科技成果：AI在智慧农业中的应用科普_ai 智慧农业

本文版权归属 中国科学院合肥物质院智能所微信公众号 所有

1. 番茄采摘机器人

大脑：ROS系统

四大核心技术：深度学习算法提高果实识别率；微小型摄像机判断果实成熟度；机械手臂实现采摘；无轨式移动底盘保证灵活行驶。

1.1 熟没熟？怎么摘？

采摘对象是矮株小番茄，小番茄的挂果位置比较分散，因此采摘方式是一次只采摘一个小番茄果实，单个果实的采摘时间大概是10秒左右。

利用深度学习算法，会事先对大量的小番茄果实进行识别训练，从而大大提高对目标的识别准确率；通过对采摘机械手的精心设计以及对机械臂运动过程的精准控制，可以提高对小番茄果实的采摘成功率。

通常来说，在植物工厂环境下培育的小番茄，同一品种果实的大小差异不大，所以机械臂能精准摘下每一颗小番茄，而无需担心掉落。番茄的果实较软，果皮较薄，为了保证在采摘过程中不损伤果实，机械手指指面是一层特殊的软胶材料，因此在夹取果实的过程中不会损伤果实。另外，该软胶材料表面粗糙，摩擦力较大，这样可防止果实在“手”中滑动脱落。

对于挂果较为集中的串式高株番茄，通过更换机械手，可以一次采摘一串小番茄果实。

1.2 精准投喂：采摘完毕后的放置工作

采摘完毕后，如何将采摘完的番茄果实准确地放进诸如果盘、篮子等指定位置中？

事先通过手臂上安装的摄像机检测到果盘目标信号，然后对果盘中心进行定位，再将该位置坐标发送给ROS系统，随后ROS系统发出指令——控制机械臂和机械手运动到目标位置上方，松开手指，将果实准确放入果盘中。

在手掌与机械臂之间是“小臂”，它一方面延长了机械手的作业空间范围，使机械手能够摘取到更远处的番茄果实。另一方面，在“小臂”中安装有控制机械手开合的电机，当电机正向转动时，机械手收紧夹住果实并将其摘下，然后移动到指定位置，电机反向转动，机械手松开将果实放下。

2. 通道式多用途智能分选机

2.1 简介

通道式多用途智能分选机是基于物料颜色、形状差异和智能分类，通过“光电检测+图像处理手段+智能分类识别”的技术手段实现物料分选和净化的集光机电于一体的设备，可运用于粮食、种子、药材、工业物料和再生资源等筛分领域，应用广泛。按照其功能结构组成，分为给料系统、光学智能检测信号采集系统、信息数据运算系统、高频分离执行系统等四个部分。由于采用归一化理念的“光学+图像处理”的整体设计方案，使得该款分选机能够对被选物料进行光谱分析和多模式工作参数选择，可以可靠地发现并消除异物、不良腐烂、缺陷、瑕疵和损坏，这保证了产量的提高，并向客户交付了更安全、更高质量的成品，同时也更加吻合现实中的自动化生产，降低了生产企业的成本。

2.2 主要技术指标

1. 三维重建物料信息，精准定位杂质中心点，助力废料剔除更精准；
2. 通过提取物料形态信息，精准识别方圆、长短、大小等形状差异，满足多元化分级需求；
3. 采用高端低畸变相机镜头、工业级彩色 CCD 传感器，最小识别区域可达 0.0025mm²，保障物料识别更清晰；
4. 一秒钟可以实现对物料超过上万次的扫描，识别精度达微米级，速度更快，精度更高，带出比更优，保证了产品最终的理想品质；
5. 通道数128，可选择复选功能，占地面积仅 1 ㎡，精度、产量灵活可调，维护成本低。

