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，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的不斷發(fā)展，人工智能技術得到了長足的發(fā)展，尤其是識別技術和深度學習技術。目前基于深度學習技術的識別、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等研究的基礎上，以深度學習技術為創(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結合深度學習等人工智能技術在實時精準識別、定位上大有所為。