智能农业机器人应用于生产管理

农业生产过程伴随重复、简单且繁重的农业劳动，从手工农业到机械化农业，人们在一直探索人类劳动的替代品，以提高农业生产的劳动效率。在机械化农业阶段，大型农业机械已部分替代人工完成农业劳动，提高了生产效率，但仍存在一些不足：具体表现为：

1）农业机械大都还需人通过指令来操作，识别能力差或者几乎没有，只能部分替代人工。

2）当前农业机械设备普遍较笨重，移动性差，无法根据农田实际情况进行劳作，在精细化生产上缺乏灵活性。

人工智能视觉识别技术可以使机器人具备识别与判断的能力，让机器可以局部甚至完全独立自主地完成工作。拥有简单视觉识别能力的机器人可以完成如采摘类的任务，通过果实的颜色、形状、大小等特征进行数学建模，对作业对象进行定位，完成自动化作业，例如松下公司开发的番茄采摘机器人，通过图像传感器检测出红色的成熟番茄，之后对形状和位置进行精准定位，完成一个番茄采摘需要20秒^[34]。但由于其算法的限制，拥有简单视觉识别能力的机器人往往识别率不够高，只有70%左右。并且面对生长特性更为复杂的作业对象和周围更为多变的农田环境，凭借仅仅几个维度进行建模及程序设置，农业机器人的视觉识别能力会十分受限。(www.xing528.com)

人工智能深度学习和视觉识别技术在农业机器人上的结合应用，可以显著提高机器人对于复杂环境的识别及自主判断和决策能力，机器人可以通过大量数据完成对周围环境特征、农业作业对象特点判断的学习，可以达到甚至有望超过人类。在移动、操作和作业对象判断上，机器人都可以完全地自主完成任务，应用的对象、地区及时间范围都会增加。例如清理田间杂草，在田间对其进行精确识别，无论对人还是机器人都是一项挑战，而利用深度学习的视觉识别算法则可以帮助机器人完成任务。德国初创公司Deepfield Robotics的除草机器人通过大量学习科研人员提供的“有益的”“有害的”的植物图片，完善自身数据库，在目前的实验基地中，除草成功率可以达到90%^[35]。美国Blue River Technology公司研发的生菜杂草机器人也是基于深度学习的视觉识别，可以高效完成生菜大田里杂草的清理。

另一方面，人工智能技术在计算能力上的突破可以帮助机器人拥有农业机械不曾拥有的灵活度。高效的计算能力意味着可以高效处理机械运动传感器的数据，使机器人拥有更多的自由度、更快的动作速度，让动作更加灵敏及精巧，适应环境的能力更强，作业的效率和强度都要远远高于传统的机械。美国的Prospero机器人，利用六条机械腿，可以灵活地在土地上行走，并且带有的通信模型可以完成和周围机器人的合理的配合动作，进行集群化工作。这都是人工智能通过计算能力和部分算法的提高所带来的便利。分拣、采摘、修剪及播种等动作由于环境及作物本身的复杂性，往往需要更多的柔性操作，简单的数学建模很难发挥作用，人工智能的计算能力及算法会在未来有更多的发展空间，让机器通过训练对力度、角度、速度等多个运动维度进行判断，从而完成任务。

人工智能的技术已将农业机器人的能力带入了一个新的阶段。在人工智能的帮助下，未来农业机器人识别会更加准确，操作和移动更加灵活，应用场景会更丰富，在准备、生产、生产后管理等多个农业生产阶段更加自主、独立地完成任务。