邢欽淞，丁素明，薛新宇，崔龍飛，樂(lè)飛翔，李鷹航

(1. 農(nóng)業(yè)農(nóng)村部南京農(nóng)業(yè)機(jī)械化研究所，南京市，210014； 2. 中國(guó)農(nóng)業(yè)機(jī)械化科學(xué)研究院集團(tuán)有限公司，北京市，100083)

0 引言

農(nóng)田雜草是指生長(zhǎng)再農(nóng)田中的一切非人工種植的植物，已成為危害農(nóng)業(yè)生產(chǎn)的重要因素。我國(guó)主要的傳統(tǒng)除草方式為人工除草和化學(xué)除草。人工除草需要消耗大量的體力、精力，但除草效果十分有限。而大量噴灑除草劑雖起到了對(duì)雜草的抑制作用，但易造成環(huán)境污染，不符合可持續(xù)發(fā)展理念[1]。因此，農(nóng)田除草機(jī)器人應(yīng)運(yùn)而生。農(nóng)田除草機(jī)器人在解決勞動(dòng)力短缺、提高生產(chǎn)效率、減輕環(huán)境污染等方面發(fā)揮了重要作用。

農(nóng)田除草機(jī)器人是一種以雜草為操作對(duì)象，以完成農(nóng)業(yè)生產(chǎn)任務(wù)為主要目的，集傳感器技術(shù)、監(jiān)測(cè)技術(shù)、人工智能技術(shù)、通訊技術(shù)、圖像識(shí)別技術(shù)以及自動(dòng)導(dǎo)航控制技術(shù)等多種前沿科學(xué)技術(shù)于一身的智能農(nóng)業(yè)機(jī)械[2]。美國(guó)、西歐等發(fā)達(dá)國(guó)家已經(jīng)在除草機(jī)器人關(guān)鍵技術(shù)及推廣應(yīng)用上取得了重要進(jìn)展，我國(guó)也開(kāi)展了相應(yīng)的探索研究。本文從智能導(dǎo)航、苗草識(shí)別、除草執(zhí)行系統(tǒng)3個(gè)方面評(píng)述了當(dāng)前的研究進(jìn)展，這3個(gè)方面是智能除草機(jī)器人研究的最主要環(huán)節(jié)，并且在此基礎(chǔ)上展望了智能除草機(jī)器人的發(fā)展趨勢(shì)以便為我國(guó)智能除草技術(shù)的發(fā)展提供參考。

1 智能田間除草機(jī)器人概述與現(xiàn)狀

智能除草機(jī)器人主要包括智能導(dǎo)航系統(tǒng)、苗草識(shí)別系統(tǒng)、除草執(zhí)行系統(tǒng)3個(gè)子系統(tǒng)。其主要工作流程如下：在田間，通過(guò)智能導(dǎo)航系統(tǒng)控制機(jī)器人前進(jìn)路線并定位目標(biāo)分布；苗草識(shí)別系統(tǒng)則獲取、處理苗草信息；除草執(zhí)行系統(tǒng)根據(jù)苗草識(shí)別系統(tǒng)所傳遞出的苗草信息進(jìn)行定點(diǎn)、定量的完成除草作業(yè)。

美國(guó)日本等發(fā)達(dá)國(guó)家從20世紀(jì)60年代就開(kāi)展了對(duì)除草機(jī)器人的研究，我國(guó)起步較晚。整體而言，目前在除草機(jī)器人的研究呈現(xiàn)出商品化、信息化和全球化的特點(diǎn)[3]。當(dāng)前國(guó)內(nèi)外已有很多學(xué)者對(duì)除草機(jī)器人的苗草識(shí)別、智能導(dǎo)航、除草執(zhí)行機(jī)構(gòu)展開(kāi)了研究，如Trygve等[4]研發(fā)了除草機(jī)器人Adigo和陳勇團(tuán)隊(duì)[5]研發(fā)的除草機(jī)器人利用機(jī)器視覺(jué)進(jìn)行苗草識(shí)別，并采用化學(xué)噴藥方式去除雜草。還有Bakker[6]研發(fā)的多功能自動(dòng)除草機(jī)器人，利用DGPS組合機(jī)器視覺(jué)導(dǎo)航系統(tǒng)進(jìn)行沿行導(dǎo)航，并采用化學(xué)施藥方式去除雜草。丁巍[7]研究了GPS在田間的定位導(dǎo)航方法，實(shí)現(xiàn)除草機(jī)器人能夠根據(jù)雜草位置進(jìn)行精確導(dǎo)航。表1為部分國(guó)家智能除草機(jī)器人在文獻(xiàn)報(bào)道上的技術(shù)指標(biāo)。后續(xù)章節(jié)將從智能除草機(jī)器人主要子系統(tǒng)的研究現(xiàn)狀展開(kāi)分析。

