測(cè)技術(shù)設(shè)施還處于研究試驗(yàn)階段，整體技術(shù)不夠完備。本文總結(jié)了基于病害識(shí)別的精準(zhǔn)施藥機(jī)器人技術(shù)各個(gè)方面的研究現(xiàn)狀及發(fā)展，提出以下兩個(gè)方面的重點(diǎn)、難點(diǎn)問題及一些解決方案。

2.1 病害識(shí)別技術(shù)問題

1)難以從復(fù)雜的作物生長環(huán)境中精確識(shí)別作物。作物的生長一般伴有著多種層次的雜草，雜草的顏色和作物顏色難以分辨，為圖像處理增加了難度。

2)對(duì)于相似病害的識(shí)別率很低，研究的較少。多種病害混合的現(xiàn)象在作物的生長中是比較常見的，一片葉子上可能出現(xiàn)幾個(gè)形狀相似、顏色相近的病斑，現(xiàn)有的技術(shù)無論是基于機(jī)器視覺還是光譜檢測(cè)，對(duì)于精確識(shí)別相似病害還存在著嚴(yán)重的不足。

3)檢測(cè)病害信息時(shí)，選取的角度單一，不能全面檢測(cè)。一般作物感染病害時(shí)，癥狀會(huì)出現(xiàn)在其莖部、葉部、根部或葉部的背面，作物生長時(shí)上方葉片會(huì)遮住下方葉片、莖及根，進(jìn)行檢測(cè)時(shí)只能檢測(cè)到部分的癥狀，阻礙了對(duì)作物的全面檢測(cè)。

2.2 施藥問題

1)現(xiàn)有的施藥技術(shù)對(duì)霧滴的控制程度不高。霧滴小、質(zhì)量輕，噴霧時(shí)會(huì)隨著風(fēng)向轉(zhuǎn)動(dòng)，對(duì)于何種風(fēng)力使用何種液壓沒有明確的標(biāo)準(zhǔn)，霧滴偏移會(huì)造成藥物浪費(fèi)和環(huán)境污染。

2)精準(zhǔn)施藥設(shè)備自動(dòng)化程度不高，性能低。施藥設(shè)備大到整個(gè)機(jī)械系統(tǒng)小到一個(gè)噴頭，自動(dòng)控制程度并不高，根據(jù)環(huán)境變化能力弱，沒有自動(dòng)修復(fù)能力，很多時(shí)候需要人工輔助。

3 進(jìn)一步研究方向

目前，精準(zhǔn)施藥機(jī)器人無論是技術(shù)還是設(shè)備方面還處于發(fā)展初期，具有巨大的發(fā)展空間。根據(jù)對(duì)精準(zhǔn)施藥機(jī)器人的關(guān)鍵技術(shù)研究得出，如何提高復(fù)雜環(huán)境下作物的分辨率、相似病害的識(shí)別率、作物病害的多角度選取、病害程度的標(biāo)準(zhǔn)劃分、圖像處理的代碼優(yōu)化，以及如何提高精準(zhǔn)施藥技術(shù)對(duì)霧滴的控制率、施藥裝備的自動(dòng)化程度和藥液的回收率是今后精準(zhǔn)施藥機(jī)器人發(fā)展的方向。

4 結(jié)論

作物病害檢測(cè)、精準(zhǔn)施藥和自主行走技術(shù)，是精準(zhǔn)施藥機(jī)器人發(fā)展的關(guān)鍵及核心技術(shù)。通過對(duì)作物病害信息的獲取、處理和對(duì)作物進(jìn)行精準(zhǔn)施藥的仿真與調(diào)控及機(jī)器人的自主行走等關(guān)鍵問題的深入研究，獲得了一批先進(jìn)的信息獲取、理解與應(yīng)用的方法和技術(shù)，為精準(zhǔn)農(nóng)業(yè)的發(fā)展提供了有力支撐。精準(zhǔn)施藥機(jī)器人在農(nóng)業(yè)中的應(yīng)用不僅大大提高了工作效率，且減少了農(nóng)藥浪費(fèi)、保護(hù)了環(huán)境，為實(shí)現(xiàn)復(fù)雜的變量噴灑提供了可能，或?qū)⒂欣诟淖儌鹘y(tǒng)農(nóng)業(yè)勞動(dòng)力人口需求過多的狀況，推動(dòng)農(nóng)業(yè)向簡(jiǎn)約化、精準(zhǔn)化及可持續(xù)化發(fā)展。

[1] 趙春江,陳天恩,陳立平,等.遷飛性害蟲精準(zhǔn)施藥決策分析方法研究[J].農(nóng)業(yè)工程學(xué)報(bào),2008,24(S2):149-155.

