近年來(lái)，農(nóng)業(yè)勞動(dòng)力老齡化趨勢(shì)明顯加劇，招工難、用工貴已成為制約茶產(chǎn)業(yè)發(fā)展的瓶頸。名優(yōu)茶的人工采摘消耗占整個(gè)茶園管理用工的60%左右，而高檔名優(yōu)茶芽葉采摘時(shí)葉梢細(xì)嫩，生長(zhǎng)的位置、姿態(tài)和密集程度不一，特別在微風(fēng)和光照變換的非結(jié)構(gòu)化環(huán)境下機(jī)器采摘實(shí)現(xiàn)難度大。因此，研究智能采茶技術(shù)對(duì)促進(jìn)我國(guó)茶產(chǎn)業(yè)發(fā)展具有重要意義。
科研人員調(diào)試茶葉采摘機(jī)器人
一、基于圖像處理的茶葉識(shí)別
實(shí)現(xiàn)自動(dòng)化采茶，首先必須解決的是茶樹(shù)嫩芽的精準(zhǔn)識(shí)別。近年來(lái)，隨著計(jì)算機(jī)技術(shù)的發(fā)展和應(yīng)用，基于圖像處理的茶葉嫩芽的準(zhǔn)確識(shí)別成為研究的熱點(diǎn)。
1. 基于顏色空間的傳統(tǒng)圖像處理算法
由于茶葉嫩芽與老葉、樹(shù)干存在明顯顏色差異，可利用顏色特征提取出圖像中的嫩芽區(qū)域，因此早期的茶葉嫩芽分割研究大多是基于顏色特征的。基于顏色空間的傳統(tǒng)圖像處理算法，其主要過(guò)程包括圖像預(yù)處理、顏色特征選取與分割等步驟。
茶樹(shù)原始圖像
利用色彩因子R-B識(shí)別嫩梢
利用色度信息I識(shí)別嫩梢
2. 基于傳統(tǒng)機(jī)器學(xué)習(xí)的識(shí)別方法
為了進(jìn)一步解決自然條件下茶葉分割易受老葉、樹(shù)枝、土壤等外界環(huán)境影響，茶葉互相遮擋與重疊的問(wèn)題，后續(xù)研究中引入了機(jī)器學(xué)習(xí)的方法，通過(guò)提取并綜合各種特征樣本數(shù)據(jù)進(jìn)行訓(xùn)練來(lái)識(shí)別檢測(cè)，常見(jiàn)的嫩芽識(shí)別方法是基于顏色、紋理、形狀等特征，結(jié)合使用諸如K均值聚類法、支持向量機(jī)方法、貝葉斯判別方法以及級(jí)聯(lián)分類器等。基于傳統(tǒng)機(jī)器視覺(jué)的識(shí)別方法仍依賴圖像預(yù)處理與數(shù)據(jù)轉(zhuǎn)換，前期處理如不合理將會(huì)嚴(yán)重影響模型的精度。
茶梢原始圖像(a)與機(jī)器算法聚類結(jié)果(b)
3. 基于深度學(xué)習(xí)的識(shí)別方法
基于深度學(xué)習(xí)的算法在復(fù)雜背景下具有較高的精度，為復(fù)雜背景下茶葉嫩芽的智能化采摘設(shè)備的研究提供了基礎(chǔ)?？梢苑譃?類，分別是分類算法、目標(biāo)檢測(cè)算法和語(yǔ)義分割算法?；谏疃葘W(xué)習(xí)的分類算法是對(duì)1副圖像進(jìn)行分類，判別出圖像是否是嫩芽或者識(shí)別圖像中的嫩芽的狀態(tài)，如芽葉開(kāi)面狀態(tài)、是否處于可采摘的狀態(tài)等，該方法具有較好的識(shí)別效果，不僅能準(zhǔn)確識(shí)別茶葉嫩芽，同時(shí)還可區(qū)分不同嫩芽的狀態(tài)，其可滿足自然光照下茶葉嫩芽識(shí)別要求，實(shí)用性較好。但基于深度學(xué)習(xí)的方法依賴大樣本，同時(shí)檢測(cè)效率較低。因此還需要進(jìn)一步開(kāi)展茶樹(shù)芽葉檢測(cè)研究，增加芽葉圖像數(shù)量，開(kāi)發(fā)速度更快、精度更高、穩(wěn)定性更優(yōu)的算法。