表1 部分國(guó)家智能除草機(jī)器人現(xiàn)狀Tab. 1 Current situation of intelligent weeding robot in some countries

2 智能導(dǎo)航系統(tǒng)

智能導(dǎo)航技術(shù)是農(nóng)業(yè)機(jī)器人的關(guān)鍵技術(shù)，是智能農(nóng)業(yè)機(jī)器人在具體農(nóng)業(yè)生產(chǎn)場(chǎng)景中完成群體性工作、目標(biāo)定位等多項(xiàng)工作的基礎(chǔ)，是自動(dòng)作業(yè)的關(guān)鍵。智能導(dǎo)航系統(tǒng)導(dǎo)航方式主要基于光、聲、圖像等信息介質(zhì)及特性[3]，常用的導(dǎo)航方式包括：激光導(dǎo)航、慣性導(dǎo)航、超聲波導(dǎo)航、視覺(jué)導(dǎo)航及GPS導(dǎo)航等。表2主要列舉了當(dāng)前文獻(xiàn)報(bào)道的導(dǎo)航技術(shù)的原理及優(yōu)缺點(diǎn)。

表2 導(dǎo)航技術(shù)分類及優(yōu)、缺點(diǎn)Tab. 2 Navigation technology classification and advantages and disadvantages

目前農(nóng)業(yè)裝備中，GPS導(dǎo)航和視覺(jué)導(dǎo)航應(yīng)用最廣，因此后續(xù)小節(jié)主要介紹GPS導(dǎo)航及視覺(jué)導(dǎo)航的研究與應(yīng)用現(xiàn)狀。

2.1 全球?qū)Ш叫l(wèi)星系統(tǒng)

全球?qū)Ш叫l(wèi)星系統(tǒng)簡(jiǎn)稱GNSS(Global Navigation Satellite System)包括美國(guó)的全球定位系統(tǒng)(GPS)、歐洲的伽利略衛(wèi)星導(dǎo)航系統(tǒng)(GALILEO)、俄羅斯的全球?qū)Ш蕉ㄎ幌到y(tǒng)格洛納斯(GLONASS)還有中國(guó)的北斗衛(wèi)星導(dǎo)航系統(tǒng)(BDS)。其中美國(guó)的GPS全球定位系統(tǒng)在農(nóng)業(yè)機(jī)械導(dǎo)航領(lǐng)域應(yīng)用最廣，具有不限人群、全天候、精度較高等特點(diǎn)。但GPS導(dǎo)航需要預(yù)先規(guī)劃精確的路徑，在作業(yè)區(qū)域發(fā)生改變或無(wú)法預(yù)先知道的情況下無(wú)法使用[13-14]，且受環(huán)境影響嚴(yán)重。

美國(guó)對(duì)農(nóng)業(yè)機(jī)械導(dǎo)航技術(shù)的研究開(kāi)展最早。Stoll等[14]以自行式草料收獲機(jī)為試驗(yàn)對(duì)象，將GPS作為唯一的定位傳感器，進(jìn)行自動(dòng)駕駛實(shí)驗(yàn)，研究系統(tǒng)在不同試驗(yàn)條件下的性能，發(fā)現(xiàn)在各工況下標(biāo)準(zhǔn)偏差都優(yōu)于100 mm，直線行駛側(cè)面偏差變化范圍為25～69 mm。Kise等開(kāi)展了基于RTK-GPS導(dǎo)航技術(shù)的拖拉機(jī)控制系統(tǒng)研究。經(jīng)試驗(yàn)得出，當(dāng)拖拉機(jī)速度為6.5 km/h，沿著幅度為2.5 m、波長(zhǎng)為30 m的正弦曲線自動(dòng)運(yùn)行時(shí)，RMS誤差為6 cm，最大誤差為13 cm。斯坦福大學(xué)研究人員[15]將RTK-GPS應(yīng)用于農(nóng)機(jī)導(dǎo)航中，并使用四個(gè)單通道GPS傳感器為拖拉機(jī)提供位姿信息，航向響應(yīng)小于1°。

