趙潤(rùn)茂，卞賢炳，陳建能，董春旺，武傳宇，賈江鳴，毛明，熊永森

分布控制的乘坐式仿形采茶原型機(jī)研制與試驗(yàn)

趙潤(rùn)茂1,2，卞賢炳1，陳建能1,2*，董春旺3，武傳宇1,2，賈江鳴1,2，毛明1，熊永森4

1.浙江理工大學(xué)機(jī)械與自動(dòng)控制學(xué)院，浙江 杭州 310018；2.浙江省種植裝備技術(shù)重點(diǎn)實(shí)驗(yàn)室，浙江 杭州 310018；3.中國(guó)農(nóng)業(yè)科學(xué)院茶葉研究所，浙江 杭州 310008；4.浙江省農(nóng)作物收獲裝備技術(shù)重點(diǎn)實(shí)驗(yàn)室，浙江 金華 321000

為提高茶鮮葉采摘機(jī)械的自動(dòng)化水平以及采摘完整率，降低采茶機(jī)系統(tǒng)開(kāi)發(fā)成本，縮短開(kāi)發(fā)周期，本研究提出了機(jī)采茶蓬面割刀自動(dòng)仿形方法和分布式快速控制原型機(jī)低成本開(kāi)發(fā)方法，研制了仿形采茶樣機(jī)，并開(kāi)展室內(nèi)和田間試驗(yàn)。仿形采茶機(jī)采用超聲波傳感器，感知往復(fù)式割刀與茶樹(shù)蓬面間的距離信息，通過(guò)絲桿實(shí)現(xiàn)仿形傳動(dòng)；利用Hampel濾波和低通濾波算法對(duì)距離信息在線預(yù)處理，剔除葉間空缺和割刀振動(dòng)對(duì)茶蓬面真實(shí)高度估計(jì)的影響。為避免PD控制中數(shù)字差分對(duì)信號(hào)噪聲的放大，設(shè)計(jì)了基于非線性跟蹤微分器的仿形控制律PNTD?；贑AN總線網(wǎng)絡(luò)和代碼生成技術(shù)，實(shí)現(xiàn)多執(zhí)行單元的分布式快速控制原型機(jī)并開(kāi)展試驗(yàn)，室內(nèi)多次階躍測(cè)試結(jié)果表明，系統(tǒng)響應(yīng)最大峰值時(shí)間為0.14?s，最大超調(diào)量為3.6%；田間試驗(yàn)結(jié)果表明，割刀覆蓋區(qū)嫩梢平均采收率92.01%，芽葉完整率82.6%，雜質(zhì)率6.4%，一芽三葉及以下嫩梢占87.91%。研制的分布式控制仿形采茶原型機(jī)作業(yè)有效，所采茶鮮葉滿足大宗茶機(jī)采技術(shù)標(biāo)準(zhǔn)和后續(xù)加工工藝要求。

