摘要:農業機械化已經成為農業生產的主要方式，代表著現代農業的發展方向。農業機器人將各種智能設備和先進技術集于一體，是農業機械的高級形式。農業生產過程所產生的數據量是極其龐大的，需要引入大數據的概念和分析方法，將農業機器人與大數據結合，可提高機器人的性能和應用效果。為此，基于大數據開發了農業智能的噴藥機器人，將采集的機器人作業信息匯集成為大數據后進行分析，用于對機器人的智能控制和作業效果評估。試驗結果表明:在大數據的支持下，機器人能夠實現自主導航和精準噴藥，對作業效果的評估也很準確，智能化水平得到了大幅提升。

　　關鍵詞:大數據;農業機器人;智能化;控制;噴藥

　　0引言

　　農業是國民經濟的基礎，可以為人們的生活和其它產業提供物質條件，受到了高度的重視。在新的時代背景下，農業機械化已經成為了農業生產的主要方式，不僅作業效率高，而且降低了生產成本，代表著現代農業的發展方向。但近年來，我國開始經濟結構調整，農業生產規模的增速放緩，導致農業機械在農忙時節供不應求，在其它時節又出現閑置，利用效率降低。與發達國家相比，我國的農業機械研制起步較晚，技術水平不高，結構性能也有待進一步改善。另外，農業機械的應用地區經濟發展相對落后，農業生產者的購買能力不足，也是農業機械持續推廣所面臨的問題[1]。

　　信息技術能夠采集社會生產生活中的各種數據信息，通過充分挖掘獲取相應的知識和規律，為各行業的升級提供支持。信息與能源、材料一起并稱國家三大重要戰略資源，信息技術目前已經滲透到了包括農業的各個領域中。在農業機械方面，可以利用信息技術采集機械的作業環境、作業參數和運行狀態等數據，經過分析處理后用于機械的優化控制，使機械更加智能化和規范化[2]。

　　目前，我國有18億畝耕地和186萬個鄉村，農業從業人員達到8億人，所使用的農業機械種類繁多，數量龐大，因此農業生產過程所產生的數據量也是極其龐大的[3]。為了對這些數據進行充分的分析，則需要在所使用的信息技術中引入大數據的概念和方法。維基百科將大數據定義為在一定時間內無法用普通軟件工具進行捕獲和管理的數據集合。大數據具有規模性、多樣性和高速性的三大特點，首先是數據量非常龐大，可以達到PB的級別。大數據的類型包括結構化、半結構化和非結構化的數據形式，數據處理速度足夠快，能夠滿足對龐大數據量的實時分析要求。

　　大數據是為相應的需求而誕生的，應用領域從最初的商業和金融逐漸擴展到其它的行業，包括自然科學研究中的地球空間信息學[4]，以及社會經濟中的物流服務[5]和發展規律研究[6]。大數據不僅推動社會進步，還使科學研究層次更加深入，具有劃時代的意義[7]。精準農業代表了農業發展的新趨勢，成為目前國際上農業科學研究的熱點。精準農業對技術的要求更高，且需要新型的農業機械與之相匹配，因此出現了高級形式的智能農業機械，即農業機器人[8]。

　　農業機器人是一種具有高度自規劃、自組織和自適應能力，可以在復雜環境中完成農業操作的智能機械[9]。機器人誕生于20世紀50年代，80年代在日本被首次引入農業工程領域，并且在農業生產的規模化和精準化過程中得到了廣泛的應用。目前，農業機器人在農業領域主要用于移栽、采摘、嫁接、噴藥、擠奶和分級檢測等作業[10-12]。后來，各種傳感器技術的發展還賦予了農業機器人對農業數據信息采集和處理的功能[13-14]。

　　農業機器人的應用有其自身的特點，如操作的對象柔弱復雜、作業環境難以預測，以及作業動作沒有固定的模式等。農業機器人的設計和制造成本較高，還需要機器視覺、GPS定位、各類傳感器和智能控制技術作為技術支撐[15]。作為高端的農業機械，農業機器人在運行和作業過程中會產生大量數據，包括作業環境信息、機器人位置信息、機器人運行參數和作業效果評估等。這些數據的規模龐大，類型復雜，難以通過普通的設備和方法進行分析和存儲。