除美國(guó)外，其他國(guó)家也開(kāi)展了對(duì)GPS導(dǎo)航技術(shù)的研究。日本國(guó)家農(nóng)業(yè)研究中心農(nóng)業(yè)機(jī)械和系統(tǒng)研究小組[16]利用GPS和IMU對(duì)改造后久保田SPU650水稻收割機(jī)進(jìn)行導(dǎo)航試驗(yàn)，經(jīng)試驗(yàn)可得出，插秧精度橫向平均偏差小于3 cm，橫向最大偏差不超過(guò)4 cm。新西蘭Corpe等[17]在綜合考慮天氣條件、地形與障礙、完全性的等多種因素的基礎(chǔ)上，研發(fā)了一款集有多種傳感器可實(shí)現(xiàn)環(huán)境信息檢測(cè)的基于GPS的農(nóng)業(yè)機(jī)器人。荷蘭的Bakker等[18]在甜菜地開(kāi)展了基于RTK-DGPS的農(nóng)業(yè)機(jī)器人平臺(tái)的自主導(dǎo)航研究，田間試驗(yàn)精度達(dá)到了厘米級(jí)。

國(guó)內(nèi)在農(nóng)業(yè)機(jī)械領(lǐng)域GPS導(dǎo)航研究起步相比較歐美發(fā)達(dá)國(guó)家起步較晚，但是發(fā)展非常迅速，已取得一系列成果。羅錫文等[19]對(duì)自動(dòng)導(dǎo)航技術(shù)開(kāi)展研究，以東方紅X-804拖拉機(jī)為基礎(chǔ)，開(kāi)發(fā)了基于RTK-DGPS的自動(dòng)導(dǎo)航控制系統(tǒng)，在拖拉機(jī)行進(jìn)速度為0.8 m/s 時(shí)，直線跟蹤的最大誤差小于0.15 m，平均跟蹤誤差小于0.03 m。丁毅[20]提出了一套基于GPS/DR的組合導(dǎo)航系統(tǒng)，應(yīng)用于除草機(jī)器人，改善了之前除草機(jī)器人信號(hào)易中斷的缺點(diǎn)，提高了導(dǎo)航精度。黎永鍵等[21]針對(duì)農(nóng)業(yè)機(jī)械導(dǎo)航控制精度問(wèn)題，設(shè)計(jì)了東方紅X-804 型拖拉機(jī)的自動(dòng)導(dǎo)航系統(tǒng)，該系統(tǒng)運(yùn)用了RTK-DGPS定位和雙閉環(huán)轉(zhuǎn)向控制技術(shù)。經(jīng)試驗(yàn)，路徑跟蹤誤差平均值小于1.9 cm，標(biāo)準(zhǔn)差小于4.1 cm。

目前對(duì)于GNSS導(dǎo)航的研究應(yīng)用廣泛、技術(shù)成熟。農(nóng)業(yè)機(jī)械導(dǎo)航系統(tǒng)中普遍使用具有厘米級(jí)定位精度的RTK-GPS(real-time kinematic GPS)[22]。配有GNSS的農(nóng)業(yè)機(jī)械在田間作業(yè)時(shí)候可大大改善作業(yè)質(zhì)量、提高作業(yè)效率，但在環(huán)境復(fù)雜、枝葉高大茂密的情況下易造成GNSS信號(hào)丟失。其中，由我國(guó)自主研制的北斗衛(wèi)星導(dǎo)航系統(tǒng)(BDS)將成為農(nóng)業(yè)機(jī)器人田間導(dǎo)航定位的新方向。

2.2 視覺(jué)導(dǎo)航

機(jī)器視覺(jué)(machine vision)主要用計(jì)算機(jī)來(lái)模擬人的視覺(jué)功能，從客觀事物的圖像中提取信息，進(jìn)行處理并加以理解，最終用于實(shí)際檢測(cè)、測(cè)量、控制[22]。相比較于GPS導(dǎo)航，視覺(jué)導(dǎo)航靈活性更好、信息量大、功能多。視覺(jué)導(dǎo)航的主要任務(wù)是從圖像中識(shí)別作物行同時(shí)檢測(cè)軌跡路徑，為確定機(jī)器的相對(duì)位置提供依據(jù)[23]。

