智能高效株间锄草机器人研究进展与分析

第31卷 第5期 农 业 工 程 学 报 Vol.31 No.5

2015年 3月 Transactions of the Chinese Society of Agricultural Engineering Mar. 2015 1

·综合研究·

智能高效株间锄草机器人研究进展与分析

陈子文，张春龙，李 南，孙 哲，李 伟，张 宾

（中国农业大学工学院，北京 100083）

※

摘 要：非化学方式除草是摒弃除草剂、生产有机农产品的前提，传统的中耕锄草机主要解决行间锄草，由于株间苗草集聚，机械锄草难度较大，目前主要依靠人工，劳动成本高且效率低。智能株间锄草机器人是一种能够实时识别作物行和苗草信息，并能控制株间锄草刀高速作业的自动锄草装备，具有智能、高效、环保等特点，可大大减少劳动力，提高锄草效率，降低锄草成本。该文主要对近年来国外研究较为成熟的株间锄草机器人进行介绍，概述了中国该方面的研究进展，对苗草信息获取、对行、锄草装置、驱动方式、时速等几个技术点进行分析和比对，提出了如何提高信息获取速度，增强系统实时性，以及如何改进机器视觉标定方法，提高苗草定位准确性是苗草信息获取技术存在的关键问题，强调了锄草装置在系统中的重要性；针对不同形态作物、不同土质土壤研制针对性强、锄草效果好的锄草装置是锄草机器人的基础，同时由于系统集成性及动力系统与速度匹配仍无法满足田间高负载、高速的锄草作业要求，因此加强该方面研究力度，研制使用性强、效率高的株间锄草机器人仍是中国的研究重点和方向。最后，提出多传感器融合、模块化、小型化的株间锄草机器人将是未来发展趋势，是实现中国农业有机、精准、高效生产的重要依据。 关键词：机械锄草；机器人；机器视觉；株间锄草；精准农业；关键技术 doi：10.3969/j.issn.1002-6819.2015.05.001

中图分类号：TP242.6 文献标志码：A 文章编号：1002-6819(2015)-05-0001-08

陈子文，张春龙，李 南，等. 智能高效株间锄草机器人研究进展与分析[J]. 农业工程学报，2015，31(5)：1－8. Chen Ziwen, Zhang Chunlong, Li Nan, et al. Study review and analysis of high performance intra-row weeding robot[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2015, 31(5): 1－8. (in Chinese with English abstract)

0 引 言

随着人们对食品安全要求的提高及可持续发展的需求，有机农业生产及农产品越来越受到人们的关注。除草是农业生产中的重要环节，根据是否使用化学药剂将除草大体分为化学除草、非化学除草及其两种方式的结合[1]。根据除草执行机构是否与土壤产生接触将非化学除草又分为土壤接触（soil engaging）和非土壤接触（non-soil engaging）2种方式，其中人工锄草和机械锄草为土壤接触方式；火焰除草、高温除草、电力除草、辐射除草、地膜除草等为非土壤接触方式。机械锄草能够满足有机生产系统及人们对食品安全和环境保护的要求，相比其他非化学除草方式，可增加土壤的曝光和水分的渗透，产生很多对土壤本身积极的影响[2]。1999年Laber[3]定义了经典的锄草三原则：1）可行性原则：耕作在作物行间进行；2）物理原则：土壤覆盖杂草、杂草根茎被切断、杂草被连根拔起；3）生理学原则：减小光合作用、减少水分传送。其中原则二可作为机械锄草效果的衡量标准。 收稿日期：2015-01-15 修订日期：2015-02-10

基金项目：先进制造技术领域国家“863”课题（2012AA041507）；现代农业技术领域国家“863”课题（2013AA102406）；中央高校基本科研业务费专项资金资助（2013XJ004）

作者简介：陈子文，男（汉族），内蒙古包头人，博士生，主要从事农业机器人方面研究，Email：chenziwen_0309@http://wendang.chazidian.com

