孙叶丰

（悉尼大学机械与机电及航空航天工程学院 澳大利亚，悉尼 2006）

目前全球人口高达75亿，预计在2050年世界人口将突破90亿。人民生活水平的不断提高导致了对于农产品的需求呈逐年增长趋势的同时对于农产品的质量也有着显著提高。此外，城市化建设的加快了耕地面积的缩减。农业生产所呈现的高付出、低收入导致了大量的农村劳动力进入城市地区寻找工作机会以及人口老龄化严重的问题导致了农业劳动力不断降低。在农业生产中，农业机器人的应用能够有效提高生产效率、降低生产成本，增加农产品经济效益。本文中，在对农业机器人在农业生产中的使用显著进行分析的基础上，总结了农业机器人面临的紧要问题以及挑战。

1 农业机器人发展现状

在农作物生产过程中，主要可分为耕作、土壤分析、播种、农作物监测以及采摘五大步骤。20世纪80年代日本京都大学近藤直教授首次启动农业机器人的研发，目前，农业机器人技术已经可以涵盖露天生产、半开放式封闭生产已经温室生产三种生产模式中耕作、播种、嫁接、施肥、消除杂草、采摘等各项任务。本文中主要针对农业生产中播种以及采摘两项工作的机器人技术进行综述和分析。

1.1 播种机器人

播种过程需要将农作物种子移植到土壤中并保证种子具有良好的发芽率。此外，根据每种农作物生长的规律，需要保证各个幼苗之间具有足够的生长空间。

德国霍恩海姆大学以及盖森海姆大学对Hakotrac 3000进行改装为一个自动化机械装置（AMS）。通过已经存储过的地图数据对种子进行网格式播种以及打孔式播种。95%的种子位置与预期位置的误差在5mm之内。此外，芬兰的阿尔托大学的团队通过讲四轮式移动机器人和播种设备进行改装为APU-Module的播种机器人。通过GNSS定位技术，搭配PTK-GPS接收器、航向光纤陀螺仪以及倾角计进行定位以及导航。该播种机器人可以存储并播种0.85公顷的种子。

中国农业大学与青岛理工大学针对小麦的播种共同设计了一款播种机器人。通过RTK-GNSS模块对小麦进行吸气式的精确播种。通过分析小麦种子的几何特性后，对该播种机器人的工艺及结构进行了进一步优化，保证了小麦种子播种的精准性。基于图像识别的角点检测方法。河北科技大学设计了一款基于嵌入式操作系统的大蒜播种机器人。通过图像处理弥补了由于大蒜的复杂种植方法而导致的自动化种植水平低。实现了大蒜自动无人种植的同时，其准确率高达95%。

1.2 采摘机器人

顾名思义，采摘机器人的工作任务是识别成熟农作物并在保证不破坏作物的情况下进行采摘。这一过程需要根据不同农作物的尺寸、形状、外皮软硬等多种条件进行准确采摘。

1995年，日本冈山大学通过图像识别对葡萄进行定位以及成熟度判断，研发了5自由度的葡萄采摘机械臂。2008年，该大学通过机械臂、视觉系统的联动开发出了一款草莓采摘机器人。该机器人在30s内便可变成一次完整的采摘任务，其中包括成熟度识别、定位、采摘以及转移至包装区域。此外，在欧洲各个国家均有针对其各个国家特色的高自动化的农作物采摘机器人。

我国的采摘机器人起步较晚。2001年，东北林业大学研发了一款具有6个自由度的林木球果采摘机器人。其搭载液压装置等硬件的同时利用嵌入式单片机系统进行控制。提高了30~50倍的工作效率，并且实现了高成功率以及低破坏率。此外，我国最具有代表性的采摘机器人是中国农业大学与2011年设计并开发的用于黄瓜的采摘机器人。通过计算机视觉系统，可以准确的判断黄瓜的成熟度，结合由移动平台和机械臂共同组成的移动机械臂系统，15s便可以完成一次完整的、高效的黄瓜采摘工作。

1.3 除草机器人

在农业生产的过程中，祛除农田中的杂草有利于保证肥料等营养更多的流向农作物，提高农作物质量。

瑞典哈姆斯塔德大学研发了一款机械式除草机器人。该机器人利用CCD相机对农田进行识别，并结合路径规划算法使其沿作物行走。通过计算机视觉系统查询并分析相机中物体是否为杂草，并最终实现精准的杂草清除。针对水下等肉眼不可见环境，日本九州冲绳农业研究设计了一款除草机器人。利用其自身的刷子可以清除水下30mm~50mm深处的杂草，广泛应用在了水稻等水田种植，解决了人工无法发现这些隐藏在水下的杂草。

东北农业大学与吉林大学共同设计的圆盘式除草机，提高了除草率的同时降低了对农作物的破坏率。有效的解决了农作物周边距离较近的杂草祛除问题。江苏大学先后研发的八爪机械除草装置以及激光除草机器人在基于计算机视觉的基础上，在行间和农作物除草的准确率更高，且不会对土壤进行破坏。

2 农业机器人现存问题与不足

第一，现有的农业机器人研发以及使用成本高，不适用于小型农场或小规模农民。尽管日本对于农业机器人的研发取得了许多巨大的成果，然而并没有实现商业化，使其在农业生产发挥真正的作用。

第二，农作物识别率低。通过计算机视觉对果实外表面进行光谱分析以及对果实形状的分析并不能完全对成熟果实进行识别。由于光照以及图像中其他噪声的影响，对果实颜色的判断准确率不高。此外，由于枝叶等影响很难识别到正确的果实形状。

第三，播种效率受环境影响。针对例如潮湿土壤等特殊土壤情况，播种设备经常由于土壤情况导致工作效率降低，无法顺利播种，需要人工干预才能完成。

3 农业机器人发展挑战

第一，播种机器人通常将移动机器人与耕作工具箱组合，使其在进行耕作的同时进行播种。然而，其挑战在于提高其操作的自主性。

第二，由于农业生产的工作场所大多是非结构化的动态场所，具有广泛的不确定性。因此针对这一类型的工作环境，需要有复杂的计算机视觉、传感器等技术执行操作。

第三，由于在果实采摘过程中，不仅仅需要控制接触力的大小，使其在采摘过程中不会对果实产生破坏，还需要保证不破坏周边农作物。因此，对于机械柔软性处理使采摘机器人才避让周围农作物的同时保证顺利的采摘工作，依旧是目前需要解决的问题。

第四，大数据库支持。随着对于农作物品质要求的不断提升，针对农作物的耕作方式更加细致且精确。需要农业机器人收集每一株农作物信息并针对其实施施肥、除草等任务。因此，这需要庞大的大数据库和高计算量的支持。

4 结论

本文综述了农业机器人的发展现状、问题以及未来挑战。尽管目前农业机器人仍未能实现大规模的应用以及商业化生产。随着农业生产投入的加大以及各个高校对于农业机器人领域的重视，成本低、效率高、自动化高的农业机器人将更快的实现商业化、量产化。