在阅读本文前点个关注，每日分享有价值的信息，感谢支持

精准农业有能力增加每英亩的产量，同时提高农业运营的自动化和环保性。农业机器人和自动化一直是促成第四次工业革命的核心技术之一。它们通常被视为实现联合国可持续发展目标（SDG）的有利工具，如没有贫困、没有饥饿、保护地球和陆地上的生命。

根据联合国人口司2019年发布的一份报告，预计到2050年底，世界人口将达到90亿大关。这些人口预测预示着粮食不安全和稀缺问题不断加剧，特别是在包括巴基斯坦在内的发展中国家。

此外，一些国家报告了土壤床、农产品甚至人类血液和脂肪组织中的农业化学品残留物令人震惊。正在进行的关于人类低水平接触农药的研究是由农业健康研究进行的。

此外，在巴基斯坦这样的发展中国家，大多数农民使用传统的广播喷雾器，喷洒整个田地，包括非目标物种。尽管农作物是连续在固定距离种植的，但还是使用了统一喷洒的传统做法，导致农药过度使用。类似的喷涂技术也用于经常生长在凹凸不平的杂草。

这增加了价格，增加了农业损失的可能性，污染了食物，污染了环境，并导致昆虫对所施用化学品的抗性。因此，开发智能解决方案以减少对传统喷涂技术的依赖并管理相关风险至关重要。

鉴于全球面临的问题，农业部门现在采用了基于人工智能（AI）的解决方案，并给现代世界的传统农业实践带来了重大转变。在喷涂技术领域，人工智能应用正在高速出现，可以实时改善学习和分析作物的不同状况。

该领域导致了精密喷涂技术，该技术结合了机器人、计算机视觉和人工智能等新兴学科。这些区域的整合使喷洒方法能够识别和区分作物和杂草，并在正确的植物位置应用所需的化学品量。因此，必须采用积极主动和更有效的农业方法，通过管理作物投入来确保最佳产量，以防止潜在的粮食短缺。这些投入包括农业生产期间使用或添加的材料，以及农药和除草剂等农用化学品。

本文讨论了上述问题，并为在真实烟草领域开发视觉引导的移动机器人平台提供了解决方案。还从鲁棒性、准确性和计算速度方面对基于深度学习的YOLO框架进行了比较研究。烟草在全球100多个国家种植，在巴基斯坦，它被认为是一种重要的作物，因为它创造了可观的收入。

我们的机器人平台在为传统喷涂方法中遇到的问题提供低成本的精密农业解决方案方面领先一步。我们的研究贡献了多方面，涉及主要技术创新，包括。

设计和开发差动驱动移动机器人（DDMR），用于选择性喷洒行作物场。它使用计算机视觉技术，用通过检测烟草植物作为案例研究实施的选择性喷涂方法来取代传统的手动/广播喷涂方法。机器人平台可以一次在5行上涂抹杀虫剂。

开发烟草植物数据集，使用6500张烟草图像和2000张杂草图像，从当地田野的多种环境条件下捕获，可在https://github.com/Fazalnasirkhan/ARAL-tobacco访问。

设计和开发新型压力控制系统技术，对机器人喷涂系统进行定性和定量研究。

就机器人视觉系统技术的准确性、鲁棒性和计算速度进行了广泛的比较研究。实现了基于深度学习的5个版本的YOLO模型。

一、当前发展水平

Slaughter等人和Meshram等人审查了关于为杂草控制开发的自主机器人平台的广泛研究工作。作者使用机器视觉、遥感、光谱分析和热成像等各种传感器和技术研究了杂草的检测。Khan等人开发了一种基于GPS引导的自主农业机器人。

基于哈尔特征的级联分类器已用于检测玉米田中三种常见的杂草类型。在支持向量机（SVM）分类器和从图像直方图中提取的特征的帮助下，作者创建了一个作物感知系统，该系统确定了植物所需的喷雾数量的叶片密度。叶密度分类器的准确度分数从80%到85%不等。

关于视觉和基于人工智能的特定地点农业喷洒的文献中存在许多研究。实验中报告的工作根据植物密度和叶子形状进行了处理。对于温室中的自主喷涂系统，实验中发表的工作采用了270度激光扫描传感器来寻找形状复杂的目标。