※通信作者：李 伟，女（汉族），教授，博士，博士生导师，主要从事农业机器人及机器视觉方面研究，Email：liww@http://wendang.chazidian.com

传统的中耕锄草机主要解决行间锄草的问题，相对

行间杂草，株间杂草更接近作物[2]，并将株间分割成不连续的区域，因此机械株间锄草更加困难，目前主要依靠人工。智能高效锄草机器人可同时对株间和行间进行混联锄草，具有智能、高效、环保等特点。该文主要介绍了国内外的研究进展，对其关键技术进行分析，并对株间智能锄草机的未来发展趋势进行展望，最后提出该方面存在的主要技术问题及发展思路与建议。本研究为智能株间锄草技术提供依据，对于提高有机农业生产作业效率、减小人工劳动力和作业成本具有重要意义。

1 智能株间锄草机器人研究进展

智能株间锄草技术的研究多见于欧洲，原因是其政府对除草剂使用的限制，并规划在2005年前将5%～10%的土地实现有机种植，同时日益增加的市场需求也促进了该技术的发展[4]。近年来，美国、日本、加拿大以及中国等国也相继开展株间智能锄草的研究。 1.1 国外研究进展

2002年瑞典哈尔穆斯塔德大学的Aastrand等研制了一种基于机器视觉的锄草机器人移动平台[4]，主要针对杂草密度较大和作物与杂草大小一致2种复杂情况进行作物和作物行识别算法研究。其利用2套视觉系统，灰度视觉系统主要用于识别作物行结构并通过梯形导向机构控制机器人沿作物行运动，大田试验表明其导航误差为±2 cm；彩色视觉系统用于识别作物行内的单棵作物位置并控制锄刀锄草。

2

农业工程学报 2015年

2003年英国克兰菲尔德大学的Home研制了一种摆动株间锄草系统，该系统是基于Hague研制的自动导航车搭建 [5]，如图1所示。其采用单彩色相机视觉系统对作物和作物行进行识别定位，摆动锄刀机构可同时对2行作物的株间和一个行间区域进行锄草，整个机器由液压提供动力。田间试验表明平均株距为300 mm，前进速度在4 km/h以下时锄草效果良好，8 km/h时有17%的作物根区域被锄刀入侵[1-2]。虽然该机距实际应用还有一定差距，但为智能株间锄草技术奠定了基础。

图1 基于自动平台车的株间锄草系统

Fig.1 Autonomous vehicle with intra-row weeding system

丹麦皇家兽医和农业学院的Griepentrog等于2006年设计并优化了基于GPS的电液锄刀控制系统。株间锄草样机由德国的奥斯那布鲁克大学和Amazone Werke公司联合研制，如图2。采用GPS地理种子地图信息技术进行作物识别和定位，通过控制八爪齿摆线锄刀的轨迹切换动作，实现避苗锄草，并基于GPS和倾斜传感器融合技术对机器相对作物行横向偏移量进行采集，控制液压横移机架横向运动，使锄刀实时沿作物行运动。试验表明GPS和其他传感器融合使用可以提高系统的稳定性和准确性[6-7]。

1.液压马达和减速器 2.摆线锄草刀 3.平行四边形仿形机构 4.GPS天线 5.液压横移机架 6. 地轮

1.Hydraulic motor and gearbox 2.Cycloid weeder 3.Parallelogram height control 4.GPS antenna 5.Hydraulic side-shift frame 6.Ground wheel

图2 基于地理信息控制的摆线爪齿除草机器

Fig.2 Cycloid hoe weeding machine based on geo-referenced

control

英国克兰菲尔德大学和佳福德农机公司联合研制了转盘式株间锄草系统[2]，如图3所示。该机器前置于拖拉

机，由液压驱动。前置视觉系统立即寻址作物苗位置，通过计算当前作物苗与锄刀的相位误差，伺服控制锄刀旋转。其采用可自主对行的横移机构，其包括横移机架和导向轮机构，在视觉导向系统的控制下，通过控制导向轮的转向，使锄草刀实时跟随作物行运动[8-9]。试验表明锄草率在60%以上。

