CN113608551A - 无人农机群协同系统及其应用方法 - Google Patents

Abstract

本发明公开了一种无人农机群协同系统及其应用方法，包括：对农作物生长数据进行实时获取的采集单元；与采集系统通信连接的中央群控单元；与中央群控单元通信连接的执行单元；所述采集单元被配置为包括：预埋在作物园区的多个探针；巡检机器人；对土壤颜色进行实时获取的无人机；对作物生长情况进行定期巡查的预测模块；所述执行单元被配置为包括：与中央群控单元相配合以对作物进行管理的喷药模块、采摘模块、除草模块。本发明提供一种无人农机群协同系统及其应用方法，提供与多种作业模块配合的巡检机器人，由核心的中央群控单元统一进行调配，实现对整个作业园区的监控，且可针对性地对不同的作物情况进行巡检、施肥、除草、产量预测等操作。

Description

无人农机群协同系统及其应用方法

技术领域

本发明涉及农业自动化种植领域。更具体地说，本发明涉及一种采用农业自动化设备对作物进行自动管理过程中使用的无人农机群协同系统及其应用方法。

背景技术

传统农业作业以人力为主，辅以基础农机，如拖拉机，插秧机等等。但这些大型农机的使用限制较大，对场地、环境、成本等要求严苛，到目前除个别大型农业基地统一使用大型农机外，大部分农村地区依然是依靠人工耕种，经验为主，但这种耕种模式低效，低产，显然不适合发展现代化农业的需求。

在各农业产业园区推行的大型机械化设备，虽然能够解决耕种效率等问题，但是依然需要操作人员进行全时段跟随作业，仅仅在一定程度上在某一方面提高了耕种的效率，并未从根本上把农民从田地里解放出来。而且此类大型耕种设备仅适合大型平坦区域，在梯田，果园，林园等结构化种植园中使用限制很大，并且其功能单一，只能实现某一功能，如插秧，打药，除草等功能均需要人工单独操作，无法实现一键化智能操作，目前并没有一套完整的一键化的农业设备可以满足所有的农业耕种需求。