國(guó)外對(duì)視覺(jué)導(dǎo)航的研究起于20世紀(jì)80年代，英國(guó)和美國(guó)在此領(lǐng)域研究較早。1996年Marchant等[24]對(duì)除草機(jī)器人視覺(jué)導(dǎo)航展開(kāi)了研究，研發(fā)出一種灰度帶通濾波器。經(jīng)試驗(yàn)表明，當(dāng)除草機(jī)器人行進(jìn)速度為1.6 m/s時(shí)，橫向定位誤差為15.6 mm。1999年Lee等[25]基于機(jī)器視覺(jué)研發(fā)了一款智能除草機(jī)器人。該機(jī)器人配有兩個(gè)攝像頭，分別進(jìn)行導(dǎo)航和識(shí)別雜草。2005年Kise等[26]針對(duì)田間農(nóng)業(yè)車輛導(dǎo)航研發(fā)了一種基于雙目立體視覺(jué)的行檢測(cè)算法。田間試驗(yàn)表明，基于立體視覺(jué)的該導(dǎo)航系統(tǒng)能夠準(zhǔn)確定位雜草田作物行距并引導(dǎo)拖拉機(jī)精確地沿著直線和曲線行行駛。2014年Hiremath等[27]針對(duì)農(nóng)業(yè)機(jī)器人魯棒性問(wèn)題，提出了基于粒子濾波的視覺(jué)導(dǎo)航算法，經(jīng)試驗(yàn)證明該算法的魯棒性較好，能夠使機(jī)器人準(zhǔn)確在田間行走。2017年Garcia等[28]基于機(jī)器視覺(jué)，在拖拉機(jī)前部安裝攝像機(jī)，開(kāi)發(fā)了一種新的方法檢測(cè)作物和雜草生長(zhǎng)初期玉米田中的作物曲線行和直線行，奠定了自動(dòng)導(dǎo)航的基礎(chǔ)。

國(guó)內(nèi)對(duì)視覺(jué)導(dǎo)航的研究起于20世紀(jì)90年代。2006年張方明[29]針對(duì)田間車輛自動(dòng)導(dǎo)航技術(shù)展開(kāi)研究，提出了基于機(jī)器視覺(jué)的田間自動(dòng)導(dǎo)航系統(tǒng)。2013年孟慶寬等[30]為解決作物行檢測(cè)算法速度慢、易受外界干擾等問(wèn)題，提出了一種新的基于線性相關(guān)系數(shù)約束的作物行中心線檢測(cè)方法。2019年王毅等[31]為解決在果園環(huán)境中導(dǎo)航線提取易受其他條件影響的問(wèn)題，利用深度學(xué)習(xí)技術(shù)，提出了一種新的提取果園道路導(dǎo)航線的方法。2020年關(guān)卓懷等[32]為解決水稻收獲時(shí)路徑規(guī)劃問(wèn)題，利用機(jī)器視覺(jué)技術(shù)，提出一種新的路徑提取方法。首先利用相機(jī)對(duì)原始圖像進(jìn)行畸變校正和高斯濾波，基于2R-G-B模型，對(duì)圖像進(jìn)行二值化處理和分割，得到二值圖像后。做形態(tài)學(xué)的開(kāi)閉運(yùn)算，最后利用曲線擬合法，提取作物區(qū)域的邊界。

視覺(jué)導(dǎo)航在智能農(nóng)業(yè)機(jī)械領(lǐng)域已經(jīng)取得了廣泛的應(yīng)用，如智能施藥、智能除草、智能收割等，但由于田間環(huán)境復(fù)雜多變，在精確采集圖像上仍有部分困難，存在一定的魯棒性，相比較于衛(wèi)星導(dǎo)航，技術(shù)成熟度不夠。

3 苗草識(shí)別系統(tǒng)

準(zhǔn)確、智能的將田間雜草與作物區(qū)分出來(lái)是除草機(jī)器人智能化精準(zhǔn)田間作業(yè)的前提。對(duì)于農(nóng)田雜草的識(shí)別研究已經(jīng)廣泛開(kāi)展，識(shí)別方法主要包括人工識(shí)別法、光譜分析法、光譜成像法、機(jī)器視覺(jué)識(shí)別法。其中人工識(shí)別法是世界上大多數(shù)國(guó)家進(jìn)行雜草識(shí)別的最普遍的方法，該方法有明顯的缺點(diǎn)，如工作效率低下、勞動(dòng)強(qiáng)度大、難于大規(guī)模采用、成本較高等，將被逐漸淘汰。目前雜草識(shí)別主要利用機(jī)器視覺(jué)技術(shù)，因此后續(xù)小節(jié)主要對(duì)機(jī)器視覺(jué)識(shí)別法進(jìn)行介紹，對(duì)光譜分析法、光譜成像法簡(jiǎn)要概述。表3主要列舉了光譜分析法、光譜成像法、機(jī)器視覺(jué)識(shí)別法的原理及優(yōu)缺點(diǎn)。

表3 苗草識(shí)別技術(shù)分類及優(yōu)缺點(diǎn)Tab. 3 Classification and advantages and disadvantages of seeding grass identification technology

