光谱成像已被广泛应用于大豆表型测定，以挖掘并保持优良性状。相较于遥感技术，基于接触式近距离传感的高光谱成像在信噪比和空间分辨率方面具有显著优势，然而由于通量低且人工成本高，其尚未在大规模田间环境中得到推广应用。此外，目前尚无自动化方案可用于原位接触式高光谱图像的田间采集。为此，本研究开发了一种新型的无人机平台机器人系统，用于自动化田间原位接触式高光谱成像采集。该系统包括：用于检测并估计大豆小叶姿态的机器视觉子系统；搭载专门控制与路径规划算法的多关节机械臂，用以实现对叶片的抓取与成像；以及可携带高负载传感与机械臂组件、具备跨田块机动能力的定制化无人机平台。经优化的机器视觉算法在叶片检测与姿态估计上的平均准确率分别达到95.88%与97.54%，叶片抓取的平均成功率为90.55%。本研究提出了一种创新性方法，为大规模农田环境下原位接触式高光谱成像的广泛应用提供了技术支撑。

 

图1 所提无人机平台机器人系统用于田间接触式传感的设计：PhenoBee。

 

图2 PhenoBee 的作业模式：左图显示 PhenoBee “跳跃”至不同样本位置；右图示意田间表型估算的概念性方法。本研究聚焦于系统性能，未来可进一步探索基于地统计学或机器学习的田块尺度表型分析方法。

 

图3 PhenoBee 的地面站搭建示意。

 

图4 PhenoBee 系统中的数据流向。

 

 图5 PhenoBee 飞行系统中的 PID 控制与滤波架构。PID 设计的运行频率为 400 Hz 至 1000 Hz，IMU 读取频率范围为 1000 Hz 至 8000 Hz。各缩略语含义：FLTT – 目标低通滤波；FLTE – 误差低通滤波；FLTD – 导数低通滤波；FF – 前馈；P – 比例；I – 积分；D – 微分；IMAX – 最大积分限幅；LPF – 低通滤波；IMU – 惯性测量单元。

 

图6 初始设计中起落架振动示意。

 

图7 为实现高离地间隙而定制的起落架结构。

 

图8 实验过程中 PhenoBee 的飞行路径示例（图为 Google 地图异步图像，未显示大豆植株）：标记 0 为起始位置；标记 2 为强制系统偏航角的航路点；标记 3 为采样位置；标记 9 为终点位置。

 

图9 PhenoBee 的作业流程：起飞，飞往采样位置，降落，关闭螺旋桨，叶片分割与姿态估计，抓取并成像叶片。

 

图10 PhenoBee 相对地面标志的定位：左图为起飞前，右图为着陆后。

 

 图11 定位精度测试示例结果：从起飞到着陆的纬度和经度变化曲线。

 

 图12 两版机器视觉算法对比：红色区域为检测到的小叶；蓝色箭头表示估计的偏航角。

 

图13 分割示例：左图为光照强度变化剧烈且叶片密集的 RGB 原图；中图为叠加在 RGB 图上的分割掩膜（各掩膜分色显示）；右图为筛选后的目标小叶掩膜。

 

图14 分割错误示例：红色掩膜为错误分割结果，绿色框为人工标注的真实位置。

 

图15 姿态估计（仅偏航角）示例结果：红色箭头为真实角度，蓝色箭头为预测角度。

 

 图16 姿态估计失败案例：红色箭头为真实角度，蓝色箭头为预测角度。

 

 

来 源

Chen Z, Li X, Zhao T, et al. PhenoBee: Drone-based robot for advanced field in vivo contact-based phenotyping in agriculture[J]. Computers and Electronics in Agriculture, 2025, 236: 110483.

 

 

 

 

 

 

 

编辑

王永贤