前言：本站為你精心整理了智能化在農(nóng)業(yè)機械中應用范文，希望能為你的創(chuàng)作提供參考價值，我們的客服老師可以幫助你提供個性化的參考范文，歡迎咨詢。

摘要：農(nóng)業(yè)機械的智能化對于提高生產(chǎn)效率、降低人工勞動強度、推進規(guī)?；鳂I(yè)以及提升農(nóng)機管理水平等發(fā)揮著重要作用，是近年來農(nóng)業(yè)科學領(lǐng)域的研究熱點。本文針對智能化技術(shù)在農(nóng)業(yè)機械中的應用及發(fā)展，詳細介紹了機器視覺技術(shù)、自動駕駛技術(shù)以及農(nóng)業(yè)物聯(lián)網(wǎng)的應用現(xiàn)狀及發(fā)展趨勢，為農(nóng)業(yè)機械化技術(shù)的發(fā)展提供參考。

關(guān)鍵詞：農(nóng)業(yè)機械；智能技術(shù)；機器視覺；自動駕駛；農(nóng)業(yè)物聯(lián)網(wǎng)

0引言

毋庸置疑，云計算、大數(shù)據(jù)、人工智能、物聯(lián)網(wǎng)等新興技術(shù)正加速推動傳統(tǒng)農(nóng)業(yè)向現(xiàn)代農(nóng)業(yè)的轉(zhuǎn)型升級，農(nóng)業(yè)生產(chǎn)方式正在向自動化、信息化、智能化和規(guī)?；较蚩焖侔l(fā)展。農(nóng)業(yè)機械是農(nóng)業(yè)先進生產(chǎn)力的代表，通過與智能化技術(shù)的融合發(fā)展，對于提高生產(chǎn)效率、降低人工勞動強度、推進規(guī)模化作業(yè)、提升農(nóng)機信息化和智能化管理水平等發(fā)揮著重要作用，為農(nóng)機裝備的轉(zhuǎn)型升級提供了廣闊的前景。智能化農(nóng)業(yè)機械既是智慧農(nóng)業(yè)的重要組成部分，也是發(fā)展智慧農(nóng)業(yè)的重要物質(zhì)手段，目前已成為當今世界農(nóng)業(yè)裝備發(fā)展的新潮流，是近年來國際上農(nóng)業(yè)科學研究的熱點之一[1]。本文將詳細論述機器視覺技術(shù)、自動駕駛技術(shù)以及農(nóng)業(yè)物聯(lián)網(wǎng)在農(nóng)業(yè)機械領(lǐng)域的應用及發(fā)展。

1機器視覺在農(nóng)業(yè)機械中的應用與發(fā)展

機器視覺主要用計算機來模擬人的視覺功能，從客觀事物的圖像中提取信息，進行處理并加以理解，最終用于實際檢測、測量和控制，是一門涉及人工智能、計算機科學、圖像處理、模式識別等諸多領(lǐng)域的交叉學科。機器視覺技術(shù)在農(nóng)業(yè)領(lǐng)域具有廣泛的應用，農(nóng)業(yè)機械中經(jīng)常采用攝像機或相機作為視覺傳感器來獲取周圍環(huán)境信息，具有速度快、信息量大、安裝方便和投入成本低等優(yōu)點。近些年得益于數(shù)字圖像處理技術(shù)的快速發(fā)展和計算機硬件性能的提高，針對圖象處理的視覺感知算法具有強大的信息處理能力。視覺感知算法按照發(fā)展歷程可分為傳統(tǒng)視覺算法和深度學習算法，傳統(tǒng)視覺算法主要是通過一些邊緣、角點、顏色和紋理等特征的檢測，并基于統(tǒng)計學的特征提取進行檢測物的識別與分類。歐美國家的研究者于20世紀80年代率先開展傳統(tǒng)視覺算法在農(nóng)業(yè)領(lǐng)域的應用研究，截至目前，國內(nèi)外研究機構(gòu)在算法的研究和應用上都取得了較為豐富的成果。深度學習是模仿人腦神經(jīng)元結(jié)構(gòu)而建立的人工神經(jīng)系統(tǒng)，是一種包含多個隱藏層的多層感知和信息處理結(jié)構(gòu)，具有強大的學習能力，被廣泛運用于機器視覺、語音識別、自然語言處理等多個領(lǐng)域。近幾年深度學習在圖像識別、目標檢測、實例分割等領(lǐng)域展現(xiàn)出了先進的性能，正在為機器視覺和機器學習領(lǐng)域帶來革命性的進步。隨著機器視覺技術(shù)的發(fā)展，深度學習也將在農(nóng)業(yè)領(lǐng)域獲得更廣泛的研究和應用。