[2] M Seelinger，E Gonzalez-Galvan, M Robinson.Towards a robotic plasma spraying operation using vision[J].IEEE Robotics & Automation Magazine, 1998,5(4): 33-38.

[3] 王海超,高雄,陳鐵英,等.農(nóng)作物病害檢測(cè)中光譜和圖像處理技術(shù)現(xiàn)狀及展望[J].農(nóng)機(jī)化研究,2015,37(10):1-7,12.

[4] Pasqua D.Ambra, Salvatore Filippone.A parallel generalized relaxation method for high-performance image segmentation on GPUs[J].Journal of Computational and Applied Mathematics, 2016, 293(29): 35-44.

[5] Soumen Biswas, Dibyendu Ghoshal, Ranjay Hazra.A new algorithm of image segmentation using curve fitting based Higher order polynomial smoothing[J].Optik-International Journal for Light and Electron Optics, 2016, 127(20): 8916-8925.

[6] R S Medeiros, J Scharcanski, A Wong. Image segmentation via multi-scale stochastic regional texture appearance models[J].Computer Vision and Image Understanding,2016, 142: 23-36.

[7] 李冠林,馬占鴻,黃沖,等.基于K_means硬聚類算法的葡萄病害彩色圖像分割方法[J].農(nóng)業(yè)工程學(xué)報(bào),2010,26(S2):32-37.

[8] 刁智華,王歡,宋寅卯,等.復(fù)雜背景下棉花病葉害螨圖像分割方法[J].農(nóng)業(yè)工程學(xué)報(bào),2013,29(5):147-152.

[9] 劉濤,仲曉春,孫成明,等.基于計(jì)算機(jī)視覺的水稻葉部病害識(shí)別研究[J].中國農(nóng)業(yè)科學(xué),2014,47(4):664-674.

[10] Asma ElAdel, Mourad Zaied,Chokri Ben Amar.Fast beta wavelet network-based feature extraction for image copy detection[J].Neurocomputing,2016,173:306-316.

[11] 邵慶,張楠,路陽.小麥病害圖像識(shí)別處理及形狀特征提取研究[J].農(nóng)機(jī)化研究,2013,35(8):35-37,42.

[12] 毋媛媛,刁智華,王會(huì)丹,等.作物病害圖像形狀特征提取研究[J].農(nóng)機(jī)化研究,2015,37(1):64-67.

[13] Keyvan Asefpour Vakilian,Jafar Massah.An artificial neural network approach to identify fungal diseases of cucumber (Cucumis sativus L.) plants using digital image processing[J].Archives of Phytopathology and Plant Protection,2013,46(13):1580-1588.

[14] Jyoti Jhawar.Orange Sorting by Applying Pattern Recognition on Colour Image[J].Procedia Computer Science,2016,78:691-697.

[15] 彭吳琦,趙坤坤,焦倩雪,等.基于圖像處理的農(nóng)田作物病害識(shí)別研究[J].福建農(nóng)業(yè),2015(6):115.

[16] 王獻(xiàn)鋒,張善文,王震,等.基于葉片圖像和環(huán)境信息的黃瓜病害識(shí)別方法[J].農(nóng)業(yè)工程學(xué)報(bào),2014,30(14):148-153.

[17] 劉君,王振中,李寶聚,等.基于圖像處理的作物病害自動(dòng)識(shí)別系統(tǒng)的研究[J].計(jì)算機(jī)工程與應(yīng)用,2012,48(13):154-158,180.

[18] 王美麗,牛曉靜,張宏鳴,等.小麥葉部常見病害特征提取及識(shí)別技術(shù)研究[J].計(jì)算機(jī)工程與應(yīng)用,2014,50(7):154-157.

[19] 曹入尹,陳云浩,黃文江.面向作物病害識(shí)別的高光譜波譜庫設(shè)計(jì)與開發(fā)[J].自然災(zāi)害學(xué)報(bào),2008,17(6):73-76.

[20] 徐曉鷗,吳志毅,陳曦,等.2種豆類植物病原細(xì)菌的紅外光譜檢測(cè)與鑒定[J].浙江農(nóng)業(yè)科學(xué),2014(2):233-235.

