設(shè)施蔬菜自動(dòng)對(duì)靶噴藥技術(shù)研究現(xiàn)狀與分析.pdf

新疆農(nóng)業(yè)科學(xué) 2021 58 8 1547 1557 Xinjiang Agricultural Sciences doi 10 6048 j issn 1001 4330 2021 08 022 設(shè)施蔬菜自動(dòng)對(duì)靶噴藥技術(shù)研究現(xiàn)狀與分析 楊征鶴 1 楊會(huì)民 2 喻 晨 2 陳毅飛 2 周 欣 2 馬 艷 2 王學(xué)農(nóng) 2 1 新疆農(nóng)業(yè)大學(xué)機(jī)電工程學(xué)院 烏魯木齊 830052 2 新疆農(nóng)業(yè)科學(xué)院農(nóng)業(yè)機(jī)械化研究所 烏魯木齊 830091 摘 要 目的 回顧與總結(jié)國內(nèi)外設(shè)施蔬菜自動(dòng)對(duì)靶噴藥技術(shù)的研究現(xiàn)狀與進(jìn)展 為該技術(shù)在設(shè)施蔬菜自動(dòng) 對(duì)靶噴藥機(jī)器人的發(fā)展應(yīng)用上提供理論和科學(xué)依據(jù) 方法 采用相關(guān)文獻(xiàn)資料 實(shí)地調(diào)研的方法 匯總 整 理及分析 結(jié)果 導(dǎo)航技術(shù)國外主要采用基于 GPS 機(jī)器視覺 激光雷達(dá)等技術(shù)開發(fā)的路徑識(shí)別及智能避障 技術(shù) 國內(nèi)主要采用電磁誘導(dǎo) 基于 GPS 激光雷達(dá)和視覺技術(shù)的道路邊緣獲取與道路識(shí)別技術(shù) 病蟲害檢測(cè) 現(xiàn)階段國外主要采用圖像識(shí)別 紅外成像和高光譜及基于深度學(xué)習(xí)的病蟲害識(shí)別技術(shù) 技術(shù)較為成熟 國內(nèi)現(xiàn) 階段主要采用圖像識(shí)別技術(shù) 利用作物顏色 紋理及形狀特征進(jìn)行識(shí)別 國外對(duì)靶噴藥采用機(jī)器視覺 激光主 動(dòng)視覺和超聲波技術(shù)并結(jié)合傳感器對(duì)目標(biāo)作物進(jìn)行識(shí)別 利用變速噴藥技術(shù)在生菜 番茄等作物上進(jìn)行了應(yīng) 用 國內(nèi)開發(fā)了溫室自主噴藥機(jī)器人 采用機(jī)器視覺技術(shù)獲取靶標(biāo)病蟲害位置信息 對(duì)噴頭進(jìn)行單獨(dú)控制 以 達(dá)到精準(zhǔn)對(duì)靶施藥的效果 結(jié)論 導(dǎo)航技術(shù) 病蟲害識(shí)別技術(shù)及對(duì)靶噴藥技術(shù)是自動(dòng)對(duì)靶噴藥技術(shù)的核心 導(dǎo)航方面在溫室中利用機(jī)器視覺和激光雷達(dá)技術(shù)相比 GPS 技術(shù)更加可靠 靈活 精準(zhǔn)度更高 高光譜與病蟲 害識(shí)別技術(shù)可提高病蟲害識(shí)別的效率 對(duì)靶噴藥技術(shù)中目標(biāo)作物的識(shí)別與冠層稠密程度的判斷是發(fā)展趨勢(shì) 關(guān)鍵詞 設(shè)施蔬菜 溫室 導(dǎo)航技術(shù) 病蟲害識(shí)別 對(duì)靶噴藥 趨勢(shì) 中圖分類號(hào) S224 3 文獻(xiàn)標(biāo)識(shí)碼 A 文章編號(hào) 1001 4330 2021 08 1547 11 收稿日期 eceived 2020 06 10 基金項(xiàng)目 自治區(qū)重大專項(xiàng) 設(shè)施農(nóng)業(yè)信息化智能化裝備系統(tǒng)構(gòu)建與集成示范 20219860 作者簡(jiǎn)介 楊征鶴 1994 男 山東菏澤人 研究生 研究方向?yàn)樵O(shè)施農(nóng)業(yè)裝備 E mail 247329956 qq com 通信作者 王學(xué)農(nóng) 1964 男 陜西漢中人 研究員 碩士生導(dǎo)師 研究方向?yàn)檗r(nóng)業(yè)機(jī)械化技術(shù)裝備 E mail xjwxn2010 sina com 0 引 言 研究意義 我國的設(shè)施蔬菜的種植面積 400 10 4 hm 2 1 新疆的設(shè)施蔬菜栽培面積也達(dá)到 3 57 10 4 hm 2 2 在溫室密閉 高溫高濕的環(huán)境 會(huì)導(dǎo)致病蟲害發(fā)病重 繁殖快和防治困難 嚴(yán)重時(shí) 損失高達(dá) 50 以上 目前主要采取的措施是化學(xué) 防治 但是使用農(nóng)藥的頻次高 劑量大 每 667 m 2 農(nóng)藥使用量為大田作物的十幾倍 甚至更多 3 農(nóng)藥有效利用率僅 20 40 3 隨著自動(dòng)化 信息化技術(shù)以及傳感器技術(shù)應(yīng)用于精準(zhǔn)施藥和智 能機(jī)械的研發(fā) 發(fā)達(dá)國家的農(nóng)藥利用率已經(jīng)提高 到 50 60 的水平 5 目前我國的施藥技術(shù) 和藥械與外國相比存在一定差距 6 7 使用自動(dòng) 對(duì)靶噴藥技術(shù)對(duì)我國設(shè)施蔬菜進(jìn)行變量施藥 可 減少農(nóng)藥污染 前人研究進(jìn)展 自動(dòng)對(duì)靶噴藥 技術(shù)的發(fā)展主要經(jīng)歷了 2 個(gè)發(fā)展階段 8 第一階 段是能夠引導(dǎo)噴藥機(jī)器人在合適的路徑上進(jìn)行目 標(biāo)作物檢測(cè) 從而進(jìn)行的施藥 如何雄奎等 9 研 制的果園自動(dòng)對(duì)靶靜電噴霧機(jī) 通過紅外傳感技 術(shù)探測(cè)靶標(biāo)的有無 并使用靜電噴霧技術(shù) 從而達(dá) 到最佳的施藥效果 第二階段是隨著導(dǎo)航技術(shù) 傳感器技術(shù)和病蟲害識(shí)別技術(shù)的發(fā)展 需要施藥 機(jī)器人自主判別靶標(biāo)的有無 作物冠層的大小 目 標(biāo)作物病蟲害及長勢(shì)等特征 并按需噴藥 10 這 種作業(yè)方式提高了農(nóng)藥使用率 Yang 等 11 研制 的雜草自動(dòng)識(shí)別施藥機(jī) 使用攝像機(jī)采集作物信 