1.1用于農(nóng)機自動駕駛過程中的環(huán)境感知。環(huán)境感知技術(shù)是自動駕駛領(lǐng)域的核心技術(shù)之一，其目的在于使智能駕駛設(shè)備模擬人類駕駛員的感知能力，獲取和識別周圍環(huán)境及車輛狀態(tài)信息，并用于自動駕駛中的定位、決策、路徑規(guī)劃和控制?？捎糜诃h(huán)境感知的硬件設(shè)備有相機、激光雷達、毫米波雷達和超聲波雷達等多種類型，目前自動駕駛汽車采用的配置方案往往是多種類型設(shè)備的組合方案，農(nóng)業(yè)機械中應用較多的是以攝像機或相機為主的圖像采集設(shè)備，行駛過程中通過圖像采集、分析和處理，用于識別作物行，提取導航基準線，檢測障礙物等。國內(nèi)外學者在作物行識別和導航定位基準線檢測的方法上開展了較多的研究與應用，主要方法包括Hough變換法、垂直投影法和最小二乘法等[2]，這里不作進一步的闡述，感興趣的讀者可以查閱相關(guān)的研究文獻或綜述。另外，農(nóng)業(yè)環(huán)境中經(jīng)常存在電線桿、樹木、農(nóng)業(yè)設(shè)備、動物等靜態(tài)或動態(tài)障礙物，農(nóng)機在自動駕駛過程中需要實時檢測障礙物并及時避障，以避免發(fā)生危險，近年來農(nóng)業(yè)機械領(lǐng)域內(nèi)基于視覺的障礙物檢測研究也在不斷增多。

1.2用于農(nóng)業(yè)機器人的作業(yè)目標識別與定位。農(nóng)業(yè)機器人是一種新型智能化農(nóng)業(yè)機械，許多國家都在研制和發(fā)展針對各種工作類型的農(nóng)業(yè)機器人，像果蔬采摘機器人、施肥機器人和噴藥機器人等。農(nóng)業(yè)機器人的應用，能夠更好的代替手工勞動，進一步實現(xiàn)農(nóng)業(yè)生產(chǎn)自動化和智能化。機器視覺技術(shù)在農(nóng)業(yè)機器人的作業(yè)目標識別與定位中具有廣泛的應用，例如農(nóng)業(yè)領(lǐng)域中研究和應用較多的果蔬采摘機器人，可以通過視覺技術(shù)識別需要采摘的果實，判斷果實的成熟度，以及確定果實的位置，目前該技術(shù)已經(jīng)應用于番茄采摘、黃瓜采摘、草莓采摘等多種針對不同對象的采摘機器人。此外，機器視覺技術(shù)在農(nóng)業(yè)施肥和除草等領(lǐng)域同樣具有重要的應用，以除草為例，用于除草的噴藥機器人利用視覺技術(shù)進行作物和雜草的識別，指導機器人實現(xiàn)定點變量精準噴藥作業(yè)。近些年機器視覺在農(nóng)業(yè)機器人的作業(yè)目標識別與定位上取得一些不錯的研究成果，但是由于農(nóng)業(yè)作業(yè)自身的復雜性、隨機性和多樣性等，依然存在不少的難題要去解決。