在实验中，为在复杂环境中使用机器人平台进行特定目标喷洒开发了人与机器人协作策略。拟议的方法将喷涂材料量减少了50%。同样，在实验中，开发了一种半自主的农业喷雾器机器人，特别强调人与机器人的相互作用。人类操作员必须使用鼠标、Wiimote或数字笔等输入设备手动选择目标，例如葡萄簇，以发送到远程操作喷涂机器人。

Adamides等人在2017年还开发了一种远程操作的农业机器人系统，该系统使用不同版本的人机界面（HMI）。对于一组专用输入（键盘与游戏手柄）、各种输出设备（屏幕与头戴式显示器）以及单视图反馈与多个视图，已经使用了几种方法并进行了比较。

然而，在不同照明情况下，目标（葡萄簇）检测和识别已作为一项未来工作。Bechar和Vigneault在审查了农业机器人领域的研究进步和创新。为了在复杂的环境中完成任务，工作需要使用智能系统。实验中的另一项彻底审查强调了农业中使用的特定地点的杂草管理策略。该研究确定了知识差距，并提出了可以根据田间杂草种类调整农药混合物的喷洒技术。对于杂草控制，他们还表示非常需要开放式注释图像数据。

实验中详细讨论了3D相机和多光谱成像等传感器技术与基于人工智能的决策算法的集成。提出了技术和经济评估，并调查了各种喷涂技术的控制水平。该分析还显示了喷雾器机器人平台在材料和劳动力节约方面的经济方面。喷雾器系统的一般类别包括：开关喷嘴喷雾器、气爆喷雾器和顶篷优化分配喷雾器。

在实验中，使用基于机器学习的视觉系统实现了喷雾器的优化流量值。一旦对作物和杂草进行分类，就会计算出植物的大小及其匹配的树冠大小。作者尝试了几种图像特征的组合，包括胡矩（测量形状）、面向边缘的直方图（检测植物的边缘）和哈拉利克特征（量化纹理）和颜色历史图（测量颜色的分布）。

随机森林机器学习算法被发现能够以95%的准确率从杂草中识别植物。帧速率达到17.4，适用于喷涂应用。同样，Cheng等人实施了一种基于特征的学习方法，可以检测和区分杂草和水稻植物。使用哈里斯角检测技术找到目标植物的叶尖或兴趣点。

然后提取了周围区域的大约24个特征（属于颜色和纹理类别）并输入到机器学习算法，特别是决策树、支持向量机和天真的贝叶斯。一种无监督方法（基于密度的噪声应用空间聚类）也用于识别大型空间数据中的聚类，并消除假阳性哈里斯点。

二、系统描述和硬件组织

本节介绍了工作的五个主要模块。前两部分涵盖了系统的硬件。接下来是视觉感知模块，该模块采用深度学习方法实时识别和分类植物，并根据相机模型将它们定位在世界坐标中。然后介绍了一个基于视觉的导航系统，以及一个新型的压力和流量控制系统。

1、现场机器人子系统概述

目前精准农业的大趋势是部署由可再生能源驱动的机器人和电动汽车。它们为解决农业面临的问题提供了最佳工具和实践，包括人口扩张、燃料价格上涨及其对环境的影响、劳动力短缺和气候变化。此外，农业领域必须始终存在一个全电动和数字系统，以便将4G/5G连接、人工智能、区块链和物联网（IoT）等工业4.0技术投入使用。机器人平台和太阳能电动汽车为实现智能农业和农业5.0提供了基本先决条件。

与传统方法相比，电动喷雾器提供的优势总结在数据中。如前所述，尽管它们现有的局限性，如电池功率有限，以及对田间条件实现足够水平的入口保护的挑战，但以太阳能收集为补充的电动汽车将在不久的将来彻底改变精准农业领域。