息 處理器區(qū)分出雜草與作物 并且能夠根據(jù)雜草 的數(shù)量決定施藥量 本研究切入點(diǎn) 采用自動(dòng) 化程度更高的自動(dòng)對(duì)靶噴藥機(jī)器人來代替人工施 藥 減少藥物浪費(fèi)和藥物污染 溫室環(huán)境復(fù)雜 在 噴藥潮濕的環(huán)境中 激光 視覺等傳感器會(huì)受到影 新疆農(nóng)業(yè)科學(xué) 58 卷 響 影響噴藥機(jī)的正常工作 各類控制系統(tǒng)有著 處理延遲 實(shí)時(shí)性差的劣勢(shì) 與人工施藥相比有著 難以彌補(bǔ)的差距 病蟲害識(shí)別技術(shù)的發(fā)展限制 使得病蟲害檢測(cè)技術(shù)在線指導(dǎo)自動(dòng)噴藥設(shè)備按需 施藥成為一個(gè)暫時(shí)的技術(shù)難點(diǎn) 目標(biāo)作物冠層枝 葉稠密程度的檢測(cè)是對(duì)靶噴藥過程中的難點(diǎn) 如 何精確檢測(cè)出作物的稠密程度 從而確定噴藥量 還需要深入的研究 研究采用文獻(xiàn)分析的方法 綜述國內(nèi)外設(shè)施農(nóng)業(yè)蔬菜自動(dòng)對(duì)靶噴藥技術(shù)現(xiàn)狀 與分析 擬解決的關(guān)鍵問題 收集 整理和分析 國內(nèi)外研究文獻(xiàn) 總結(jié)自動(dòng)對(duì)靶噴藥技術(shù)的研究 現(xiàn)狀 自動(dòng)設(shè)施蔬菜自動(dòng)對(duì)靶噴藥技術(shù)研究進(jìn)展 為設(shè)施蔬菜自動(dòng)對(duì)靶噴藥技術(shù)的深入研究提供理 論基礎(chǔ)和科學(xué)依據(jù) 1 材料與方法 1 1 材 料 收集國內(nèi)外設(shè)施蔬菜自動(dòng)對(duì)靶噴藥技術(shù)的相 關(guān)文獻(xiàn) 分析目前自動(dòng)對(duì)靶噴藥技術(shù)并匯總及系 統(tǒng)綜述 1 2 方 法 采用相關(guān)文獻(xiàn)及實(shí)地調(diào)研 2 結(jié)果與分析 2 1 導(dǎo)航技術(shù) 2 1 1 國外導(dǎo)航技術(shù) 近年來農(nóng)業(yè)導(dǎo)航傳感器數(shù)量迅速增加 自主 移動(dòng)機(jī)器人系統(tǒng)采用全球定位系統(tǒng) GPS 視覺 技術(shù) 激光距離掃描儀等不同的傳感器作為主要 的傳感系統(tǒng) 并結(jié)合一些如里程表 慣性測(cè)量單元 IMU 數(shù)字羅盤和陀螺儀等作為輔助傳感器 以 補(bǔ)充主要的傳感系統(tǒng) 基于 GPS 導(dǎo)航技術(shù)已經(jīng)應(yīng)用到廣泛的農(nóng)業(yè)作 業(yè)中去 為提高傳統(tǒng) GPS 導(dǎo)航系統(tǒng)的精度 開發(fā) 了差分全球定位系統(tǒng) DGPS 和實(shí)時(shí)運(yùn)動(dòng)學(xué)全球定 位系統(tǒng) TK GPS 已有學(xué)者使用 TK GPS 作為農(nóng)業(yè)車輛轉(zhuǎn)向系統(tǒng)的唯一定位傳感器 12 但 這種導(dǎo)航技術(shù)存在一定的局限性 因此 GPS 導(dǎo)航 技術(shù)常與其他傳感器結(jié)合 以提供更準(zhǔn)確的導(dǎo)航信 息 Eaton 等 13 使用 TK GPS 與慣性測(cè)量單元 相結(jié)合 Nagasaka 等 14 使用 TK GPS 與光纖陀 螺儀相結(jié)合 以提高導(dǎo)航精度 Norremark 等 15 研 制了一種無人駕駛除草機(jī) 除草機(jī)的控制系統(tǒng)由 TK GPS 導(dǎo)航系統(tǒng)與傾斜傳感器組成 這種基于 GPS 導(dǎo)航系統(tǒng)能夠?qū)崿F(xiàn)在預(yù)設(shè)的平行于作物行線 的路徑上實(shí)現(xiàn)自動(dòng)導(dǎo)航 且誤差較小 使用 GPS 導(dǎo)航最常見的問題包括衛(wèi)星信號(hào)的干擾 多路徑問 題和來自其他射頻源的干擾 視覺技術(shù)具有成本效益和提供大量信息的優(yōu) 點(diǎn) 為農(nóng)業(yè)機(jī)器人提供轉(zhuǎn)向信號(hào) 在農(nóng)業(yè)中的應(yīng)用 變得越來越普遍 Okamoto 等 16 研究了一種基 于彩色 CCD 相機(jī)的除草中耕機(jī)自動(dòng)跟隨控制系 統(tǒng) 該系統(tǒng)利用作物行圖像來確定中耕機(jī)與目標(biāo) 作物行之間的偏移量 偏移量的預(yù)測(cè)提高了行跟 蹤的精度 Benson 等 17 開發(fā)了一種基于機(jī)器視 覺的單色攝像機(jī)谷物收割機(jī)導(dǎo)航系統(tǒng) 該制導(dǎo)算 法基于作物切邊的橫向位置 能夠準(zhǔn)確定位作物 行距 Nissimov 等 18 使用 Kinect 傳感器進(jìn)行溫 室中的障礙物檢測(cè) 其中 Kinect 傳感器由紅外 激光發(fā)射器 一個(gè)紅外攝像頭和一個(gè) GB 攝像頭 組成 提供了同步的顏色和深度信息 障礙物檢 測(cè)決策是利用像素點(diǎn)的斜率 強(qiáng)度和相鄰點(diǎn)的信 息來進(jìn)行的 并且利用顏色和紋理特征對(duì)可疑的 障礙物進(jìn)行分類 該方法有較好的成本優(yōu)勢(shì) 但 是在障礙物被遮擋時(shí)誤差較大 Delfin 等 19 提出 了一種基于視覺技術(shù)的定位算法 利用虛擬機(jī)和 拓?fù)浣Y(jié)構(gòu)來尋找最合適當(dāng)前視覺信息的關(guān)鍵圖 像 另外配備了可視化路徑規(guī)劃器 當(dāng)一個(gè)新的 障礙物被機(jī)器人的 GB D 攝像機(jī)檢測(cè)到時(shí) 虛 擬機(jī)會(huì)更新 會(huì)重新規(guī)劃路線 經(jīng)試驗(yàn)評(píng)估該導(dǎo) 航方案具有良好的導(dǎo)航性能 激光導(dǎo)航原理是利用三角測(cè)距原理 測(cè)量周 邊物體與激光發(fā)射器之間的距離 然后實(shí)現(xiàn)路徑 規(guī)劃 激光傳感器有著高分辨率和獲取信息量大 