应用领域：可以应用到农业种子、坚果、稻米、芝麻、杂粮、脱水蔬菜、药材、颗粒状工业原料、再生资源等物料的色选或者形选。

2.3 市场前景

国内色选机正在晋级为多用途的分选机。其应用已经深入各类农产品加工中，与老百姓日常生活息息相关。我国粮食产量的持续增长保证了粮食类色选机市场规模的稳定增长，而工业领域的快速发展，给工业类色选机提供了新增市场空间，从而带动我国整体色选机市场规模的有效拓展，带来巨大产业机遇。放眼全球，2023 年全球色选机市场规模大约为 155 亿元（人民币），预计 2029 年将达到290 亿元，2023-2029 年复合增长率（CAGR）为 9.7%。随着亚太（东南亚、印度等）和拉美（墨西哥和巴西等）等地区人民生活水平的提高和工业的发展，将会对粮食品质、工业水平和资源再生提出更高的期望，分选市场巨大。

拟转化的方式：可采用技术转让或技术作价入股成立公司方式。

3. 高通量土壤成分智能检测机器人

耕地是粮食生产最重要的物质基础，是我国最为宝贵的资源。要全面掌握我国耕地的质量、分布和构成，指导农业生产，就需要对耕地进行“体检”，即进行土壤检测。传统土壤检测以人工为主，周期长，成本高，且对实验人员技术要求高，人为因素容易导致检测结果误差大。

高通量土壤成分智能检测机器人整体照片

高通量土壤成分智能检测机器人内部结构照片

技术亮点：机器视觉、多臂协同与优化调度算法

知识产权：30项发明、15项新型、5项软著，正在申请41项发明、2项国际发明专利

3.1 原创性技术成果

土壤研磨过筛功能一体化技术与土壤样品精确定量自动取样及称量技术。

土壤研磨过筛功能一体化技术主要解决土壤的研磨过筛一体化，实现可以用均匀的微量样品（0.5g—10g）进行检测以反映待测土壤样本（0.5Kg—2Kg）的整体性质。研磨和过筛是土壤制样的关键步骤，即将土壤制成不同目数的土壤颗粒。研磨过筛一体化设计能够防止扬尘，减少土样流转次数，节省人力，提高制样效率。

它揭示了制样罐公转自转结合方式、旋转速度、结构，以及研磨球体积重量等因素对土壤研磨破碎和土壤颗粒流动过筛的影响关系，从而优化了土壤研磨、过筛一体化制样罐的结构参数及运动方式，结合3D打印制造，解决了土壤的研磨过筛一体化这一问题。

定量称取土壤样品于容器中，是对土样进行前处理的第一步，用于确定合适的待检土壤总量以及后续准确地计算土壤待测成分的含量。

土壤样品精确定量自动取样及称量技术通过研发的高频振动发生器，揭示了母管中不同目数土壤颗粒在不同倾斜角度、不同震动幅度及频率下的流动规律，阐明了土壤样品精确取样与震动幅度、频率和倾斜角参数的关联关系，确定了土壤样品精确定量取样所需的震动幅度、频率和倾斜角参数，实现了土壤样品的高精度、可控自动进样。

研发团队还设计了具有防震防风结构的自动称量模块，内嵌高精度分析天平，通过远程通讯接口实现控制高频振动发生器，读取分析天平数据，实现对土壤样品的精确定量称量。

3.2 技术亮点

有三个较为突出的技术亮点——机器视觉、多臂协同与优化调度算法。

机器视觉是指针对化学滴定反应中的颜色识别，研究团队设计并研发了一套基于机器视觉系统的颜色自动判断装置。

通过摄像头获取彩色图像后，计算机将模拟图像信号数字化，系统进行RGB颜色分量匹配，从而阐明化学滴定反应中的颜色变化的阈值向量。随后，大脑中的系统将颜色判读和精准加液泵的控制部件进行关联，精确控制每步滴定量，实时判读颜色突变情况，从而实现化学滴定反应中的颜色突变终点的自动准确判读。