发明内容

本发明的一个目的是解决至少上述问题和/或缺陷，并提供至少后面将说明的优点。

为了实现根据本发明的这些目的和其它优点，提供了一种无人农机群协同系统，包括：

对农作物生长数据进行实时获取的采集单元；

与采集系统通信连接的中央群控单元；

与中央群控单元通信连接的执行单元；

其中，所述采集单元被配置为包括：

预埋在作物园区以对作物生长的水、肥含量进行获取的多个探针；

巡检机器人，其上设置与各探针相配合的无线数据传输模块以及数据处理模块；

对土壤颜色进行实时获取的无人机；

对作物生长情况进行定期巡查的预测模块；

所述执行单元被配置为包括：

与中央群控单元相配合以对作物进行管理的喷药模块、采摘模块、除草模块；

与中央群控单元相配合以对土壤进行管理的水肥灌溉模块；

所述预测模块、喷药模块、采摘模块、除草模块分别通过对应的安装组件配置在巡检机器人上。

优选的是，所述巡检机器人上搭载有相配合的激光雷达、GPS天线、惯性导航；

所述预测模块被配置为包括：

对作物生长情况进行实时采集的摄像头；

用于对摄像头进行支撑限定的可伸缩式支架；

所述喷药模块被配置为包括：

储药箱，其内部通过多个隔板构建得到相互独立的储药区；

设置在巡检机器人上以对储药箱进行固定的安装框架；

喷头，其通过相配合的可伸缩的多段式支架固定在安装框架上，且所述喷头通过相配合的第一管路组件、抽药泵与各储药区连通；

所述水肥灌溉模块被配置为包括：

设置在作物园区预定位置的多个液式肥料储备箱；

与各液式肥料储备箱相配合，以对各探针所在位置作物进行定点水肥管理的第二管路组件。

一种应用无人农机群协同系统的方法，包括以下步骤：

步骤一，通过巡检机器人构建作物园区的栅格化地图；

步骤二，在巡检机器人上搭载预测模块对作物生长状态进行实时检测，并将检测到的作物生长数据回传至中央群控单元；

步骤三，中央群控单元基于对作物生长数据的判断，以确定是否启动喷药模块、采摘模块、除草模块中的一种；

步骤四，巡检机器人上设置的无线数据传输模块以及数据处理模块接收各探针检测到土壤环境数据；

步骤五，中央群控单元基于对土壤环境数据的判断，以确定是否启动水肥灌溉模块。

优选的是，在步骤一中，所述栅格化地图的构建被配置为包括：

S10，下载作物园区所对应的22级高德地图，选定刚完成作物结构化栽种的规则区域作为作业区域；

S11，将作业区域中对应的障碍物标注为黑色；

S12，人为划定可通行区域，规划出相应的联通道路，并将其标注为白色；

S13，获取地图真实值与比例值，并选取一特殊点作为原点，通过地图分辨率与地图相应的位置变换，计算其中各偏移量，并保存至yaml文件中；

S14，使用无人机绕场飞行，扫描整个作业区域的场地，以修正偏移数据，使地图更加准确。

优选的是，在步骤二到步骤五中，所述中央群控单元上预留有输入接口组和相应的输出接口组；

其中，所述输入接口组被配置为包括：

与探针进行通信连接的第一输入接口；

与预测模块通信连接的第二输入接口；

所述输出接口组被配置为包括：

用于将中内处理器发出的指令输出至对应模块的灌溉接口、除草接口、喷药接口、采摘接口。

优选的是，在步骤二到步骤五中，中央群控单元内部存储模块中划分出相应的区域作为数据接收容器；

所述数据接收容器内部基于探针的个数二次划分了对应的存储区间，各存储区间分别接收探针返回的土壤环境数据，所述土壤环境数据类型包括微量元素含量、土壤温度、土壤湿度、光照强度、土壤二氧化碳浓度；

所述中央群控单元在接收到数据之后，分别对每一容器内的每一组数据进行分析，并根据分析结构通过对应的输出接口对执行单元的工作模式进行切换。

优选的是，在步骤二中，所述实时检测的方式包括：

S20，所述巡检机器人上搭载的图像采集用摄像头，在机器人行进过程中对作物进行图像采集，并回传至中央群控单元；

S21，中央群控单元根据回传的作物图像颜色特点进行区域识别，再将作物特征输入扩展卡尔曼测产模型对作物的产量进行预测。

优选的是，在步骤三中，所述喷药模块的工作方式包括：

S30，在储药箱内部装载两到三种农药；

S31，巡检机器人上的数据处理模块采集各种害虫的样本，采用神经网络进行训练，得到各种害虫的识别模型；

S32，巡检机器人按照栅格化地图在作业区域自动导航巡逻，同时使用预测模块上的摄像头对作物进行扫描，在识别到相应害虫后，抽取相应农药对害虫所在区域进行喷洒；

S33，在巡检机器人在进到作业区域中行的尽头时，通过扫描到行头两棵树的特定信息获得掉头信息，且当巡检机器人的雷达安装中线与行头树干平行时，选择相应的掉头方式进入下一行继续行驶，直到完成作业区域所有行的巡检操作。

优选的是，在步骤五中，中央群控单元在对土壤环境数据中的微量元素含量进行判断时，当任一元素值低于作物生长的需要值时，水肥灌溉系统从相应的储备肥料中直接抽取对应的施肥量进行混合灌溉，实现从探针传入的数据进而控制的水肥灌溉的闭环式控制；

所述水肥灌溉模块基于以下公式对各作物的施肥量进行控制：

其中，P表示实际含肥量浓度，p_max表示最大需求量，N表示果树自载种至结果的生长周期，t表示果树已生长时间在总生长周期中的占比。

优选的是，在步骤三中，使用无人机沿栅格化地图扫描园区，基于颜色识别模式抛弃掉已知作物的GPS点位信息，进而识别出作业区域土地上的杂草，将坐标信息传输至中央群控单元；