采茶機(jī)；仿形；分布式控制；快速控制原型；非線性跟蹤微分器

茶是21世紀(jì)公認(rèn)的健康植物飲料之一，中國(guó)茶產(chǎn)業(yè)的發(fā)展促進(jìn)了世界茶葉產(chǎn)量的增長(zhǎng)[1]。鮮葉采摘是茶葉生產(chǎn)過(guò)程的重要環(huán)節(jié)，而采摘作業(yè)窗口期短與用工緊張的矛盾已經(jīng)成為制約茶產(chǎn)業(yè)發(fā)展的瓶頸問(wèn)題[2-3]，因此，開(kāi)展機(jī)械自動(dòng)化采茶技術(shù)與裝備研究，實(shí)現(xiàn)“機(jī)器換人”，是解決這一問(wèn)題的根本途徑，也有利于節(jié)本增效。我國(guó)從1955年開(kāi)始進(jìn)行機(jī)械化采茶研究[4]，市場(chǎng)上先后出現(xiàn)了主要以切割式、折斷式、拉斷式等3種采摘原理的小型采茶機(jī)。受制于釆茶機(jī)械與自動(dòng)化技術(shù)較難融合、農(nóng)機(jī)與茶葉種植農(nóng)藝不配套等諸多因素，自走式或乘坐式茶葉仿形收獲機(jī)械鮮有報(bào)道。針對(duì)附加值較高的名優(yōu)茶鮮葉選擇性采摘，前人根據(jù)研究結(jié)果[5-7]提出了基于視覺(jué)與圖像技術(shù)的嫩芽識(shí)別與定位算法，進(jìn)而驅(qū)動(dòng)機(jī)械手實(shí)現(xiàn)嫩芽精準(zhǔn)采摘，嫩芽識(shí)別準(zhǔn)確率分別為92%、93.1%和85%，此類依賴于視覺(jué)定位的采茶機(jī)械研發(fā)周期長(zhǎng)，對(duì)環(huán)境條件要求高，推廣應(yīng)用難度大。針對(duì)大宗茶采摘，國(guó)內(nèi)以往復(fù)式割刀為執(zhí)行器的手持式采茶機(jī)應(yīng)用較多，主要有單人式和雙人式，但因受制于機(jī)具重量，而作業(yè)強(qiáng)度高、效率低[8]。日本研發(fā)了乘用型采茶機(jī)[9-10]，以進(jìn)一步提高機(jī)采茶自動(dòng)化程度，降低作業(yè)強(qiáng)度，但其通過(guò)將割刀設(shè)定至某一高度后直接行進(jìn)的方式采收鮮葉，無(wú)法實(shí)現(xiàn)對(duì)采摘蓬面的自適應(yīng)仿形，收獲的芽葉破碎率高，且易導(dǎo)致茶樹(shù)損傷；閆晶晶[11]設(shè)計(jì)了一款手扶式仿形采茶機(jī)，采用接觸式傳感器測(cè)量蓬面高度變化并通過(guò)Bang-Bang控制刀具仿形收獲，選用的接觸式傳感器易造成茶樹(shù)損傷，且測(cè)量結(jié)果易受接觸力變化影響，數(shù)據(jù)變異大，又因Bang-Bang控制易超調(diào)，茶葉收獲質(zhì)量難以保障，同時(shí)，由于茶園地面多不平整、人行困難，手持采收勞動(dòng)強(qiáng)度較大。

控制系統(tǒng)是實(shí)現(xiàn)采茶機(jī)自動(dòng)化作業(yè)的核心。嵌入式系統(tǒng)以功耗低、體積小、集成度高等優(yōu)點(diǎn)[12]在農(nóng)產(chǎn)品自動(dòng)收獲領(lǐng)域被廣泛應(yīng)用，但當(dāng)涉及復(fù)雜的控制器設(shè)計(jì)時(shí)，因代碼遷移性和可讀性不強(qiáng)，參數(shù)調(diào)節(jié)、信號(hào)獲取不易在線執(zhí)行并可視化交互，導(dǎo)致算法驗(yàn)證過(guò)程繁瑣，給控制策略和算法研究帶來(lái)了不便?？焖倏刂圃图夹g(shù)（Rapid control prototype，RCP）借助模塊化設(shè)計(jì)，以虛擬控制器控制實(shí)際對(duì)象，能快速開(kāi)展硬件測(cè)試和半實(shí)物仿真，具有研發(fā)周期短、成本損耗少、可靠性高等特點(diǎn)[13-14]，在控制系統(tǒng)開(kāi)發(fā)過(guò)程中得到廣泛應(yīng)用，如德國(guó)dSPACE和瑞士Speedgoat等RCP產(chǎn)品。劉歡歡[15]通過(guò)MATLAB/Simulink建立了履帶式機(jī)器人圖形化速度控制與轉(zhuǎn)向控制模型，搭建了基于dSPACE的履帶式機(jī)器人運(yùn)動(dòng)控制平臺(tái)，通過(guò)在線仿真與參數(shù)調(diào)整實(shí)現(xiàn)了對(duì)移動(dòng)機(jī)器人的有效控制；陶岳[16]采用Speedgoat開(kāi)發(fā)柔順操作機(jī)械臂的控制系統(tǒng)，通過(guò)MATLAB/Simulink設(shè)計(jì)并實(shí)現(xiàn)了機(jī)械臂的狀態(tài)反饋控制。商業(yè)化RCP產(chǎn)品雖具有強(qiáng)大、穩(wěn)定算力，但硬件體積大、成本高，不適于部署分布式算法，也難以被應(yīng)用于需多執(zhí)行單元組網(wǎng)控制的仿形采茶研究。