　　若將這些數據按照大數據的概念進行處理，則可以提取出內含的信息，有利于機器人各部分的整合。農業機器人將各種智能設備和先進技術集于一體，通過與大數據結合，在拓寬大數據應用范圍的同時，還能夠提高自身的性能和應用效果。目前，對大數據和農業機器人分別進行的研究比較多，但是二者的結合應用卻鮮有報導。

　　為此，本文對基于大數據的農業智能機器人開發進行研究，介紹了農業機器人作業時環境信息、位置信息、運行參數和作業效果的大數據從采集至分析結果展示的過程，并利用試驗驗證機器人的各項功能，通過大數據的應用提升農業機器人的智能化水平。

　　1總體設計

　　本研究的平臺為AS-R型的農業噴藥機器人，這是一個四輪移動的智能設備，具有自主供電和行走能力。機器人的部件根據功能主要分為機器視覺、GPS定位、信息采集和智能控制4大部分，在作業過程中運行產生的數據包括環境信息、位置信息、運行參數和作業效果等內容，并以大數據的形式進行分析和存儲。

　　大數據分析處理由機器人搭載的小型服務器完成，其根據GPS定位信號確定機器人的位置信息，計算出與規劃路線之間的偏差，通過對行走裝置的控制實現自主導航。環境信息由機器視覺設備和各類傳感器采集，大數據分析獲得作物和雜草信息后結合機器人所處的位置控制噴藥裝置的開啟，實現精準噴藥。另外，傳感器還可以采集機器人的各項運行參數和作業參數，通過大數據分析后為作業效果的評估提供依據。

　　2組成部分

　　機器視覺部分包括尼康COOLPIXP60型相機和天創UB570型圖像采集卡。相機具有800萬像素，通過防抖動處理安裝在機器人上，拍攝方向與豎直方向夾角為60°。相機拍攝獲得JPEG格式的圖像，經過圖像采集卡轉換為數字信號后進行視覺分析提取目標輪廓，然后用于大數據的處理。機器人的GPS定位設備為Trimble公司的AgGPS132型產品，由GPS接收天線、接收機，以及與基站匹配的無線調制解調器和天線組成。

　　機器人與基站之間的無線傳輸設備為PacificCrest公司的RFM96W系列產品，具有較高的定位精度，可以滿足農業機器人的作業要求。上述設備利用目標點逼近算法采集差分GPS信號，匯集成大數據后傳輸給服務器，用于輔助進行機器人的精準噴藥和導航控制。

　　機器人信息采集的內容是作業的農田環境信息和設備的運行狀態。環境信息采集設備包括DHT11型傳感器用于測量空氣的溫濕度，WTF-B200型風速風向儀用于測定風向和風速，武漢中科能慧NHZD10型光照傳感器用于采集光照強度。采集運行狀態的設備如HAL41F型霍爾元件，檢測動力裝置的轉動信號從而獲得機器人的行走速度;TJP-1型壓力傳感器將壓力轉換為電信號，用于檢測相應部件的工作負荷。傳感器采集的環境信息和運行狀態信息匯集成大數據后進行分析處理，作為智能控制決策的依據。機器人智能控制針對的是自主行走和精準噴藥。

　　機器人采用四輪行走的方式，行車控制器接收主控模塊發來的定位信息和角度傳感器提供的行駛方向，然后與規劃的路線對比，通過液壓閥驅動車輪的偏轉實現自主行走。噴藥裝置的噴頭由電磁閥控制，主控模塊通過機器視覺和定位結果發送脈沖寬度調制信號在適當的時機控制電磁閥開啟和關閉噴頭，實現對雜草區域的精準噴藥。

　　3大數據處理過程

　　大數據由機器視覺、GPS定位和傳感器采集的數據匯集而成，蘊含著與機器人作業有關的信息，可以通過一系列的分析處理過程來獲得。大數據的分析過程涉及到PB級數據的錄入和讀取，因此需要進行大型的建模和運算。機

　　器人搭載的大數據分析硬件為x86架構的PCServer型服務器，配置包括銳龍AMDRyzen7型2路8核CPU，DDR4型128GB內存和IntelI350T2型千兆網卡，運算速度和存儲空間都能滿足實際需求。Hadoop技術作為一種基于Java的分布式大數據處理軟件框架，在本文中被用作大數據分析方法。Hadoop框架由通用模塊、分布式文件系統等部分組成，集群文件安裝在分布式文件系統中，在相應的節點上構建分布式文件架構。該技術可以運行簡潔的并行計算模型，具有很強的容錯性和擴展性，對大規模數據具有很好的分析處理效果。

