机器视觉农业应用，帮助识别环境、监测作物

　　农业机器人需要在充满挑战的动态和半结构化环境中移动。地面机器人需要在不平坦、不均匀、泥泞的土壤上行走，而飞行器需要在不同的天气条件下长时间运行。目前的农业机器人主要是通过借用其他部门的技术(如无人驾驶飞机)或作为现有平台(如自主产业者)的附件来设计的。因此，它们可能没有针对其任务进行充分优化，或者可能保留了现有平台的一些限制。

　　虽然这类方法已广泛应用于无人机和小型机器人，但在更大范围内，机器人技术在农业食品领域仍有很大的发展空间。从原型迁移到成熟的商业平台需要解决的问题包括稳健性和可靠性、电源管理(在某些情况下，平台需要能够全天候长时间运行)、可用性(平台必须能够被非专业人员有效使用)、维护(例如自我诊断)以及与移动通信的集成。

　　运动方式

　　通过这种方式，可以从植物中获得比单独使用被动固定成像探测器所能获得的更多的表型信息。同样，水果、蔬菜和肉类中的细胞结构和排列也可以用高分辨率进行无损检测，如绘制水果的皮下损伤或肉类的脂肪比例。通过将MSI数据与其他数据源进行融合，可以对作物的养分和水分胁迫进行评估。将这些评估与作物生长模型相结合，可以更好地预测产量和损失，从而改进农业管理和更好的食品供应链管理。

　　机器视觉已经在动物监测方面产生了早期影响，例如用于猪、牛和家禽的体重估计、身体状况监测和疾病检测。个体动物识别，例如使用适应于人类面部生物测定学工作的面部识别技术，将允许对个体动物进行更有针对性的精确护理和及时干预，从而确保它们的健康，并优化农场生产。

　　无人机可以使用多旋翼或固定翼平台飞行(前者具有精确的位置，后者具有延长的飞行时间)，而地面平台需要能够在温室中的铁轨和混凝土地板上、多通道中的砾石或草地上以及露天场地中极其泥泞和困难的地形上移动。

　　操纵器

　　因此，我们将看到各种各样的机器人以不同的方式发展起来。与拖拉机相比，这些机器人重量极轻，但由于机器人（或自主拖拉机）要执行更多的能源需求任务，机器人的尺寸和重量也会增加。今天，大多数农业机器人依靠电池和电动机运行。

　　机器人视觉

　　本土化绘图

　　农业平台可以分为特定于领域(设计用于在预定义的领域中对给定作物执行特定任务)和特定于任务(设计用于在不同领域执行多个任务)的机器人和通用平台。两者都可能扮演重要角色。由于农场通常有与众不同的基础设施，早期的机器人只能在一个特定的农场上操作，而且只能在有限的范围内跨不同的农场工作。

　　机器人平台还提供了利用地理标记和采样传感器的即时结果（如激光诱导击穿光谱）对土壤进行鉴定，或以系统和无污染的方式安全收集样本供以后分析。使用小型机器人和车载安全收集系统，将进一步提高使用机器人土地管理系统的监管效率和可靠性。

　　长期数据收集将进一步使作物建模成为可能，例如，跟踪作物冠层的发展，从而改进对未来生长模式的预测。这种地面和空中机器人平台为实现局部极高信噪比、高分辨率感测提供了额外的前景，而这种高分辨率感测可能无法通过被动远程（卫星）或半远程（旋转翼或固定翼无人机）感测技术来实现。从最简单的层面来说，这些机器人平台提供了提取非常接近（10毫米以内）反射和透射的潜力。

　　自动机器人系统中传感器系统的集成，为新的测量提供了潜在可能，否则这些测量是无法获得的。例如，目前的工作是通过应用宇宙射线传感器，来解决移动机器人对大量水分的大范围实地测绘。基于卫星或无人驾驶飞机的遥感能力的重大进步为以前所未有的时间和空间分辨率监测作物生长状况提供了机会，机器人主板维修，同时成本低廉。农民可以免费获得许多开源卫星数据集（例如来自欧洲航天局的数据）。

　　平台还取决于所需的任务，例如，重型作物收割（如大量可耕地或块根蔬菜）需要比软水果采摘更重的平台。腿式机器人有潜力最小化它们的足迹，同时最大化运动的灵活性（例如侧向移动或在作物之间的狭窄空间内移动等）。它们的灵活性，加上携带专业的传感器，将有助于释放精准农业的全部潜力。

　　未来农业的一系列任务将需要机械手，取代灵巧的人工劳动，降低成本和提高质量，或者比目前更大的机械如屠宰收割机，其能更有选择性地进行操作。这方面的工作正在进行中，软抓具用于选择性收获蘑菇、甜椒、番茄、覆盆子和草莓的实验工作。其他应用，如花椰菜收获可以用切割工具来完成，但也需要温和地处理和储存采摘的作物。在开阔的土地上，对于受保护的作物，有一些与收割互补的任务，机械手也可以发挥重要作用。这包括机械除草、精确喷洒和其他形式的检查和处理。在食品处理应用中，如大型自动化仓库，自动化程度的提高也需要机械手。

　　陆地和空中平台的使用，可以用数据融合和SLAM技术将第三维精确地添加到作物管理中。这可以与虚拟现实或增强现实（VR/AR）系统相结合，为单个工厂规模提供监控和干预的可能性。