針對(duì)目前大宗茶鮮葉的仿形收獲裝備自動(dòng)化水平較低、收獲破損率高且難以滿足后續(xù)茶葉標(biāo)準(zhǔn)化加工要求等現(xiàn)狀，本研究提出了一種機(jī)采茶蓬面超聲波測(cè)距及割刀仿形控制方法；同時(shí)為加速系統(tǒng)研制過(guò)程，提出了基于CAN總線網(wǎng)絡(luò)的分布式低成本快速控制原型機(jī)開(kāi)發(fā)方法；搭建采茶機(jī)樣機(jī)，在室內(nèi)測(cè)試了執(zhí)行割刀動(dòng)態(tài)響應(yīng)，在田間驗(yàn)證了茶鮮葉采收率、芽葉完整率、雜質(zhì)率等農(nóng)藝參數(shù)，證實(shí)了分布式仿形采茶RCP系統(tǒng)作業(yè)有效性，為助推機(jī)采茶產(chǎn)業(yè)提質(zhì)增效提供了一種新裝備及其快速實(shí)現(xiàn)方法。

1 材料與方法

1.1 仿形采茶機(jī)結(jié)構(gòu)與工作原理

仿形采茶機(jī)主要包括移動(dòng)平臺(tái)和左、中、右3組仿形采茶單元等部件（圖1-A），我國(guó)茶園大多屬于密植茶園，有些地區(qū)位于丘陵地帶，茶園中各隴茶樹(shù)間地勢(shì)起伏[17]。為適應(yīng)丘陵地區(qū)的茶園管理、土壤和地形特點(diǎn)，研制的采茶機(jī)以高地隙兩驅(qū)移動(dòng)平臺(tái)為配套動(dòng)力，底盤(pán)高度和車輪間距可調(diào)，具有較強(qiáng)的爬坡能力和田間行駛能力；左、中、右3個(gè)拆卸方便的仿形采茶單元搭載于高地隙的移動(dòng)平臺(tái)上，且左右2個(gè)仿形采茶單元與中仿形采茶單元前后錯(cuò)開(kāi)布置。

各仿形采茶單元結(jié)構(gòu)如圖1-B所示，主要包括對(duì)稱布置的直流電機(jī)、聯(lián)軸器、滾珠絲桿、直線導(dǎo)軌和絲桿螺母滑塊，擺臂一端與兩側(cè)螺母滑塊鉸接，另一端與采茶執(zhí)行器殼體鉸接。采茶執(zhí)行器采用D300便攜往復(fù)式電動(dòng)采茶機(jī)（江誠(chéng)盛海牌，200?W），所使用的特殊柵板結(jié)構(gòu)較好地保證了被采收鮮葉和原茶樹(shù)的完整性[18]。在采茶執(zhí)行器的內(nèi)壁對(duì)稱安裝一對(duì)超聲波傳感器用于實(shí)時(shí)獲取割刀面至蓬面的距離信息，超聲波傳感器的感知范圍為扇形區(qū)域，可降低因茶樹(shù)蓬面間隙造成的偶然性測(cè)距誤差，提高測(cè)量精度，具有響應(yīng)時(shí)間短、檢測(cè)精度高、抗環(huán)境干擾能力強(qiáng)等特點(diǎn)[19]。

