大数据时代农村机器人开发应用

　　摘要:农业机械化已经成为农业生产的主要方式，代表着现代农业的发展方向。农业机器人将各种智能设备和先进技术集于一体，是农业机械的高级形式。农业生产过程所产生的数据量是极其庞大的，需要引入大数据的概念和分析方法，将农业机器人与大数据结合，可提高机器人的性能和应用效果。为此，基于大数据开发了农业智能的喷药机器人，将采集的机器人作业信息汇集成为大数据后进行分析，用于对机器人的智能控制和作业效果评估。试验结果表明:在大数据的支持下，机器人能够实现自主导航和精准喷药，对作业效果的评估也很准确，智能化水平得到了大幅提升。

　　关键词:大数据;农业机器人;智能化;控制;喷药

　　0引言

　　农业是国民经济的基础，可以为人们的生活和其它产业提供物质条件，受到了高度的重视。在新的时代背景下，农业机械化已经成为了农业生产的主要方式，不仅作业效率高，而且降低了生产成本，代表着现代农业的发展方向。但近年来，我国开始经济结构调整，农业生产规模的增速放缓，导致农业机械在农忙时节供不应求，在其它时节又出现闲置，利用效率降低。与发达国家相比，我国的农业机械研制起步较晚，技术水平不高，结构性能也有待进一步改善。另外，农业机械的应用地区经济发展相对落后，农业生产者的购买能力不足，也是农业机械持续推广所面临的问题[1]。

　　信息技术能够采集社会生产生活中的各种数据信息，通过充分挖掘获取相应的知识和规律，为各行业的升级提供支持。信息与能源、材料一起并称国家三大重要战略资源，信息技术目前已经渗透到了包括农业的各个领域中。在农业机械方面，可以利用信息技术采集机械的作业环境、作业参数和运行状态等数据，经过分析处理后用于机械的优化控制，使机械更加智能化和规范化[2]。

　　目前，我国有18亿亩耕地和186万个乡村，农业从业人员达到8亿人，所使用的农业机械种类繁多，数量庞大，因此农业生产过程所产生的数据量也是极其庞大的[3]。为了对这些数据进行充分的分析，则需要在所使用的信息技术中引入大数据的概念和方法。维基百科将大数据定义为在一定时间内无法用普通软件工具进行捕获和管理的数据集合。大数据具有规模性、多样性和高速性的三大特点，首先是数据量非常庞大，可以达到PB的级别。大数据的类型包括结构化、半结构化和非结构化的数据形式，数据处理速度足够快，能够满足对庞大数据量的实时分析要求。

　　大数据是为相应的需求而诞生的，应用领域从最初的商业和金融逐渐扩展到其它的行业，包括自然科学研究中的地球空间信息学[4]，以及社会经济中的物流服务[5]和发展规律研究[6]。大数据不仅推动社会进步，还使科学研究层次更加深入，具有划时代的意义[7]。精准农业代表了农业发展的新趋势，成为目前国际上农业科学研究的热点。精准农业对技术的要求更高，且需要新型的农业机械与之相匹配，因此出现了高级形式的智能农业机械，即农业机器人[8]。

　　农业机器人是一种具有高度自规划、自组织和自适应能力，可以在复杂环境中完成农业操作的智能机械[9]。机器人诞生于20世纪50年代，80年代在日本被首次引入农业工程领域，并且在农业生产的规模化和精准化过程中得到了广泛的应用。目前，农业机器人在农业领域主要用于移栽、采摘、嫁接、喷药、挤奶和分级检测等作业[10-12]。后来，各种传感器技术的发展还赋予了农业机器人对农业数据信息采集和处理的功能[13-14]。

　　农业机器人的应用有其自身的特点，如操作的对象柔弱复杂、作业环境难以预测，以及作业动作没有固定的模式等。农业机器人的设计和制造成本较高，还需要机器视觉、GPS定位、各类传感器和智能控制技术作为技术支撑[15]。作为高端的农业机械，农业机器人在运行和作业过程中会产生大量数据，包括作业环境信息、机器人位置信息、机器人运行参数和作业效果评估等。这些数据的规模庞大，类型复杂，难以通过普通的设备和方法进行分析和存储。