图3 株间锄草机器人 Fig.3 Intra-row weed control robot

2011年西班牙塞维利亚大学的Pérez等研制了一种基于GPS的株间锄草系统，其由全自动株间锄草刀路径控制系统和实时动态差分全球卫星定位系统（RTK -GPS）组成。该系统采用地理种子地图信息进行作物定位，通过RTK-GPS系统可引导机器沿作物行前进，导航平均位

置误差为0.8 cm[10]，

试验表明RTK-GPS可提高株间锄草系统的准确性和稳定性。

美国伊利诺伊大学的Cordill等针对玉米开发了一种株间锄草机器人[11]。采用激光传感器组作为作物检测装置，通过电机控制对称锄刀沿正弦波轨迹避苗或锄草，并采用2组互成角度的激光传感器对机具横向偏移量进行检测。机器后置于拖拉机，如图4所示。试验表明激光传感器实现了对玉米作物的识别及机器相对作物行偏移量的检测，且降低了机器成本，但识别系统受禾本科杂草的影响较为严重。

图4 机械锄草机器

Fig.4 Mechanical weeding machine

意大利比萨大学的Peruzzi等于2012年研制了一款机械-火焰智能锄草机器人[12-13]。机器后置于拖拉机，作业幅宽3 m，可对4行作物同时进行锄草，锄草机构由火焰燃烧器、鹅脚型铲及L型铲组成，火焰燃烧器布置在作物两侧，喷出的火焰对准株间区域，鹅脚型铲布置于

第5期 陈子文等：智能高效株间锄草机器人研究进展与分析

3

行间中央位置，L型铲置于两侧，见图5。采用机器视觉进行作物行定位和杂草密度识别，根据不同区域的杂草密度控制液化石油气（LPG）的压力实现除草火焰精准可调。通过液压主动导向轮实时纠正机器相对作物行的横向偏差[14]，由于火焰除草特点，该机器不需要对单个作物进行精准定位，只需要检测杂草的密度，但是火焰除草针对的作物较为有限[15-16]。

图5 机械-火焰锄草机

Fig.5 Mechanical-thermal weeding machine

2014年西班牙塞维利亚大学的Pérez等设计了一款协作株间锄草机器人（Co-robot[17]），图6所示，利用人类的视觉系统配合机器人共同完成株间锄草的任务，其目的在于开发一款锄草效率高于人工且成本低的株间锄草系统[18]。其将预先编好的作物间距模板信息配合实时里程数据作为锄草铲运动控制输入量，机器大部分状态处于自动工作状态，人可观测锄草情况，并操纵手柄对作物与锄刀相对位置、保护区大小及株距进行实时修正。锄草评估试验表明1.2 km/h为最佳的工作速度，8 h连续作业伤苗率为0.5%。协作锄草机器人大大降低了锄草机器人研制成本和时间。但是由于一个人只能观察一行作物的锄草情况，因此该机器面向小面积种植农户。

图6 协作株间锄草机器人

Fig.6 Co-robot for intra-row weed control

1.2 国内研究进展

国内在智能株间锄草机方面研究起步较晚，现阶段主要以研究部分关键技术为主。

苗草信息获取方面，华南农业大学的胡炼等提出了一种基于机器视觉作物识别和定位方法，采用像素累加

曲线、曲线标准偏差和正弦波曲线综合获取作物的位置信息，试验表明该方法可适应不同天气及不同作物，棉花识别率为95.8%，生菜识别率达100% [19]。中国农业大学的张春龙等提出基于机器视觉的最小耗时最大包容准确度的作物信息获取方法，试验表明该方法检测平均误差为±5 mm，平均耗时小于20 ms[20]。中国农业机械化科学研究院的毛文华等采用基于多特征的田间杂草识别方法，通过颜色、位置、纹理等特征识别株间或行间杂草，通过形态特征处理误识别的杂草，该方法识别率为