AlexNet模型結(jié)構(gòu)圖，基于該模型可有效識(shí)別自然光照下茶葉嫩芽狀態(tài)
二、末端采摘執(zhí)行器
茶葉的采摘對(duì)象是芽葉而非果實(shí)，傳統(tǒng)的末端采摘執(zhí)行器難以適用，因此相關(guān)的研究人員針對(duì)茶葉嫩芽開(kāi)發(fā)了新的末端采摘執(zhí)行器。如2021年設(shè)計(jì)出一種可夾提式采摘茶葉嫩梢的末端執(zhí)行器，通過(guò)對(duì)其控制實(shí)現(xiàn)茶園采摘。試驗(yàn)結(jié)果表明，一芽一葉的漏采率為2.8%、采摘完整率為91%;一芽二葉的漏采率<3%、采摘完整率為94%。現(xiàn)有的茶葉采摘末端執(zhí)行器大多采用單純的機(jī)械式結(jié)構(gòu)，基本沒(méi)有誤差補(bǔ)償能力，無(wú)法確保采摘成功率和嫩梢完整率。為解決此問(wèn)題，設(shè)計(jì)出一種基于負(fù)壓導(dǎo)向的名茶采摘末端執(zhí)行器。這種末端執(zhí)行器利用負(fù)壓以自上而下的方式引導(dǎo)茶芽，從而糾正它們的姿勢(shì)和空間位置。試驗(yàn)結(jié)果表明，設(shè)計(jì)的末端執(zhí)行器具有偏差容限性能，可以提高拾取成功率。
可夾提式茶葉嫩芽采摘機(jī)模型
茶園采摘試驗(yàn)
三、智能控制系統(tǒng)
智能控制系統(tǒng)的功能主要包括行駛系統(tǒng)的控制和采摘裝置的控制。日本在茶園智能機(jī)械行駛系統(tǒng)控制上已有一些研究成果，如日本松元株式會(huì)社利用人工智能(AI)和傳感器開(kāi)發(fā)出在無(wú)人駕駛的情況下走動(dòng)收獲茶葉的“無(wú)人采茶機(jī)”，并已開(kāi)始銷售。在采摘裝置的控制上，針對(duì)傳統(tǒng)往復(fù)切割式采收裝置，設(shè)計(jì)了一種基于機(jī)器視覺(jué)的乘用式智能采茶機(jī)，提出了自動(dòng)識(shí)別茶葉嫩芽和割刀自動(dòng)調(diào)平控制方法，該機(jī)可解決現(xiàn)有采茶機(jī)無(wú)選擇性切割老葉和嫩芽的弊端。目前針對(duì)采摘手控制系統(tǒng)所控制的末端采摘執(zhí)行器個(gè)數(shù)均為單個(gè)，此時(shí)的采摘效率仍不高，未來(lái)還需針對(duì)多個(gè)末端采摘執(zhí)行器、多機(jī)械臂協(xié)同控制系統(tǒng)進(jìn)行研發(fā)。
基于機(jī)器視覺(jué)的乘用式智能采茶機(jī)結(jié)構(gòu)圖(1. 割刀水平控制單元;2. 割刀高度控制單元;3. 駕駛室;4. 攝像機(jī);5. 圓弧形割刀;6. 行走機(jī)構(gòu)控制單元)
割刀刀刃線與茶隴截面圖
四、存在問(wèn)題與展望