2自動駕駛技術(shù)在農(nóng)業(yè)機械中的應用與發(fā)展

自動駕駛技術(shù)是現(xiàn)代精準農(nóng)業(yè)的一項關(guān)鍵技術(shù)，也是智能農(nóng)業(yè)技術(shù)領(lǐng)域的研究和應用熱點，廣泛應用于自動駕駛拖拉機、耕種機、施肥機器人、噴藥無人機、果蔬采摘機器人等各種用途的智能農(nóng)業(yè)機械領(lǐng)域。自動駕駛技術(shù)的應用與發(fā)展對促進我國農(nóng)業(yè)裝備和農(nóng)業(yè)作業(yè)的自動化、智能化和信息化發(fā)揮著重要作用，加快推動農(nóng)業(yè)技術(shù)體系的轉(zhuǎn)型升級，建立高效的現(xiàn)代農(nóng)業(yè)生產(chǎn)模式和運行體系。本節(jié)主要針對農(nóng)機自動駕駛系統(tǒng)的定位、路徑規(guī)劃與跟蹤控制展開論述。

2.1農(nóng)業(yè)機械中的定位技術(shù)。農(nóng)機定位技術(shù)是通過對農(nóng)機位置、航向角、車輪轉(zhuǎn)角和速度等位姿信息的測量，使得農(nóng)機準確的知道自己所在的位置和所處的運動狀態(tài)，精準定位是農(nóng)機實現(xiàn)自動駕駛的先決條件之一，對后續(xù)的路徑規(guī)劃和控制都有著直接的影響。目前農(nóng)業(yè)機械領(lǐng)域主要應用的定位技術(shù)按其原理的不同可分為三類：第一類是基于全球?qū)Ш叫l(wèi)星系統(tǒng)（globalnavigationsatellitesystem,GNSS）的定位方法，該系統(tǒng)可以為農(nóng)機提供三維坐標、速度和時間信息，是農(nóng)業(yè)應用中最基本的定位方法。在全球四大衛(wèi)星導航系統(tǒng)供應商中，要以美國的GPS（globalpositioningsystem）在農(nóng)機導航領(lǐng)域應用最為廣泛，目前農(nóng)機導航系統(tǒng)中普遍使用的RTK-GPS能達到厘米級的定位精度。隨著我國北斗衛(wèi)星導航系統(tǒng)的民用推廣，也將在農(nóng)業(yè)機械的定位中獲得越來越廣泛的應用。第二類是基于機器視覺的定位方法，通過圖像的采集和處理，識別作物行并獲取導航基準線，實現(xiàn)農(nóng)機與作物的相對位置與航向信息的測量[2]。第三類是基于慣性導航的定位方法，利用慣性測量單元（InertialMeasureUnit,IMU）獲得農(nóng)機的慣性信息和旋轉(zhuǎn)信息，并結(jié)合當前的位置姿態(tài)信息推算下一時刻的位置和姿態(tài)。第二類和第三類方法都無法獲得農(nóng)機的絕對位置，通常用于輔助第一類方法進行組合定位。GNSS廣泛應用于農(nóng)業(yè)機械的自主導航系統(tǒng)，能夠為農(nóng)機提供高精度的絕對位置信息，但是單一依靠GNSS的導航技術(shù)容易受環(huán)境影響而出現(xiàn)定位不準和丟失信號的情況，導致定位可靠性較差。通過將GNSS與機器視覺、慣性導航或者其他導航方式相結(jié)合，形成多傳感器融合方案可以有效提升定位可靠性，并且多傳感器之間可以相互糾正，能夠進一步提升定位精度。目前基于多傳感器融合的定位方案，在農(nóng)機自動駕駛領(lǐng)域受到了廣泛的重視和應用，也是未來重要的發(fā)展趨勢。近幾年隨著SLAM(simultaneouslocalizationandmapping)的迅速發(fā)展，即同步定位于建圖技術(shù)，也逐漸在農(nóng)機自動駕駛領(lǐng)域開始應用和發(fā)展。