89%～98%，耗时为157～252 ms[21]。

导航定位研究方面，中国农业大学的陈艳等采用无迹卡尔曼滤波器构建了基于GPS和机器视觉多传感器组合导航定位系统，获得x，y方向标准偏差分别为2.43、0.07 mm，提高了导航准确度和稳定性[22]。上海交通大学的周俊等基于卡尔曼滤波思想融合各传感器的观测值提出了预测跟踪控制方法，解决了视觉系统为主的计算耗时导致状态回馈滞后的问题[23-24]。株间锄草装置及运动控制方面，胡炼等研制了一款爪齿株间锄草装置，通过控制轨道切换，使爪齿锄刀实现避苗锄草，试验表明伤苗率小于8%[25]，并提出了基于PID控制器的余摆运动锄刀控制算法，采用MATLAB对控制算法进行仿真，分析锄刀结构参数对覆盖率的影响[26]。江苏大学的张朋举等设计了用于株间作业的八爪式机械锄草装置，采用电磁铁控制爪齿锄刀运动轨迹的切换，通过运动仿真优化装置

参数使伤苗率小于10%

[27-28]

。中国农业大学的黄小龙设计了一种旋转盘株间锄刀，通过轨迹模拟得到最大覆盖率和最小入侵率的锄刀外形参数，田间试验锄草率为

88.6%，伤苗率为1.6%[29]

。

2 智能株间锄草机器人关键技术

根据国内外智能锄草机研究进展，总结株间锄草机器人的关键技术点并进行分析。 2.1 对行技术

对行技术（steering/lateral control），或行跟踪技术row following），是指控制机具或拖拉机实时沿作物行方向运动，且锄刀相对作物行的横向偏差应控制在不会伤害作物的范围内[30-31]。对行分为人工对行和自动对行，人工对行主要依赖于拖拉机驾驶员的驾驶技术。自动对行技术分为锄草机载体导航技术和锄草机自主对行技术。锄草机载体导航技术主要依赖GPS或机器视觉对载体进行路径规划和导航。GPS系统采用“双导向”方式，即在锄草机具和拖拉机上都装上GPS天线，从而可以分别对锄草机和拖拉机进行导向，如今Trimble®、AgGPS®、TrueTrackerTM 等公司都成功研制出可用于行间锄草机上的GPS双导向系统[32]。锄草机自主对行技术使用主动横移装置对机器相对作物行的横向偏差进行实时补偿，横向偏差可通过机器视觉和GPS获得。目前这方面的研究主要集中于机器视觉对作物行的动态识别，Tillett等采用扩展卡尔曼滤波（EKF）器对机器视觉及其他传感器数据进行融合，预测并控制移动平台的运动[33]，Marchant

（

4

农业工程学报 2015年

使用哈佛变换对作物行进行实时跟踪[34-35]，Sogaard等采用图像免分割方法实现对作物行结构识别[36]，Frank Poulsen Engineering Aps公司采用机器视觉实现了锄草机器人自动对行[32]。

2.2 苗草信息获取技术

根据国内外研究现状，将苗草信息获取技术总结为3类：机器视觉技术、地理信息系统（GIS）技术和近距离传感器实时检测技术。杂草和作物的辨别主要依靠机器视觉技术实现。

机器视觉技术是通过实时采集、处理、分析图像，辨别作物与杂草，并计算作物的位置信息。机器视觉优点在于在大田现场环境下可以对作物和杂草进行实时识别和定位，精度较高，硬件成本相对较低[37]。缺点是视觉信息会受到光线、作物出现、阴影、缺失作物、作物大小、杂草密度、机械振动等其他因素的影