　　若将这些数据按照大数据的概念进行处理，则可以提取出内含的信息，有利于机器人各部分的整合。农业机器人将各种智能设备和先进技术集于一体，通过与大数据结合，在拓宽大数据应用范围的同时，还能够提高自身的性能和应用效果。目前，对大数据和农业机器人分别进行的研究比较多，但是二者的结合应用却鲜有报导。

　　为此，本文对基于大数据的农业智能机器人开发进行研究，介绍了农业机器人作业时环境信息、位置信息、运行参数和作业效果的大数据从采集至分析结果展示的过程，并利用试验验证机器人的各项功能，通过大数据的应用提升农业机器人的智能化水平。

　　1总体设计

　　本研究的平台为AS-R型的农业喷药机器人，这是一个四轮移动的智能设备，具有自主供电和行走能力。机器人的部件根据功能主要分为机器视觉、GPS定位、信息采集和智能控制4大部分，在作业过程中运行产生的数据包括环境信息、位置信息、运行参数和作业效果等内容，并以大数据的形式进行分析和存储。

　　大数据分析处理由机器人搭载的小型服务器完成，其根据GPS定位信号确定机器人的位置信息，计算出与规划路线之间的偏差，通过对行走装置的控制实现自主导航。环境信息由机器视觉设备和各类传感器采集，大数据分析获得作物和杂草信息后结合机器人所处的位置控制喷药装置的开启，实现精准喷药。另外，传感器还可以采集机器人的各项运行参数和作业参数，通过大数据分析后为作业效果的评估提供依据。

　　2组成部分

　　机器视觉部分包括尼康COOLPIXP60型相机和天创UB570型图像采集卡。相机具有800万像素，通过防抖动处理安装在机器人上，拍摄方向与竖直方向夹角为60°。相机拍摄获得JPEG格式的图像，经过图像采集卡转换为数字信号后进行视觉分析提取目标轮廓，然后用于大数据的处理。机器人的GPS定位设备为Trimble公司的AgGPS132型产品，由GPS接收天线、接收机，以及与基站匹配的无线调制解调器和天线组成。

　　机器人与基站之间的无线传输设备为PacificCrest公司的RFM96W系列产品，具有较高的定位精度，可以满足农业机器人的作业要求。上述设备利用目标点逼近算法采集差分GPS信号，汇集成大数据后传输给服务器，用于辅助进行机器人的精准喷药和导航控制。

　　机器人信息采集的内容是作业的农田环境信息和设备的运行状态。环境信息采集设备包括DHT11型传感器用于测量空气的温湿度，WTF-B200型风速风向仪用于测定风向和风速，武汉中科能慧NHZD10型光照传感器用于采集光照强度。采集运行状态的设备如HAL41F型霍尔元件，检测动力装置的转动信号从而获得机器人的行走速度;TJP-1型压力传感器将压力转换为电信号，用于检测相应部件的工作负荷。传感器采集的环境信息和运行状态信息汇集成大数据后进行分析处理，作为智能控制决策的依据。机器人智能控制针对的是自主行走和精准喷药。

　　机器人采用四轮行走的方式，行车控制器接收主控模块发来的定位信息和角度传感器提供的行驶方向，然后与规划的路线对比，通过液压阀驱动车轮的偏转实现自主行走。喷药装置的喷头由电磁阀控制，主控模块通过机器视觉和定位结果发送脉冲宽度调制信号在适当的时机控制电磁阀开启和关闭喷头，实现对杂草区域的精准喷药。

　　3大数据处理过程

　　大数据由机器视觉、GPS定位和传感器采集的数据汇集而成，蕴含着与机器人作业有关的信息，可以通过一系列的分析处理过程来获得。大数据的分析过程涉及到PB级数据的录入和读取，因此需要进行大型的建模和运算。机

　　器人搭载的大数据分析硬件为x86架构的PCServer型服务器，配置包括锐龙AMDRyzen7型2路8核CPU，DDR4型128GB内存和IntelI350T2型千兆网卡，运算速度和存储空间都能满足实际需求。Hadoop技术作为一种基于Java的分布式大数据处理软件框架，在本文中被用作大数据分析方法。Hadoop框架由通用模块、分布式文件系统等部分组成，集群文件安装在分布式文件系统中，在相应的节点上构建分布式文件架构。该技术可以运行简洁的并行计算模型，具有很强的容错性和扩展性，对大规模数据具有很好的分析处理效果。