如圖2-A所示，超聲波傳感器布置在離采茶執(zhí)行器割刀面適當(dāng)距離1處，當(dāng)采茶機(jī)橫跨于茶隴上方作業(yè)時(shí)，各仿形采茶單元上安裝的超聲波傳感器實(shí)時(shí)獲取其與被檢測(cè)茶葉嫩梢的距離值2，此時(shí)，耕深為(1-2)。如圖2-B所示，以單個(gè)仿形采茶單元的單側(cè)仿形為例，采茶執(zhí)行器內(nèi)壁的兩枚超聲波傳感器所檢測(cè)到的離底部茶葉嫩梢的距離值分別為3和4，仿形執(zhí)行機(jī)構(gòu)工作時(shí)，設(shè)計(jì)目標(biāo)耕深為，設(shè)計(jì)控制死區(qū)為±Δ,即當(dāng)各傳感器的實(shí)時(shí)反饋值3和4超出(1-)±Δ區(qū)間時(shí)，控制系統(tǒng)控制仿形執(zhí)行機(jī)構(gòu)兩側(cè)的直流電機(jī)正轉(zhuǎn)或反轉(zhuǎn)，實(shí)現(xiàn)末端采茶執(zhí)行器的仿形調(diào)整；反之，當(dāng)各傳感器的實(shí)時(shí)反饋值3和4處于(1-)±Δ區(qū)間內(nèi)時(shí)，控制系統(tǒng)發(fā)出電機(jī)鎖停指令，仿形執(zhí)行機(jī)構(gòu)完成仿形。

1.2 仿形采茶機(jī)電控系統(tǒng)

1.2.1 分布式架構(gòu)設(shè)計(jì)

分布式系統(tǒng)具有處理數(shù)據(jù)的分布性和獨(dú)立性、執(zhí)行任務(wù)的并行性與全局性。CAN總線技術(shù)具有成本低、結(jié)構(gòu)簡(jiǎn)單、可靠性高和實(shí)時(shí)性強(qiáng)等優(yōu)點(diǎn)，目前，該技術(shù)已廣泛應(yīng)用于農(nóng)業(yè)機(jī)械的整機(jī)通信網(wǎng)絡(luò)領(lǐng)域[20-22]。針對(duì)采茶機(jī)作業(yè)的實(shí)際需求，解決各電控單元之間信息傳輸和處理問(wèn)題，保證各仿形采茶單元能完成預(yù)期的檢測(cè)、執(zhí)行和反饋任務(wù)，實(shí)現(xiàn)多源信息的實(shí)時(shí)處理。整機(jī)的電控系統(tǒng)采用了基于CAN總線的分布式控制系統(tǒng)。

系統(tǒng)模型主要由主控制器節(jié)點(diǎn)和多個(gè)功能節(jié)點(diǎn)組成，如圖3所示。主控制器負(fù)責(zé)在線處理各超聲波傳感器檢測(cè)的距離信息并根據(jù)末端采茶執(zhí)行器的當(dāng)前位置做出相應(yīng)的控制決策。功能節(jié)點(diǎn)包括根據(jù)實(shí)際采茶需求所布置的合適數(shù)量的仿形控制單元，接收來(lái)自MCU的控制決策信息的控制幀，實(shí)現(xiàn)對(duì)仿形執(zhí)行機(jī)構(gòu)的運(yùn)動(dòng)控制。某一仿形控制單元功能節(jié)點(diǎn)所接收的控制幀通訊格式：第1—8字節(jié)，依次對(duì)應(yīng)傳感器標(biāo)識(shí)符、傳感器1十位數(shù)、傳感器1個(gè)位數(shù)、傳感器2十位數(shù)、傳感器2個(gè)位數(shù)、未定義、未定義、數(shù)據(jù)校驗(yàn)位。