中央群控单元基于之前建立好的栅格化地图标注出所有的目标点，将其转化为TSP问题，使用改进后的遗传算法规划出一次遍历的优化路径；

在巡检机器人上搭载除草模块，沿着规划后的优化路径进行除草作业，直至遍历完所有的目标点。

本发明至少包括以下有益效果：本系统提供多种作业模块配合巡检机器人，由核心的中央群控单元统一进行调配，实现对整个作业园区的监控，且可针对性地对不同的作物情况进行巡检、施肥、除草、产量预测等操作。

本系统通过采集单元采集园区数据，分析作物生长情况，以方便中央群控单元进行执行单元进行针对性的操作。

本系统作业用的巡检机器人传感器配备齐全，性能优越，均能实现自主定位导航和自主作业等功能，所有执行单元可根据需要搭载在同一巡检机器人或多个巡检机器人上，而所有的机器人均属联动系统，满足一键实现所有功能，使得本系统的研究成果对于促进农业园区现代化进程有重要意义。

本发明的其它优点、目标和特征将部分通过下面的说明体现，部分还将通过对本发明的研究和实践而为本领域的技术人员所理解。

附图说明

图1为本发明中央群控单元的主要工作流程示意图；

图2为本发明预测模块进行产量预测的输出值与最终结果数的对比示意图；

图3为本发明一个实施例中的产量预测对比图。

具体实施方式

下面结合附图对本发明做进一步的详细说明，以令本领域技术人员参照说明书文字能够据以实施。

本发明应用无人农机群协同系统的方法包括：

1.园区地图构建

首先需要构建园区的栅格地图。具体操作如下：下载园区所对应的22级高德地图，选定合适的作业区域(刚完成树苗结构化栽种的规则区域)，并将对应的障碍物标注为黑色，如栅栏，果树，台阶，沟渠等等。人为划定可通行区域，规划出合理的联通的道路，并将其标注为白色。获取地图真实值与比例值，并选取一特殊点作为原点，通过地图分辨率与地图相应的位置变换，计算其中各偏移量，并保存至yaml文件中。使用无人机绕场飞行，扫描整个作业场地，修正偏移数据，使地图更加准确。

2.作物数据采集

以果园为例，在园区栽种果树后，将探针作为主要采集传感器埋入果树正前方5CM以内，有多少棵果树就埋入多少探针。果树生长的高峰期在于秋季收获到落叶期和春天新梢停止生长到果实膨大期。这两段时间对于不同营养的需求要求较高，如生长根需氮肥更多，而生长根需磷肥和钾肥。所以探针可以采集到每一棵果树的土壤中的水肥含量，将数据传输至中央控制系统，进而对其生长情况进行分析，针对其问题作出对应的所需操作。

3.中央群控系统的设计

以完成修正的地图为基础，留出以下接口：输入接口、灌溉接口、预测接口、除草接口、喷药接口、采摘接口，接口用以之后下达指令。上一步的探针作为最关键的输入接口，将作物的生长环境数据传输回中央控制系统，系统划分出相应的区域，分别接收这些数据，有多少棵果树，就划分出多少个容器作接收区域。在接收到数据之后,分别对每一容器内的每一组数据进行分析，其中，数据类型包括微量元素含量、土壤温度、土壤湿度、光照强度、土壤二氧化碳浓度。当输入接口将相应相应数据传入系统后，系统对每一组数据进行分析，如微量元素含量和土壤湿度共同决定灌溉接口的输出量，土地颜色检测的结果决定除草接口是否输出，预测接口的输入决定喷药接口的输出等。中央群控系统工作主要流程图如图1所示。

