惠民县农业农村服务中心 251700
摘要：农业机械的智能化对于提高生产效率、降低人工劳动强度、推进规模化作业以及提升农机管理水平等发挥着重要作用，是近年来农业科学领域的研究热点。本文针对智能化技术在农业机械中的应用及发展，详细介绍了机器视觉技术、自动驾驶技术以及农业物联网的应用现状及发展趋势，为农业机械化技术的发展提供参考。
关键词：农业机械；智能技术；机器视觉；自动驾驶；农业物联网
引言
毋庸置疑，云计算、大数据、人工智能、物联网等新兴技术正加速推动传统农业向现代农业的转型升级，农业生产方式正在向自动化、信息化、智能化和规模化方向快速发展。农业机械是农业先进生产力的代表，通过与智能化技术的融合发展，对于提高生产效率、降低人工劳动强度、推进规模化作业、提升农机信息化和智能化管理水平等发挥着重要作用，为农机装备的转型升级提供了广阔的前景。智能化农业机械既是智慧农业的重要组成部分，也是发展智慧农业的重要物质手段，目前已成为当今世界农业装备发展的新潮流，是近年来国际上农业科学研究的热点之一[1]。本文将详细论述机器视觉技术、自动驾驶技术以及农业物联网在农业机械领域的应用及发展。
1机器视觉在农业机械中的应用与发展
机器视觉主要用计算机来模拟人的视觉功能，从客观事物的图像中提取信息，进行处理并加以理解，最终用于实际检测、测量和控制，是一门涉及人工智能、计算机科学、图像处理、模式识别等诸多领域的交叉学科。机器视觉技术在农业领域具有广泛的应用，农业机械中经常采用摄像机或相机作为视觉传感器来获取周围环境信息，具有速度快、信息量大、安装方便和投入成本低等优点。近些年得益于数字图像处理技术的快速发展和计算机硬件性能的提高，针对图象处理的视觉感知算法具有强大的信息处理能力。
视觉感知算法按照发展历程可分为传统视觉算法和深度学习算法，传统视觉算法主要是通过一些边缘、角点、颜色和纹理等特征的检测，并基于统计学的特征提取进行检测物的识别与分类。欧美国家的研究者于20世纪80年代率先开展传统视觉算法在农业领域的应用研究，截至目前，国内外研究机构在算法的研究和应用上都取得了较为丰富的成果。深度学习是模仿人脑神经元结构而建立的人工神经系统，是一种包含多个隐藏层的多层感知和信息处理结构，具有强大的学习能力，被广泛运用于机器视觉、语音识别、自然语言处理等多个领域。近几年深度学习在图像识别、目标检测、实例分割等领域展现出了先进的性能，正在为机器视觉和机器学习领域带来革命性的进步。随着机器视觉技术的发展，深度学习也将在农业领域获得更广泛的研究和应用。
2自动驾驶技术在农业机械中的应用与发展
自动驾驶技术是现代精准农业的一项关键技术，也是智能农业技术领域的研究和应用热点，广泛应用于自动驾驶拖拉机、耕种机、施肥机器人、喷药无人机、果蔬采摘机器人等各种用途的智能农业机械领域。自动驾驶技术的应用与发展对促进我国农业装备和农业作业的自动化、智能化和信息化发挥着重要作用，加快推动农业技术体系的转型升级，建立高效的现代农业生产模式和运行体系。本节主要针对农机自动驾驶系统的定位、路径规划与跟踪控制展开论述。
2.1农业机械中的定位技术
农机定位技术是通过对农机位置、航向角、车轮转角和速度等位姿信息的测量，使得农机准确的知道自己所在的位置和所处的运动状态，精准定位是农机实现自动驾驶的先决条件之一，对后续的路径规划和控制都有着直接的影响。目前农业机械领域主要应用的定位技术按其原理的不同可分为三类：第一类是基于全球导航卫星系统（global navigation satellite system, GNSS）的定位方法，该系统可以为农机提供三维坐标、速度和时间信息，是农业应用中最基本的定位方法。