等優(yōu)點(diǎn) 并且能夠在不同的天氣和環(huán)境下進(jìn)行可 靠工作 eiser 等 20 利用水平激光儀 借助高精 度全站儀在作物行中進(jìn)行導(dǎo)航 Yokota 等 21 開 發(fā)了一種自動(dòng)機(jī)器人 利用激光掃描儀收集周圍 作物生長和產(chǎn)量的空間信息 Weiss 等 22 利用三 維激光雷達(dá)傳感器對(duì)植物和地面進(jìn)行檢測(cè)和分 割 實(shí)現(xiàn)自主農(nóng)業(yè)機(jī)器人的定位 測(cè)繪和導(dǎo)航 Houssein 等 23 提出了一種結(jié)合人工勢(shì)場(chǎng)在溫室 中進(jìn)行自主導(dǎo)航的方法 采用安裝在機(jī)器人前段 的單個(gè)激光雷達(dá)傳感器 利用 SLAM 同步定位與 8451 8 期 楊征鶴等 設(shè)施蔬菜自動(dòng)對(duì)靶噴藥技術(shù)研究現(xiàn)狀與分析 映射 進(jìn)行姿態(tài)估計(jì) 并利用 APF 控制器保證了 自主導(dǎo)航 試驗(yàn)結(jié)果表明 基于此方法導(dǎo)航的機(jī) 器人能夠適應(yīng)作物生長引起的結(jié)構(gòu)變化 并且能 夠在人的在場(chǎng)下安全操作 圖 1 注 1 移動(dòng)平臺(tái) 2 自動(dòng)駕駛儀 3 工控機(jī) 4 接收器 5 攝像 頭 6 超聲波傳感器 7 激光雷達(dá)傳感器 Note 1 Mobile platform 2 Autopilot 3 Industrial Computer 4 The receiver 5 Camera 6 Ultrasonic sensor 7 Lidar sensor 圖 1 溫室自主導(dǎo)航機(jī)器人結(jié)構(gòu) Fig 1 Structure diagram of greenhouse autonomous navigation robot 2 1 2 國內(nèi)導(dǎo)航技術(shù) 中國農(nóng)業(yè)大學(xué)的楊世勝等 24 研發(fā)了一種電 磁誘導(dǎo)農(nóng)用噴霧機(jī)器人 開發(fā)了噴霧機(jī)器人位置 檢測(cè)傳感器和磁標(biāo)志傳感器 實(shí)現(xiàn)了機(jī)器人的自 動(dòng)行走 并且在道路上安裝了行首與行尾和切換 標(biāo)志 這種導(dǎo)航方式比較適合溫室這樣比較密閉 的環(huán)境使用 圖 2 賈士偉等 25 對(duì)溫室機(jī)器人的道路邊緣檢測(cè) 與路徑導(dǎo)航進(jìn)行了研究 該研究主要利用二維激 光雷達(dá)檢測(cè)道路邊緣 利用基準(zhǔn)道路寬度來進(jìn)行 偽道路的剔除 進(jìn)而生成導(dǎo)航調(diào)速控制指令 試 驗(yàn)表明 該溫室機(jī)器人對(duì)于作業(yè)道路要求較高 在 凹凸不平的路面上適應(yīng)能力較差 圖 3 山東農(nóng)業(yè)大學(xué)的張群等 26 提出了一種運(yùn)用 視覺導(dǎo)航溫室機(jī)器人路徑識(shí)別算法 運(yùn)用單目攝 像機(jī)獲取番茄種植環(huán)境的圖像信息進(jìn)行處理 把 圖像轉(zhuǎn)化為二值圖像 根據(jù)目標(biāo)作物的位置來獲 取導(dǎo)航離散點(diǎn) 進(jìn)而通過 Hough 變換得到導(dǎo)航路 徑 試驗(yàn)結(jié)果表明 機(jī)器人能夠?qū)τ诘缆沸畔⑻?取的正確率達(dá)到 95 7 且基于機(jī)器人對(duì)于連續(xù) 動(dòng)態(tài)圖像分析 該路徑識(shí)別方法具有較好的實(shí)用 性和適用性 Jiang Jin 等 27 提出了一種基于視覺信息導(dǎo) 航技術(shù)方案 將視覺信息作為路徑處理的信息 源 根據(jù)所建立的路線 在遇到障礙物的過程中 算法實(shí)時(shí)調(diào)整軌跡 滿足移動(dòng)機(jī)器人智能控制的 目的 試驗(yàn)結(jié)果表明 該系統(tǒng)能夠充分獲取障礙物 信息 保證了機(jī)器人運(yùn)動(dòng)的實(shí)時(shí)性和準(zhǔn)確性 但是 在機(jī)器人控制的過程中 系統(tǒng)的實(shí)時(shí)性 目標(biāo)特性 的多樣化 路面的不確定性等問題還有待于進(jìn)一 步的研究 圖 2 電磁誘導(dǎo)系統(tǒng)示意 Fig 2 Schematic diagram of electromagnetic induction system 注 1 激光測(cè)距儀 2 顯示器 3 驅(qū)動(dòng)電機(jī) 4 前輪 5 后輪 Note 1 Laser rangefinder 2 Monitor 3 Drive motor 4 The front wheel 5 The rear wheel 圖 3 機(jī)器人導(dǎo)航系統(tǒng)示意 Fig 3 Schematic diagram of robot navigation system 2 2 病蟲害檢測(cè)技術(shù) 2 2 1 國外病蟲害檢測(cè)技術(shù) 遙感技術(shù)是農(nóng)業(yè)工程中檢測(cè)病蟲害信息的重 要手段 但是遙感技術(shù)獲得的病蟲害信息均為大 尺度信息 主要用于大范圍的管理決策 而不是針 對(duì)田間實(shí)時(shí)變量噴霧 29 且并不適用于溫室環(huán) 境 國外對(duì)于病蟲害識(shí)別技術(shù)研究較早 且有著 9451 新疆農(nóng)業(yè)科學(xué) 58 卷 較為完善的可見光數(shù)據(jù)庫 傳統(tǒng)的圖像識(shí)別技術(shù) 主要包括降噪 腐蝕 增強(qiáng) 對(duì)圖像各個(gè)顏色空間 特征和紋理特征的提取和建模等 Schor 等 30 研 發(fā)了一套室內(nèi)辣椒機(jī)器人病蟲害檢測(cè)系統(tǒng) 用于 對(duì)辣椒白粉病和番茄病的聯(lián)合檢測(cè) 系統(tǒng)由 GB 紅綠藍(lán) 照相機(jī)和激光傳感器組成 利用閾 值分割并進(jìn)行圖像處理 再基于主成分分析和變 異系數(shù)進(jìn)行病蟲害的檢測(cè) 