4.产量预测机器人的搭建

将修正完成的地图导入进预测机器人，为其搭载高度为树冠中下部的支架，用以挂载摄像头，对树冠信息进行采集。果树产量早期预测的方法,首先根据探针传入的信息确定图像获取时间,判断当果树处于初结果阶段时，预测机器人出发，沿每一行果树往前行进，到达行尾时便掉头，进入下一行。当机器人开始作业时，沿每一行果树进行喷药，机器人行进到果园行的尽头时，通过扫描到行头两棵树的特定信息获得掉头信息，当机器人的雷达安装中线与行头树干平行时，即检测此时与围墙的距离，选择合适的掉头方式进入新的果园行继续行驶。掉头方式通过扫描边界线的距离来判断。

正常情况下，前方预留位置充足，选择传统半圆弧掉头方法。

当果树行宽度小于机器人的转弯半径时，并且行头边界线宽度也小于转弯半径时，此时传统的半圆弧掉头策略已经无法满足如此狭小的空间，因此只能采取隔行掉头法进入新的果树行。

当以上两种掉头方法都不适用，且机器人掉头反方向空间较大，行头边界线宽度满足要求时，可以采用3/4圆弧掉头法。

以上三种方法可以满足绝大部分果树行间的掉头场景。

下表将说明三种掉头方式的适用范围，其中，r表示机器人最小转弯半径，d表示行头与围墙的距离，L表示行间距。

掉头方式	适用范围
		半圆弧掉头法	d>r，L>2r
隔行掉头法	d<r
		3/4圆弧掉头法	d>2r，L<r

搭载高精度图像采集设备在机器人行进过程中对果树进行图像采集，然后根据图像特点进行果实区域识别。通过人工智能神经网络模型进行预测的方法需要在模型搭建上做很多准备工作，过于复杂。本方法中采用的是颜色区分法，根据颜色特点进行果实区域识别，最后将果树树冠特征输入扩展卡尔曼测产模型对果树的产量进行预测。传统预测均为通过现有果实量对其产量进行预测，本方法引入颜色识别机制，在原有基础上可以摒弃坏果，减少误测。

果实的产量预测属于非线性系统，若强行使用线性系统进行处理，数据就会失真，导致偏差较大。将观测值输入本模型，作为单一输入，基于该观测值进行预测，利用扩展卡尔曼滤波的处理非线性系统的优越性，确保预测值贴合真值。

在模型中，将观测矩阵的值F设置为[1,dt,0.5*dt^2；0,1,dt；0,0,1]，误差矩阵Q设置为[1,0,0；0,0.01,0；0,0,0.0001]，确保非线性系统的鲁棒性。将摄像机扫描识别到的结果数作为输入，得到的输出值与最终结果数作比较，比较结果如图2所示，其中实线代表真实产量，虚线表示预测产量，单位为K。

5.喷药机器人的搭建

在农业生产活动中，农作物需要时常进行喷药、灌溉工作，传统的喷药方式大多使用背负式喷药桶，这种方式不仅效率低下，喷撒质量低，而且需要大量的人力，药液对人体伤害巨大，在炎热的夏暑时期，甚至会造成人身安全隐患。

将修正完成的地图导入进喷药机器人，为其搭载不低于树冠的支架，用以挂载喷药探头。喷药机器人的底层为智能移动机器人平台，其中搭载激光雷达、GPS天线、惯性导航。用GPS与惯性导航进行数据融合，用以确定机器人当前的位姿。但是在果园内，由于树冠的遮挡，导致GPS的原始输入精度降低，即是有惯性导航的辅助也依然有较大的偏移，所以加入了激光雷达，用32线激光雷达对周围环境进行扫描，并与地图匹配，得出当前位置。