第二类和第三类方法都无法获得农机的绝对位置，通常用于辅助第一类方法进行组合定位。
目前基于多传感器融合的定位方案，在农机自动驾驶领域受到了广泛的重视和应用，也是未来重要的发展趋势。近几年随着 SLAM (simultaneous localization and mapping)的迅速发展，即同步定位于建图技术，也逐渐在农机自动驾驶领域开始应用和发展。
2.2路径规划与跟踪控制技术
路径规划是农机自动导航与自主作业的重要环节，作业路径的形状和走向是影响农机作业效率的主要因素，合理规划路径能够提高导航系统的实用性，利于提高农机作业效率和质量，降低农机消耗。国内外学者针对农机导航领域的路径规划技术开展了较多的研究和试验，包括农机转弯策略与路径规划、全区域覆盖路径规划、规避障碍物的路径规划以及不规则地块的路径规划等面向田间复杂问题的各类研究。其中包括一些涉及田间路径寻优的研究，根据成本、作业质量和路径覆盖效率等不同因素的考虑，设定相应的优化目标和约束条件开展优化分析，以期获得最优或较优的作业路径。
农机的动力学模型在运动学的基础上考虑质量、惯性以及前后轮所受到侧向力等因素对农机运动状态的影响，相对于运动学模型的方法具有更好的鲁棒性、更精准的控制效果。该类方法的缺点是需要建立控制对象的数学模型，对于建模复杂度高，参数不易获取以及建模不准确等一些情况适用性差。第二类是基于数据的控制方法，在农机自动驾驶领域研究和应用较多的方法有PID控制、模糊自适应控制和人工神经网络控制等。这类方法与模型无关，优点是通用性强，缺点在于通常效果不如基于模型的控制方法。
3农业物联网技术在农业机械中的应用与发展
农业物联网是物联网技术在农业生产和管理领域的具体应用，通过农业信息感知设备，按照约定协议，把农业系统中动植物生命体、环境要素、生产工具等物理部件和各种虚拟“物件”与互联网连接起来，进行信息交换和通讯，以实现对农业对象和过程智能化识别、定位、跟踪、监控和管理的一种网络。农业物联网广泛应用于农业环境监控、智能化育种、农业信息检测、农产品质量溯源、农机监控与调度等多个领域，既是智能农业的重要内容，也是现代农业的强大技术支撑。
农业物联网技术对推动农机的信息化和智能化发挥着重要的作用，在农业机械领域具有广阔的应用前景，目前国内外已有不少工程应用案例，例如通过农机与监控中心的远程物联实现农机的远程监控与调度和农机作业质量监控；通过手机与农机物联，使得农户可以便利通过手机实时了解农机的行驶路线、运作状态、工作时间与进度等信息；将多台农机与网络远程控制系统物联，实现多台农机的信息交互，用于多机的协同作业控制。
目前，物联网技术在农业机械领域的应用和研究尚不完善，需要不断探索物联网技术在农业机械方面新的应用。
4结束语
智能化农机是推进农业转型升级的重要手段，是现代农业发展的关键要素，欧洲、美国、日本等发达国家在农机智能化方面的研究和应用较早，发展水平较高。国内农机的智能化程度相对较低，应用范围不广，发展相对滞后，农机的智能化在国内农业的发展中还将大有可为。随着5G、大数据、物联网、人工智能的不断发展，将为农业机械的智能化提供更有力的技术支撑，物联网在农业机械的智能化方面仍存在很多需要探索的应用途径；人工智能中的神经网络和强化学习方法分别在农机的视觉技术和智能决策领域具有广阔的应用前景；5G网络的普及将会为智能农机领域带来更多全新的探索，等等。
参考文献
[1]郑文钟.国内外智能化农业机械装备发展现状[J].现代农机，2015(6)：4-8.
[2]胡静涛，高雷，白晓平，等.农业机械自动导航技术研究进展[J].农业工程学报，2015，31(10)：1-10.