　　机器人搭载的各种设备采集的数据经过网络和传输接口进入交换机，交换机连接数据采集器，行使数据交换和汇聚功能，并最终传输给大数据处理器。上述的传输过程执行IEEE1588时间同步协议，可以缩小交换延时以提高数据的实时性和准确性。处理器接收大数据后，依照设定的格式记录数据，再根据分析目的快速重放录入的数据，在此基础上开展后续分析处理。

　　大数据的分析过程依次为预处理、内容分析、信息挖掘和结果展示，实现以数据为中心的分析模式。针对大数据结构形式多样的特点，采用并行处理提高分析的速度。并行处理是在记录数据的同时对大数据进行综合监测和实时分类，根据类型把数据分发到相应的应用系统中;然后，运行专业知识库辅助的决策，为信息的挖掘提供依据;最后，将综合监测和分析处理的结果汇聚到存储和管理模块中，组成应用功能数据库，形成机器人的智能控制决策，并评估作业的效果。

　　4试验

　　机器人在田间进行实际的喷药作业，验证基于大数据的各项功能的效果，试验的作物包括玉米、棉花、油菜、小麦和马铃薯。在每种作物田间选择1个100m长的路段，机器人按照规划的路线进行自主行走和精准喷药作业。每个路段上均匀地选取10个点作为样本，统计机器人的路线偏离距离、对杂草的喷药精准率、误喷率，并通过大数据评估并显示作业效果。

　　路线偏离距离为机器人前轮中心与规划路线之间的距离，杂草的喷药精准率为被喷施的杂草植株占所有杂草植株的比例，误喷率为被喷施的作物植株占被喷施植株的比例。在大数据的支持下，机器人的行走路线偏离距离较小，仅为4.8～7.2cm，能在各种环境中实现自主导航。机器人对各种作物杂草的喷药精准率为83.9%～91.4%，误喷率为8.4%～9.7%，具有精准喷药的能力。

　　机器人对自身喷药精准率和误喷率的评估结果都接近实际值，最大误差率仅为5.7%，有助于准确地控制自身运行参数，大数据在喷药机器人上的应用效果如表1所示。5结论基于大数据开发了农业智能的喷药机器人，将采集的机器人作业环境信息、位置信息和运行参数汇集成为大数据后进行分析，用于对机器人的智能控制和作业效果评估。在大数据的支持下，机器人对5种作物进行喷药作业，行走路线偏离距离较小，能够实现自主导航。机器人对各种作物杂草具有精准喷药的能力，作业效果评估结果接近实际值。试验结果表明:大数据的应用有助于机器人准确地控制自身运行参数，智能化水平得到了大幅提升。

　　参考文献:

　　[1]龚占伟.开展智能农机大数据应用的建议[J].南方农机，2017，48(16):97.

　　[2]林羽，刘斌琼.浅谈信息化背景下的农业机械的发展前景[J].农业开发与装备，2017(11):114.

　　[3]闫萍.浅议大数据背景下的互联网+“智慧农机”[J].安徽农业学报，2016，44(21):220-221.

　　[4]李德仁.展望大数据时代的地球空间信息学[J].测绘学报，2016，45(4):379-384.

　　[5]刘艳秋，王浩，张颖，等.大数据背景下物流服务订单分配[J].沈阳工业大学学报，2016，38(2):190-195.

　　[6]高见，周涛.大数据揭示经济发展状况[J].电子科技大学学报，2016，45(4):625-633.

　　[7]张引，陈敏，廖小飞.大数据应用的现状与展望[J].计算机研究与发展，2013，50(S1):216-233.

　　[8]安秋，周俊，姬长英，等.基于DGPS导航的田间数据采集机器人的设计[J].河南科技大学学报:自然科学版，2008，29(2):79-82.

　　农业相关刊物推荐：安徽农业大学学报(季刊)创刊于1957年，是由安徽省教育厅主管、安徽农业大学主办的综合性学术期刊。主要刊登：农学、林学、畜牧、兽医、水产、茶叶、蚕桑、园艺、植保、农业工程、生物技术、环境科学、农业经济以及相关基础学科的学术论文、研究报告等。