田間表型機器人作為大田作物表型數(shù)據(jù)采集的關(guān)鍵平臺，實現(xiàn)其在作物全生育期無人化采集，亟需適配大田復(fù)雜環(huán)境的高效導(dǎo)航方法。
該導(dǎo)航方法通過配備實時動態(tài)差分（RTK）模塊的無人機構(gòu)建高精度田塊地圖，運用SegFormor-B0語義分割模型精準檢測作物行，提取關(guān)鍵坐標(biāo)點以生成表型機器人的導(dǎo)航路徑。同時，團隊提出基于純追蹤算法的自適應(yīng)控制器，能依據(jù)機器人當(dāng)前位置與目標(biāo)位置間的距離、角度偏差和橫向偏差，動態(tài)調(diào)整轉(zhuǎn)向角度。
在團隊自主研發(fā)的表型機器人上，針對盆栽及田間種植作物開展實驗。結(jié)果顯示，該方法在提取盆栽植物區(qū)行中心線的平均絕對誤差（MAE）為2.83厘米，農(nóng)田區(qū)為4.51厘米。在盆栽植物區(qū)，99.1%的全局路徑跟蹤誤差處于2厘米范圍內(nèi)，平均絕對誤差達0.62厘米，最大誤差為2.59厘米；農(nóng)田區(qū)72.4%的誤差在2厘米范圍內(nèi)，平均絕對誤差為1.51厘米，最大誤差為4.22厘米。相較于傳統(tǒng)基于全球?qū)Ш叫l(wèi)星系統(tǒng)（GNSS）的導(dǎo)航方法和單視覺方法，該方法在應(yīng)對作物動態(tài)生長與復(fù)雜田間環(huán)境時優(yōu)勢顯著。
圖1 技術(shù)路線
圖2 關(guān)鍵坐標(biāo)點的工作流程圖
圖3 盆栽作物區(qū)和田間作物區(qū)兩個場景的路徑提取率結(jié)果圖
圖4 盆栽作物區(qū)和田間作物區(qū)兩個場景跟蹤誤差直方圖
此創(chuàng)新方法借助無人機與地面機器人協(xié)同，構(gòu)建起“全局感知 - 局部執(zhí)行”的閉環(huán)優(yōu)化系統(tǒng)，成功突破傳統(tǒng)導(dǎo)航技術(shù)依賴靜態(tài)環(huán)境的局限，大幅提升表型機器人在農(nóng)田環(huán)境中的導(dǎo)航精度與環(huán)境適應(yīng)性。
華中農(nóng)業(yè)大學(xué)作物表型團隊聚焦作物表型組高通量獲取、智能精準解析及作物育種應(yīng)用等交叉研究領(lǐng)域。團隊研究生張子康和李正達為論文共同第一作者，宋鵬副教授為通訊作者。本研究獲得國家重點研發(fā)計劃、國家自然科學(xué)基金、湖北省農(nóng)業(yè)核心攻關(guān)項目的支持。
文章鏈接：https://doi.org/10.1016/j.aiia.2025.05.005
鄂公網(wǎng)安備42018502003245號 網(wǎng)站地圖
