Research progress on robotic technology in the field of livestock and poultry farming
-
摘要:
随着现代畜禽养殖业面临的挑战日益增加，包括提高生产效率、降低成本、确保动物福利以及应对环境变化等，机器人技术的应用成为推动该行业转型的关键。文章综述了畜禽养殖机器人技术的研究进展，涵盖了饲喂机器人、清洁机器人、巡检机器人、挤奶机器人以及其他相关领域的研究现状和技术特点。机器人技术在提升畜禽养殖业自动化和智能化水平中具有重要作用。其中，饲喂机器人通过精准控制饲料投放，提高了饲喂效率和养殖动物健康水平；清洁机器人能有效地管理畜牧环境，提升养殖场卫生条件；巡检机器人通过实时监测环境和动物健康状况，优化了养殖管理；挤奶机器人则实现了奶牛养殖自动化，提高了生产效率。探讨了畜禽养殖机器人技术面临的挑战与机遇，并对未来的发展趋势进行了展望。
Abstract:As the modern livestock and poultry farming industry faces increasing challenges, including improving production efficiency, reducing costs, ensuring animal welfare, and responding to environmental changes, the application of robotic technology has become the key to driving the transformation of this industry. This article reviewed the research progress of robotic technology in the field of livestock and poultry farming, including the current status and technical characteristics of research on feeding robots, cleaning robots, inspection robots, milking robots, and other related areas. The robotic technology played an important role in enhancing the automation and intelligence level of the livestock and poultry farming industry. Among them, the feeding robots improved the feeding efficiency and the health level of farmed animals through precise control of feed delivery, the cleaning robots could effectively manage the farming environment and enhance the hygiene conditions of farms, the inspection robots optimized farming management through real-time monitoring of the environment and animal health condition, the milking robots achieved automation in dairy farming and improved the production efficiency. The challenge and opportunity of robotic technology in livestock and poultry farming were discussed, and the future development trend and prospect were proposed.
-
Keywords:
- Robot /
- Livestock and poultry farming /
- Intelligentization /
- Development prospect
-
农业机械导航技术作为精准农业技术体系中的一项关键技术，能有效提高农业机械田间作业效率和作业质量，降低操作人员劳动强度[1-3]。在无导航设备的情况下，由于受农机操作人员的工作经验和作业环境的影响，农业机械田间作业易产生重叠和遗漏区域，导致作业成本高、作业效率低，甚至影响农田环境安全[4-5]。因此，研制农业机械导航系统对于提高农机作业效率和质量、促进我国精准农业的发展具有重要经济价值和社会意义。
近年来，国内外专家学者对农业机械导航系统进行了大量的研究和试验。O′Connor等[6]、Baio等[7]、罗锡文等[8]和刘兆朋等[9]基于GNSS开发了农业机械自动导航作业系统，并分别在拖拉机、甘蔗收获机、插秧机和喷雾机上开展相应田间试验，系统直线路径平均跟踪偏差均小于3 cm。研究[10-12]等利用机器视觉识别作物行，提取导航基准线，测量农机与作物行的相对位置偏差，进而控制农机实现自动作业。自动导航系统定位精度高，能够实现自动作业，可有效降低农机操作人员的劳动强度，提高作业精度和作业效率，已应用于耕作、播种、喷药、施肥和收获等生产试验过程[13]。但自动导航系统成本较高、回收周期长、对农民经营要求较高，并且国内现有老旧农机设备多数不易实现自动化改造。
我国南方地区大多农户经营的田块小且分散，农业整体利润水平低，加之种植规模小，难以接受价格昂贵的农机设备[14]，我国南方地区多数农户仍较难接受农机自动导航系统。作为一种成本低、易操作且通用性强的产品，辅助导航系统[15-16]是提高农机作业效率、降低农机操作人员劳动强度的有效方式。本文基于超宽带(Ultra wide band，UWB)技术设计一种低成本的农业机械田间辅助导航系统，无需改装机器，直接安装在作业机械上工作，可实现田间环境中农业机械的精确定位、作业路径规划和作业偏差计算，通过友好人机交互界面为驾驶员提供辅助导航作业信息。该系统适用于南方中小型田块中各种农业机械的田间辅助导航作业，可有效降低农机操作人员的劳动强度，提高农机作业效率。
1. 辅助导航系统设计开发
1.1 系统组成
农业机械辅助导航系统由UWB定位系统和终端处理器2部分组成(图1)。UWB定位系统包括1个UWB定位标签和4个UWB定位基站；其中，UWB定位基站固定于定位区域边缘作为定位参考点，由UWB无线传感器、移动电源和基站安装支架组成；UWB定位标签为1个UWB无线传感器，安装于作业机械上并与终端处理器相连，通过与定位基站进行无线通信，获得与各定位基站间的距离；UWB无线传感器内置姿态传感器，用于实时测量作业机械的姿态信息。终端处理器根据测量的距离信息和姿态信息解算出作业机械的准确位置坐标，实时规划作业路径，计算作业偏差，并通过可视化界面实时显示。