车身内部装载两到三种农药的储药箱，其内部通过多个隔板构建得到相互独立的储药区，其可以通过配合的安装框架将储药箱安装设置在巡检机器人上，喷头通过相配合的可伸缩的多段式支架固定在安装框架上，这使得其喷头的高度可以根据需要进行适当的调整，以适应不同作物的高度需要，且所述喷头通过相配合的第一管路组件、抽药泵与各储药区连通，其用于在实际操作时，在识别到具体的虫害时，可以根据需要抽取不同区域的农药进行定点、定量杀虫处理，以使其喷洒农药的量可控性更好，防止农药残留，在实际操作中，先通过采集各种害虫的样本，用神经网络进行训练，得到各种害虫的识别模型。喷药机器人在农场的空隙进行自动导航巡逻，使用摄像头进行扫描，识别到对应害虫便喷洒对应农药。此方式可以大大提高喷洒害虫农药的效率，并且不会对人产生影响。当机器人开始作业时，沿每一行果树进行针对性喷药，机器人行进到果园行的尽头时，通过扫描到行头两棵树的特定信息获得掉头信息，当机器人的雷达安装中线与行头树干平行时，即检测此时与围墙的距离，选择合适的掉头方式进入新的果园行继续行驶。掉头方式通与上同，掉头之后，机器人继续行驶，实现农药在有需求处全覆盖喷洒。

6.水肥灌溉一体化的设计

对于果树的生长，17种必需营养元素缺一不可，缺少了哪一种元素则会得相应的病症，而且这一种元素则无法代替另一种元素的作用。除碳、氢、氧三种元素果树可以通过呼吸作用和雨水供给自主补充外，剩余的14种元素必须由人工补充，分别为氮、磷、钾、硅、钙、镁、硫、铁、硼、铜、锰、钼、氯、锌。使用14个独立的大型桶分别调制适合相应的果树生长的合适浓度的肥料，用其与中央控制系统和输送管相连。

通过探针获得到土壤中的微量元素含量、土壤温度、土壤湿度、光照强度、土壤二氧化碳浓度等数据，尤其是微量元素含量，当任一必要元素低于作物生长必要值时，水肥灌溉系统将从相应的储备肥料中直接抽取对应的需要值进行混合灌溉。每一个探针传入的数据均被单独处理，在探针上绑定的输送管也同样是单独工作。该系统可以全天候针对每一株作物单独工作，即是同一时间，多个输送管在同时工作，其输送的水肥元素含量也不会完全一致，都是针对每一株作物的需求进行的单独操作。至此，完成了通过探针传入的数据控制的水肥灌溉闭环控制，当然地，此种操作模式最优的方式是直接采用液体肥料，也可以与其它储肥设备相配合，通过上料单元向各液式肥料储备箱输入固体肥料，进一步通过与水和/或其它液体肥料的配合以达到施肥的效果，而这里采用的管路可以是铺设在地底的管路，也可以是设置在地面的输送软管，其通过干管、支管、毛细管的配合，完成对作业区内各作物或各区块作物的水肥精细化管理。

但是，在果树的不同生长周期，对肥料的需求也是各不相同的。例如，在果树的发芽至开花期，需要施加芽前肥，即氮元素占主体的肥料。而果树花期至果实膨大期则需要磷肥与钾肥。果实采收之后，也是花芽分化的关键时期，此时需要的就是大量的中量元素。所以，如果使用单一的施肥模型，水肥一体化的施肥效果还不如传统的整体施肥。故引入自适应动态规划系统，对水肥含量进行调控，下面举例说明：

以氮肥为例，果树在生长前期对其需求很高，中期需求占比降低，而在后期需求占比又增大，所以，以苹果树为例，设置如下公式来对施肥量进行控制。

其中，P表示实际含肥量浓度，p_max表示最大需求量，N表示果树自载种至结果的生长周期，t表示果树已生长时间在总生长周期中的占比。如此，按照此设计施肥浓度，便能实现在果树整个生长周期中，各元素总是保持在最佳生长浓度的范围中，避免了单一浓度的不足。

7.除草机器人的设计

除草机器人使用的行间行驶策略与喷药机器人一致。识别模式采用最高效的颜色识别，使用无人机沿地图扫描园区，抛弃掉已知果树GPS点位的信息，识别出土地上的杂草，将坐标信息传输至群控中心。群控中心基于之前建立好的地图标注出所有的目标点，将其转化为TSP问题，使用改进后的遗传算法规划出一次遍历的合理路径，除草机器人沿着规划的路径进行作业，直至遍历完所有的目标点。

