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。
针对农业机器人工作在田间非结构环境中，地形起伏、沟渠纵横，其视觉系统与执行机构协同控制的问题，“项目从机器人手眼协同控制等方面进行了技术创新，研究了非结构环境下农业机器人末端执行机构视觉伺服控制技术，破解了农业机器人精度与速度、效率与损伤间辩证关系的协同控制难点问题。”袁挺指出。
新技术可用于多项农业领域
“非结构环境下农业机器人机器视觉关键技术与应用”项目成果集成了非结构环境下自然光照补偿的双目视觉处理器、机器人柔性作业末端视觉伺服控制等技术，实现了农业植株狭窄作业空间中的机器人精准采收，目前已在多种农业机器人中实现应用。
|