![]()
图 1 辅助导航系统组成结构图1：终端处理器；2：UWB定位标签；3：UWB定位基站；4：UWB无线传感器；5：移动电源；6：基站安装支架Figure 1. Structure diagram of auxiliary navigation system1: Terminal processor; 2: UWB tag; 3: UWB anchor; 4: UWB wireless sensor; 5: Portable power source; 6: Anchor mounting bracket整个系统组成结构简单，不需要对机器进行任何改装，可直接安装于不同作业机械上工作，成本低(约0.4万元)，且通用性强。
UWB无线传感器选用Nooploop空循环公司的LinkTrack P定位模块，模块供电电压5 V，最远通信距离为600 m，数据更新频率为1~200 Hz，直线测距精度<10 cm，可通过终端上位机设定工作类型(定位基站或定位标签)。UWB无线传感器内置InvenSense公司的姿态传感器MPU6500，集成了加速度计、陀螺仪和数字运动处理器DMP，三轴欧拉角(俯仰、横滚和航向角)的静态测量精度为0.1°，数据输出频率为1~200 Hz。终端处理器选用中柏科技有限公司的EZpad 7平板电脑，处理器为Intel Cherry Trail Z8350。
1.2 位置解算算法
三维空间中实现1个点的定位一般至少需要4个已知参考点，通过增加定位参考点的数量可以提高定位精度，但定位成本也随之增加[17]。考虑农业装备的经济和实用性，本系统选用4个UWB定位基站作为系统定位参考点。对于任意四边形的定位区域，将4个UWB定位基站分别布置于定位区域的4个角落，各基站垂直地面安装于相同高度的安装支架上。如图2所示，按作业过程中作业行递增方向作为定位坐标系X轴正方向的原则进行基站布置，基站A0为定位坐标系原点，基站A0和A3的连线为X轴，过原点垂直于水平面竖直向上为Z轴，根据右手定则过原点垂直于XOZ平面为Y轴建立空间直角坐标系作为田块定位坐标系。
![]()
图 2 定位坐标系示意图Ai：编号为i的UWB定位基站，i=0, 1, 2, 3；dij：定位基站i与定位基站j的直线距离，i，j=0, 1, 2, 3Figure 2. Schematic diagram of positioning coordinate systemAi: UWB anchor numbered i, i=0,1,2,3; dij: The straight-line distance between anchor i and anchor j, i, j=0,1,2,3各基站间通过无线通信互发数据包测量距离，通过上位机软件进行基站标定，计算各基站的位置坐标，计算公式如式(1)所示：
$$\left\{ \begin{array}{l} ({x_0},{y_0}) = (0,0)\\ ({x_1},{y_1}) =\\ \left[ {\dfrac{{d_{03}^2 + d_{01}^2 - d_{13}^2}}{{2{d_{03}}}},\sqrt {{d^2_{01}} - {{\left( {\dfrac{{d_{03}^2 + d_{01}^2 - d_{13}^2}}{{2{d_{03}}}}} \right)}^2}} } \right]\\ ({x_2},{y_2}) = \\ \left[ {\dfrac{{d_{03}^2 + d_{02}^2 - d_{13}^2}}{{2{d_{03}}}},\sqrt {{d^2_{02}} - {{\left( {\dfrac{{d_{03}^2 + d_{02}^2 - d_{13}^2}}{{2{d_{03}}}}} \right)}^2}} } \right]\\ ({x_3},{y_3}) = ({d_{03}},0) \end{array} \right.,$$ (1) 式中，(xi，yi)为基站Ai的二维位置坐标，dij为基站Ai和基站Aj间的直线距离，i，j=0，1，2，3。
将UWB定位基站安装在同一高度，安装高度大于定位标签在田间作业过程中的最大高度，定位基站所在平面为Z轴的零平面。利用基于时间到达差的TWR双向双边测距法测量UWB定位标签与UWB定位基站间的距离，根据定位标签与各基站的距离以及各基站的位置坐标，得到空间4点的定位方程组，如式(2)所示：
$$\left\{ {\begin{array}{*{20}{l}} {{{\left( {x - {x_0}} \right)}^2} + {{\left( {y - {y_0}} \right)}^2} + {{\textit{z}}^2} = d_0^2}\\ {{{\left( {x - {x_1}} \right)}^2} + {{\left( {y - {y_1}} \right)}^2} + {{\textit{z}}^2} = d_1^2}\\ {{{\left( {x - {x_2}} \right)}^2} + {{\left( {y - {y_2}} \right)}^2} + {{\textit{z}}^2} = d_2^2}\\ {{{\left( {x - {x_3}} \right)}^2} + {{\left( {y - {y_3}} \right)}^2} + {{\textit{z}}^2} = d_3^2} \end{array}} \right.,$$ (2) 式中，(x，y，z)为定位标签的三维坐标，(xi，yi，
${\textit{z}}$ i)为定位基站Ai的三维坐标，di为定位标签到基站Ai的直线距离，i=0，1，2，3。通过加减消元法，消去z坐标得到矩阵方程，如式(3)所示：
$$ \left[\begin{array}{ll} 2\left(x_{0}-x_{1}\right) & 2\left(y_{0}-y_{1}\right) \\ 2\left(x_{0}-x_{2}\right) & 2\left(y_{0}-y_{2}\right) \\ 2\left(x_{0}-x_{3}\right) & 2\left(y_{0}-y_{3}\right) \end{array}\right]\left[\begin{array}{l} x \\ y \end{array}\right]=\left[\begin{array}{l} \lambda_{1} \\ \lambda_{2} \\ \lambda_{3} \end{array}\right] \text{，} $$ (3) 式中，