3.1 光譜分析法

光譜分析法主要是根據(jù)在一定波段內(nèi)，作物、雜草、土壤背景的電磁輻射反射率不同來(lái)實(shí)現(xiàn)雜草識(shí)別，該方法具有操作性強(qiáng)、實(shí)時(shí)性好、算法簡(jiǎn)單易學(xué)等特點(diǎn)。光譜分析技術(shù)根據(jù)波段主要可分為可見(jiàn)光譜分析技術(shù)、近紅外光譜分析技術(shù)、中紅外光譜分析技術(shù)等[33-34]。Wang等[35]設(shè)計(jì)了一種基于光譜的雜草傳感器，并且在實(shí)驗(yàn)室和野外進(jìn)行了測(cè)試，雜草實(shí)時(shí)識(shí)別率高于70%。國(guó)外可區(qū)分雜草和土壤的光譜傳感器已經(jīng)商業(yè)化，如荷蘭研發(fā)的Weed-IT系列雜草檢測(cè)傳感器等。但區(qū)分綠色作物與雜草的光譜傳感器仍處在研發(fā)階段。

3.2 光譜成像法

光譜成像法融合了光譜技術(shù)與圖像技術(shù)，可同時(shí)獲得樣本的物理特性和化學(xué)特性，即利用光譜特征對(duì)內(nèi)在信息描述和圖像對(duì)外在特征的提取進(jìn)行綜合，進(jìn)而實(shí)現(xiàn)苗草識(shí)別。光譜成像技術(shù)根據(jù)波段多少不同，可分為多光譜成像技術(shù)、高光譜成像技術(shù)。

高光譜波段相比較多光譜波段較多，數(shù)量可達(dá)上百個(gè)，譜帶較窄。高光譜成像的光譜分辨率更高，但是空間分辨率較低。高光譜成像技術(shù)成本較高、處理速度較慢，一般用于基礎(chǔ)研究。多光譜成像技術(shù)一般要求能夠快速獲取圖像并且簡(jiǎn)單處理以及快速?zèng)Q策響應(yīng)。相比較高光譜成像技術(shù)，多光譜更適合田間普及應(yīng)用。陳樹(shù)人等[36]以苗期雜草稻和水稻為試驗(yàn)對(duì)象，利用高光譜成像技術(shù)進(jìn)行識(shí)別稻田苗期雜草稻。首先分別獲取雜草稻和水稻的高光譜圖像，對(duì)其進(jìn)行濾波處理后，篩選特定波長(zhǎng)下的特征圖像，之后進(jìn)行特征提取，建立神經(jīng)網(wǎng)絡(luò)判別模型。經(jīng)試驗(yàn)，高光譜成像技術(shù)可以快速識(shí)別苗期雜草稻。朱登勝等[37]提出了一種基于多光譜成像技術(shù)的雜草識(shí)別新算法。以豆苗和雜草為試驗(yàn)對(duì)象，經(jīng)試驗(yàn)，雜草識(shí)別正確率為90.5%，該方法可快速有效識(shí)別兩種雜草(牛筋草，空心蓮子草)。

3.3 機(jī)器視覺(jué)識(shí)別法

隨著科學(xué)技術(shù)的不斷發(fā)展，計(jì)算機(jī)視覺(jué)技術(shù)逐步應(yīng)用到各個(gè)領(lǐng)域。在20世紀(jì)80年代，計(jì)算機(jī)視覺(jué)技術(shù)開(kāi)始應(yīng)用到農(nóng)業(yè)應(yīng)用領(lǐng)域。目前基于圖像的機(jī)器視覺(jué)技術(shù)已經(jīng)在農(nóng)業(yè)領(lǐng)域取得了一系列研究成果。其中對(duì)于田間雜草的識(shí)別主要是利用機(jī)器視覺(jué)技術(shù)，通過(guò)計(jì)算機(jī)等硬件拍取、傳送、運(yùn)算、處理和輸出光信號(hào)等一系列過(guò)程來(lái)實(shí)現(xiàn)的。智能田間除草機(jī)器人的研究發(fā)展離不開(kāi)機(jī)器視覺(jué)技術(shù)。

數(shù)據(jù)采集、圖像預(yù)處理、圖像特征提取、分類器分類是利用機(jī)器視覺(jué)技術(shù)識(shí)別苗草的4項(xiàng)基本步驟。任何識(shí)別技術(shù)都要落實(shí)到識(shí)別物的具體特征，其中對(duì)雜草的識(shí)別主要是對(duì)作物及周圍雜草的形態(tài)特征、顏色特征和紋理特征來(lái)提取。