注：A：乘坐式仿形采茶機(jī)實(shí)物；B：仿形采茶單元結(jié)構(gòu)圖。1-左仿形采茶單元，2-中仿形采茶單元，3-駕駛位，4-右仿形采茶單元，5-移動(dòng)平臺(tái)，6-超聲波傳感器，7-滾珠絲杠，8-擺臂，9-絲桿螺母滑塊，10-直流電機(jī)，11-機(jī)架，12-聯(lián)軸器，13-采茶執(zhí)行器，14-直線導(dǎo)軌

注：A：超聲波傳感器測(cè)距；B：仿形采茶單元單側(cè)仿形

圖4是本系統(tǒng)各仿形控制單元功能節(jié)點(diǎn)結(jié)構(gòu)示意圖，每個(gè)功能節(jié)點(diǎn)包括CAN總線接口、雙路電源接口、單元控制開(kāi)關(guān)接口和電機(jī)驅(qū)動(dòng)接口。各節(jié)點(diǎn)與CAN總線連接，在滿足節(jié)點(diǎn)信息接收條件時(shí)讀取控制幀并及時(shí)反饋包含狀態(tài)數(shù)據(jù)的應(yīng)答幀。

1.2.2 系統(tǒng)硬件組成

圖5是采茶機(jī)電控系統(tǒng)硬件組成示意圖，其中，主控制器設(shè)計(jì)采用一塊Arduino Due開(kāi)發(fā)板（32位ARM Cortex-M3），具有54路數(shù)字輸入/輸出接口（其中12路可作為PWM輸出）、12路模擬輸入接口和2個(gè)CAN接口。MCU通過(guò)Standard Type-B USB與計(jì)算機(jī)通信，實(shí)現(xiàn)快速仿真。針對(duì)本研究設(shè)計(jì)需求布置3路仿形控制單元功能節(jié)點(diǎn)，分別對(duì)應(yīng)左、中、右3組仿形采茶單元，MCU通過(guò)其6路模擬輸入接口實(shí)時(shí)獲取3組仿形采茶單元共6枚超聲波傳感器（羅舸公司，UB300-18GM45-U-V15，檢測(cè)范圍30～300?mm，模擬量電壓輸出范圍0～3.3?V）所測(cè)量的距離信息，并以其內(nèi)置的2個(gè)CAN接口作為系統(tǒng)的CAN總線接口。

各仿形控制單元功能節(jié)點(diǎn)采用低成本的Arduino UNO開(kāi)發(fā)板（搭載AVR ATmega328P芯片）實(shí)現(xiàn)，該開(kāi)發(fā)板具有14路數(shù)字輸入/輸出接口（其中6路可作為PWM輸出）和6路模擬輸入接口，采用MCP2515芯片連接至開(kāi)發(fā)板其中一路SPI接口，實(shí)現(xiàn)CAN總線物理擴(kuò)展。直流電機(jī)驅(qū)動(dòng)器選用大功率的雙路電機(jī)驅(qū)動(dòng)模塊，單片驅(qū)動(dòng)器可實(shí)現(xiàn)對(duì)兩臺(tái)直流電機(jī)（上邁科技，555行星減速電機(jī)，額定電壓24?V）的同時(shí)驅(qū)動(dòng)。本研究采用3組仿形控制單元連接于CAN總線上實(shí)現(xiàn)分布式控制，并在首末兩個(gè)功能節(jié)點(diǎn)上各接有1個(gè)120?Ω電阻來(lái)匹配總線電阻，提高整體通信的抗干擾性和可靠性。

圖3 基于CAN總線的分布式控制系統(tǒng)架構(gòu)

圖4 CAN功能節(jié)點(diǎn)示意圖

1.3 仿形采茶機(jī)傳感控制算法及快速原型開(kāi)發(fā)

1.3.1 超聲波仿形信號(hào)預(yù)處理

本研究初始獲得的超聲波傳感器信號(hào)包含電控設(shè)備內(nèi)部各元器件產(chǎn)生的熱噪聲、刀具往復(fù)運(yùn)動(dòng)產(chǎn)生的高頻噪聲和葉片間空隙處的測(cè)距異常值所產(chǎn)生的異常值噪聲，因此需對(duì)傳感器仿形信號(hào)實(shí)施預(yù)處理。