$\lambda_{i}=d_{i}^{2}-d_{0}^{2}+x_{0}^{2}-x_{i}^{2}+y_{0}^{2}-y_{i}^{2}, \quad i=1, \quad 2, \quad 3$ 。矩阵方程(3)为超定方程，利用最小二乘法解得定位标签的二维坐标，计算公式如式(4)所示：
$$ \left[\begin{array}{l} x \\ y \end{array}\right]=\left({\boldsymbol{A}}^{{\rm{T}}} {\boldsymbol{A}}\right)^{-1} {\boldsymbol{A}}^{{\rm{T}}} {{{\boldsymbol{\beta}}}} \text{，} $$ (4) 式中，A为矩阵方程(3)的系数矩阵，β为矩阵方程(3)的常数项列矩阵。
将解得的二维坐标代入原方程组(2)中，默认z坐标为负，解得各方程z坐标并取均值，得到UWB定位标签的三维位置坐标。
1.3 位置校正算法
超宽带脉冲信号传播过程中，非视距现象是影响定位精度下降的主要原因之一[18-19]。为了避免非视距现象对定位精度的影响，将UWB定位标签安装在作业机械顶部，以保证UWB定位标签与定位基站间通信良好。UWB定位标签安装位置高，作业机械在作业过程中车身倾斜时，导致测量的UWB定位标签位置中心投影与车身真实位置中心投影不重合，所测量的坐标和真实位置存在误差，因此必须对车身倾斜引起的位置误差进行校正[20-21]。大多数作物行都是平行直线，农业机械的作业路径也是平行直线，作业质量仅要求平面内作业行的直线度。因此，本文仅对作业机械车身定位的横向和纵向误差进行分析，对垂直地面的Z轴误差不予分析。
单纯的车身横滚导致车身出现横向位置偏差，单纯的车身俯仰会导致纵向位置偏差，单纯的航向偏差不会对定位产生太大影响[22]。如图3a所示，传统的校正方法是假设车身绕重心旋转，利用欧拉角和传感器安装位置来估计位置误差，但由于拖拉机的重心难以估计，且拖拉机在田间作业时的姿态变化并不是单纯围绕车身重心旋转[23]。实际上，拖拉机在田间环境中的车身倾斜是由于轮胎的下陷和滑移导致的，因此车身的倾斜可以看作是以地面与轮胎接触点为轴心旋转引起的，如图3b所示。
如图4所示，作业机械在田间环境中车轮不同程度的下陷和滑移，导致车身产生横滚角
$\theta_{{\rm{r}}}$ (图4a)和俯仰角$\theta_{{\rm{p}}}$ (图4b)，测量的车身位置坐标分别存在横向定位误差$\Delta x $ 和纵向定位误差$\Delta y$ ，近似将$ \Delta x $ 和$ \Delta y$ 直线所在平面看作地平面，分别对测量的位置坐标进行校正，校正公式如式(5)所示：$$ \left\{\begin{array}{l} x_{{\rm{r}}}=x^{\prime}-h \sin \theta_{{\rm{r}}} \\ y_{{\rm{r}}}=y^{\prime}-h \sin \theta_{{\rm{p}}} \end{array}\right. \text{，} $$ (5) 式中，xr为校正后作业机械的横坐标，
$ x^{\prime} $ 为校正前UWB定位标签测量的横坐标，yr为校正后作业机械的纵坐标，$y^{\prime}$ 为校正前UWB定位标签测量的纵坐标，h为UWB定位标签距离地面的安装高度。![]()
图 4 车身倾斜校正h：UWB定位标签的安装高度；∆x：横向定位误差；∆y：纵向定位误差；θr：横滚角；θp：俯仰角Figure 4. Machinery inclination correctionh: Mounting height of UWB anchor; ∆x: Lateral positioning error; ∆y: Longitudinal positioning error; θr: Roll angle; θp: Pitching angle利用姿态传感器MPU6500测量车身姿态，通过预试验测试得姿态传感器的三轴欧拉角静态测量最大误差小于0.5°，当传感器安装高度为3 m时，传感器测量误差引入的最大定位误差为2.62 cm，相对于系统定位误差此误差较小，在可接受范围内。
1.4 路径规划算法
根据农业机械田间往返式直线作业特点，设计一种基于AB线的路径规划算法，实现田间作业的实时路径规划，减少农机作业过程中的重复作业和遗漏作业区域，提高农机作业效率和作业质量。首行作业时，农业操作人员沿作业区域边缘自主完成首行作业。作业过程中，系统从该行作业起始A点开始采集作业轨迹，到该行结束B点停止采集。
由于受到外部环境、传感器内部构造和随机误差等多种因素的影响，传感器测得的数据往往具有一定的不确定性，而系统采集的异常数据将直接影响试验结果。常见的检测异常值方法包括3σ原则、狄克逊准则等，这些方法都是假定测量数据呈正态分布的，而实际传感器采集的数据分布往往是复杂而未知的。这些方法判断异常值的标准都是通过计算采集数据的均值和标准差来实现的，均值和标准差均受数据中异常值的影响，而异常值难以准确判断。本文采用分位数法判断采集数据中的异常值。将采集的数据按从小到大排列成数组X：[x1，x2，…，xn]，分别找出下四分位数Q1，中位数Q2和上四分位数Q3，各数值分布如图5所示。中位数Q2为数组X的中位数，下四分位数Q1为数组X中[x1，Q2]的中位数，Q3为数组X中[Q2，xn]的中位数，异常值上下边界点的计算如式(6)所示：
$$\left\{\begin{array}{l} F_{{\rm{U}}}=Q_{3}+\dfrac{\gamma }{2}\left(Q_{3}-Q_{1}\right) \\ F_{{\rm{L}}}=Q_{{\rm{1}}}-\dfrac{\gamma }{2}\left(Q_{3}-Q_{1}\right) \end{array}\right.,$$ (6) 式中，FU上边缘异常值分界点，FL为下边缘异常值分界点，
$\gamma $ 为判断系数。![]()
图 5 分位数分布图FL：下边缘异常值分界点；FU：上边缘异常值分界点；Q1：下四分位数；Q2：中位数；Q3：上四分位数；x1：排序后第1个数据；xn：排序后第n个数据Figure 5. Quantile distributionFL: Lower edge outlier cut-off point; FU: Upper edge outlier cut-off point; Q1: Lower quartile; Q2: Median; Q3: Upper quartile; x1: The first data after sorting; xn: The n-th data after sorting经验表明，当r=3时，批量处理数据时具有较高的鲁棒性[24]，因此本文确定异常值上下边界时r取值为3。