2.2路徑規(guī)劃與跟蹤控制技術(shù)。路徑規(guī)劃是農(nóng)機自動導航與自主作業(yè)的重要環(huán)節(jié)，作業(yè)路徑的形狀和走向是影響農(nóng)機作業(yè)效率的主要因素，合理規(guī)劃路徑能夠提高導航系統(tǒng)的實用性，利于提高農(nóng)機作業(yè)效率和質(zhì)量，降低農(nóng)機消耗[3]。國內(nèi)外學者針對農(nóng)機導航領(lǐng)域的路徑規(guī)劃技術(shù)開展了較多的研究和試驗，包括農(nóng)機轉(zhuǎn)彎策略與路徑規(guī)劃、全區(qū)域覆蓋路徑規(guī)劃、規(guī)避障礙物的路徑規(guī)劃以及不規(guī)則地塊的路徑規(guī)劃等面向田間復雜問題的各類研究。其中包括一些涉及田間路徑尋優(yōu)的研究，根據(jù)成本、作業(yè)質(zhì)量和路徑覆蓋效率等不同因素的考慮，設(shè)定相應的優(yōu)化目標和約束條件開展優(yōu)化分析，以期獲得最優(yōu)或較優(yōu)的作業(yè)路徑。路徑跟蹤控制的目的是讓自動駕駛農(nóng)機能夠跟蹤由路徑規(guī)劃得到的軌跡，其原理是根據(jù)農(nóng)機測量的位置與規(guī)劃路徑的偏差信息控制轉(zhuǎn)向操縱機構(gòu)，使得農(nóng)機按照預先定義的軌跡行駛。目前農(nóng)機的路徑跟蹤控制方法大體可分為兩類。第一類是基于模型的控制方法，通過結(jié)合農(nóng)機的運動模型或動力學模型進行控制器的設(shè)計，這類方法考慮了運動學或動力學約束，對農(nóng)機的運動狀態(tài)具有一定的預測功能，通常能夠達到較好的控制效果。農(nóng)機的動力學模型在運動學的基礎(chǔ)上考慮質(zhì)量、慣性以及前后輪所受到側(cè)向力等因素對農(nóng)機運動狀態(tài)的影響，相對于運動學模型的方法具有更好的魯棒性、更精準的控制效果。該類方法的缺點是需要建立控制對象的數(shù)學模型，對于建模復雜度高，參數(shù)不易獲取以及建模不準確等一些情況適用性差。第二類是基于數(shù)據(jù)的控制方法，在農(nóng)機自動駕駛領(lǐng)域研究和應用較多的方法有PID控制、模糊自適應控制和人工神經(jīng)網(wǎng)絡(luò)控制等。這類方法與模型無關(guān)，優(yōu)點是通用性強，缺點在于通常效果不如基于模型的控制方法。