傳統(tǒng)識(shí)別方法在實(shí)際 的使用中非線性數(shù)據(jù)的建模識(shí)別成功率較低 導(dǎo) 致識(shí)別成功率并不高 31 現(xiàn)在病蟲害識(shí)別技術(shù) 逐漸采用紅外光譜和高光譜成像 這種技術(shù)可以 很好的反映出被測(cè)物的外部特征 內(nèi)部化學(xué)特征 含量和生理結(jié)構(gòu)的變化 更容易在早期識(shí)別出被 測(cè)物是否發(fā)生病變及化學(xué)成分的變化 美國內(nèi)布 拉斯加大學(xué)的 Pandey 等 32 利用高光譜成像技術(shù) 量化玉米和大豆植物體內(nèi)的各種元素的含量 利 用每種植物的反射光譜 建立偏最小二乘回歸模 型以將光譜數(shù)據(jù)與化學(xué)數(shù)據(jù)相關(guān)聯(lián) 測(cè)試結(jié)果的 含水率 宏量元素 微量元素的準(zhǔn)確率分別在 93 69 92 19 86 為解決傳統(tǒng)農(nóng)作物病蟲害識(shí)別過程中建模 識(shí)別成功率低的問題 一些學(xué)者提出了基于深度 學(xué)習(xí)的農(nóng)作物病蟲害識(shí)別技術(shù) 深度學(xué)習(xí)的建模 方法相較于傳統(tǒng)的圖像處理手段省去了大量的預(yù) 處理手段 只需要將圖像裁剪成合適尺寸即可以 進(jìn)行圖像識(shí)別 縮短了識(shí)別時(shí)間且大幅度提高識(shí) 別準(zhǔn)確率 Tian 等 33 提出了小麥 4 種主要病害 白粉病 小麥銹病 葉枯病和條紋狀小麥銹病的檢 測(cè)方法 通過獲取病態(tài)小麥的 3 種特征 顏色特 征 紋理特征和形狀特征 并將其作為 3 種相應(yīng)分 類器的訓(xùn)練集 該系統(tǒng)主要分為 3 個(gè)主要步驟 數(shù)據(jù)采集 特征提取和分類器設(shè)計(jì) 并采用多分 類器系統(tǒng) MCS 可以提供更高的分類精度 Mohanty 等 34 分析了在數(shù)據(jù)庫中的 54 306 幅植 物葉子的圖像 其中包括了 14 種作物和 26 種疾 病 首先將圖像大小調(diào)整為 256 256 像素 執(zhí)行 模型優(yōu)化和預(yù)測(cè) 其中最佳建模方式為利用 GoogLeNet 卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu) 對(duì)彩色圖像進(jìn)行 遷移學(xué)習(xí)訓(xùn)練 且其他建模方式的準(zhǔn)確率也達(dá)到 了 90 以上 2 2 2 國內(nèi)病蟲害檢測(cè)技術(shù) 國內(nèi)對(duì)于病蟲害的研究相比國外較晚一些 但我國學(xué)者也進(jìn)行了大量的研究 目前常使用的 是比較傳統(tǒng)的識(shí)別方法 柴阿麗等 35 利用作物 顏色 紋理 形狀特征參數(shù)建立了番茄病蟲害識(shí)別 模型 識(shí)別的準(zhǔn)確率達(dá)到了 94 秦淑芳等 36 研究了甘藍(lán)型油菜葉片圖像蟲害程度的檢測(cè)方 法 主要采用空間彩色空間模型的方法分割圖 像 再對(duì)圖像進(jìn)行二值化與去噪處理 只保留葉片 區(qū)域的二值圖像 最后提取葉片圖像中的 8 個(gè)特 征參數(shù) 經(jīng)過特征的選擇與組合得到蟲害程度的 有效特征 但這種方法在采集葉片圖像時(shí)只采集 了 1 次沒有采集到足夠的不同蟲害的葉片圖像 且在實(shí)際的生產(chǎn)過程中 單一株植物的不同葉片 的蟲害程度也有所不同 該方法也不再適用 浙江大學(xué)的 Zhao 等 37 使用高光譜成像技術(shù) 來確定黃瓜葉中葉綠素和胡蘿卜素的含量 并通 過其含量來判斷是否感染角葉斑點(diǎn) 張善文 等 38 提出了一種基于卷積神經(jīng)網(wǎng)絡(luò)的黃瓜葉部 病蟲害識(shí)別方法 主要建立了 1 個(gè)包含 6 種黃瓜 病害的 15 500 多幅的訓(xùn)練葉片圖像數(shù)據(jù)庫 根據(jù) 病害葉片圖像的復(fù)雜性 利用卷積神經(jīng)網(wǎng)絡(luò)從該 數(shù)據(jù)庫中自動(dòng)學(xué)習(xí)黃瓜病害葉片圖像的屬性特 征 再利用分類器進(jìn)行分類 試驗(yàn)結(jié)果表明 與基 于特征提取的傳統(tǒng)病害識(shí)別方法相比 該方法的 識(shí)別性能較高 但是需要大量的訓(xùn)練時(shí)間 鄒永 杰等 39 提出了 1 種基于機(jī)器學(xué)習(xí)的番茄病蟲害 檢測(cè)方法 通過提取有病蟲害和無病蟲害的番茄 樣本的方向梯度直方圖特征 HOG 和局部二值 模式特征 LBP 然后結(jié)合 SVM 支持向量機(jī) 分 類器訓(xùn)練樣本得到檢測(cè)模型 其中 HOG 特征和 LBP 特征能夠分別很好的描述番茄葉的邊緣和紋 理特征 且 2 個(gè)特征能夠在一定程度上互補(bǔ) 提高 了番茄葉病蟲害檢測(cè)的成功率 2 3 對(duì)靶噴藥技術(shù) 2 3 1 國外對(duì)靶噴藥技術(shù)的研究現(xiàn)狀 對(duì)靶噴藥技術(shù)是基于傳感器通過機(jī)器視覺技 術(shù) 超聲波技術(shù) 激光技術(shù)等信息采集設(shè)備 根據(jù) 目標(biāo)存在情況自動(dòng)噴藥 國外對(duì)自動(dòng)對(duì)靶噴藥技 術(shù)研究早 其主要的研究是以最佳的施藥效果和 最小的環(huán)境污染為目標(biāo) 40 41 Liorens 等 42 使用 常規(guī)定容噴霧法與變速噴霧法進(jìn)行了對(duì)比 結(jié)果 表明 根據(jù)目標(biāo)作物的大小及稠密程度進(jìn)行的變 速噴霧法可以平均節(jié)省 58 的噴霧量 而且可以 0551 8 期 楊征鶴等 設(shè)施蔬菜自動(dòng)對(duì)靶噴藥技術(shù)研究現(xiàn)狀與分析 獲得相似或者更好的葉片積存 證明了可變速率 噴霧技術(shù)可以有助于精準(zhǔn)施藥 Komasilovs 等 43 對(duì)溫室中噴藥機(jī)器群體優(yōu)化成本效率問題進(jìn)行了 研究 學(xué)者分析了 3 種傳感器 