利用分位数法剔除采集数据中的异常数据，通过最小二乘法拟合出该作业行的直线作业轨迹l1，如式(7)所示，将拟合作业轨迹沿作业行递增方向平移1个作业幅宽d，得到下一作业行的规划作业路径l2。作业过程中，根据规划的作业路径和当前的位置坐标，实时计算出当前作业偏差。
$$ \left\{\begin{array}{l} l_{1}: y=k x+b \\ l_{2}: y=k(x+d)+b \end{array}\right.,$$ (7) 式中，
$k = \frac{{\sum\limits_{i = 1}^n {\left( {{x_i} - \bar x} \right)} \left( {{y_i} - \bar y} \right)}}{{\sum\limits_{i = 1}^n {{{\left( {{x_i} - \bar x} \right)}^2}} }},\quad b = \bar y - k\bar x$ ；n为本次作业行采集数据点的个数，$ \bar y $ 为采集数据点纵坐标的平均值，$ \bar x $ 为采集数据点横坐标的平均值，xi、yi分别为采集点的横坐标和纵坐标。1.5 辅助导航系统设计
辅助导航系统在Visual Studio 2012开发环境下，利用C#面向对象编程语言进行软件开发，实现串口通信、位置与姿态数据的采集与处理，作业路径规划，实时位置偏差计算和数据储存等功能，系统操作界面如图6所示。
辅助导航系统工作时，首先与UWB定位系统和姿态传感器建立串口通信，根据接收的距离信息和姿态信息实时解算出作业机械的准确位置；然后系统根据作业轨迹实时规划作业路径、计算作业偏差，并通过可视化界面显示；最后系统对作业的轨迹进行实时记录，并实现作业数据的储存，系统工作流程如图7所示。
2. 田间试验与结果
为验证本文算法的有效性，分别开展系统田间定位精度测试试验和辅助导航系统作业性能测试试验。
2.1 系统田间定位精度测试试验
为验证位置解算算法和位置校正算法的有效性，进行田间环境的定位测试试验。试验在广东省肇庆市农业科学研究所沙浦农场进行，定位区域为长约93.6 m、宽约94.4 m的四边形水田，试验条件为微风，室外温度约30 ℃。首先，将UWB定位基站等高度固定安装于定位区域的4个角落，基站安装高度为3.6 m，建立定位坐标系，各基站坐标分别为A0(0，0)、A1(1.408，95.58)、A2(95.25，94.97)、A3(93.39，0)，单位为m。辅助导航系统搭载于井关PZ60插秧机上，UWB定位标签安装于插秧机顶部对称轴线上，安装高度为2.5 m，如图8所示。
在定位水田区域内布置3条直线，插秧机分别以0.5、1.0和1.5 m/s 沿着规划直线行驶，记录实际跟踪轨迹，并将采集的实际跟踪轨迹和规划直线进行比较，剔除采集数据中的异常值，计算横向偏差。校正前、后实际跟踪轨迹离散点和规划路径如图9所示。
![]()
图 8 插秧机搭载辅助导航系统1：UWB定位基站；2：UWB定位标签；3：终端处理器；4：井关PZ60插秧机Figure 8. Transplanter equipped with auxiliary navigation system1: UWB anchor; 2: UWB tag; 3: Terminal processor; 4: PZ60 rice transplanter不同速度下校正前、后实际跟踪轨迹与规划路径的横向偏差统计结果如表1所示，插秧机分别以0.5、1.0和1.5 m/s的速度沿规划直线行驶，校正前最大横向偏差分别为21.10、33.83和45.10 cm，平均横向偏差分别为8.01、13.81和17.30 cm，标准差分别为4.94、8.57和12.14 cm；校正后最大横向偏差分别为15.93、16.90和17.97 cm，平均横向偏差分别为6.15、6.52和6.61 cm，标准差分别为4.06、4.30和4.66 cm。试验结果表明，当插秧机行驶速度大于1.0 m/s时，校正后平均横向偏差降低了52.79%，最大横向偏差降低了50.04%，平均标准差降低了49.82%，位置校正算法显著提升了系统田间动态定位精度。
表 1 田间定位横向偏差Table 1. Lateral deviation of field positioningcm 行驶速度/
(m·s−1)
Travel speed
校正前 Before correction 校正后 After correction 最大值
Maximum value平均值
Average value标准差
Standard deviation最大值
Maximum value平均值
Average value标准差
Standard deviation0.5 21.10 8.01 4.94 15.93 6.15 4.06 1.0 33.83 13.81 8.57 16.90 6.52 4.30 1.5 45.10 17.30 12.14 17.97 6.61 4.66 另外，随着插秧机行驶速度加快，系统定位精度略微下降，其原因是行驶速度提高加剧了插秧机的震动，增大了姿态角测量误差，车身姿态变得更加复杂以致解算出的位置精度下降。田间动态定位试验结果表明，在复杂的田间环境中，本研究提出的位置校正算法能有效提高定位精度，提高系统定位稳定性，能够较好地满足农业机械田间实时定位和位置监测的需求。
2.2 辅助导航系统作业性能测试试验
2021年3月30日，在广东省肇庆市农业科学研究所沙浦农场进行插秧辅助导航试验。插秧试验田为长约50 m、宽约45 m的不规则四边形田块，试验条件为微风，田间温度约为33 ℃，湿度为56%。将UWB定位基站等高度固定安装于试验田块的4个角落，基站安装高度为3.6 m，建立定位坐标系，各基站坐标分别为A0(0,0)、A1(−4.404，45.158)、A2(36.218，50.511)、A3(43.201，0)，单位为m。如图8所示，在井关PZ60插秧机上搭载辅助导航系统，插秧机作业幅宽为1.8 m，UWB定位标签安装高度为2.5 m。插秧过程中，插秧机行进速度为1.0 m/s，不打开插秧划线杆，驾驶员不参考已作业完苗带和侧标杆，仅根据辅助导航系统提示实时调整作业方向进行作业，作业跟踪轨迹如图10所示。
各行作业轨迹分别与自身拟合直线和规划路径的横向偏差计算结果如表2所示，利用辅助导航系统进行插秧作业，各行作业轨迹与自身拟合直线的平均横向偏差为5.90 cm，最大横向偏差为19.27 cm，标准差为3.64 cm；作业行与规划直线路径的平均横向偏差为6.98 cm，最大横向偏差为31.50 cm，标准差为4.95 cm。第一行作业轨迹与自身拟合直线平均偏差较大是因为第一行是由驾驶员按照插秧区域边界和自身驾驶经验完成作业，导致第1行作业轨迹直线度较差。由于作业田块中存在泥脚较深区域，插秧机在此区域作业时车身滑移和倾斜较严重，导致第6行作业轨迹与规划路径的横向偏差较大。