3農(nóng)業(yè)物聯(lián)網(wǎng)技術(shù)在農(nóng)業(yè)機械中的應用與發(fā)展

農(nóng)業(yè)物聯(lián)網(wǎng)是物聯(lián)網(wǎng)技術(shù)在農(nóng)業(yè)生產(chǎn)和管理領(lǐng)域的具體應用，通過農(nóng)業(yè)信息感知設(shè)備，按照約定協(xié)議，把農(nóng)業(yè)系統(tǒng)中動植物生命體、環(huán)境要素、生產(chǎn)工具等物理部件和各種虛擬“物件”與互聯(lián)網(wǎng)連接起來，進行信息交換和通訊，以實現(xiàn)對農(nóng)業(yè)對象和過程智能化識別、定位、跟蹤、監(jiān)控和管理的一種網(wǎng)絡(luò)[4]。農(nóng)業(yè)物聯(lián)網(wǎng)廣泛應用于農(nóng)業(yè)環(huán)境監(jiān)控、智能化育種、農(nóng)業(yè)信息檢測、農(nóng)產(chǎn)品質(zhì)量溯源、農(nóng)機監(jiān)控與調(diào)度等多個領(lǐng)域，既是智能農(nóng)業(yè)的重要內(nèi)容，也是現(xiàn)代農(nóng)業(yè)的強大技術(shù)支撐。農(nóng)業(yè)物聯(lián)網(wǎng)技術(shù)對推動農(nóng)機的信息化和智能化發(fā)揮著重要的作用，在農(nóng)業(yè)機械領(lǐng)域具有廣闊的應用前景，目前國內(nèi)外已有不少工程應用案例，例如通過農(nóng)機與監(jiān)控中心的遠程物聯(lián)實現(xiàn)農(nóng)機的遠程監(jiān)控與調(diào)度和農(nóng)機作業(yè)質(zhì)量監(jiān)控；通過手機與農(nóng)機物聯(lián)，使得農(nóng)戶可以便利通過手機實時了解農(nóng)機的行駛路線、運作狀態(tài)、工作時間與進度等信息；將多臺農(nóng)機與網(wǎng)絡(luò)遠程控制系統(tǒng)物聯(lián)，實現(xiàn)多臺農(nóng)機的信息交互，用于多機的協(xié)同作業(yè)控制。目前，物聯(lián)網(wǎng)技術(shù)在農(nóng)業(yè)機械領(lǐng)域的應用和研究尚不完善，需要不斷探索物聯(lián)網(wǎng)技術(shù)在農(nóng)業(yè)機械方面新的應用。

4結(jié)束語

智能化農(nóng)機是推進農(nóng)業(yè)轉(zhuǎn)型升級的重要手段，是現(xiàn)代農(nóng)業(yè)發(fā)展的關(guān)鍵要素，歐洲、美國、日本等發(fā)達國家在農(nóng)機智能化方面的研究和應用較早，發(fā)展水平較高。國內(nèi)農(nóng)機的智能化程度相對較低，應用范圍不廣，發(fā)展相對滯后，農(nóng)機的智能化在國內(nèi)農(nóng)業(yè)的發(fā)展中還將大有可為。隨著5G、大數(shù)據(jù)、物聯(lián)網(wǎng)、人工智能的不斷發(fā)展，將為農(nóng)業(yè)機械的智能化提供更有力的技術(shù)支撐，物聯(lián)網(wǎng)在農(nóng)業(yè)機械的智能化方面仍存在很多需要探索的應用途徑；人工智能中的神經(jīng)網(wǎng)絡(luò)和強化學習方法分別在農(nóng)機的視覺技術(shù)和智能決策領(lǐng)域具有廣闊的應用前景；5G網(wǎng)絡(luò)的普及將會為智能農(nóng)機領(lǐng)域帶來更多全新的探索，等等。

參考文獻：

[1]鄭文鐘.國內(nèi)外智能化農(nóng)業(yè)機械裝備發(fā)展現(xiàn)狀[J].現(xiàn)代農(nóng)機，2015(6)：4-8.

[2]胡靜濤，高雷，白曉平，等.農(nóng)業(yè)機械自動導航技術(shù)研究進展[J].農(nóng)業(yè)工程學報，2015，31(10)：1-10.

[3]黃小毛，丁幼春，宗望遠，等.農(nóng)機作業(yè)地頭轉(zhuǎn)彎方式及路徑生成算法研究[A].中國農(nóng)業(yè)工程學會（CSAE）.中國農(nóng)業(yè)工程學會2011年學術(shù)年會論文集[C].中國農(nóng)業(yè)工程學會（CSAE）：中國農(nóng)業(yè)工程學會，2011：6.

[4]葛文杰，趙春江.農(nóng)業(yè)物聯(lián)網(wǎng)研究與應用現(xiàn)狀及發(fā)展對策研究[J].農(nóng)業(yè)機械學報，2014，45(7)：222-230+277.

作者:吳越 單位:寧夏回族自治區(qū)鄉(xiāng)鎮(zhèn)企業(yè)經(jīng)濟發(fā)展服務中心