高级机器人和自动化实验室（ARAL）开发了自主农业田机器人，该实验室是巴基斯坦国家机器人和自动化中心（NCRA）的一部分，旨在测试开发的基于深度学习的喷涂系统的有效性。表1提到了在ARAL设计的机器人的有效功能。机器人在田间的作物行之间自主导航，实时对作物和杂草进行分类，并相应地喷洒杀虫剂。在巴基斯坦Khyber-Pakhtunkhwa的Mardan烟草研究站（坐标34°，12′，1.98′′，72°，0′，4.633′′ East）进行了几次实验，并得到了巴基斯坦Khyber-Pakhtunkhwa Peshawar Hayatabad秘书巴基斯坦Hayatunkhwa的特别许可。

2、作物感知系统

作物感知子系统实时获取图像，并使用训练有素的深度学习模型来检测作物（烟草植物）。一旦检测到所需的植物，它就需要在图像平面上定位。然后使用相机模型提取植物重心的相应世界坐标。然后将输出信息发送到喷雾控制子系统，该系统激活了相关的螺线管。

任何基于深度学习的视觉识别系统最重要的部分是数据集。它必须足够丰富才能用于训练。不同的照明条件、植物的不同生长阶段和不同的观点都是生成数据集时需要考虑的重要因素。为这里讨论的工作创建了烟草植物的自定义数据集，并已公开提供，以造福研究界。

3、作物检测和分类对象检测

这是一种广泛使用的计算机视觉方法，用于识别、定位和标记图像或视频中的单个项目。使用机器学习技术设计异议识别系统的重要决定是使用传统的机器学习算法（例如，支持向量机、朴素贝叶斯、k-均值聚类或决策树）还是使用现代深度学习算法。前一种方法涉及特征工程步骤，该步骤可能会也可能不会为手头的物体产生令人满意的结果。此前，作者公布了结果，其中尝试了不同的功能和算法组合，以达到最佳性能的选择。

4、作物定位和区域形成

在图像帧中检测和定位对象后，其在图像帧中的位置将转换为全局坐标帧。中央摄像头用于观察吊杆宽度覆盖的作物区域的图像信息。反向针孔模型用于定位相关区域的位置。确定相机的外在和内在参数来验证相机模型。

5、喷涂控制系统

使用空心锥形黄铜喷嘴将农药应用于农作物，以进行出现后的选择性喷洒。它的流速为每分钟0.3加

仑（GPM），锥角范围为43-120度。为了喷洒目标工厂，在直接作用模式下使用双向常闭式电磁阀。这些电磁阀使用12V直流电源，可以承受高达290 psi的压力。喷涂液体使用12V，8A直流隔膜泵从90升的化学罐输送到电磁阀。该泵的流量为1.6 GPM，压力容量为120 psi。板载嵌入式控制器使用12V 43A电机驱动器调节泵输入电压。实施的级联控制系统使用吊杆压力和压力变化率作为反馈来控制电机驱动器的PWM信号。

三、结论

本文描述了用于精准农业定向喷洒的基于深度学习的机器人解决

方案的开发。基于实际现场实验做出了两个关键贡献：（1）用于检测烟草作物的基于YOLO的深度学习模型的实验比较和性能评估；以及（2）级联压力控制方法，以在选择性喷洒期间实现农药应用的理想剂量。使用来自车轮位置编码器的距离测量，机器人解决方案还可以实时同步图像采集、物体检测和喷涂。

实验得出结论，就87%的F1得分和67 FPS率而言，YOLO5n模型产生的结果比其他四个版本更有说服力。此外，闭环控制系统旨在保持喷雾器流体回路中的压力恒定。通过协助闭环系统实现扰动衰减功能，进一步提高了压力控制系统的性能。有针对性地施用化肥、除草剂（杀死杂草）和杀虫剂是这项工作计划的未来延伸。

参考文献：

1、World agriculture towards 2030/2050: the 2012 revision. Alexandratos N, Bruinsma J.

2、Actinobacteria: current research and perspectives for bioremediation of pesticides and heavy metals. Alvarez A, Saez JM, Costa JSD, Colin VL, Fuentes MS, Cuozzo SA, et al.

3、Bioremediation in Latin America. Alvarez A, Polti MA.

4、Pesticide use and risk of systemic autoimmune diseases in the Agricultural Health Study. Parks C, Costenbader K, Long S, Hofmann J, Beane FL, Sandler D.

5、Autonomous robotic weed control systems: A review. Slaughter DC, Giles D, Downey D.