農田除草機器人識別方法與裝備創制

1.本書的主要內容涵蓋了農田除草機器人的識別方法和裝備創制技術。介紹了基于人工智能技術的農田雜草多元識別方法，證明了智能算法可賦能機器人更準確地識別定位雜草，辨識葉齡、鮮重等生物信息，從而提高雜草的防控質量和效率。 2.本書還詳細介紹了多種農田除草機器人系統的裝備創制技術，包括機器人的框架結構設計、控制系統搭建、動力系統配置、傳感器布置和應用軟件開發等。 3.本書可供農業機械從業者，智能裝備、智慧農業、農業機器人研究人員以及相關專業高校師生閱讀參考，助力提升雜草防除裝備的智能水平，為農田雜草防控技術進步添磚加瓦。

人工智能、機器人等技術的不斷發展和廣泛應用，促進了農業機器人技術的長足發展，并成為提升農業生產力水平的重要手段之一。在諸多農業生產環節中，農田雜草防控是一項關鍵、耗時、耗力的農事作業，因此借助學科交叉與集成創新探索除草機器人技術，對于提升雜草防除裝備的智能水平、促進雜草防控技術進步意義重大。
本書基于農田雜草防控技術的研發，主要介紹了利用人工智能技術和機器人技術實現農田雜草的識別、機械除草以及精準對靶化學除草的目標。在機械除草方面，本書搭建了一個玉米苗期目標檢測系統，利用深度學習技術實現草苗的識別，根據檢測結果進行機械除草，并對該系統進行大田試驗，結果顯示該系統適應田間實際除草作業的需求。為進一步優化除草機器人，將除草效率以及玉米根系傷害考慮進來，創制了立式旋轉智能株間除草機器人以及基于玉米根系保護的智能株間除草機器人，所創制的機器人平臺能夠滿足玉米田間除草的農藝要求。在精準對靶化學除草方面，對雜草表型與施藥反應進行探究，利用深度學習技術建立精準對靶施藥除草機器人，實現精準對靶定量噴施的要求。為進一步優化精準對靶施藥除草機器人，對農田雜草目標檢測技術進行研究，將其與雜草地上鮮重結合建立雜草實時監測與雜草鮮重預測模型。
本書系統地介紹了農田除草機器人的識別方法和除草機器人裝備的創制。第一章介紹了玉米苗期中耕維護的重要性，以及如何利用深度學習技術進行玉米苗期目標檢測。試驗結果表明：算法識別準確率可達97%，可用于開發除草機器人的識別系統。第二章介紹了一種立式旋轉智能株間除草裝置的研發過程，并且農田除草試驗結果表明，該除草機器人系統的雜草識別準確率達到85.90%以上，能夠為智能株間除草裝置的開發提供參考。第三章介紹了一種基于玉米根系保護的智能株間除草裝置。經農田試驗，結果表明該機器人系統的除草率為82.75%，傷苗率為3.08%，傷根率為5.96%，性能滿足玉米田間除草的農藝要求。第四章介紹了基于人工智能技術的雜草表型與施藥反應研究，該研究可為精準對靶施藥除草技術提供理論依據和基礎參數，對于除草劑的精準、定量施用意義重大。第五章介紹了農田雜草目標檢測技術與雜草地上鮮重預測模型。設計了一種3D點云與雜草地上鮮重標簽動態采集方法，開發了一種基于 RGB-D 數據的雙流密集特征融合卷積網絡模型，搭建了農田和雜草實時檢測與鮮重預測系統。本書部分圖片以彩圖形式放于二維碼中，讀者掃碼即可參閱。
本書總結了編者團隊數年從事除草機器人與人工智能技術研究的工作成果，相關研究得到了國家自然科學基金(32271998，52075092)和安徽農業大學高層次人才科研啟動基金的資助，得到了王彩霞、馮槐區、李恒達、王旗、吳冰、張景禹等的鼎力相助，在此向支持和關心編者研究工作的所有單位和個人表示衷心的感謝。同時，還要感謝化學工業出版社同仁為本書出版付出的辛勤勞動。由于編者水平所限，雖幾經改稿，書中不足和疏漏之處在所難免，懇請專家和廣大讀者不吝賜教。

權龍哲
2023年6月

本書的主要內容涵蓋了農田除草機器人的識別方法和裝備創制技術。介紹了基于人工智能技術的農田雜草多元識別方法，證明了智能算法可賦能機器人更準確地識別定位雜草，辨識葉齡、鮮重等生物信息，從而提高雜草的防控質量和效率。此外，本書還詳細介紹了多種農田除草機器人系統的裝備創制技術，包括機器人的框架結構設計、控制系統搭建、動力系統配置、傳感器布置和應用軟件開發等。
本書可供農業機械從業者，智能裝備、智慧農業、農業機器人研究人員以及相關專業高校師生閱讀參考，助力提升雜草防除裝備的智能水平，為農田雜草防控技術進步添磚加瓦。