　　機器人搭載的各種設備采集的數據經過網絡和傳輸接口進入交換機，交換機連接數據采集器，行使數據交換和匯聚功能，并最終傳輸給大數據處理器。上述的傳輸過程執行IEEE1588時間同步協議，可以縮小交換延時以提高數據的實時性和準確性。處理器接收大數據后，依照設定的格式記錄數據，再根據分析目的快速重放錄入的數據，在此基礎上開展后續分析處理。

　　大數據的分析過程依次為預處理、內容分析、信息挖掘和結果展示，實現以數據為中心的分析模式。針對大數據結構形式多樣的特點，采用并行處理提高分析的速度。并行處理是在記錄數據的同時對大數據進行綜合監測和實時分類，根據類型把數據分發到相應的應用系統中;然后，運行專業知識庫輔助的決策，為信息的挖掘提供依據;最后，將綜合監測和分析處理的結果匯聚到存儲和管理模塊中，組成應用功能數據庫，形成機器人的智能控制決策，并評估作業的效果。

　　4試驗

　　機器人在田間進行實際的噴藥作業，驗證基于大數據的各項功能的效果，試驗的作物包括玉米、棉花、油菜、小麥和馬鈴薯。在每種作物田間選擇1個100m長的路段，機器人按照規劃的路線進行自主行走和精準噴藥作業。每個路段上均勻地選取10個點作為樣本，統計機器人的路線偏離距離、對雜草的噴藥精準率、誤噴率，并通過大數據評估并顯示作業效果。

　　路線偏離距離為機器人前輪中心與規劃路線之間的距離，雜草的噴藥精準率為被噴施的雜草植株占所有雜草植株的比例，誤噴率為被噴施的作物植株占被噴施植株的比例。在大數據的支持下，機器人的行走路線偏離距離較小，僅為4.8～7.2cm，能在各種環境中實現自主導航。機器人對各種作物雜草的噴藥精準率為83.9%～91.4%，誤噴率為8.4%～9.7%，具有精準噴藥的能力。

　　機器人對自身噴藥精準率和誤噴率的評估結果都接近實際值，最大誤差率僅為5.7%，有助于準確地控制自身運行參數，大數據在噴藥機器人上的應用效果如表1所示。5結論基于大數據開發了農業智能的噴藥機器人，將采集的機器人作業環境信息、位置信息和運行參數匯集成為大數據后進行分析，用于對機器人的智能控制和作業效果評估。在大數據的支持下，機器人對5種作物進行噴藥作業，行走路線偏離距離較小，能夠實現自主導航。機器人對各種作物雜草具有精準噴藥的能力，作業效果評估結果接近實際值。試驗結果表明:大數據的應用有助于機器人準確地控制自身運行參數，智能化水平得到了大幅提升。

　　參考文獻:

　　[1]龔占偉.開展智能農機大數據應用的建議[J].南方農機，2017，48(16):97.

　　[2]林羽，劉斌瓊.淺談信息化背景下的農業機械的發展前景[J].農業開發與裝備，2017(11):114.

　　[3]閆萍.淺議大數據背景下的互聯網+“智慧農機”[J].安徽農業學報，2016，44(21):220-221.

　　[4]李德仁.展望大數據時代的地球空間信息學[J].測繪學報，2016，45(4):379-384.

　　[5]劉艷秋，王浩，張穎，等.大數據背景下物流服務訂單分配[J].沈陽工業大學學報，2016，38(2):190-195.

　　[6]高見，周濤.大數據揭示經濟發展狀況[J].電子科技大學學報，2016，45(4):625-633.

　　[7]張引，陳敏，廖小飛.大數據應用的現狀與展望[J].計算機研究與發展，2013，50(S1):216-233.

　　[8]安秋，周俊，姬長英，等.基于DGPS導航的田間數據采集機器人的設計[J].河南科技大學學報:自然科學版，2008，29(2):79-82.

　　農業相關刊物推薦：安徽農業大學學報(季刊)創刊于1957年，是由安徽省教育廳主管、安徽農業大學主辦的綜合性學術期刊。主要刊登：農學、林學、畜牧、獸醫、水產、茶葉、蠶桑、園藝、植保、農業工程、生物技術、環境科學、農業經濟以及相關基礎學科的學術論文、研究報告等。