人工智能技術與應用（案例版）課件 第9章 智能農(nóng)業(yè)機器人

第9章

智能農(nóng)業(yè)機器人-1人工智能技術與應用ArtificialintelligencetechnologyandApplication1.智能農(nóng)業(yè)機器人概述2.智能農(nóng)業(yè)機器人應用3.智能技術——神經(jīng)網(wǎng)絡4.應用案例案例引入

在農(nóng)業(yè)養(yǎng)殖領域，牲畜飼養(yǎng)的料量補給及比例調整是關鍵部分之一。傳統(tǒng)養(yǎng)殖模式中剩料評估、供料補給等環(huán)節(jié)需要投入大量的人力物力資源，尤其是與飼料鋪相距很遠的大型站點，需要消耗更多的專用資源。澳大利亞機器人公司發(fā)明了養(yǎng)殖場鋪位余料精準評估的機器人BunkBot，通過目視評估料倉余料推斷飼料消耗量，作為飼料重分配的主要影響參數(shù)。在實際運行中發(fā)現(xiàn)BunkBot對于飼料調配補給比傳統(tǒng)人工操作更完善合理，因為它可以更精準全面的了解牛的采食量、更及時的調整飼料分配策略，進而提高飼料有效利用率。1.智能農(nóng)業(yè)機器人概述農(nóng)業(yè)機器人是指運用在農(nóng)業(yè)生產(chǎn)中的智能機器人，是一種可由不同程序軟件控制，以適應各種作業(yè)，能感覺并適應作物種類或環(huán)境變化，有檢測（如視覺等）和演算等人工智能的新一代無人自動操作機械。農(nóng)業(yè)機器人的特點：1.作業(yè)季節(jié)性較強；2.作業(yè)環(huán)境復雜多變；3.作業(yè)對象的嬌嫩和復雜性；4.使用對象的特殊性；5.價格的特殊性農(nóng)業(yè)機器人的發(fā)展歷程國外--20世紀中期農(nóng)業(yè)機器人已經(jīng)實現(xiàn)了高度自主化和智能化的結合，包括多用途自動化聯(lián)合收割機器人、園丁機器人、無人駕駛拖拉機以及果實分揀機器人等多種農(nóng)業(yè)機器人國內--20世紀90年代中期除草機器人、施肥機器人、全自動收獲機器人、耕耘機器人、蔬菜嫁接機器人、蔬菜采摘機器人以及植保無人機等。智能農(nóng)業(yè)機器人關鍵技術及特點數(shù)據(jù)集成和分析技術線路規(guī)劃和導航技術智能農(nóng)業(yè)機器人類型植保機器人收獲機器人智能播種機器人田間管理機器人按照作業(yè)功能分類輪式農(nóng)業(yè)機器人履帶式農(nóng)業(yè)機器人多足式農(nóng)業(yè)機器人按照機器人結構分類單一任務多功能無人駕駛按照智能化程度分類室外田間使用的農(nóng)業(yè)機器人溫室內使用的農(nóng)業(yè)機器人按照使用場景分類人工智能在農(nóng)業(yè)領域的應用03除草04采摘05分揀01播種02噴涂采摘機器人采摘機器人是一類針對水果或蔬菜收獲作業(yè)，具有感知系統(tǒng)的自動化機械收獲裝備，是集機械、電子信息、計算機科學、人工智能、農(nóng)業(yè)及生命科學等交叉性邊緣學科，其涉及本體結構、傳感技術、視覺圖像處理、機器人正逆運動學與動力學、控制驅動技術以及信息處理等多學科領域知識。無人駕駛農(nóng)業(yè)機器人植保無人飛機施藥作業(yè)具有快速高效、適應性廣等顯著特征，克服了傳統(tǒng)植保機械作業(yè)效率低、下地難、轉場難和勞動力投入大的問題，已逐漸成為我國農(nóng)業(yè)生產(chǎn)不可或缺的一部分。第9章

