丘陵采收機器人，農(nóng)業(yè)自動化發(fā)展新突破

農(nóng)業(yè)是我國發(fā)展的基礎(chǔ)，要想確保社會的和諧與國家的穩(wěn)定，必須要重視農(nóng)業(yè)的發(fā)展。農(nóng)業(yè)機械化能夠降低農(nóng)業(yè)成本、節(jié)約資源、保護環(huán)境、節(jié)約勞動力以及提高農(nóng)產(chǎn)品質(zhì)量，有助于實現(xiàn)大規(guī)模生產(chǎn)，在我國農(nóng)業(yè)現(xiàn)代化中占據(jù)核心地位。

當前，我國的農(nóng)業(yè)機械化水平仍相對落后，綜合技術(shù)水平僅相當于發(fā)達國家20世紀60~70年代的水平；農(nóng)業(yè)裝備的研發(fā)、創(chuàng)新有限，存在類型規(guī)格少、水平較低、而且可靠性差等問題，遠不能適應現(xiàn)代農(nóng)業(yè)生產(chǎn)發(fā)展的需要。

1．丘陵山地提升農(nóng)機化水平的迫切性

南方丘陵山地是我國重要的糧食、油料、蔗糖、煙葉、蔬菜瓜果、麻類作物等生產(chǎn)基地，在我國農(nóng)業(yè)生產(chǎn)中有著舉足輕重的地位，但是南方丘陵山地農(nóng)機化水平較低，農(nóng)機綜合機械化率還不足10%，大部分作物機械化生產(chǎn)處于技術(shù)改進熟化或示范推廣階段。

尤其在浙江、湖南、云南等11個南方省份中，丘陵山地占耕地比例在60%以上，導致南方地區(qū)成了我國農(nóng)機化發(fā)展的“洼地”。所以，南方丘陵山地農(nóng)業(yè)生產(chǎn)機械化水平提升迫在眉睫。

盡管國內(nèi)一些廠家針對適合丘陵山地使用的小微型機具進行了研發(fā)和改進，但由于技術(shù)成熟度不高、機型少、性能不穩(wěn)定等原因，導致研發(fā)的農(nóng)機具種類不適宜或者不完全適宜丘陵山地農(nóng)業(yè)生產(chǎn)，造成了丘陵山地農(nóng)機裝備供給嚴重不足，農(nóng)機化水平難以提高。

2．丘陵山地林果采摘智能自動化的必要性

目前，我國果品總種植面積和產(chǎn)量均占世界第1位，已成為種植業(yè)中位列糧食、蔬菜之后的第三大產(chǎn)業(yè)。

2000年至2015年，中國果園面積由893.2萬公頃增至1,281.6萬公頃，CAGR2.44%，呈現(xiàn)穩(wěn)定增長態(tài)勢。2010年至2015年，中國水果總產(chǎn)量由2.14億噸增至2.74億噸。

據(jù)中國農(nóng)業(yè)科學院預測，到2024年，中國人均水果消費量將達到93.9kg，市場規(guī)模將達到3.24萬億元。林果產(chǎn)業(yè)已成為我國林果產(chǎn)區(qū)經(jīng)濟發(fā)展和農(nóng)民增收致富的新亮點和支柱產(chǎn)業(yè)，規(guī)模化生產(chǎn)需求越來越迫切。

圖1.1.2.1 中國果園面積

圖1.1.2.2 中國水果產(chǎn)量

林果采摘是整個林果生產(chǎn)環(huán)節(jié)中最重要的部分，所用勞動力約占整個生產(chǎn)過程所用勞動力的35%~45%，且具有季節(jié)性強、周期性短、勞動強度大、勞動力成本高但卻采摘效率低下的特點，嚴重制約了我國林果產(chǎn)業(yè)的進一步發(fā)展。

3.機器視覺深度學習相結(jié)合

對于林果采摘機器人研究而言，當前最大的最迫切需要解決的問題是果實的實時識別和定位不準確。在采摘過程中，機器人通過相機實時捕獲圖像，視場中除了果實還包括天空、枝葉、果實、大地等干擾項，而且存在重疊、遮擋，光照不均，背景復雜等因素，對識別算法的魯棒性提出了嚴峻考驗。

此前，基于機器視覺技術(shù)的識別、定位研究是主流趨勢，但是經(jīng)過多年的研究實踐，仍未能很好的解決這一問題，陷入了瓶頸期。

隨著計算機應用技術(shù)的不斷發(fā)展，人工智能技術(shù)得到了長足的發(fā)展，尤其是識別技術(shù)和深度學習技術(shù)。目前基于深度學習技術(shù)的識別、定位研究已有初步成效。比如農(nóng)業(yè)界就有位AlphaGo 已學習成為“植物醫(yī)生”，可以實時告訴農(nóng)業(yè)人員什么疾病正在對農(nóng)作物產(chǎn)生影響。生物學家戴維·休斯和作物流行病學家馬塞爾·薩拉斯開發(fā)的手機應用Plant Village，運用深度算法可以檢測出14種作物的26種疾病，作物疾病的識別準確率高達99.35%。又如喬戈里科技在以往機器視覺技術(shù)等研究的基礎(chǔ)上，以深度學習技術(shù)為創(chuàng)新突破口，在學習了近萬張獼猴桃的照片后，已經(jīng)能像經(jīng)驗豐富的一樣桃農(nóng)根據(jù)獼猴桃的大小、質(zhì)量等自動進行分揀，目前準確率已達到90%。

由于有深度學習技術(shù)的加持，機器在后續(xù)的使用中還能不斷累計數(shù)據(jù)，邊工作邊學習，變得越來越“聰明”。事實證明機器視覺技術(shù)結(jié)合深度學習等人工智能技術(shù)在實時精準識別、定位上大有所為。