第3章 农业机器人关键技术

农业机器人必须具有的感觉、决策等高智能功能与其自身的构成，决定了它具有三种特性：程序性、适应性和通用性。程序性是指改变指令集，就能够实现基准和动作顺序等的变更；适应性是指即时地结合客观环境与机械本身的情况，实现作业量或质的调整；通用性是指通过部分软硬件的改变即可实现功能的变换。

农业机器人是复杂的高智能化农业技术设备，集机、电、光等多学科高新技术于一体，面临着是非结构、不确定、难以预估的复杂工作环境和作业对象，关键技术主要包括以下几个方面。

智能化连续运动控制技术

在田间作业时，农业机器人置身于复杂的三维空间内。由于存在地面不平、意外障碍、大面积范围定位精度、机器人振动以及自然环境恶劣等问题，使其移动和精确定位变得相当复杂。

通常都采用陀螺罗盘、雷达、激光束以及卫星定位系统等导航设备，进行路径规划与避障、探测定位和控制运行，以确定农业机器人本体位置和行走方向，从而保证其能够自主行走。针对路面不平坦和倾斜等问题，科学家正在研究使用人工神经网络、模糊控制等人工智能控制方法加以解决。

一些科研人员开发了一套机器视觉系统，用于确定稻田微型除草机器人的行走路线。还有些科研人员开展了温室轮式机器人的视觉定位方案研究，采用了菊花链式方法建立几何模型，用来确定目标物的位置坐标以及机器人本体位置。

位置准确感知和定位

农业机器人多数在室外工作，比如温度、光线、颜色及风力等时刻在变化，这些因素要求机器人必须要有较高的适应性。它的作业对象是果实、禾苗、家畜等离散个体，形状和生长位置具有随机性。

农业机器人的机械手必须具有敏感和准确的作业对象识别功能，行动时自由度必须足够多，可以对目标的随机位置及时感知，并基于位置信息对机械手进行位置闭环控制。

荷兰瓦赫宁根大学的vanHenten教授等人在果蔬采摘机器人的机械手运动控制方面开展了大量研究。他们开展了黄瓜采摘机器人的无碰撞运动规划研究，程序分为两部分：机器人工作环境的感官信息获取；末端执行器与黄瓜之间无碰撞运动路径的生成。

该无碰撞运动路径能够用于黄瓜采摘机器人的7自由度机械手的实际作业，运动路径规划采用了A3-查询算法，比较易于实现，且鲁棒性强。但是，该算法计算周期较长，且不能满足单个采摘动作周期的要求。

vanHenten等针对水果采摘机器人开发出了线路径规划和控制方法，该方法在路径行程和避障方面的时耗近乎最小，能够解决更多实际问题，且该方法的可行性得到了试验验证。

他对温室黄瓜收获机器人机械手的运动结构进行了优化设计，并提供了一种评价和优化该运动机构的客观方法。这个优化结果发现，4臂4自由度PPRR机器手最适合于温室黄瓜的收获。

机械手和形态控制

对于桃子、蘑菇等类型的娇嫩对象或蛋类等脆弱产品，要采用柔软装置合理控制机械手的抓取力度，以适应抓取各种形状，避免在传送和搬运过程中发生损伤现象，以减少损失和保证品质。

Tanner等研究了农业机器人移动多机械手作业处理软性物料时的运动学和动力学特性，并在Kane方法的基础上建立了机械手的运动方程模型，具有算法简单，可物理识别、速度模拟、方向控制等优点，机械稳定性高，且能较好地控制机械手的非完整运动，可适用于任意形状的软性农产品物料，以防止机器人作业时对农产品造成损伤。

Cho等研发的莴苣收获机器人，利用模糊逻辑控制技术，可根据莴苣自身特性确定末端执行器的合适抓力，控制器以莴苣的叶面指标和高度为输入变量，电压为输出变量。

目标分类与智能控制

农产品采摘、分选过程中须要依据颜色、形状、尺寸、纹理、结实程度等特征，对其成熟程度或品质进行分类，然后对符合采摘条件的果实进行采摘。

采用机器视觉技术，可以准确识别育苗种子发芽情况和柑橘成熟度。农产品的特征极其复杂，进行数学建模比较困难，农业机器人可在人工辅助，比如模糊逻辑、神经网络和智能模拟技术等条件下进行自学，并记忆学习结果，形成自身处理复杂情况的知识库。

机器人自动控制是一种时变性非常强、难于模拟的复杂系统，通常利用自适应控制技术来实现。Collewet等对农业机器人的关节空间控制进行了研究，开发出了模糊自适应控制器，并通过计算机模拟验证了该控制方法的有效性和稳定性，且该控制器能够在低端硬件上得以实现。

另外，农业机器人的工作环境一般比工业机器人要复杂，进行感知、执行和信息处理的各部件以及系统必须适应环境照明、阳光、遮挡、肮脏、燥热、潮湿、振动等影响，保持高度可靠性。

拓展阅读

在2013年，澳大利亚的一片苹果园里，两个新进“员工”沿着一排苹果树小心翼翼地走动，同时检查果实是否成熟、土壤是否需要浇水或施肥。这两个“员工”分别叫做“螳螂”和“虾”，是澳大利亚农业机器人实验项目的对象，那是人们在测试其是否能完成一些简单的检查任务，并降低农场经营成本。