多臂协同指针对实验过程中摇匀、开关瓶盖、倾倒、移液、定容等前处理复杂动作，我拥有多种不同功能的机械臂，基于云计算，通过人工神经网络技术和分布式控制方法，将前处理复杂动作分解为一系列机械臂精准的姿态动作优化组合序列，进行多机械臂的运动规划、决策、协同控制，精准、高效地完成前处理复杂动作。

而优化调度算法则是基于云服务的实验室信息管理调度平台体系，以通量指标为目标，对制样、称量过程以及pH值、速效钾、有效磷、全氮、有机质等42种不同指标的前处理及检测流程步骤进行统筹调度，加入我的动作流程等因素作为决策变量，建立了各决策变量之间的关系公式与模型（AI智能决策模型）。

按照保证精度、效率优先的原则，进行调度的规划实施，实现土壤样品前处理过程的高效运转。

有了上面这些技术的加持，我的出现突破了机器人代人实现复杂测土任务的系列核心算法，构建了一套覆盖土壤全检测过程的机器人多臂协同、多参数优化控制，机器智能识别与目标检测等关键技术方法体系。

在我的帮助下，我国的土壤检测形成了机器人代人稳定、准确、高效的土壤检测新模式，实现土壤检测全程无人化连续运行，避免了土壤检测过程中人工操作不稳定，以及易受人工操作误差影响的问题，从而实现检测结果的高准确率，大大降低了检测的人工成本。

通过土壤检测指标的并行操作，大量土壤样品能够同时进行处理，辅助机器人自动化动作流程的优化调度，从而实现单日检测的高通量和短周期。

是不是觉得我还挺像一个土壤检测小专家？目前，我已经经过了多次的测试与应用，陆续参与了全国测土配方施肥、农业面源污染大面积监测等项目，累计处理了上万个土壤样品，取得了显著的经济、社会与生态效益。

来源: 中国科普博览

报道链接：https://cloud.kepuchina.cn/newSearch/imgText?id=7113251532809379840

My Thoughts

HM20240205：研发、创新意味着高成本，但仍然要坚持创新、尊重科技，因为只有创新才能在市场中赢得主动，引领市场、创造未来。

Reference

https://mp.weixin.qq.com/s/PPC2APxgC0ldBbv8QNVD_w

https://mp.weixin.qq.com/s/74uG8E4Tv271t5KhsVG1uQ

https://mp.weixin.qq.com/s/dxqBkIeCwV5zYox3elK2mQ

相关阅读：农业智能知识服务平台

新一代人工智能2021

3.6 农业智能知识服务平台

研究内容：针对经营主体对农情信息智能化需求

• 研究多源、多领域、长周期的农业动植物全生命周期环境及生命特征提取与状态识别方法；
• 研究知识图谱中概念、属性和关系的动态生成与演化模式，构建气象、水文和农业动植物等相互耦合的跨媒体知识图谱，设计农业知识众包获取方法，形成农业知识迭代更新高效手段；
• 研究多模式协同下农情现象的反演模型，具备定量定性综合预测能力；
• 构建面向农业农村场景的知识服务云，具备线上线下交互、生产销售业务自适应协同、云网端无缝耦合和个性化信息推荐等智能服务功能。

考核指标：

• 突破多源、多领域和长周期农情知识获取、知识发现与演化等构建技术；
• 建立基于事实案例知识和跨媒体知识规则不少于2000万条，其中包括不少于100万条跨领域知识；
• 形成全国实时农情图片不少于3000万张，农业动植物环境及生命状态识别准确率达95%以上；
• 构建全国农业知识智能服务云平台并支持定制不少于1000个县域的农业知识智能服务系统；
• 平台服务能力10亿人次/年以上，需求覆盖率达85%以上，服务匹配准确率达85%以上，农户反馈满意度达到95%以上，平台全天候响应率100%。

申报说明：本任务拟支持项目数不超过2项。