智能農(nóng)業(yè)機器人-2人工智能技術與應用ArtificialintelligencetechnologyandApplication1.智能農(nóng)業(yè)機器人概述2.智能農(nóng)業(yè)機器人應用3.智能技術——神經(jīng)網(wǎng)絡4.應用案例3.神經(jīng)網(wǎng)絡人工神經(jīng)網(wǎng)絡（ArtificialNeuralNetwork，ANN）簡稱神經(jīng)網(wǎng)絡（NN），是基于生物學中神經(jīng)網(wǎng)絡的基本原理，在理解和抽象了人腦結構和外界刺激響應機制后，以網(wǎng)絡拓撲知識為理論基礎，模擬人腦的神經(jīng)系統(tǒng)對復雜信息的處理機制的一種數(shù)學模型。概念機器視覺系統(tǒng)組成人工神經(jīng)元結構人工神經(jīng)網(wǎng)絡可看成是以人工神經(jīng)元為節(jié)點，用有向加權弧連接起來的有向圖。在此有向圖中，人工神經(jīng)元就是對生物神經(jīng)元的模擬，而有向弧則是軸突-突觸-樹突對的模擬。有向弧的權值表示相互連接的兩個人工神經(jīng)元間相互作用的強弱。神經(jīng)網(wǎng)絡的發(fā)展歷程神經(jīng)網(wǎng)絡的應用神經(jīng)網(wǎng)絡的應用領域很廣泛。如流程建模與控制、機器故障診斷、證券管理、目標識別、醫(yī)學診斷、目標市場和經(jīng)濟預測等。在流程建模與控制方面，為物理設備創(chuàng)建一個神經(jīng)網(wǎng)絡模型，通過該模型來決定設備的最佳控制設置。當檢測到機器出現(xiàn)故障時，系統(tǒng)可以自動關閉機器。以一種高回報、低風險的方式分配證券資產(chǎn)進行投資，證券管理。神經(jīng)網(wǎng)絡的應用在目標識別方面，通過視頻或者紅外圖像數(shù)據(jù)檢測是否存在敵方目標，被廣泛運用于軍事領域。通過分析報告的癥狀和MRI、X-射線圖像數(shù)據(jù)，協(xié)助醫(yī)生診斷、醫(yī)療診斷。根據(jù)統(tǒng)計學，找出對營銷活動反響率最高的人群，確定目標市場。通過歷史安全數(shù)據(jù)預測未來經(jīng)濟活動的安全性。神經(jīng)網(wǎng)絡的應用BP模型和MP模型BP神經(jīng)網(wǎng)絡全稱是Back-propagationneuralnetwork，它被認為是最常用的神經(jīng)網(wǎng)絡預測方法，BP神經(jīng)網(wǎng)絡模型由輸入層、隱層和輸出層三層組成，其中隱層在輸入層和輸出層之間傳遞著重要的信息，一般包含一個或多個隱層。BP模型和MP模型1943年，美國心理學家沃倫·麥克洛克（WarrenMcRock）和數(shù)學家沃爾特·皮茨（WalterPitts）參考了生物神經(jīng)元的結構，把神經(jīng)元視為二值開關，通過不同的組合方式來實現(xiàn)不同的邏輯運算，并且將這種邏輯神經(jīng)元稱為二值神經(jīng)元模型（McCulloch-PittsModel，MP模型）。4.應用案例——顏色識別1利用學校實驗室現(xiàn)有實驗設備，搭建機器人系統(tǒng)，進行顏色識別案例實踐與分析。具體要求是一些長方體的箱體在不同側面涂裝成紅色和藍色。在這些長方體的箱體（物塊）搬運碼垛的過程中，往往需要把物體按一定方向碼垛，便于存儲的安全性、可靠性、條理性和便利性?，F(xiàn)以紅藍兩種顏色區(qū)分物塊的不同方向。要求按顏色相同、方向一致的方式規(guī)范碼垛。應用案例——農(nóng)業(yè)氣象數(shù)據(jù)分析農(nóng)業(yè)氣象數(shù)據(jù)可以提供氣溫、降水、日照等信息，幫助農(nóng)民了解農(nóng)作物生長所需的氣候條件，合理安排播種、施肥、澆水、除草等管理活動，從而提高產(chǎn)量和質量。還可以用于監(jiān)測病蟲害發(fā)生的氣象條件，提前預警可能出現(xiàn)