目前國(guó)內(nèi)外針對(duì)高檔名優(yōu)茶采摘機(jī)器的研究剛起步，尚處于概念樣機(jī)試驗(yàn)階段。在實(shí)際應(yīng)用中仍然存在一些挑戰(zhàn)，如當(dāng)前農(nóng)業(yè)生產(chǎn)中存在著農(nóng)機(jī)農(nóng)藝結(jié)合不緊密的問(wèn)題、嫩芽識(shí)別受光照影響較大、難以分割含與嫩芽顏色相近背景的圖像、葉子間的遮擋和重疊造成識(shí)別效果不理想等。相比較傳統(tǒng)的機(jī)器學(xué)習(xí)而言，目前基于深度學(xué)習(xí)的芽葉識(shí)別方法具有良好的應(yīng)用前景，但需要大量的標(biāo)記樣本進(jìn)行訓(xùn)練，且隨著網(wǎng)絡(luò)復(fù)雜程度的升高，硬件系統(tǒng)升級(jí)也是一個(gè)需要解決的問(wèn)題。隨著機(jī)器視覺(jué)、人工智能技術(shù)的飛速發(fā)展，這為智能采茶機(jī)的研發(fā)提供了良好的基礎(chǔ)。未來(lái)的智能采茶機(jī)將會(huì)有以下發(fā)展趨勢(shì)。
1. 增加樣本數(shù)據(jù)，研發(fā)識(shí)別模型，提高算法效果
目前茶芽識(shí)別和定位的難點(diǎn)在于茶葉種類和生長(zhǎng)環(huán)境的多樣性、遮擋和重疊情況下茶葉嫩芽識(shí)別策略、動(dòng)態(tài)干擾，以及算法穩(wěn)定性和通用性較差。未來(lái)應(yīng)對(duì)不同品種、不同茶季、不同等級(jí)、不同產(chǎn)區(qū)、不同光照下的茶園茶葉圖像進(jìn)行數(shù)據(jù)采集，實(shí)現(xiàn)茶葉圖像樣本的數(shù)據(jù)集擴(kuò)充，豐富樣本的多樣性，建立多品種、多等級(jí)茶葉芽葉數(shù)據(jù)庫(kù)，提高算法普適性。
2. 研發(fā)具有容差能力的柔性末端采摘執(zhí)行器
茶葉嫩芽質(zhì)地較為柔軟，常規(guī)末端采摘執(zhí)行器采摘易對(duì)嫩芽造成傷害。同時(shí)在茶園非結(jié)構(gòu)化及微風(fēng)環(huán)境下易存在定位誤差和隨機(jī)誤差，因此既要在采摘的同時(shí)做到不傷害嫩芽，還要采用合適的誤差補(bǔ)償方法，故需要研究具有容差能力的柔性末端采摘執(zhí)行器。
3. 研發(fā)多末端采摘執(zhí)行器及其高效控制系統(tǒng)
針對(duì)茶葉采摘機(jī)械臂輕巧、柔順和高速的需求，可通過(guò)結(jié)構(gòu)輕量化設(shè)計(jì)和相應(yīng)的運(yùn)動(dòng)控制算法實(shí)現(xiàn)采茶專用末端采摘執(zhí)行器及其控制系統(tǒng)。同時(shí)單個(gè)末端采摘執(zhí)行器效率過(guò)低，未來(lái)為進(jìn)一步提高采摘效率，應(yīng)研發(fā)多末端采摘執(zhí)行器以及高效控制系統(tǒng)，實(shí)現(xiàn)多末端采摘執(zhí)行器任務(wù)分配和運(yùn)動(dòng)協(xié)同規(guī)劃，提高茶葉采摘效率。
文字節(jié)選自《中國(guó)茶葉》2022年第7期，P1-9，《茶葉智能采摘技術(shù)研究進(jìn)展與展望》，作者：李楊，董春旺，陳建能，賈江鳴。
來(lái)源：中國(guó)茶葉
如涉及版權(quán)問(wèn)題請(qǐng)聯(lián)系刪除
