人工智能技术与应用（案例版）课件 第9章 智能农业机器人

第9章

智能农业机器人-1人工智能技术与应用ArtificialintelligencetechnologyandApplication1.智能农业机器人概述2.智能农业机器人应用3.智能技术——神经网络4.应用案例案例引入

在农业养殖领域，牲畜饲养的料量补给及比例调整是关键部分之一。传统养殖模式中剩料评估、供料补给等环节需要投入大量的人力物力资源，尤其是与饲料铺相距很远的大型站点，需要消耗更多的专用资源。澳大利亚机器人公司发明了养殖场铺位余料精准评估的机器人BunkBot，通过目视评估料仓余料推断饲料消耗量，作为饲料重分配的主要影响参数。在实际运行中发现BunkBot对于饲料调配补给比传统人工操作更完善合理，因为它可以更精准全面的了解牛的采食量、更及时的调整饲料分配策略，进而提高饲料有效利用率。1.智能农业机器人概述农业机器人是指运用在农业生产中的智能机器人，是一种可由不同程序软件控制，以适应各种作业，能感觉并适应作物种类或环境变化，有检测（如视觉等）和演算等人工智能的新一代无人自动操作机械。农业机器人的特点：1.作业季节性较强；2.作业环境复杂多变；3.作业对象的娇嫩和复杂性；4.使用对象的特殊性；5.价格的特殊性农业机器人的发展历程国外--20世纪中期农业机器人已经实现了高度自主化和智能化的结合，包括多用途自动化联合收割机器人、园丁机器人、无人驾驶拖拉机以及果实分拣机器人等多种农业机器人国内--20世纪90年代中期除草机器人、施肥机器人、全自动收获机器人、耕耘机器人、蔬菜嫁接机器人、蔬菜采摘机器人以及植保无人机等。智能农业机器人关键技术及特点数据集成和分析技术线路规划和导航技术智能农业机器人类型植保机器人收获机器人智能播种机器人田间管理机器人按照作业功能分类轮式农业机器人履带式农业机器人多足式农业机器人按照机器人结构分类单一任务多功能无人驾驶按照智能化程度分类室外田间使用的农业机器人温室内使用的农业机器人按照使用场景分类人工智能在农业领域的应用03除草04采摘05分拣01播种02喷涂采摘机器人采摘机器人是一类针对水果或蔬菜收获作业，具有感知系统的自动化机械收获装备，是集机械、电子信息、计算机科学、人工智能、农业及生命科学等交叉性边缘学科，其涉及本体结构、传感技术、视觉图像处理、机器人正逆运动学与动力学、控制驱动技术以及信息处理等多学科领域知识。无人驾驶农业机器人植保无人飞机施药作业具有快速高效、适应性广等显著特征，克服了传统植保机械作业效率低、下地难、转场难和劳动力投入大的问题，已逐渐成为我国农业生产不可或缺的一部分。第9章

智能农业机器人-2人工智能技术与应用ArtificialintelligencetechnologyandApplication1.智能农业机器人概述2.智能农业机器人应用3.智能技术——神经网络4.应用案例3.神经网络人工神经网络（ArtificialNeuralNetwork，ANN）简称神经网络（NN），是基于生物学中神经网络的基本原理，在理解和抽象了人脑结构和外界刺激响应机制后，以网络拓扑知识为理论基础，模拟人脑的神经系统对复杂信息的处理机制的一种数学模型。概念机器视觉系统组成人工神经元结构人工神经网络可看成是以人工神经元为节点，用有向加权弧连接起来的有向图。在此有向图中，人工神经元就是对生物神经元的模拟，而有向弧则是轴突-突触-树突对的模拟。有向弧的权值表示相互连接的两个人工神经元间相互作用的强弱。神经网络的发展历程神经网络的应用神经网络的应用领域很广泛。如流程建模与控制、机器故障诊断、证券管理、目标识别、医学诊断、目标市场和经济预测等。在流程建模与控制方面，为物理设备创建一个神经网络模型，通过该模型来决定设备的最佳控制设置。当检测到机器出现故障时，系统可以自动关闭机器。以一种高回报、低风险的方式分配证券资产进行投资，证券管理。神经网络的应用在目标识别方面，通过视频或者红外图像数据检测是否存在敌方目标，被广泛运用于军事领域。通过分析报告的症状和MRI、X-射线图像数据，协助医生诊断、医疗诊断。根据统计学，找出对营销活动反响率最高的人群，确定目标市场。通过历史安全数据预测未来经济活动的安全性。神经网络的应用BP模型和MP模型BP神经网络全称是Back-propagationneuralnetwork，它被认为是最常用的神经网络预测方法，BP神经网络模型由输入层、隐层和输出层三层组成，其中隐层在输入层和输出层之间传递着重要的信息，一般包含一个或多个隐层。BP模型和MP模型1943年，美国心理学家沃伦·麦克洛克（WarrenMcRock）和数学家沃尔特·皮茨（WalterPitts）参考了生物神经元的结构，把神经元视为二值开关，通过不同的组合方式来实现不同的逻辑运算，并且将这种逻辑神经元称为二值神经元模型（McCulloch-PittsModel，MP模型）。4.应用案例——颜色识别1利用学校实验室现有实验设备，搭建机器人系统，进行颜色识别案例实践与分析。具体要求是一些长方体的箱体在不同侧面涂装成红色和蓝色。在这些长方体的箱体（物块）搬运码垛的过程中，往往需要把物体按一定方向码垛，便于存储的安全性、可靠性、条理性和便利性。现以红蓝两种颜色区分物块的不同方向。要求按颜色相同、方向一致的方式规范码垛。应用案例——农业气象数据分析农业气象数据可以提供气温、降水、日照等信息，帮助农民了解农作物生长所需的气候条件，合理安排播种、施肥、浇水、除草等管理活动，从而提高产量和质量。还可以用于监测病虫害发生的气象条件，提前预警可能出现