点击上方蓝字 轻松关注我们 作物表型对作物优异种质资源鉴定、遗传机制解析、生长特性理解、种植策略优化等均具有重要价值。作为高通量表型检测领域的新兴技术手段，作物表型机器人正发挥着越来越重要的作用。 与工业机器人的使用场景相比，表型机器人作业场景复杂，其对象多为娇嫩、复杂的农作物。由于作物表型的研究应用主要服务于作物育种科研，表型机器人需结合实际育种相关研究场景，这对功能和适应性提出了更高要求。相较于固定式表型平台，作物表型机器人具备灵活小巧的独特优势，可在无需额外基础建设的条件下行驶于不同地块。相较于无人机系统，虽然单套表型机器人采集效率低，但可通过部署多台机器人协同作业来缩小这一差距，此外表型机器人可同时搭载多种传感器，通过单一或多种光学传感器设备，如光谱传感器、激光雷达、深度相机等，从不同维度获取作物表型信息。基于表型机器人可以在地面端高效、精准行驶的优势，其搭载的传感器可以获取更高分辨率的表型数据，为作物器官、单株等尺度的准确分割提供保障。 图1 国外典型作物表型机器人 国外作物表型机器人研究起步较早，大多通过获取冠层表型数据的方式对植物表型进行评价。例如，德国博世公司于2009年研制出BoniRob机器人平台（图1a），可用于田间玉米和小麦单株的冠层表型性状检测。它通过铰接臂与底盘连接，构建出了具备全方位行走和行距可调的表型机器人。BoniRob主要由3个模块组成：用于控制机器人自主行走的导航模块、负责控制机器人运动转向的驱动模块，以及用于计算植物表型信息感知和计算的表型检测模块。该机器人采用液压驱动，并逐步迭代发展（图1b）。随着不同研究团队的深入推进，专用高通量表型机器人平台相继问世，如Ladybird和Thorvald II等跨行式表型机器人，在设计和功能上各有特点。其中，Ladybird配备了光伏遮阳板（图1i），不仅能够将太阳能高效转化为电能，满足设备部分能源需求，还能通过优化光照条件，为可见光图像采集营造稳定成像环境。而Thorvald II（图1d）可适用于多种农业场景。例如，在果园中，它可灵活穿梭于果树间进行果实监测与采摘辅助；在大田作物种植环境，能执行作物生长状况巡查等任务。 除了大型机器人对冠层作物表型数据的获取，搭载各类传感器灵活穿梭于作物行间的小型机器人，更适用于作物内部或侧视多角度表型数据采集。为缩短开发周期，SHAFIEKHANI等基于商用HuskyUGV移动平台开发了用于玉米植物表型分析的Vinobot机器人（图1g）。该机器人通过安装深度相机的机械臂获取玉米植株三维形态信息。这种基于商用移动平台进行二次开发，为玉米表型分析提供了一种新途径。由于种植环境和作物长势的多样性，商业化底盘往往难以适应田间实际种植场景，研究人员针对特定作物与田间环境，研制不同类型的表型机器人。如卡内基梅隆大学机器人学院研制的Robotanist机器人（图1e），可实现玉米、高粱等农作物的株行自主导航，通过机械手测量植物茎杆强度，并通过非接触式传感器模块化阵列收集表型数据。爱荷华州立大学研制的PhenoBot 3.0（图1f）搭载了多个自主设计的PhenoStereo相机，实现了玉米田间的自主导航任务，并实现了玉米叶夹角、株高、茎粗等表型性状获取。挪威生命科学大学设计了TERRA MEPP（图1c）和TerraSentia（图1h）两款小型机器人，其中TERRA MEPP是2016年YOUNG等开发的低成本履带机器人，用于高粱田间表型鉴定。它在桅杆顶部安装立体摄像机测高粱高度，下方搭载基于飞行时间（Time of flight）原理的深度相机测茎秆直径，以解决高粱植株高大、冠层密集带来的测量难题。