表 2 各行作业轨迹与自身拟合直线、规划路径的横向偏差Table 2. The lateral deviation of each operation track from self-fitting line and the planned pathcm 作业行数
Operation line作业轨迹与自身拟合直线
Between operating trajectory and self-fitting line作业轨迹与规划路径
Between operating trajectory and planned path最大值
Maximum value平均值
Average value标准差
Standard deviation最大值
Maximum value平均值
Average value标准差
Standard deviation1 13.10 8.68 3.54 2 7.80 3.43 2.09 7.87 3.25 2.21 3 13.28 5.23 3.16 16.07 5.41 3.89 4 12.11 4.53 2.95 15.66 5.06 4.00 5 13.20 4.64 3.29 16.52 5.74 4.31 6 18.27 7.54 4.75 31.50 11.30 8.47 7 16.38 6.35 3.98 17.88 7.45 4.04 8 19.27 6.79 4.83 24.28 9.90 6.36 9 16.15 5.88 4.20 24.86 7.73 6.29 ![]()
图 10 辅助导航插秧试验作业轨迹Figure 10. Tracking of rice seedling transplanting test with auxiliary navigation system试验结果表明，利用辅助导航系统进行辅助作业，各行作业轨迹与自身拟合直线横向偏差较小，作业行直线度较好；各行作业轨迹与规划直线路径存在一定的行距偏差。利用辅助导航系统进行作业总体效果较好，基本满足农业生产需求，在一定程度上降低了操作人员的劳动强度、提高了劳动生产率、降低了农业机械作业效果对操作人员熟练度的依赖。
3. 结论
基于超宽带(UWB)技术设计的农业机械辅助导航系统，适用于南方中小型田块中各种农业机械的田间辅助导航作业，可在一定程度上降低农机操作人员的劳动强度、提高作业效率、降低农业机械作业效果对操作人员熟练度的依赖。该系统不需要改装机器，可直接安装于不同农业机械，低成本实现农业机械田间辅助导航作业。
开展田间环境中系统定位试验，低成本实现田间环境中农业机械的精确定位。水田环境中，插秧机分别以0.5、1.0和1.5 m/s的速度沿着规划路径行驶，系统平均横向定位偏差分别为6.15、6.52和6.61 cm，标准差分别为4.06、4.30和4.66 cm。当插秧机速度大于1.0 m/s时，通过位置校正算法，校正后平均横向定位偏差降低了52.79%，最大横向定位偏差降低了50.04%，平均标准差降低了49.82%，有效提高了系统田间定位精度和稳定性，可实现田间环境下农业机械的精确定位。
进行了搭载辅助导航系统田间机插秧试验，实现插秧机田间辅助导航对行作业。搭载辅助导航系统进行田间插秧试验，试验结果表明，各行作业轨迹与自身拟合直线平均横向偏差为5.90 cm，标准差为3.64 cm；各行作业轨迹与规划直线路径的平均横向偏差为6.98 cm，标准差为4.95 cm；搭载辅助导航系统作业，各行作业轨迹直线度较好，与规划路径的横向偏差较小，基本满足南方中小型田块中农业机械田间作业要求，有效地降低了操作人员的劳动强度、提高了工作效率。
-
![]()
图 5 平养鸡舍粪污清收装袋一体机
1：破碎机构；2：收拢机构；3：提升机构；4：清扫机构；5：汽油机；6：扶手；7：变速箱；8：行走轮；9：机架
Figure 5. The integrated machine of manure collection and bagging in flat chicken coop
1: Crushing mechanism; 2: Collecting mechanism; 3: Lifting mechanism; 4: Sweeping mechanism; 5: Gasoline engine; 6: Handrail; 7: Gear box; 8: Traveling wheel; 9: Frame
![]()
图 8 捡蛋机器人
1：底盘框架；2：拾蛋机构；3：分蛋装置；4：存蛋箱；5：集蛋通道；6：控制箱
Figure 8. Egg picking robot
1: Classis frame; 2: Egg-picking mechanism; 3: Egg-sorting device; 4: Egg storage tank; 5: Egg collection channel; 6: Control box
![]()
图 14 笼养蛋鸭个体产蛋性能巡检系统
Figure 14. The inspection system of individual egg production performance for laying duck in cage
![]()
图 15 蛋品检测分拣系统
1：电脑；2：摄像头； 3：Led 灯； 4：多锥形滚轴
Figure 15. Egg detection and sorting system
1: Computer; 2: Camera; 3: Led light; 4: Multi-cone roller
表 1 不同机器人在畜禽养殖领域的现状与不足
Table 1 The current status and insufficiency of different robots in the livestock farming industry
类型
Type研究现状
Research status存在不足
Insufficient发展趋势
Development trend饲喂机器人
Feeding robot已有部分畜禽养殖场采用商用的饲喂机器人，利用非接触式身份识别和物联网技术能够准确识别畜禽个体并实现定量饲喂 部分饲喂机器人系统精度尚需提高，特别是在复杂环境下的饲喂精度有待提升 未来发展将侧重于提高机器人的智能化水平，包括更精准的识别和更灵活的饲喂策略，以适应不同畜禽品种和生长阶段的需求 清洁机器人
Cleaning robot目前，在畜禽养殖场的清洁领域，尤其是禽舍清洁方面，尚处于研发和试验阶段，部分养殖场试验了移动式清洁机器人，但应用有限 移动清洁机器人在复杂的养殖场环境中可能遇到导航困难和清洁效率低下等问题；此外，机器人的清洁范围和适应性仍需改进 未来发展将注重提高机器人的机动性和自主性，包括更智能的导航系统和更高效的清洁装置，以实现全面自动化的清洁任务 巡检机器人