利用形狀特征識(shí)別算法較簡(jiǎn)單，相比較于對(duì)顏色和紋理特征的提取來(lái)說(shuō)，簡(jiǎn)化了算法，提高了效率，關(guān)鍵點(diǎn)要找到具有RST不變性的形狀特征因子(即對(duì)于圖像的旋轉(zhuǎn)、比例、平移變化都是恒定的)[38]。形態(tài)特征可分為形狀特征和矩特征兩類。形態(tài)特征參數(shù)主要包括面積、周長(zhǎng)、長(zhǎng)度、寬度等參數(shù)，根據(jù)這些常規(guī)參數(shù)，可以提取衍生的無(wú)量綱形狀特征參數(shù)，如分散度(compactness)、葉狀(location)、伸長(zhǎng)度(elongation)、圓度(roundness)等[39]。矩特征常用的有質(zhì)心、等效橢圓的長(zhǎng)軸和短軸、環(huán)度(cir)、朝向比(aspect ratio)、中心距等[40]。張健欽[41]對(duì)雜草的投影面積、最大葉長(zhǎng)和最大葉寬3個(gè)形狀特征進(jìn)行提取，經(jīng)試驗(yàn)得出，該方法可以實(shí)現(xiàn)對(duì)玉米苗期田間86%雜草的正確識(shí)別。顏色特征是所有圖像特征中最顯著、最穩(wěn)定、最容易被感知的特征，具有很強(qiáng)的魯棒性，但是對(duì)于顏色差異不明顯的情況，常需要結(jié)合其他特征來(lái)識(shí)別。目前常用的描述顏色特征提取方法主要有顏色直方圖、顏色矩、顏色熵、顏色相關(guān)圖、顏色集等[42]。毛文華等[43]提出了一種基于株心顏色的玉米田間雜草識(shí)別數(shù)字圖像處理新方法，該方法利用玉米植株苗期葉片顏色是深綠色，株心區(qū)域顏色是淺綠色的生長(zhǎng)發(fā)育特征，通過(guò)顏色飽和度提取株心區(qū)域。經(jīng)試驗(yàn)得出，玉米田間雜草的識(shí)別率平均為84%。紋理特征相比于顏色特征和形態(tài)特征是一種更為細(xì)致的特征信息，分析算法更為復(fù)雜，是一種能反映區(qū)域內(nèi)像素灰度分布的重要屬性。統(tǒng)計(jì)法是描述特征紋理的最常用的方法，目前常見(jiàn)的統(tǒng)計(jì)紋理特征方法主要有局部二值算子(LBP)、灰度共生矩陣法(GLCM)、直方圖法[44]。王懷宇等[45]玉米田間常見(jiàn)雜草進(jìn)行圖像預(yù)處理后，對(duì)圖像進(jìn)行紋理特征篩選，利用支持向量機(jī)(SVM)進(jìn)行分類，分別進(jìn)行基于灰度矩陣、統(tǒng)計(jì)矩陣及二者綜合的識(shí)別，經(jīng)試驗(yàn)得出，將二者綜合的識(shí)別率最高，可達(dá)到97.33%。

4 除草執(zhí)行系統(tǒng)

除草方式對(duì)除草效果至關(guān)重要，目前主要存在五種除草方式，包含人工除草、生物除草、化學(xué)除草、熱除草、機(jī)械除草，圖1對(duì)除草方式進(jìn)行了匯總，表4對(duì)除草方式原理及優(yōu)缺點(diǎn)進(jìn)行介紹。根據(jù)雜草在田間相對(duì)于作物的生長(zhǎng)位置，可分為行間雜草與株間雜草。由于只有極少數(shù)作物種植在行間，雜草與作物易于區(qū)分且易于清除雜草。株間雜草與作物交織在一起，密度較大，甚至有些作物與雜草顏色、形態(tài)上十分相近，除草難度大。因人工除草、生物除草、化學(xué)除草、熱除草具有明顯缺點(diǎn)，因此后續(xù)主要對(duì)機(jī)械除草進(jìn)行介紹。行間除草相對(duì)于株間除草來(lái)說(shuō)發(fā)展已經(jīng)相對(duì)成熟。行間除草相對(duì)容易，因而除草機(jī)械執(zhí)行部件設(shè)計(jì)主要針對(duì)株間除草。

圖1 除草方式劃分Fig. 1 Classification of weeding methods

表4 除草方式原理及優(yōu)缺點(diǎn)Tab. 4 Principles and advantages and disadvantages of weeding methods