TerraSentia则配备激光雷达与框架式侧视RGB摄像机，可在玉米、大豆等行作物行间灵活行驶，通过结合激光雷达获取的三维点云数据与RGB相机颜色信息，实现多种作物表型分析。 图2 国内典型作物表型机器人 国内在表型机器人领域的研究虽起步较晚，但发展迅速。浙江大学唐政等设计了一款用于田间作物表型获取的无人车平台（图2d），可搭载多种常见的光学表型设备，如高光谱相机、多光谱相机以及热成像仪等。为解决复杂农田路况通行问题，中国农业机械化科学研究院集团有限公司徐圣林等设计出适用于复杂路况的表型信息获取机器人底盘（图2f），其摆臂结构可依路面起伏自动调整，改变底盘与地面接触，显著提高通过性，为复杂地形田间表型信息获取提供可靠基础。针对光学传感器田间信息采集易受光照干扰的问题，华中农业大学研发出一款具备暗室结构的表型机器人（HPSFR），有效隔绝了外界光照影响，该机器人能稳定获取可见光、高光谱及三维点云数据。为进一步提高表型机器人的智能化程度，该团队基于机器视觉技术与深度相机，实现了对田间环境特征的快速识别分析，引导机器人避障并精准定位，实现日夜场景导航（图2a、2c），为表型机器人无人化作业奠定基础。针对设施环境作物表型采集需求，复旦大学潘宇真等提出了一种基于模块化的多场景农业机器人（图2k），该机器人模块化设计理念使其能够根据不同设施环境和作业需求，灵活组合模块，快速适配多种场景，为设施环境下机器人设计和应用提供参考。华中农业大学则研制了一款搭载六自由度机械臂的设施表型机器人（图2b），其采用激光雷达进行建图导航，并通过侧视相机进行盆栽识别和定位，并利用深度相机对盆栽植株全程无人化逐一进行表型性状采集和解析，实现设施环境盆栽作物表型性状采集全程无人化，该机器人还可应用于设施环境智能巡检。 由于农业场景的多样性，国内越来越多的团队针对特定场景和需求研制表型机器人。如南京农业大学邱小雷等设计了作物表型巡检机器人（图2i），能够高效、准确地采集作物生长过程中各种表型数据。华南农业大学陈学深等设计的表型机器人（图2j）可感知杂草密度，通过精准评定苗期水稻区域的杂草密度，为针对性的杂草防治提供科学依据，在水稻苗期管理中具有重要应用价值。西北农林科技大学、北京石油化工研究院FAN等设计的HTP表型机器人平台（图2g）能够灵活地在大田环境中玉米的狭窄行间穿梭，适应复杂的田间地形和作物布局，运用表型算法，可实现高精度的行间玉米茎粗原位测量，能够准确获取玉米茎粗。国家农业信息化工程技术研究中心樊江川等为了有效解决高通量草莓叶龄及冠幅提取问题，基于移动式表型平台（图2e）实现了对草莓冠层的有效数据采集，通过实例分割技术，实现了草莓叶片的高通量表型提取。面向研究土壤物理力学特性中土壤原状采集的使用需求，北京农学院邱权团队设计了原状土样采集移动机器人（图2m），适用于不同场景下的土样采集。针对山地丘陵环境特点，西北农林科技大学杨福增团队升级了小型山地履带无人拖拉机（图2l），具备稳定的运转性能，有效避免了坡地侧翻对驾驶人员造成伤害。 鉴于篇幅有限，本文是节选，原文还包括：表型机器人运动控制方法、机器人自主导航方法、基于机器人的作物表型获取及解析、问题分析与展望等内容。 本文全文获取途径：后台回复“427” 农业科技侠交流群 入群可添加小编微信（扫描下方二维码，备注：来意-姓名-单位，若二维码添加失败，请公众号后台私信留言“入群”） 投稿、宣传推广、开白等请在本公众号后台回复“1” 转载请注明来源：本文转自农业科技侠数字与智慧农业微信公众号 编辑：蒋正 来源：宋鹏,李正达,杨蒙,等.作物表型机器人研究现状与展望.农业机械学报,2025,56(03):1-17. 声明:本文旨在前沿分享,若有编辑等问题,敬请后台留言