Inspection robot部分畜禽养殖场开始引入巡检机器人，这些机器人能够监测环境参数、畜禽健康状态和设备运行情况，提高了养殖管理的效率 目前，一些巡检机器人功能较为单一，监测精度和范围有待提高，特别是在大规模养殖场中的适应性较差 未来发展趋势将包括多传感器融合、机器学习等技术的应用，以实现更全面精准的监测和管理，提高养殖场智能化水平 挤奶机器人
Milk Robot挤奶机器人已在奶牛养殖场得到广泛应用，这些机器人能够自动完成挤奶任务，提高了挤奶效率和生产水平 挤奶机器人的维护和管理需要较高的技术水平和成本投入，有些养殖场可能难以承担 未来趋势将注重降低挤奶机器人的成本、提高可靠性，推动其在不同规模养殖场中的应用 剪毛、分拣等
其他机器人
Other robots such as shearing and sorting尚未有大规模商业应用，但在剪毛、分拣等领域有研究机构和公司进行相关研究和试验 机器人在剪毛、分拣等领域的适应性和通用性尚待提高，尤其是针对不同畜禽品种和养殖场景的需求 未来发展将聚焦于加强与养殖场实际需求的对接，提升机器人的智能化水平和适应性，拓展其在畜禽养殖中的应用场景 
下载: 导出CSV
表 2 国内外养殖机器人企业
Table 2 The breeding robot enterprises at home and abroad
机器人
Robot外国相关企业
Foreign related enterprise中国相关企业
Chinese related enterprise饲喂机器人 Feeding robot 荷兰Lely、芬兰PELLON 国科农牧、泰安意美特 清洁机器人 Cleaning robot 德国 GEA、瑞典 Delaval 泰安意美特、青岛睿吉盛工贸 日常巡检机器人 Daily inspection robot 瑞典 Delaval、加拿大 Rovibec 北京小龙潜行、牧原集团 挤奶机器人 Milking robot 德国 GEA、奥地利 Hetwin 特斯勒设备、农垦畜牧工程 健康巡检机器人 Health inspection robot 无 华大智农、牧原集团 蛋品分拣机器人 Egg sorting robot 荷兰 Moba、荷兰 SANOVO 华大智农、振野
下载: 导出CSV
-
[1] HUANG Y, XIAO D, LIU J, et al. Analysis of pig activity level and body temperature variation based on ear tag data[J]. Computers and Electronics in Agriculture, 2024, 219: 108768. doi: 10.1016/j.compag.2024.108768
[2] 肖荣浩, 马旭, 李宏伟, 等. 基于UWB定位的农业机械辅助导航系统设计与试验[J]. 华南农业大学学报, 2022, 43(3): 116-123. doi: 10.7671/j.issn.1001-411X.202107049 [3] 吕恩利, 何欣源, 罗毅智, 等. 哺乳母猪智能饲喂物联网系统设计[J]. 华南农业大学学报, 2023, 44(1): 57-64. [4] 朱军, 麻硕士, 慕厚春, 等. 种猪自动精细饲喂系统设计与试验[J]. 农业机械学报, 2010, 41(12): 174-177. doi: 10.3969/j.issn.1000-1298.2010.12.036 [5] 王泽程. 睿保乐: 与科技创新一同见证猪场的未来: 访睿保乐(上海)贸易有限公司[J]. 猪业科学, 2018, 35(11): 56-59. [6] 胡圣杰, 王树才. RFID技术在养猪业中的应用[J]. 湖北农机化, 2007(5): 24-25. [7] 郭伟豪, 李海军, 郝文博, 等. 羊只饲喂机器人控制系统设计与出料试验[J]. 黑龙江畜牧兽医, 2024(5): 55-60. [8] 倪志江, 高振江, 蒙贺伟, 等. 智能化个体奶牛精确饲喂机设计与实验[J]. 农业机械学报, 2009, 40(12): 205-209. [9] 赵清来, 邹正东, 李文彪, 等. 智能化双侧奶牛个体精量饲喂装置的设计与试验[J]. 吉林农业大学学报, 2019, 41(1): 115-119. [10] 杨存志, 李源源, 杨旭, 等. FR-200型奶牛智能化精确饲喂机器人的研制[J]. 农机化研究, 2014, 36(2): 120-122. doi: 10.3969/j.issn.1003-188X.2014.02.030 [11] 耿丽微, 钱东平, 赵春辉. 基于射频技术的奶牛身份识别系统[J]. 农业工程学报, 2009, 25(5): 137-141. doi: 10.3969/j.issn.1002-6819.2009.05.26 [12] 谢艳, 张子龙, 龚荣虎, 等. 基于TRIZ理论的奶牛饲喂机器人创新设计[J]. 机械设计与研究, 2021, 37(5): 31-34. [13] 孙芊芊, 李海军, 宣传忠, 等. 基于羊只应激反应的智能饲喂机器人功能与造型研究[J]. 内蒙古农业大学学报(自然科学版), 2019, 40(5): 60-64. [14] 贺刚, 翟改霞, 祝天宇, 等. 犊牛饲喂信息系统设计与给奶量预测研究[J]. 农业机械学报, 2022, 53(S2): 241-248. [15] 朱立学, 官金炫, 张世昂, 等. 基于深度学习的肉鸽精准饲喂机器人的研制与试验[J]. 机电产品开发与创新, 2022, 35(5): 6-10. [16] 张帆, 李海军, 雷禾雨, 等. 羊只饲喂机器人行走控制系统的设计[J]. 农业装备技术, 2020, 46(1): 35-39. doi: 10.3969/j.issn.1671-6337.2020.01.014 [17] 杨亮, 王辉, 陈睿鹏, 等. 智能养猪工厂的研究进展与展望[J]. 华南农业大学学报, 2023, 44(1): 13-23. doi: 10.7671/j.issn.1001-411X.202209050 [18] VINYARD O. Rear-mounted manure gathering machine and method of handling manure: 5297745 [P]. 1994-03-29.
[19] 李许杰, 闫锋欣, 胡凯, 等. 肉鸡平养鸡舍自走式粪污清收装袋一体机研制[J]. 农业工程学报, 2024, 40(3): 251-261. [20] CUBERO S N, BADI M, ALI M A, et al. A High-speed camel dung collection machine[J]. Mechatronics and Machine Vision in Practice, 2021(4): 87-103.