激光測(cè)距儀 距離 測(cè)量和定位使用的無線電信標(biāo)和接收器 基于視 覺信息的距離測(cè)量傳感器 研究表明 基于無線 電信標(biāo)和接收機(jī)的距離測(cè)量只適用于檢測(cè)任務(wù) 且成本較高 視覺距離測(cè)量和激光測(cè)距儀更受青 睞分別占到調(diào)查對(duì)象的 71 和 26 機(jī)器視覺是機(jī)器人識(shí)別技術(shù)中應(yīng)用最廣泛的 主要由 1 個(gè)或多個(gè)視覺攝像機(jī) 光源 圖像采集卡 等構(gòu)成 結(jié)構(gòu)較簡(jiǎn)單 可以獲取二維 三維圖像 可 以根據(jù)獲取圖像中的顏色 紋理 形狀等主要的形 態(tài)特征來分析識(shí)別目標(biāo)作物 但是其成像的效果容 易受到光照的影響 造成成像不清晰 從而影響機(jī) 器識(shí)別 44 Giles 等 45 47 提出了 1 種基于機(jī)器視 覺引導(dǎo)和可調(diào)噴嘴的精密帶式噴藥方式 通過 CCD 電荷耦合器 攝像機(jī)獲取目標(biāo)作物的圖像信 息 并通過改變處于作物上方噴頭的方向和寬度 來進(jìn)行變量噴藥 在番茄和生菜上進(jìn)行系統(tǒng)測(cè)試 表明 與傳統(tǒng)噴藥方式相比噴霧施用率可降低 66 80 在目標(biāo)植物上的噴霧沉積效率可提高 2 5 3 7 倍 在土壤上的非目標(biāo)噴霧沉積減少了 72 90 并且可以顯著減少噴霧飄移 Utstumo 等 48 研發(fā)了一種基于機(jī)器視覺的除草 機(jī)器人 機(jī)器視覺獲取作物周圍的雜草信息 計(jì)算 機(jī)將雜草進(jìn)行分類并根據(jù)雜草的數(shù)量和種類進(jìn)行按 需施藥 機(jī)器人采用滴注式施藥 配備 28 個(gè)噴嘴 橫向間距為 6 mm 試驗(yàn)表明 與普通噴灑相比 可 以節(jié)省 73 95 的藥量 大大減少了藥物浪費(fèi) 但 是其效率較低 實(shí)用性并不高 圖 4 圖 4 基于機(jī)器視覺的除草機(jī)器人 Fig 4 Weeding robot based on machine vision 超聲波測(cè)距傳感器可以非接觸式測(cè)量遠(yuǎn)處物 體的距離 理論上該傳感器可以用于測(cè)量目標(biāo)靶 的到噴頭之間的距離 進(jìn)而估算目標(biāo)靶的外形輪 廓和體積 49 50 Maghsoudi 等 51 運(yùn)用超聲波傳 感器實(shí)時(shí)獲取目標(biāo)作物的距離和體積信息 并基 于冠層體積變化進(jìn)行噴霧 在噴霧效果類似的情 況下 平均節(jié)省了 34 5 的藥量 Miranda Fu entes 等 52 設(shè)計(jì)了基于超聲波傳感器陣列式的風(fēng) 送式對(duì)靶噴霧機(jī) 通過在風(fēng)機(jī)前安裝不同高度的 超聲波傳感器 每個(gè)傳感器對(duì)應(yīng)一組噴頭 通過檢 測(cè)靶標(biāo)冠層的存在與無 從而控制噴頭的開關(guān) 從 而達(dá)到減少藥物噴灑 提高冠層內(nèi)部噴霧沉積率 的效果 Francisco 等 53 為解決溫室作物中藥物殘留 問題 提出了一種基于超聲波傳感器的溫室噴藥 機(jī) 噴藥機(jī)由超聲波傳感器 電磁閥 控制設(shè)備和 噴淋設(shè)備組成 超聲波傳感器檢測(cè)到 0 0 5 m 范圍內(nèi)的目標(biāo)時(shí) 忽略其他距離更遠(yuǎn)的物體 同時(shí) 電磁閥開啟 進(jìn)行噴藥操作 試驗(yàn)表明 該系統(tǒng)大 約能夠節(jié)省 21 的噴霧液體 超聲波的主要優(yōu) 點(diǎn)是價(jià)格低廉 主要的缺點(diǎn)是超聲波較大的發(fā)散 角限制了測(cè)量的分辨率和準(zhǔn)確性 圖 5 激光主動(dòng)視覺技術(shù)也是現(xiàn)在比較常用的技 術(shù) 激光雷達(dá)高頻率發(fā)射出脈沖激光束 根據(jù)反射 回來的激光回波點(diǎn)云 測(cè)量周圍物體各點(diǎn)的距離 也可用于測(cè)量目標(biāo)靶的外形和體積信息 54 56 Gregorio 等 57 使用激光雷達(dá)系統(tǒng)對(duì)噴霧漂移進(jìn)行 監(jiān)測(cè) Chen 等 58 研制了 1 種激光引導(dǎo)變速噴霧 器 該噴霧機(jī)主要通過激光傳感器對(duì)目標(biāo)作物進(jìn) 行三維測(cè)量 控制系統(tǒng)根據(jù)傳感器的測(cè)量結(jié)果 控 制噴頭沿深度 寬度和高度的 3 個(gè)冠層提供均勻 的噴霧覆蓋和沉積 減小了目標(biāo)作物周圍不同位 置 空氣和地面的噴霧損失 激光主動(dòng)視覺系統(tǒng) 具有較高的識(shí)別率 獲取的信息也比較多 往往應(yīng) 用于大型的果樹對(duì)靶噴藥機(jī)中 激光主動(dòng)視覺系 統(tǒng)成本偏高 也限制了其廣泛的應(yīng)用 afiq 等 59 設(shè)計(jì)了一款溫室環(huán)境下使用的自 主噴藥機(jī)器人 機(jī)器人沿著熱水管道進(jìn)行來回移 動(dòng) 從而省去了復(fù)雜的導(dǎo)航系統(tǒng) 機(jī)器人主要由 控制單元 運(yùn)動(dòng)底盤和噴霧單元 3 個(gè)部分組成 當(dāng) 機(jī)器人經(jīng)過放置在地面上的反光標(biāo)記時(shí) 泵就會(huì) 啟動(dòng)和關(guān)閉 以實(shí)現(xiàn)對(duì)溫室植物的選擇性噴灑 圖 6 1551 新疆農(nóng)業(yè)科學(xué) 58 卷 圖 5 溫室噴藥機(jī)作業(yè)示意圖 Fig 5 Greenhouse spray machine schematic diagram 圖 6 基于管道導(dǎo)航的溫室噴藥機(jī)器人 Fig 6 Greenhouse spraying robot based on pipeline navigation 2 3 2 國內(nèi)對(duì)靶噴藥技術(shù) 陳勇等 60 提出了一種自動(dòng)調(diào)節(jié)的噴頭組合 及射程的智能噴霧機(jī)器人 通過脈寬調(diào)制實(shí)現(xiàn)可 