1. 农业收获机器人末端执行器研究进展综述
2. 复杂温室环境下基于工作空间分解的水果采摘机器人路径规划
3. 基于低频扫频声信号时频谱的区域土壤水分监测
预计到2050年，人口将增长至97亿，但农业劳动力将锐减一半，这导致世界范围内会有10%的果实无法收获。在主要的农业生产环节，果蔬收获是最耗费劳动和时间的，季节性熟练收获工人的短缺会导致收获效率降低、果蔬损失以及变质。为此，亟需开展机器人系统研究，用于弥补劳动力短缺、加快收获速度、提高收获效率。收获机器人在非结构化的环境中抓取脆嫩的果实具有挑战性，机器人手腕处的末端执行机构是机器人与果实之间的接触点，设计不合理会损伤果实、影响收获系统的整体性能。
来自国际希腊大学与塞萨洛尼基亚里士多德大学的研究学者在《agricultural》上发表了提名为“An Overview of End Effectors in Agricultural Robotic Harvesting Systems”的综述论文。本文综述了2016年至2022年间报道的用于地面和空中收获系统的最先进的机器人末端执行器，这些机器人末端执行器已在实际收获应用中进行了测试和评估。本文重点关注了以下三个方面内容：1）末端执行器机械机构、类型（接触拉拽型、旋转机制、剪刀或锯齿以及吸引装置）与附加传感器类型（开关、触觉、视觉以及测量传感器）；2）末端执行器操作方面的分离方法和操作要求；3）按需求调研、设计、样机开发与测试四个步骤开展末端执行器开发的具体原则，为末端执行器设计者提供一定的指导。研究结果表明：1）抓取-切割是最有效的分离方法；2）两指、三指的手抓在实际应用中最为常用；3）自动化收获主要集中在番茄和苹果，这归因于这两种作物在世界范围内最为常见，收获时果实在大小和重量上没有极端的变化，相对坚硬，果实位置、颜色和形状更易于检测，圆形更易于抓取。在未来，为了设计更有效的末端执行器，将不断需要更复杂的传感器，替代材料和智能控制方法。
图1 几种典型的末端执行器
在农业生产中，果蔬采摘是一项非常费力的工作，急需通过应用机器人技术来改进。采摘作业需要机器人在复杂动态的环境中识别目标作物和环境障碍物，并规划可行且高效的路径，使机械臂能够快速到达所需位置并执行采摘动作。为了实现农业场景中的路径规划，迫切需要一种能够生成高质量路径的规划算法。
来自上海交通大学的专家学者在《Computers and Electronics in Agriculture》上发表了题名为“Workspace decomposition based path planning for fruit-picking robot in complex greenhouse environment”的研究论文，针对复杂农业动态场景下的局部搜索路径规划方法进行了研究。
本研究提出一种基于离散工作空间引导和构型空间探索校正的果蔬采摘机器人可行区域局部搜索路径规划方法。该方法通过规划果蔬采摘机器人的运动，实现在动态和复杂的农业生产环境中避障和抓取。首先通过离散化工作空间，使得障碍物的位置信息可计算。然后，找到一条连通区域路径来引导机器人在局部构型空间中进行搜索，极大地提高了构型空间中生成路径的连续性。将局部搜索进一步用于校正工作空间离散区域的权重，以更高的规划速度找到更好的连接路径。实验结果表明，该方法规划的路径质量总体优于RRT和RRT-CONNECT，且规划速度比任务空间RRT（TSRRT）更快。所提出的算法可实现 10.5s/个的实际采摘速度和 80.0% 的成功率。该方法显着提高了动态复杂农业场景中的采摘路径质量。
图2 温室环境下的机器人番茄采摘实验
在全球水危机不断升级的背景下，精确且经济高效的土壤含水量检测设备已成为精准和可持续农业必不可少的关键工具。在土壤含水量检测方面，利用声波检测可以不受土壤化学性质的影响，具有很大的发展潜力，声波提供了一种无损、安全且经济的环境监测手段，在土壤含水量监测方面具有重要潜在应用前景。
来自石河子大学的专家学者在《Geoderma》上发表了题名为“Regional soil water content monitoring based on time-frequency spectrogram of low-frequency swept acoustic signal”的研究论文，探讨了一种基于低频扫频声信号时频谱的区域土壤水分监测，开发了一种低频扫描声信号检测装置和系统。利用低频扫频声信号进行土壤渗透测试，将经过土壤的扫频声信号转换成时频谱图，利用swwin - transformer模型，建立了扫描频率的时频图与土壤含水量的回归模型，预测是通过实验室测试数据集和使用校准模型的现场试验进行的。实验结果表明，使用 Swin-Transformer 模型，测试实验室数据集的观测值和模型输出的含水量 (%) 之间的RMSE、MAE和R2值分别为0.191、0.081和0.999，在现场试验中，预测值与实测值之间的 RMSE、MAE和R2值分别为6.715%、1.829% 和0.711。这些研究表明，该方法在预测土壤含水量方面非常有效，在分辨率为 20 PPI（每英寸像素）和260–360 Hz 频率范围内可获得最佳结果。该方法为声学土壤含水量检测提供了一种有效的方法，并能有效解决传统声学模型由于单一参数限制而难以建立模型的问题。
图3 扫描频率声信号检测土壤含水量的原理
图4 扫频声信号检测土壤含水量的方法及流程图
图5 土壤20 - 1500hz传输扫频声信号能量图
编译：张美娜、张兵园、陈金龙
审稿：李楠
江苏省农业科学院图书馆致力于为广大农业科技人员和管理人员提供国内外科研态势分析、技术趋势分析、科技竞争力评价、信息动态监测与快报，以及科技查新、查收查引等服务，如有需要，欢迎联系。
电话：025-84390284/84391658
邮箱：tsg@jaas.ac.cn
本文由微信公众号“苏农信”独家撰写完成，欢迎个人转发；机构平台转载请注明转自“苏农信”微信公众号，如需转载或其他用途，请与我们联系。方式如下：回复“苏农信”公众号“转载”，等待回复。
扩展阅读
电 话：025-84392660
凝心聚力支撑农业科研
塑型铸魂引领科技创新