以产量预测机器人为例，利用单独数据单独分析的优势来预测每一棵果树的产量，与传统人工预测相比，其准确率有很大的提升。如图3所示，实线为真实果树产量，虚线为人工预测结果，星型线为基于本方法训练得出的预测结果。利用图像处理及识别技术与人工智能技术的有效结合,弥补了单纯利用图像处理及识别技术进行预测的不足,从而能够较准确的在早期对果园内果实的产量进行预测。本方法的预测结果更加贴合实际产量，且具有更高的效率。同时所有的农机均完全实现自主作业，无需人工干预。使用本系统的农业园区能节省大量的人力，提高作业效率，且农作物产量实现增产30％以上。

以上方案只是一种较佳实例的说明，但并不局限于此。在实施本发明时，可以根据使用者需求进行适当的替换和/或修改。

这里说明的设备数量和处理规模是用来简化本发明的说明的。对本发明的应用、修改和变化对本领域的技术人员来说是显而易见的。

尽管本发明的实施方案已公开如上，但其并不仅仅限于说明书和实施方式中所列运用。它完全可以被适用于各种适合本发明的领域。对于熟悉本领域的人员而言，可容易地实现另外的修改。因此在不背离权利要求及等同范围所限定的一般概念下，本发明并不限于特定的细节和这里示出与描述的图例。

Claims (10)