變量施藥 胡天翔等 61 提出了一種基于構(gòu)件化 的智能對(duì)靶噴霧機(jī)軟件系統(tǒng) 使用雙目視覺技術(shù) 進(jìn)行信息的提取與測(cè)量 設(shè)計(jì)和實(shí)現(xiàn)不同構(gòu)件的 功能 并進(jìn)行集成 試驗(yàn)表明 整個(gè)系統(tǒng)能夠很好 的滿足智能對(duì)靶噴霧機(jī)的需求 我國學(xué)者也研發(fā)了一些自動(dòng)對(duì)靶噴藥機(jī)器 人 但這些噴藥機(jī)大多還處于實(shí)驗(yàn)室階段 目前 我國設(shè)施蔬菜的施藥還是依靠人工來進(jìn)行完成 靳文停等 62 設(shè)計(jì)了 1 種履帶式溫室智能噴藥機(jī) 器人 主要由噴藥系統(tǒng) 履帶底盤 控制系統(tǒng)及傳 感器等幾部分組成 機(jī)器人主要通過安裝的攝像 頭 360 旋轉(zhuǎn) 進(jìn)行采集目標(biāo)作物環(huán)境信息 機(jī)器 人采用單片機(jī)為控制系統(tǒng)進(jìn)行處理信息 并利用 滾珠絲杠進(jìn)行高度以及幅寬的調(diào)節(jié) 以增加藥液 的覆蓋率 采用微型定時(shí)防腐蝕槳葉來進(jìn)行藥液 的攪動(dòng) 以防止藥液沉淀堵塞噴頭 圖 7 趙慧芳等 63 研發(fā)了一種溫室自走噴藥機(jī) 主 要由噴藥裝置 行走裝置 控制裝置組成 噴藥機(jī) 由人工遙控控制 可以自動(dòng)換向 不斷往復(fù) 通過 控制噴藥裝置的風(fēng)扇的轉(zhuǎn)向 調(diào)節(jié)噴藥的方向 噴 藥裝置使用可以調(diào)節(jié)的噴霧密度 解決了普通噴 藥方式難以達(dá)到的無死角噴藥 但這種噴藥方式 需要人工的干預(yù) 自動(dòng)化程度較低 張俊雄等 64 65 設(shè)計(jì)了一種溫室對(duì)靶噴霧機(jī) 器人 機(jī)器人主要由移動(dòng)平臺(tái) 三自由度機(jī)械臂 變量噴嘴以及病蟲害診斷系統(tǒng)組成 機(jī)器人系統(tǒng) 采用雙目系統(tǒng) 每臺(tái)攝像機(jī)采集的區(qū)域?yàn)?1 2 m 1 2 m 靶標(biāo)信息獲取以后 上傳到控制系統(tǒng) 控制系統(tǒng)由二級(jí) CPU 的主從式的控制方式 上位 機(jī)為工控機(jī) 主要完成的是目標(biāo)作物中病蟲害信 息的采集以及噴藥條件的判斷 下位機(jī)主要由 PCL 組成 能夠在外界復(fù)雜的工作環(huán)境下穩(wěn)定工 作 主要負(fù)責(zé)三軸機(jī)械臂的運(yùn)行 處理器將采集到 的圖像分成 0 2 m 0 2 m 為每 1 個(gè)單元 每 1 個(gè) 單元對(duì)應(yīng) 1 個(gè)噴嘴 根據(jù)檢測(cè)到圖像中的病蟲害 信息 實(shí)現(xiàn)對(duì)靶精量施藥的目的 機(jī)器人設(shè)計(jì)了 病蟲害監(jiān)控系統(tǒng) 能夠?qū)崿F(xiàn)發(fā)現(xiàn)病蟲害 定位病蟲 害位置 對(duì)靶噴藥一系列的工作 機(jī)器人底座平 臺(tái)需設(shè)計(jì)在特定的軌道上 軌道需安裝在機(jī)器人 工作的場(chǎng)合 軌道的使用增加了機(jī)器人的使用成 本 限制了其大規(guī)模的使用 圖 8 注 1 噴藥桿 2 噴藥嘴 3 滾珠絲桿幅寬調(diào)節(jié)裝置 4 自主 導(dǎo)航攝像頭 5 高度調(diào)節(jié)裝置 6 循跡避障傳感器 7 藥箱 8 水 泵 9 電機(jī) 10 控制裝置 11 履帶底盤 Note 1 Spray rod 2 Spray nozzle 3 Width adjustment de vice for ball screw 4 Autonomous navigation camera 5 Height ad justment device 6 Tracking and obstacle avoidance sensor 7 The cabinet 8 The water pump 9 The motor 10 Control device 11 Tracked chassis 圖 7 履帶式溫室智能噴藥機(jī)器人三維模型 Fig 7 3D model of crawler greenhouse intelligent spraying robot 2551 8 期 楊征鶴等 設(shè)施蔬菜自動(dòng)對(duì)靶噴藥技術(shù)研究現(xiàn)狀與分析 注 1 移動(dòng)平臺(tái) 2 導(dǎo)軌 3 剪叉式吊架 4 Y 向平移直線導(dǎo) 軌 5 X 向伸縮直線導(dǎo)軌 6 回轉(zhuǎn)腕關(guān)節(jié) 7 攝像機(jī) 8 噴桿 Note 1 Mobile platform 2 Guide rail 3 Shear fork hanger 4 Y direction translation linear guide rail 5 X direction tele scopic linear guide rail 6 Swivel wrist 7 Camera 8 The spray rod 圖 8 對(duì)靶噴霧機(jī)器人系統(tǒng)結(jié)構(gòu)示意 Fig 8 System structure of target spray robot 3 討 論 3 1 利用電子技術(shù)和傳感器技術(shù)來進(jìn)行檢測(cè)目 標(biāo)靶的有無 作物冠層的大小 作物病蟲害及長勢(shì) 等特征 實(shí)現(xiàn)按需施藥 其中導(dǎo)航技術(shù) 病蟲害識(shí) 別技術(shù)及對(duì)靶噴藥技術(shù)是自動(dòng)對(duì)靶噴藥技術(shù)的核 心技術(shù) 目前導(dǎo)航技術(shù)將朝著基于深度學(xué)習(xí)的障 礙物檢測(cè)技術(shù)與智能避障策略的方向發(fā)展 以實(shí) 現(xiàn)農(nóng)業(yè)機(jī)械的智能化 28 3 2 自動(dòng)對(duì)靶噴藥技術(shù)需要進(jìn)一步提高工作效 率 提高目標(biāo)作物的識(shí)別率 可以通過提高識(shí)別 