主動(dòng)除草是指能夠根據(jù)獲取的雜草與作物信息通過(guò)控制系統(tǒng)的實(shí)時(shí)控制，改變轉(zhuǎn)動(dòng)速度等參數(shù)，有選擇地進(jìn)行清除雜草。被動(dòng)除草指除草裝置隨移動(dòng)平臺(tái)移動(dòng)過(guò)程中，除草執(zhí)行部件末端與地面產(chǎn)生摩擦而帶動(dòng)除草。如圖2所示，奧斯納布呂克大學(xué)和亞馬遜Werke共同研發(fā)的爪齒式除草部件由幾根均勻分布的爪齒組成。在進(jìn)行除草作業(yè)時(shí)，利用GPS導(dǎo)航系統(tǒng)控制前進(jìn)路徑，利用機(jī)器視覺(jué)伺服系統(tǒng)控制除草爪齒的運(yùn)動(dòng)軌跡。奧地利Hatzenbichler研發(fā)的指狀除草機(jī)專用于株間除草。該指狀除草刀隨移動(dòng)平臺(tái)的前進(jìn)而刺入土壤，通過(guò)與地表摩擦不斷破碎土壤，從而達(dá)到除草目的，屬于被動(dòng)除草的一種。吉林大學(xué)王洪昌設(shè)計(jì)了一種基于東北鼢鼠前爪第3趾特征的用于苗間除草機(jī)械仿生除草鏟，該除草鏟的刃口設(shè)計(jì)為高斯函數(shù)型曲線，具有優(yōu)良的力學(xué)性能。仿生學(xué)理論與農(nóng)業(yè)機(jī)械設(shè)計(jì)相結(jié)合，為國(guó)內(nèi)農(nóng)業(yè)機(jī)械的研制提供了新的思路和方法。目前常見(jiàn)的株間除草機(jī)械執(zhí)行部件有指狀除草刀[47]、垂直式[48]和水平毛刷式[49]、鋤鏟式[50]、旋轉(zhuǎn)鋤刀、爪齒式[51]、旋轉(zhuǎn)鋤式[52]、彈齒式[53]、擺動(dòng)鋤刀式[54]等。表5對(duì)各除草機(jī)械執(zhí)行部件特點(diǎn)、缺點(diǎn)進(jìn)行介紹。

(a) 爪齒式

(b) 指狀除草刀

(c) 鋤鏟式圖2 常見(jiàn)除草機(jī)械執(zhí)行部件Fig. 2 Actuators of common weeding machines

表5 機(jī)械除草執(zhí)行部件特點(diǎn)及缺點(diǎn)Tab. 5 Mechanical weeding actuator features and disadvantages

5 存在問(wèn)題與發(fā)展趨勢(shì)

除草機(jī)器人具有作業(yè)環(huán)境復(fù)雜多變性、作業(yè)對(duì)象嬌嫩性、使用對(duì)象特殊性、作業(yè)季節(jié)性的特點(diǎn)，一定程度上限制了智能化除草機(jī)器人的推廣和應(yīng)用。結(jié)合國(guó)內(nèi)外除草機(jī)器人的研究現(xiàn)狀，在現(xiàn)有研究思路與方法上，對(duì)智能除草機(jī)器人現(xiàn)存問(wèn)題及發(fā)展趨勢(shì)總結(jié)概括為以下幾點(diǎn)。

5.1 組合導(dǎo)航技術(shù)

每種導(dǎo)航技術(shù)都有各自明顯的獨(dú)特性和局限性，如GPS導(dǎo)航技術(shù)雖然精度高、技術(shù)成熟，但受環(huán)境影響嚴(yán)重；超聲波導(dǎo)航技術(shù)雖然結(jié)構(gòu)簡(jiǎn)單、成本低，但是導(dǎo)航定位精度低等。單獨(dú)應(yīng)用一種導(dǎo)航技術(shù)越來(lái)越難以滿足精確自主導(dǎo)航的要求，在某些場(chǎng)合會(huì)出現(xiàn)定位精度低、不適用、誤差大等現(xiàn)象。不同的導(dǎo)航系統(tǒng)的組合可以形成信息的互補(bǔ)。因此在未來(lái)農(nóng)業(yè)機(jī)械導(dǎo)航中，應(yīng)針對(duì)不同的應(yīng)用場(chǎng)合選擇適合的導(dǎo)航技術(shù)組合形式。