响[8,10,32]。

目前主要通过3个视觉特性对作物物种进行鉴别：生物形态，光谱特征及视觉纹理[38-39]。

GIS是结合地理学与地图学以及遥感和计算机科学的一门综合学科。采用装配GPS的播种机或移栽机记录每棵作物的位置信息，整合并绘制成地理种子地图

geo-referenced seed map[2,33]）

。图7[11]为基于地理种子地图的株间锄草系统流程图，作物GPS坐标配合里程值信息对作物位置进行实时跟踪，并控制株间锄刀相应动作。GIS方法对作物定位不会受到外界因素的影响，提高了定位精度[6,10]，但该方法使用前需绘制地理种子地图，由于地图绘制与锄草作业为不同时间段，因此锄草作业现场出现的新问题无法及时获取，且该方法增大前期投入成本，对机器配套使用提出更高要求，该系统对里程器的要求大大提高。

近距离传感器检测技术主要是通过使用近距离传感对作物进行识别和定位，常见的近距离传感器有红外线传感器、光电传感器[40]、激光发射-接收传感器[11]、颜色传感器[30]、X射线[41]等。此类传感器的优点是成本较低，操作方便，系统简单。但该类传感器只有当作物靠近时才能检测出来，因此无预判功能；且对机器响应速度提出更高要求；同时机器前进速度受到限制。Cordil应用激光传感器进行玉米检测，受控制算法处理数据的限制该机器的最大工作速度为0.1 m/s[11]。

选取外界因素影响、预判能力、现场性、精度、成本5方面对3种苗草信息获取方法进行比较，其中作物大小、杂草密度及光线和阴影被视为外界影响苗草信息获取的因素，采用GPS方式的敏感度最低，不受外界因素影响，机器视觉受影响较大。预判能力是指该方法是否对苗草位置信息获取有预判和跟踪功能，相对其他2种方式，机器视觉可实时采集动态图像，获得当前任意时刻的苗草位置信息，具有预判能力。现场性是衡量该方法对锄草现场出现的新问题是否能够及时获取，如作物缺失或被移位。5方面对比结果见表1，该表为研究苗草信息获取方法的选择提供依据。

图7 基于种子地图的株间锄刀控制流程图

Fig.7 Flow chart of intra-row hoe path control based on seed map

2.3 锄草装置

锄草末端执行器的性能直接影响锄草的效率。耙和铲仍然是人工锄草的主要工具，中耕除草提高了锄草效率，但只能清除行间杂草。根据株间锄草装置是否有动力源可分为被动锄草装置和主动锄草装置[42]。被动株间锄草装置包括指状锄草刀（finger weeder）、弹性锄草齿（torsion weeder）、垂直轴刷式锄草刀[43-44]等，当作物相对杂草更健壮时，采用被动锄草能满足锄草要求，同时成本低。主动株间锄草装置可实现避苗和锄草动作，根据其运动形式分为摆动式、旋转式及2种方式的混合。其中摆动式主要由液压缸或气压缸带动锄刀进行往复运动，根据摆动轴线的位置，可分为左右摆动和上下摆动；旋转式根据旋转轴位置分为垂直轴旋转和水平轴旋转，垂直轴旋转方式包括带豁口锄刀、爪齿摆线锄刀等。图8为常见的几种主动株间锄草装置。图8a为Dedousis[45-46]设计的带豁口旋转锄草刀，并首次提出了旋转避苗的思想，通过改变豁口的大小，可以改变作物保护区的大小。图8b是Home设计的一款株间行间混联锄草装置，该装置巧妙地采用槽凸轮机构，将连续旋转运动转化为锄刀往复摆动[1]。图8c为Bontsema[47]等设计的株间水平旋转锄刀，由液压马达驱动，装置由30 cm旋转盘、2个锄刀和弹簧组成，在离心力和弹簧拉力作用下，通过控制装置转速使锄刀向旋转盘外打开或向内收回。图8d为Eversman[48]设计的经济型锄草刀，采用气压缸带动锄草刀柄进行摆动。图8e是德国的奥斯那布鲁克大学和Amazone Werke公司联合研制爪齿摆线锄刀[31]