[21] 王斌,薛建新,張淑娟.基于高光譜成像技術(shù)的腐爛、病害梨棗檢測(cè)[J].農(nóng)業(yè)機(jī)械學(xué)報(bào),2013,44(S1):205-209.

[22] GuodongYou, XiuqingWang, ShifengYang. Precision Spraying System of Crops Disease Stress Based on Acoustic Emission[J].Journal of Computers,2011,6(4):635-642.

[23] 胡天翔.智能對(duì)靶噴霧機(jī)軟件系統(tǒng)設(shè)計(jì)與集成研究[D].南京:南京林業(yè)大學(xué),2009.

[24] Zhengdong Xu, Wenhao He,Kui Yuan.A real-time position and posture measurement device for painting robot, Electric Information and Control Engineering(ICEICE)[C]//2011 International Conference on, Wuhan,2011.

[25] 耿長興,張俊雄,曹崢勇,等.溫室黃瓜病害對(duì)靶施藥機(jī)器人設(shè)計(jì)[J].農(nóng)業(yè)機(jī)械學(xué)報(bào),2011,42(1):177-180.

[26] 陳勇.自動(dòng)施藥機(jī)器人及可變量控制系統(tǒng)研究[D].南京:南京林業(yè)大學(xué),2005.

[27] 柳平增,周立新,傅錫敏,等.精準(zhǔn)施藥動(dòng)態(tài)仿真測(cè)控系統(tǒng)的設(shè)計(jì)[J].計(jì)算機(jī)測(cè)量與控制,2008,16(3):318-320.

[28] 沈從舉,賈首星,孟祥金,等.基于SolidWorks的氣泡霧化施藥噴頭3D設(shè)計(jì)與建模[J].江蘇農(nóng)業(yè)科學(xué),2014, 42(1):359-362.

[29] 茹煜,金蘭,周宏平,等.航空施藥旋轉(zhuǎn)液力霧化噴頭性能試驗(yàn)[J].農(nóng)業(yè)工程學(xué)報(bào),2014,30(3):50-55.

[30] S Yu，L Cao.Modeling and prediction of paint film deposition rate for robotic spray painting[C]//2011 IEEE International Conference on Mechatronics and Automation, Beijing,2011.

[31] 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)器人開發(fā)及試驗(yàn)[J].農(nóng)業(yè)工程技術(shù):溫室園藝,2015,(10):24, 26.

[32] Wang Fujuan.Control system design of spraying robot[C]//2010 International Conference on Computer and Communication Technologies in Agriculture Engineering, Chengdu,2010.

[33] 張賓,陳志清,宋健.自走式噴霧機(jī)自動(dòng)控制系統(tǒng)的研制[J].農(nóng)機(jī)化研究,2004(6): 115-118.

[34] 牛雪梅,高國琴,鮑智達(dá),等.基于滑模變結(jié)構(gòu)控制的溫室噴藥移動(dòng)機(jī)器人路徑跟蹤[J].農(nóng)業(yè)工程學(xué)報(bào),2013,29(2):9-16.

Progress in Research on the Key Technology of Precision Spraying Robot

Diao Zhihua1,2, Diao Chunying1,2, Wei Yuquan1,2, Wu Yuanyuan1,2, Qian Xiaoliang1,2, Liu Yucui1,2

(1.Electric Information & Engineering College, Zhengzhou University of Light Industry, Zhengzhou 450002,China; 2.Henan Key Lab of Information Based Electrical Appliances，Zhengzhou 450002,China)

Precision spraying robot is based on timely access to information on crop diseases, the disease position is measured accurately, and take the variable spraying according to the difference, to achieve on-demand application. The key technologies of precision spraying robot include targeted crop disease recognition technology, precision applying pesticide technology and independent walking technology, which is based on independent walking, disease detection and precision spraying is the core. According to the current progress, the paper introduces the technology of classification and application of precision spraying robot, and summarizes the limitations of existing technology and the scientific issues to be solved, finally the future development direction of precision spraying robot is put forward.

robot; precision spraying; disease recognition; image processing

2016-09-26

河南省科技廳科技攻關(guān)項(xiàng)目(162102110118)；河南省高等學(xué)校重點(diǎn)科研項(xiàng)目(15A413006)；國家自然科學(xué)基金項(xiàng)目(61501407)

刁智華(1982-)，男，河南夏邑人，副教授，博士，碩士生導(dǎo)師，(E-mai)diaozhua@163.com。

S233.3

A

1003-188X(2017)11-0001-06