1.一种无人农机群协同系统，其特征在于，包括：

对农作物生长数据进行实时获取的采集单元；

与采集系统通信连接的中央群控单元；

与中央群控单元通信连接的执行单元；

其中，所述采集单元被配置为包括：

预埋在作物园区以对作物生长的水、肥含量进行获取的多个探针；

巡检机器人，其上设置与各探针相配合的无线数据传输模块以及数据处理模块；

对土壤颜色进行实时获取的无人机；

对作物生长情况进行定期巡查的预测模块；

所述执行单元被配置为包括：

与中央群控单元相配合以对作物进行管理的喷药模块、采摘模块、除草模块；

与中央群控单元相配合以对土壤进行管理的水肥灌溉模块；

所述预测模块、喷药模块、采摘模块、除草模块分别通过对应的安装组件配置在巡检机器人上。

2.如权利要求1所述的无人农机群协同系统，其特征在于，所述巡检机器人上搭载有相配合的激光雷达、GPS天线、惯性导航；

所述预测模块被配置为包括：

对作物生长情况进行实时采集的摄像头；

用于对摄像头进行支撑限定的可伸缩式支架；

所述喷药模块被配置为包括：

储药箱，其内部通过多个隔板构建得到相互独立的储药区；

设置在巡检机器人上以对储药箱进行固定的安装框架；

喷头，其通过相配合的可伸缩的多段式支架固定在安装框架上，且所述喷头通过相配合的第一管路组件、抽药泵与各储药区连通；

所述水肥灌溉模块被配置为包括：

设置在作物园区预定位置的多个液式肥料储备箱；

与各液式肥料储备箱相配合，以对各探针所在位置作物进行定点水肥管理的第二管路组件。

3.一种应用如权利要求1-2所述无人农机群协同系统的方法，其特征在于，包括以下步骤：

步骤一，通过巡检机器人构建作物园区的栅格化地图；

步骤二，在巡检机器人上搭载预测模块对作物生长状态进行实时检测，并将检测到的作物生长数据回传至中央群控单元；

步骤三，中央群控单元基于对作物生长数据的判断，以确定是否启动喷药模块、采摘模块、除草模块中的一种；

步骤四，巡检机器人上设置的无线数据传输模块以及数据处理模块接收各探针检测到土壤环境数据；

步骤五，中央群控单元基于对土壤环境数据的判断，以确定是否启动水肥灌溉模块。

4.如权利要求3所述的无人农机群协同系统应用方法，其特征在于，在步骤一中，所述栅格化地图的构建被配置为包括：

S10，下载作物园区所对应的22级高德地图，选定刚完成作物结构化栽种的规则区域作为作业区域；

S11，将作业区域中对应的障碍物标注为黑色；

S12，人为划定可通行区域，规划出相应的联通道路，并将其标注为白色；

S13，获取地图真实值与比例值，并选取一特殊点作为原点，通过地图分辨率与地图相应的位置变换，计算其中各偏移量，并保存至yaml文件中；

S14，使用无人机绕场飞行，扫描整个作业区域的场地，以修正偏移数据，使地图更加准确。

5.如权利要求3所述的无人农机群协同系统应用方法，其特征在于，在步骤二到步骤五中，所述中央群控单元上预留有输入接口组和相应的输出接口组；

其中，所述输入接口组被配置为包括：

与探针进行通信连接的第一输入接口；

与预测模块通信连接的第二输入接口；

所述输出接口组被配置为包括：

用于将中内处理器发出的指令输出至对应模块的灌溉接口、除草接口、喷药接口、采摘接口。

6.如权利要求3所述的无人农机群协同系统应用方法，其特征在于，在步骤二到步骤五中，中央群控单元内部存储模块中划分出相应的区域作为数据接收容器；

所述数据接收容器内部基于探针的个数二次划分了对应的存储区间，各存储区间分别接收探针返回的土壤环境数据，所述土壤环境数据类型包括微量元素含量、土壤温度、土壤湿度、光照强度、土壤二氧化碳浓度；

所述中央群控单元在接收到数据之后，分别对每一容器内的每一组数据进行分析，并根据分析结构通过对应的输出接口对执行单元的工作模式进行切换。

7.如权利要求3所述的无人农机群协同系统应用方法，其特征在于，在步骤二中，所述实时检测的方式包括：

S20，所述巡检机器人上搭载的图像采集用摄像头，在机器人行进过程中对作物进行图像采集，并回传至中央群控单元；

S21，中央群控单元根据回传的作物图像颜色特点进行区域识别，再将作物特征输入扩展卡尔曼测产模型对作物的产量进行预测。

8.如权利要求3所述的无人农机群协同系统应用方法，其特征在于，在步骤三中，所述喷药模块的工作方式包括：

S30，在储药箱内部装载两到三种农药；

S31，巡检机器人上的数据处理模块采集各种害虫的样本，采用神经网络进行训练，得到各种害虫的识别模型；

S32，巡检机器人按照栅格化地图在作业区域自动导航巡逻，同时使用预测模块上的摄像头对作物进行扫描，在识别到相应害虫后，抽取相应农药对害虫所在区域进行喷洒；

S33，在巡检机器人在进到作业区域中行的尽头时，通过扫描到行头两棵树的特定信息获得掉头信息，且当巡检机器人的雷达安装中线与行头树干平行时，选择相应的掉头方式进入下一行继续行驶，直到完成作业区域所有行的巡检操作。

9.如权利要求3所述的无人农机群协同系统应用方法，其特征在于，在步骤五中，中央群控单元在对土壤环境数据中的微量元素含量进行判断时，当任一元素值低于作物生长的需要值时，水肥灌溉系统从相应的储备肥料中直接抽取对应的施肥量进行混合灌溉，实现从探针传入的数据进而控制的水肥灌溉的闭环式控制；

所述水肥灌溉模块基于以下公式对各作物的施肥量进行控制：

其中，P表示实际含肥量浓度，p_max表示最大需求量，N表示果树自载种至结果的生长周期，t表示果树已生长时间在总生长周期中的占比。

10.如权利要求3所述的无人农机群协同系统应用方法，其特征在于，在步骤三中，使用无人机沿栅格化地图扫描园区，基于颜色识别模式抛弃掉已知作物的GPS点位信息，进而识别出作业区域土地上的杂草，将坐标信息传输至中央群控单元；

中央群控单元基于之前建立好的栅格化地图标注出所有的目标点，将其转化为TSP问题，使用改进后的遗传算法规划出一次遍历的优化路径；

在巡检机器人上搭载除草模块，沿着规划后的优化路径进行除草作业，直至遍历完所有的目标点。

Images