設(shè)備的硬件水平 優(yōu)化算法等方法進(jìn)行 利用基于 高光譜和深度學(xué)習(xí)的病蟲害檢測(cè)技術(shù) 可以提高 目標(biāo)作物病蟲害檢測(cè)效率 3 3 目標(biāo)作物信息的獲取以及對(duì)目標(biāo)植物枝葉 稠密程度的判斷是當(dāng)前噴藥技術(shù)面臨的主要問 題 在其他因素不變的情況下 枝葉越稠密 藥量 需求也就更大 研發(fā)更高效 精準(zhǔn)的噴藥方式對(duì)于 自動(dòng)對(duì)靶噴藥技術(shù)的發(fā)展有著重要的意義 3 4 溫室環(huán)境密閉 人工施藥過程中會(huì)對(duì)人體 產(chǎn)生較大的危害 溫室作物密度大 空間占有率 高 信息疊加程度較高 大田作業(yè)環(huán)境下的機(jī)器人 難以適應(yīng) 隨著設(shè)施農(nóng)業(yè)向大型化 現(xiàn)代化 高新 技術(shù)化發(fā)展 已經(jīng)有許多的采摘機(jī)器人 除草機(jī)器 人 修剪機(jī)器人等應(yīng)用到實(shí)際的生產(chǎn)中去 4 結(jié) 論 國外主要利用 GPS 視覺和激光雷達(dá)等技術(shù) 并結(jié)合傳感器進(jìn)行導(dǎo)航 我國學(xué)者也研發(fā)了電磁 誘導(dǎo)式 基于機(jī)器視覺的溫室路徑識(shí)別算法以及 基于激光雷達(dá)的道路邊緣檢測(cè)方法等溫室導(dǎo)航方 法 不同的國家地區(qū)根據(jù)不同情況 選擇不同的 導(dǎo)航方法 在實(shí)際的作業(yè)中 GPS 導(dǎo)航技術(shù)在果 園或溫室的環(huán)境中 信號(hào)會(huì)受到阻擋 影響導(dǎo)航效 果 視覺技術(shù)和激光導(dǎo)航技術(shù)可以很好的克服這 一問題 與 GPS 導(dǎo)航相比 兩者收集的信息豐富 完整 范圍較廣 更加靈活 實(shí)時(shí)性和精確性也有 提高 因此 根據(jù)不同的作業(yè)環(huán)境 采用多種導(dǎo)航 技術(shù)相結(jié)合的環(huán)境感知系統(tǒng) 提高導(dǎo)航的準(zhǔn)確性 國外可見光識(shí)別技術(shù)已經(jīng)相當(dāng)成熟 基于紅 外光譜技術(shù)和高光譜技術(shù)和基于深度學(xué)習(xí)的病蟲 害識(shí)別技術(shù)已經(jīng)開始應(yīng)用于實(shí)際的生產(chǎn)工作中 去 國內(nèi)現(xiàn)階段主要采用的是圖像識(shí)別技術(shù) 我國 學(xué)者也在高光譜和基于深度學(xué)習(xí)的病蟲害識(shí)別技 術(shù)進(jìn)行了一定的研究 取得了一定的成果 可見 光成像技術(shù)只有在作物外觀發(fā)生病變或者發(fā)生肉 眼可見的病蟲害時(shí)才能取得比較好的識(shí)別效果 并不能在作物已經(jīng)患病但還沒有表征的時(shí)候檢測(cè) 出來 引入紅外成像和高光譜技術(shù)可以實(shí)現(xiàn)對(duì)作 物內(nèi)部結(jié)構(gòu)和化學(xué)成分發(fā)生改變做出預(yù)警 實(shí)現(xiàn) 早期的病蟲害防治 以減少病蟲害帶來的影響 基于深度學(xué)習(xí)的圖像處理技術(shù)可以將復(fù)雜背景下 的圖像進(jìn)行分類識(shí)別 并且具有較高的準(zhǔn)確率 與 紅外光譜技術(shù)和高光譜技術(shù)結(jié)合將是未來病蟲害 識(shí)別的發(fā)展方向 國外對(duì)于對(duì)靶施藥技術(shù)的研究較早 技術(shù)較 為成熟 其研發(fā)的自動(dòng)對(duì)靶噴藥設(shè)備大多針對(duì)于 果園環(huán)境 對(duì)于溫室設(shè)施蔬菜等小型的自動(dòng)對(duì)靶 施藥機(jī)研究成果較少 采取的技術(shù)主要為基于機(jī) 器視覺 激光主動(dòng)視覺和超聲波技術(shù) 并配合一些 其他傳感器使用 對(duì)噴藥裝置進(jìn)行控制 技術(shù)較為 成熟 且部分樣機(jī)已經(jīng)產(chǎn)品化 采用機(jī)器視覺技 術(shù)獲取靶標(biāo)病蟲害位置信息 對(duì)噴頭進(jìn)行單獨(dú)控 制 以達(dá)到精準(zhǔn)對(duì)靶施藥的效果 目前對(duì)靶噴藥 技術(shù)主要面臨的問題有在外界強(qiáng)烈光線的照射 下 植物的反射率會(huì)增加 圖像顏色會(huì)失真 在變 化的環(huán)境下 該數(shù)據(jù)不能用于物種識(shí)別和分類 另 一個(gè)問題是作物的稠密程度獲取 由于植物葉片 的相互覆蓋 噴藥機(jī)器人難以對(duì)不同位置的藥液 需求量進(jìn)行計(jì)算 從而導(dǎo)致噴藥的效果差 最后一 3551 新疆農(nóng)業(yè)科學(xué) 58 卷 個(gè)是目標(biāo)作物的不同的成長狀況所帶來的影響 不同的生長狀況會(huì)出現(xiàn)作物顏色 形狀的不同 會(huì) 造成光譜反射率變化 從而造成不同的識(shí)別結(jié)果 進(jìn)而影響噴藥 參考文獻(xiàn) eferences 1 農(nóng)業(yè)農(nóng)村部規(guī)劃設(shè)計(jì)研究院設(shè)施農(nóng)業(yè)研究所 我國設(shè)施園 藝裝備發(fā)展現(xiàn)狀和建議 J 農(nóng)機(jī)科技推廣 2019 1 27 28 30 Facilities Agriculture Institute Academy of Agricultural Planning and Engineering MA A Development status and Suggestions of facility horticultural equipment in China J Agricultural Ma chinery Science and Technology Promotion 2019 1 27 28 30 2 許紅軍 秦勇 吳慧 等 新疆蔬菜產(chǎn)業(yè)現(xiàn)狀及發(fā)展對(duì)策 J 中國蔬菜 2016 9 8 11 XU Hongjun QIN Yong WU