，这种锄草刀可用于株间和行间混联锄草，整个装置包含8个金属指状锄刀，其中分为独立运动指和不动指，独立运动指可以选择2种不同的轨道使其拥有避苗和锄草2个位置状态。

（

第5期 陈子文等：智能高效株间锄草机器人研究进展与分析

5

根据不同锄草装置的运动特点，总结出其优缺点，见表2。

表1 苗草识别定位方法比较

Table 1 Comparison of different information acquisition methods

方法 Methods 机器视觉 Machine vision

GPS 近距离传感器 Proximity sensor

作物大小 Crop size 有 无 有

外界因素影响

External factors influence

杂草密度 光线、阴影 Weed density Light, Shadow

有 无 有

有 无 无

预判功能

Anticipation function

有 有 无

现场性 Scene situation

很好 无 好

精度 Precision 高 很高 中

成本 Cost 中 高 低

图8 主动株间锄草装置

Fig.8 Active tools for intra-row weed control

表2 株间锄草刀分类及优缺点比较

Table 2 Classification and comparison of intra-row weeding tools

锄刀分类

Weeder classification

左右摆动

摆动式 Swing type

上下摆动 水平轴旋转 带豁口盘垂

状锄直

刀 轴旋爪齿转 摆线

锄刀

举例（设计者）

Example Eversman[47][图8d]、Home[1][图8b]

优点 Advantage 摆动幅度小、覆盖率高、控制简

单 控制简单

缺点 Disadvantage保护区不可

变 摆动幅度大、覆盖率较低、保护区不可

变 抛土严重 需要精准控

制 覆盖率低、维修频率高、成本大、需要精准控制 多动力源、成本大、维修频

率高

Sarl Radis[2]

Bontsema [46][图8c] Dedousis[42][图8a]、

黄小龙[29] Amazone Werke[31][图8e]、胡

[25]炼

控制简单 成本低、运动平稳、覆盖率高

2.5 工作速度

锄草机器人工作时速是机器性能指标之一，直接反映机器的锄草效率。主动株间锄草装置工作时会产生从行间进入株间的动作，该动作的速度方向与前进速度方向垂直，当前进速度越大时，锄刀运动也越快，因此对机器硬件提出更高要求，需要其具有更快的响应速度，同时运动速度过快将引起土壤的剧烈移动，土壤被掀起或抛甩都有可能对作物造成伤害。因此设计株间锄草机时选择合适的工作速度，既能满足高效的锄草要求又能减小对作物的伤害及甩土情况，同时降低机器的成本。但目前还未见到株间锄草最佳工作速度的相关研究。

旋转式 Rotation type

3 智能株间锄草机器人的发展趋势

通过智能株间锄草机器人国内外研究现状的分析和关键技术点的比较，结合精准农业发展的趋势，将智能株间锄草机的发展趋势总结为以下几点：

1）多传感器融合技术的应用

3种主要的苗草信息获取方法发展都较为成熟，但是每个技术都存在其优势和劣势，3种技术的相互融合具有取长补短的作用，可大大提高作物识别定位系统的准确性、稳定性及可靠性。GPS和机器视觉融合技术被视为最有前景的方法[2,24]。

2）向模块化趋势发展

模块化使机器研制和使用变得更加灵活，更加适应非结构、多变的农业生产过程。针对不同的需求，如不同作物行、不同作物、不同土壤等，相应的改变模块功能单元，从而便捷快速地适应农业生产的使用需求。

运动平稳

混合式 Hybrid type

Aastrand[4]

锄草效果好

2.4 驱动方式

锄草执行机构驱动方式主要有液压驱动，气动，电动3种。由于液压驱动输出扭矩大、相同功率装置质量轻、可实现无极变速及拖拉机都具有液压输出等优点，被广泛用于农用机械上。电动和气动具有更快速的响应速度，但能源依然是一个问题，蓄电池的续航能力无法满足大田农业作业时间和作业环境的要求。