5.2 復(fù)雜田間環(huán)境圖像處理技術(shù)及雜草分類

目前對(duì)于苗草識(shí)別的大多數(shù)研究是在靜態(tài)及存在可控光照等可采集高質(zhì)量圖像的環(huán)境基礎(chǔ)上進(jìn)行的，而田間實(shí)際采集圖像時(shí)，存在機(jī)械振動(dòng)、光照強(qiáng)度變化等因素，這些不確定因素對(duì)苗草識(shí)別產(chǎn)生一定的誤差。同時(shí)為了進(jìn)一步精確識(shí)別定位田間苗草，往往采用復(fù)雜視覺(jué)識(shí)別算法，但是會(huì)相應(yīng)降低系統(tǒng)實(shí)時(shí)性，針對(duì)雜草密度大等田間復(fù)雜情況，系統(tǒng)算法耗時(shí)過(guò)長(zhǎng)。對(duì)于復(fù)雜田間環(huán)境下，圖像處理技術(shù)針對(duì)采集的圖像質(zhì)量不高以及視覺(jué)識(shí)別算法處理實(shí)時(shí)性的問(wèn)題有待進(jìn)一步研究。雜草分類工作需要進(jìn)一步增強(qiáng)。不同雜草對(duì)作物危害不同。特別針對(duì)危害性大的、耐藥性強(qiáng)的雜草利用圖像分類技術(shù)進(jìn)行靶向施藥，以便于雜草治理與環(huán)境管控。

5.3 株間除草末端執(zhí)行機(jī)構(gòu)研發(fā)及機(jī)械結(jié)構(gòu)優(yōu)化

我國(guó)株間除草技術(shù)相對(duì)國(guó)外研發(fā)較晚，大多在國(guó)外株間除草技術(shù)的基礎(chǔ)上進(jìn)行模仿和優(yōu)化，而且大多處于實(shí)驗(yàn)室階段，不能進(jìn)行田間實(shí)驗(yàn)。并且機(jī)械末端執(zhí)行機(jī)構(gòu)的研發(fā)過(guò)于簡(jiǎn)單，國(guó)內(nèi)外將研發(fā)重心主要放在了末端執(zhí)行機(jī)構(gòu)運(yùn)動(dòng)控制以及苗草識(shí)別上，忽視了對(duì)于機(jī)械末端執(zhí)行機(jī)構(gòu)的研發(fā)，而機(jī)械末端執(zhí)行機(jī)構(gòu)直接與田間苗草接觸，直接影響除草效果及作物產(chǎn)量等。對(duì)于株間除草末端執(zhí)行機(jī)構(gòu)的研發(fā)還需要進(jìn)一步深入。機(jī)械結(jié)構(gòu)是機(jī)電一體化的基礎(chǔ)，是系統(tǒng)所有功能要素的機(jī)械支持結(jié)構(gòu)。除草機(jī)器人機(jī)械結(jié)構(gòu)不僅決定著除草機(jī)器人的外觀，以及決定著除草機(jī)器人運(yùn)動(dòng)的靈活性、田間作業(yè)的可靠性及工作效率性。在滿足除草機(jī)器人功用和性能的基礎(chǔ)上，要盡可能使機(jī)構(gòu)輕量化、集成化、小型化，使作業(yè)效率高效化，盡可能完善該作業(yè)目的的解決方法或找到解決該作業(yè)目的的最優(yōu)方案。

6 結(jié)語(yǔ)

綜上所述，國(guó)內(nèi)外已經(jīng)開(kāi)展了大量的針對(duì)智能化田間除草機(jī)器人的研究。本文介紹了國(guó)內(nèi)外典型除草機(jī)器人及其作業(yè)方式，并且就其關(guān)鍵技術(shù)展開(kāi)討論和優(yōu)缺點(diǎn)比較，內(nèi)容涵蓋智能導(dǎo)航、苗草識(shí)別、除草執(zhí)行系統(tǒng)領(lǐng)域。最后在上述分析比較的基礎(chǔ)上對(duì)現(xiàn)有關(guān)鍵技術(shù)存在問(wèn)題進(jìn)行總結(jié)分析并對(duì)未來(lái)發(fā)展趨勢(shì)進(jìn)行展望。

發(fā)達(dá)國(guó)家對(duì)于智能除草機(jī)器人的研發(fā)較早，在解放人類勞動(dòng)、減輕環(huán)境污染等方面發(fā)揮了巨大的作用。我國(guó)對(duì)于智能除草機(jī)器人研發(fā)起步較晚，技術(shù)水平與發(fā)達(dá)國(guó)家有一定差距。我國(guó)政府應(yīng)加大對(duì)于農(nóng)機(jī)的扶持力度，引導(dǎo)除草機(jī)器人向智能化、自動(dòng)化、精準(zhǔn)化方向進(jìn)一步發(fā)展，增強(qiáng)實(shí)用性、普及性而不是只停留在實(shí)驗(yàn)室階段。智能除草機(jī)器人的研發(fā)面對(duì)我國(guó)人口老齡化、環(huán)境污染破壞、人工作業(yè)效率不高等問(wèn)題具有重要意義。