Hui et al Status quo and devel opment strategies of Xinjiang vegetable industry J China Veg etables 2016 9 8 11 3 何雄奎 蔬菜高效施藥裝備與技術(shù)研發(fā)應(yīng)用 J 蔬菜 2018 8 1 7 HE Xiongkui D and Application of Vegetable Efficient Pes ticide Application Equipment and Technology J Vegetables 2018 8 1 7 4 何雄奎 我國植保無人機(jī)噴霧系統(tǒng)與施藥技術(shù) J 農(nóng)業(yè)工程 技術(shù) 2018 38 9 33 38 HE Xiongkui China s plant protection uav spray system and ap plication technology J Agricultural Engineering Technology 2008 38 9 33 38 5 翟長遠(yuǎn) 朱瑞祥 張佐經(jīng) 等 精準(zhǔn)施藥技術(shù)現(xiàn)狀分析 J 農(nóng) 機(jī)化研究 2010 32 5 9 12 ZHAI Changyuan ZHU uixiang ZHANG Zuojing et al Cur rent situation analysis of precision drug application technology J Agricultural Mechanization esearch 2010 32 5 9 12 6 王廣蓮 張穎鑫 現(xiàn)階段植保機(jī)械和施藥技術(shù)研究 J 吉林 農(nóng)業(yè) 2019 3 43 WANG Guanglian ZHANG Yingxin esearch on plant protec tion machinery and application technology at the present stage J Jilin Agriculture 2019 3 43 7 韓景紅 我國植保機(jī)械和施藥技術(shù)的現(xiàn)狀問題及對(duì)策 J 農(nóng) 業(yè)與技術(shù) 2018 38 12 91 HAN Jinghong Current situation and countermeasures of plant protection machinery and application technology in China J Agriculture and Technology 2008 38 12 91 8 刁智華 刁春迎 魏玉泉 等 精準(zhǔn)施藥機(jī)器人關(guān)鍵技術(shù)研究進(jìn) 展 J 農(nóng)機(jī)化研究 2017 39 11 1 6 DIAO Zhihua DIAO Chunying WEI Yuquan et al esearch progress of key technology of precision medicine robot J Agri cultural Mechanization esearch 2017 39 11 1 6 9 何雄奎 嚴(yán)苛榮 儲(chǔ)金宇 等 果園自動(dòng)對(duì)靶靜電噴霧機(jī)設(shè)計(jì)與 試驗(yàn)研究 J 農(nóng)業(yè)工程學(xué)報(bào) 2003 6 78 80 HE Xiongkui YAN Kerong CHU Jinyu et al Design and ex perimental study of automatic target setting electrostatic sprayers in orchards J Journal of Agricultural Engineering 2003 6 78 80 10 張波 翟長遠(yuǎn) 李瀚哲 等 精準(zhǔn)施藥技術(shù)與裝備發(fā)展現(xiàn)狀分 析 J 農(nóng)機(jī)化研究 2016 38 4 1 5 28 ZHANG Bo ZHAI Changyuan LI Hanzhe et al Analysis of the development status of precision medicine technology and e quipment J Agricultural Mechanization esearch 2016 38 4 1 5 28 11 Chun chieh Yang Shiv O et al Development of aherbicide qpplication map using artificial nearal networks and fuzzy logic J Agricultural System 2003 76 561 574 12 Albert Stoll Heinz Dieter Kutzbach Guidance of a Forage Har vester with GPS J Kluwer Academic Publishers 2000 2 3 13 ay Eaton Jay Katupitiya Kheng Wah Siew et al Autono mous farming modelling and control of agricultural machinery in a unified framework J Inderscience Publishers 2010 8 1 2 3 4 14 Yoshisada Nagasaka Naonobu Umeda Yutaka Kanetai et al Autonomous guidance for rice transplanting using global positio ning and gyroscopes J Elsevier B V 2004 43 3 15 Norremark M Griepentrog H W Nielsen J et al The de velopment and assessment of the accuracy of an autonomous GPS based system for intra row mech