[21] 刘磊. 猪舍清洁机器人设计及路径规划研究[J]. 价值工程, 2022, 41(1): 137-139. [22] 李保明, 王阳, 郑炜超, 等. 畜禽养殖智能装备与信息化技术研究进展[J]. 华南农业大学学报, 2021, 42(6): 18-26. [23] 罗土玉, 高彦玉, 周昆乐, 等. 猪舍清粪机器人控制系统的设计与试验[J]. 黑龙江畜牧兽医(下半月), 2022(12): 30-34. [24] 王士涛, 刘林保, 谈仁斌. 一种高压吹气清洁机器人: CN220361723U[P]. 2024-01-19. [25] 尧李慧, 蔡晓华, 田雷, 等. 牛舍清洁机器人结构设计与避障设计[J]. 农机化研究, 2018, 40(2): 70-74. [26] 杨存志, 贺刚, 尧李慧, 等. 全自走牛舍清洁机器人的设计[J]. 农机化研究, 2017, 39(5): 90-94. doi: 10.3969/j.issn.1003-188X.2017.05.016 [27] 侯云涛, 尧李慧, 蔡晓华, 等. 自动清粪机器人路径规划方法的研究与实现[J]. 农机化研究, 2017, 39(6): 23-26. doi: 10.3969/j.issn.1003-188X.2017.06.005 [28] 胡振楠, 孙红敏, 李晓明, 等. 基于加速度传感器的猪舍刮粪板运行状态监测装置设计与仿真[J]. 农业与技术, 2019, 39(17): 18-22. [29] QI F, ZHAO X, SHI Z, et al. Environmental factor detection and analysis technologies in livestock and poultry houses: A review[J]. Agriculture, 2023, 13(8): 1489. doi: 10.3390/agriculture13081489
[30] 赵文文, 王海峰, 朱君, 等. 猪舍消杀巡检机器人系统设计与试验[J]. 农业机械学报, 2022, 53(S2): 270-277. doi: 10.6041/j.issn.1000-1298.2022.S2.031 [31] 刁亚萍. 基于WSN的集约化猪舍多环境因子监测及CFD模拟的研究[D]. 武汉: 华中农业大学, 2018. [32] 龙长江, 谭鹤群, 朱明, 等. 畜禽舍移动式智能监测平台研制[J]. 农业工程学报, 2021, 37(7): 68-75. doi: 10.11975/j.issn.1002-6819.2021.07.009 [33] CHANG C, XIE B, WANG C. Visual guidance and egg collection scheme for a smart poultry robot for free-range farms[J]. Sensors, 2020, 20(22): 6624. doi: 10.3390/s20226624
[34] 赵春江, 梁雪文, 于合龙, 等. 基于改进YOLO v7的笼养鸡/蛋自动识别与计数方法[J]. 农业机械学报, 2023, 54(7): 300-312. [35] GEFFEN O, YITZHAKY Y, BARCHILON N, et al. A machine vision system to detect and count laying hens in battery cages[J]. Animal, 2020, 14(12): 2628-2634. doi: 10.1017/S1751731120001676
[36] JIANG K, XIE T, YAN R, et al. An attention mechanism-improved YOLO v7 object detection algorithm for hemp duck count estimation[J]. Agriculture, 2022, 12(10): 1659. doi: 10.3390/agriculture12101659
[37] 连京华, 李惠敏, 祝伟, 等. 家禽生产智能巡检机器人的设计[J]. 中国家禽, 2019(18): 72-75. [38] 白云港, 祝忠钲, 侯英勇, 等. 养鸡场巡检机器人无线充电模块设计与试验[J]. 智能化农业装备学报(中英文), 2022, 3(2): 45-52. [39] 肖德琴, 刘勤, 陈丽, 等. 设施猪场生猪体温红外巡检系统设计与试验[J]. 农业机械学报, 2019, 50(7): 194-200. doi: 10.6041/j.issn.1000-1298.2019.07.020 [40] 肖德琴, 林思聪, 刘勤, 等. 基于红外热成像的生猪耳温自动提取算法[J]. 农业机械学报, 2021, 52(8): 255-262. doi: 10.6041/j.issn.1000-1298.2021.08.026 [41] 杨柳, 陈肯, 罗金生, 等. 基于物联网的山猪体温测量系统设计[J]. 信息系统工程, 2021(8): 86-88. doi: 10.3969/j.issn.1001-2362.2021.08.030 [42] 岳学军, 蔡雨霖, 王林惠, 等. 农情信息智能感知及解析的研究进展[J]. 华南农业大学学报, 2020, 41(6): 14-28. doi: 10.7671/j.issn.1001-411X.202008044 [43] 兰玉彬, 王天伟, 陈盛德, 等. 农业人工智能技术: 现代农业科技的翅膀[J]. 华南农业大学学报, 2020, 41(6): 1-13. [44] SPENCER S. Robotic milkmaids to become a commercial reality[J]. Industrial Robot: An International Journal, 1999, 26(2): 112-114. doi: 10.1108/01439919910260240
[45] SHARIPOV D R, YAKIMOV O A, GAINULLINA M K, et al. Development of automatic milking systems and their classification[J]. IOP Conference Series: Earth and Environmental Science, 2021, 659(1): 12080. doi: 10.1088/1755-1315/659/1/012080
[46] JOHN A J, CLARK C E, FREEMAN M J, et al. Review: Milking robot utilization, a successful precision livestock farming evolution[J]. Animal, 2016, 10(9): 1484-1492. doi: 10.1017/S1751731116000495