第一章基于改進MobileNetV3-SSD模型的農田苗草識別方法1
第一節農田苗草圖像數據采集1
一、全周期采集數據2
二、多角度采集數據3
第二節農田苗草圖像數據集制作5
一、苗草圖像預處理5
二、苗草圖像數據鴻溝6
第三節MobileNetV3-SSD模型改進與可視化7
一、MobileNetV3-SSD模型改進8
二、MobileNetV3-SSD模型3D可視化9
第四節MobileNetV3-SSD模型訓練與評估10
一、MobileNetV3-SSD模型訓練10
二、MobileNetV3-SSD模型評估10
第五節數據采集系統構成12
一、硬件設備和軟件12
二、車體平臺設計13
三、計算機組系統15
四、智能控制系統15
五、雙翼式視覺系統15
第六節基于改進MobileNetV3-SSD模型的田間試驗18
一、苗草識別網絡的3D可視化18
二、識別網絡模型的對比分析19
三、全周期條件下的識別模型檢測22
四、多角度條件下的識別模型檢測27
第七節小結32

第二章基于YOLOv3模型的立式智能株間除草機器人35
第一節基于YOLOv3模型進行苗草識別35
一、苗草圖像數據集制作36
二、苗草圖像數據預處理38
三、苗草圖像數據標記39
四、苗草模型建立40
五、除草區域建立42
六、除草策略制定43
第二節智能株間除草機器人系統設計44
一、除草機器人系統設計44
二、農田移動平臺設計47
三、智能除草單元設計49
第三節末端執行器與執行機構的優化設計50
一、農田作業參數測定50
二、末端執行器設計與優化53
三、執行機構的設計與優化60
第四節機器人智能控制系統搭建62
一、硬件系統組成62
二、控制策略制定63
三、控制算法優化63
第五節智能除草機器人系統試驗70
一、臺架試驗70
二、田間試驗72
第六節小結77

第三章基于YOLOv4模型的臥式智能株間除草機器人79
第一節基于YOLOv4模型進行苗草識別79
一、苗草圖像數據集制作79
二、苗草圖像數據集預處理與標記81
三、苗草識別模型建立83
第二節除草機器人系統架構87
一、機器人整體結構組成87
二、機器人作業模式建立88
第三節除草機器人機械系統設計與優化90
一、田間作業環境測定90
二、框架結構搭建92
三、仿形機構設計與優化93
四、傳動系統設計與優化94
五、末端執行器研制101
第四節除草控制策略制定與系統搭建102
一、株間草苗信息獲取103
二、除草控制策略制定104
三、除草控制系統搭建106
第五節除草機器人性能試驗與分析109
一、臺架試驗與分析109
二、田間試驗與分析112
第六節小結129

第四章基于BlendMask語義分割模型的對靶施藥除草機器人131
第一節除草劑投放劑量試驗131
一、溫室試驗132
二、田間試驗134
三、試驗結果與分析134
第二節農田雜草圖像數據集制作137
一、雜草植株圖像數據集采集與制作138
二、苗草種群圖像數據集采集與制作141
第三節基于 BlendMask模型的農田雜草圖像分割143
一、語義分割模型簡介144
二、雜草分割模型訓練與評估145
第四節農間苗草圖像語義分割試驗與分析145
一、實例分割模型對比試驗分析145
二、超參數對分割性能的影響分析與優化148
三、葉齡與拍攝位姿對分割性能的影響分析150
第五節對靶施藥除草機器人系統簡介156
一、除草機器人整體結構156
二、變量靶噴單元設計157
三、智能控制系統搭建158
第六節對靶施藥機器人農田試驗160
第七節小結162

第五章基于雙流密集特征融合網絡的變量對靶施藥除草機器人163
第一節RGB-D數據與雜草地上鮮重標簽動態采集方法163
一、采集區域與研究對象163
二、采集機器人平臺與設備164
三、采集方法與流程164
第二節雙流密集特征融合網絡雜草鮮重檢測模型搭建167
一、雙流密集特征融合網絡模型技術路線167
二、KNN技術填補缺失值168
三、構建YOLOv4雜草目標檢測模型169
四、雙流密集特征融合網絡模型構建169
第三節雙流密集特征融合網絡雜草鮮重檢測模型試驗與結果分析175
一、網絡模型評價指標175
二、技術路線結果與分析175
三、YOLOv4與其他目標檢測算法結果對比176
四、嵌入Dense-NiN模塊回歸網絡結果比較176
五、不同數據增強方法影響179
六、雙流密集特征融合網絡受生長時期和雜草種類影響結果分析180
七、雜草鮮重與IOU值關系182
八、雜草相互遮擋影響結果分析183
第四節對靶施藥除草機器人單元創制184
一、機器人移動平臺搭建184
二、除草單元整體結構設計184
三、機械系統硬件選型與布控185
四、施藥控制策略制定與系統搭建188
第五節對靶施藥除草機器人田間試驗與分析191
一、除草劑與雜草鮮重量化關系試驗設計與分析191
二、變量對靶施藥機器人農田除草試驗與分析193
第六節小結196

參考文獻198