Page 34 - 《武汉大学学报（信息科学版）》2025年第9期
P. 34

1762                            武 汉 大 学 学 报  （信 息 科 学 版）                        2025 年 9 月

                字孪生系统的作物孪生体也需要构建相应的作                             能驾驶控制方面，融合多传感器定位、LiDAR 感
                物 生 长 模 型 ，为 各 种 孪 生 体 形 态 提 供 模 拟 参             知、全局路径规划与自适应控制技术，支持多类
                数 ［45-46］ 。因此，作物生长模型的构建是农场全场                     型农机执行深翻、播种、施肥等任务，具备自动泊
                景数字重构的重要组成部分。基于气象条件、土                            车、安全驾驶和精准作业功能。通过管理平台或
                壤条件以及作物栽培管理等数据输入，能够动态                            手机软件远程控制，支持全场景、田内无人、AB
                定量地描述作物生长、发育、籽粒形成及产量和                            直线导航等多模式驾驶，确保高效智能生产。结
                土壤肥力变化，输出部分作物生长指标和土壤氮                            合涵盖机库、机耕道与农田的全场景路径规划方
                元素营养铵态氮和硝态氮变化等逐日农田立体                             法，进行全局与局部路径优化，实时更新农机路
                环境参数    ［47］ 。其中，作物生长逐日动态参数包括                    径，确保作业精度。
                作物所处的关键生育期、作物的叶面积指数、作                            3.4.2 无人机具变量精准作业
                物地上部分的氮浓度和积累的生物量，并在作物                                无人机具变量精准作业主要是进行生产耕
                的成熟期给出最终的产量、收获指数等结果。                             种管收环节的智能农机的精准化作业。目前农
                3.4 农机全流程无人作业                                    具研究主要集中在耕整自适应调控机具和种肥
                3.4.1 农机装备可信精准导航定位
                                                                 药精准变量播施控制等方面             ［54-58］ 。耕整自适应调
                     全场景安全无人驾驶及精准作业对导航控
                                                                 控机具包括深松联合整地机、液压翻转犁、动力
                制提出了更高的要求，需要进行高精度语义地图
                                                                 耙、旋耕机、中耕机等机具。以智能深松作业为
                构建与作业路径规划、多源融合精准定位、全场
                                                                 例，其整机结构主要由镇压辊、镇压辊悬挂机构、
                景无人农机智能驾驶控制等方面工作，最终实现
                                                                 旋耕机构、旋耕挂接机构、深松铲、深度检测传感
                农田内自主作业、机耕道安全行驶、机库内自动
                                                                 器及控制系统等组成。整机由拖拉机提供作业
                泊车、农机协同作业等功能。
                                                                 动 力 ，通 过 上 下 挂 节 点 与 拖 拉 机 后 悬 挂 进 行 连
                     高精度语义地图的构建，首先利用无人机和
                                                                 接，通过万向节与动力传动机构连接，为旋耕机
                倾斜摄影相机进行数据采集，以及无人机准备与
                                                                 提供旋耕动力。最后，镇压辊对松整后的土壤进
                航线规划，确定飞行参数（航向重叠率、旁向重叠
                                                                 行镇压，达到蓄水保墒的目的，完成深松整地作
                率等）和相机参数（对比度、光圈等），遍历农田获
                                                                 业。种肥药精准变量播施控制主要利用肥箱存
                取影像信息，对密集点云进行点云分类、标注与
                                                                 量和质量监测模型调节施肥速度和口开度来实
                语 义 分 割 ，提 取 矢 量 边 界 ，构 建 农 田 高 精 度 地
                                                                 现施肥机的变量施肥。通过采集药液存量、喷杆
                图 ［48-49］ 。农机行驶与作业路径规划需要完成农机
                                                                 高度和施药流量等信息，实现精确施药控制；同
                机库-机耕道-农田场景的路径规划，在已知地图
                                                                 时，针对作物播种和颗粒肥施用特性，设计智能
                环境的基础上，根据一定的约束条件（如最短移
                                                                 化播种机控制系统，通过调整排种器转速，确保
                动距离、最小工作时间等）来优化路径，从而确保
                                                                 精准播种。
                农机能够覆盖所有作业区域，最终规划出整个区
                域的作业路线       ［50-52］ 。机库内进行路径规划包括使               3.4.3 农机具作业质量监测
                                                                     农机作业质量的融合监测技术研究，旨在建
                用视觉即时定位与建图（simultaneous localization
                                                                 立适用于耕作、种植、管理和收获各环节的变量
                and mapping， SLAM）技术实现机器人的路径规
                划和控制，以及利用视觉技术进行巡线追踪，实                            作业质量监测传感器及实时分析评估模型，并优
                现农机的自动行驶和精准停车。针对起伏农田                             化适配不同智能作业机具的集成控制策略。农
                主要作业区，以增大覆盖率、减小遗漏/重叠率和                           田环境、作业条件和复杂地面都会影响农机的定
                提高平滑度为目标，在三维曲面上生成曲率连续                            位 与 姿 态 估 计 ，定 位 误 差 可 能 导 致 作 业 路 径 偏
                的符合农机运动学约束的曲线路径                  ［53］ 。针对机       离，进而影响作业质量。针对农业机械在复杂工
                库-机耕道-农田全场景下无人农机连续可信的定                           况下的作业机具姿态检测需求，可以对深松联合
                位需求，融合全球导航卫星系统、惯性测量单元                            整地机、液压翻转犁、动力耙、旋耕机、中耕机等
                和 LiDAR 等多源传感器数据，发挥机库、机耕道、                       耕整设备进行定制或智能化改造。安装姿态传
                农田不同场景下的各类传感器适用优势，实现无                            感 器 ，结 合 机 具 姿 态 角 与 加 速 度 的 实 时 检 测 信
                人农机全场景连续的高精度位置输出，并满足其                            息，能够精确感知作业机具的姿态状态，从而形
                全场景导航控制作业要求。全场景无人农机智                             成一个高效的机具姿态识别系统               ［59-61］ 。
   29   30   31   32   33   34   35   36   37   38   39