[47] 马为红, 薛向龙, 李奇峰, 等. 智能养殖机器人技术与应用进展[J]. 中国农业信息, 2021, 33(3): 24-34. doi: 10.12105/j.issn.1672-0423.20210303 [48] 刘俊杰, 杨存志, 杨旭, 等. 智能挤奶机器人总体设计方案研究[J]. 农业科技与装备, 2015(12): 16-19. doi: 10.3969/j.issn.1674-1161.2015.12.007 [49] 杨存志, 吴泽全, 郭洋. 挤奶机器人的结构设计[J]. 农机化研究, 2018, 40(4): 98-103. doi: 10.3969/j.issn.1003-188X.2018.04.019 [50] 王成军, 李少强. 基于TRIZ理论的转盘式挤奶机器人结构设计[J]. 科学技术与工程, 2022, 22(7): 2770-2775. doi: 10.3969/j.issn.1671-1815.2022.07.029 [51] 李硕, 王成军. 基于TRIZ理论的挤奶机器人设计[J]. 安徽科技, 2023(3): 34-36. [52] 郭洋, 吴泽全, 蔡晓华, 等. 挤奶机器人机械臂控制方法研究[J]. 农业科技与装备, 2017(4): 18-20. [53] TREVELYAN J P. Sensing and control for sheep shearing robots[J]. IEEE Transactions on Robotics and Automation, 1989, 5(6): 716-727. doi: 10.1109/70.88094
[54] 张唯诚. 初显身手的五款农业机器人[J]. 百科知识, 2019(16): 24-25. doi: 10.3969/j.issn.1002-9567.2019.16.012 [55] 刘景喜, 彭传文, 王丽学. 牛群导航系统在荷兰奶牛场的应用考察[J]. 天津农业科学, 2015, 21(11): 34-36. doi: 10.3969/j.issn.1006-6500.2015.11.009 [56] VROEGINDEWEIJ B A, IJSSELMUIDEN J, VAN HENTEN E J. Probabilistic localisation in repetitive environments: Estimating a robot’s position in an aviary poultry house[J]. Computers and Electronics in Agriculture, 2016, 124: 303-317. doi: 10.1016/j.compag.2016.04.019
[57] 王树才, 任奕林, 文友先. 禽蛋检测与分级智能机器人系统的软件实现[J]. 华中农业大学学报, 2008, 27(2): 335-339. doi: 10.3321/j.issn:1000-2421.2008.02.036 [58] 王树才, 文友先, 苏工兵. 禽蛋检测与分级智能机器人系统的设计[J]. 机械工程学报, 2008, 44(2): 182-188. doi: 10.3321/j.issn:0577-6686.2008.02.031 [59] 张世庆, 涂佳, 孙力, 等. 鸡蛋质量与长短轴在线检测方法[J]. 农业机械学报, 2014, 45(2): 204-209. doi: 10.6041/j.issn.1000-1298.2014.02.034 [60] 郭建军, 杨霖, 张恩威, 等. 基于机器视觉的裂纹鸡蛋分拣系统设计[J]. 现代农业装备, 2024, 45(1): 45-52. [61] 徐彦伟, 徐爱军, 颉潭成, 等. 基于多信息融合的疫苗制备中鸡蛋胚体分拣系统[J]. 农业机械学报, 2015, 46(2): 20-26. doi: 10.6041/j.issn.1000-1298.2015.02.004 [62] 赵祚喜, 魏洪飞, 黄渊, 等. 基于改进YOLOv7的破壳鸡蛋在线实时检测系统[J]. 农业工程学报, 2023, 39(20): 255-265. doi: 10.11975/j.issn.1002-6819.202305228 [63] 肖德琴, 王佳涛, 毛远洋, 等. 一种笼养种蛋鸭个体产蛋性能巡检测定装置、方法和系统: CN116530438A[P]. 2023-08-04. [64] 肖德琴, 陈芳玲, 刘又夫, 等. 基于改进ConvNeXt模型的黄羽鸡表皮层黑色素智能分级方法[J]. 农业工程学报, 2024, 40(3): 165-174. [65] 杨秋妹, 陈淼彬, 黄一桂, 等. 基于改进YOLO v5n的猪只盘点算法[J]. 农业机械学报, 2023, 54(1): 251-262. doi: 10.6041/j.issn.1000-1298.2023.01.025 [66] 殷建军, 康俊琪, 肖德琴. 基于改进YOLO v5l的轻量化鸭蛋裂纹检测算法[J]. 农业工程学报, 2024, 40(5): 216-223. [67] 赵静娟, 郑怀国, 董瑜, 等. 全球农业机器人研发趋势预测及对我国的启示[J]. 中国农机化学报, 2021, 42(4): 157-162. [68] 肖德琴, 毛远洋, 刘又夫, 等. 我国家禽工厂化养殖技术发展现状与趋势[J]. 华南农业大学学报, 2023, 44(1): 1-12. [69] BIN Z, DEQIN X, JUNBIN L, et al. Pig eye area temperature extraction algorithm based on registered images[J]. Computers and Electronics in Agriculture, 2024, 217: 108549. doi: 10.1016/j.compag.2023.108549
[70] 肖德琴, 曾瑞麟, 周敏, 等. 基于DH-YoloX的群养马岗鹅关键行为监测[J]. 农业工程学报, 2023, 39(2): 142-149. doi: 10.11975/j.issn.1002-6819.202210079 [71] 肖德琴, 刘俊彬, 刘又夫, 等. 常态养殖下妊娠母猪体质量智能测定模型[J]. 农业工程学报, 2022, 38(S1): 161-169. doi: 10.11975/j.issn.1002-6819.2022.z.018 [72] YIGUI H, DEQIN X, JUNBIN L, et al. An improved pig counting algorithm based on YOLO v5 and DeepSORT model.[J]. Sensors, 2023, 23(14): 6309. doi: 10.3390/s23146309
[73] 刘成良, 贡亮, 苑进, 等. 农业机器人关键技术研究现状与发展趋势[J]. 农业机械学报, 2022, 53(7): 1-22. doi: 10.6041/j.issn.1000-1298.2022.07.001 [74] 唐瑜嵘, 沈明霞, 薛鸿翔, 等. 人工智能技术在畜禽养殖业的发展现状与展望[J]. 智能化农业装备学报(中英文), 2023, 4(1): 1-16. [75] 卞智逸, 肖德琴, 殷建军, 等. 基于PLC技术的火龙果智能补光调控器设计与应用[J]. 华南农业大学学报, 2022, 43(5): 124-132. doi: 10.7671/j.issn.1001-411X.202112041
计量
- 文章访问数: 1402
- HTML全文浏览量: 146
- PDF下载量: 231
