由于农业机器人的作业目标是离散个体，其个体特征具有随机性和多样性，这种非标准化的目标信息增大了农业机器人机器视觉系统感知与判断的难度。张春龙表示，机器视觉系统只有具备对作业对象的准确识别和对目标位置的精确感知，才能降低对作业对象的损伤，提高作业成功率和效率。
“目前，以机器视觉为主的作业信息感知技术已成为农业机器人智能化的关键技术和研究热点。”张春龙说。
多项技术打破国外垄断、填补空白
田间的非结构环境为农业机器人研发带来了挑战，制约着农业机器人技术的推广与应用。张春龙介绍：“非结构环境下农业机器人机器视觉关键技术与应用”项目通过对农业机器人机器视觉技术的深入研究，在非结构环境下信息获取、复杂光机电协同控制、“激光+视觉”多元信息感知等方面取得了技术突破，多项技术打破国外技术垄断，填补国内空白。项目扩展了人工智能技术在农业场景的落地应用，实现了农业机器人从实验室走向田间生产的创新实践，引领了传统农机的智能化转型。
农田环境中的自然光照、阴影、风速等因素复杂多变，使得机器视觉作物信息动态稳定获取成为难点。“项目从自然光照补偿和抑制机理、机器学习与立体视觉算法匹配等方面进行了技术创新，提出了农业非结构环境下自然光照补偿和抑制机理的机器视觉处理技术，通过分析视觉信息对自然光照变化的敏感程度，构建光照波动控制模型，突破自然光照变化对作物信息动态稳定获取的技术局限，打破了传统机器视觉缺乏对自然光照适应性的技术瓶颈。”袁挺说。
此外，农田环境作物信息叠加多义、作业空间复杂多变，枝叶交错、果实重叠、苗草簇生，使得机器视觉难以准确识别作物信息。“项目从作物光谱特性、物理性状与视觉图像智能算法匹配等方面进行了技术创新，研究了近红外、可见光视觉技术和深度学习方法交叉融合的农业非结构环境下作物信息智能获取技术，突破了自然环境下农作物信息精准获取难点问题。”张春龙介绍。 |