首先采用Hampel濾波對(duì)葉片間空隙處的測(cè)距異常值實(shí)施檢測(cè)并剔除，選擇樣本窗口長(zhǎng)度+1為7，異常檢測(cè)閾值（標(biāo)準(zhǔn)差倍數(shù)）σ為3。Hampel濾波算法根據(jù)當(dāng)前所采集的數(shù)據(jù)樣本信息，將x設(shè)置為當(dāng)前樣本的中心，計(jì)算由樣本x及其周圍偶數(shù)個(gè)（兩側(cè)各/2個(gè)）樣本組成的窗口中值m，并利用中位數(shù)絕對(duì)值估計(jì)了各樣本對(duì)中值的標(biāo)準(zhǔn)差σ。若某個(gè)樣本的中值m與標(biāo)準(zhǔn)差σ滿足式（1），則用中值m替換該樣本x。

|x－m|＞n×σ……………………（1）

低通濾波根據(jù)當(dāng)前時(shí)刻超聲波傳感器的采樣值與前一時(shí)刻濾波輸出值進(jìn)行加權(quán)，得到有效濾波值，實(shí)現(xiàn)傳感器輸出信號(hào)的反饋，使低頻信號(hào)正常通過(guò)，超過(guò)預(yù)設(shè)臨界值的、由刀具高頻振動(dòng)所產(chǎn)生的高頻信號(hào)及電路噪聲則被阻隔、減弱，如式（2）表達(dá)：

()=()＋(1－)(－1)………（2）

式中為濾波系數(shù)；()為當(dāng)前采樣值；()為當(dāng)前濾波輸出值；(－1)為前一時(shí)刻濾波輸出值。

當(dāng)采茶機(jī)在茶園作業(yè)時(shí)，各超聲波傳感器的數(shù)據(jù)會(huì)受到環(huán)境和振動(dòng)等因素影響而產(chǎn)生波動(dòng)，采用Hampel濾波和低通濾波算法對(duì)傳感器數(shù)據(jù)進(jìn)行實(shí)時(shí)濾波，實(shí)現(xiàn)了在設(shè)備行進(jìn)過(guò)程中數(shù)據(jù)的在線更新，保證MCU對(duì)各仿形控制單元控制決策的準(zhǔn)確實(shí)施。

1.3.2 PNTD控制器設(shè)計(jì)

仿形采茶機(jī)的被控對(duì)象為驅(qū)動(dòng)各采茶執(zhí)行器實(shí)現(xiàn)對(duì)茶樹(shù)蓬面仿形的6臺(tái)直流電機(jī)，各功能節(jié)點(diǎn)從CAN總線上獲取對(duì)應(yīng)2路傳感器的偏差信息，經(jīng)控制器處理得到控制量完成PWM脈寬調(diào)制，實(shí)現(xiàn)對(duì)各電機(jī)的運(yùn)動(dòng)控制。在傳統(tǒng)PD控制器的數(shù)字差分環(huán)節(jié)中，雖然控制器的輸出與輸入誤差信號(hào)的變化呈正比關(guān)系，微分對(duì)抑制誤差的產(chǎn)生具有“超前預(yù)測(cè)”作用，但只要信號(hào)中存在噪聲，其快速作用的趨向性會(huì)增加系統(tǒng)的擾動(dòng)[23]，在作業(yè)環(huán)境復(fù)雜、不可控因素較多情況下難以滿足系統(tǒng)對(duì)控制精度、響應(yīng)速度和抗干擾能力的要求。

非線性跟蹤微分器（Nonlinear tracking differentiator，NTD），主要用于解決在測(cè)量不連續(xù)或帶隨機(jī)噪聲的信號(hào)中合理提取連續(xù)信號(hào)及微分信號(hào)的問(wèn)題。其中一種廣泛應(yīng)用于運(yùn)動(dòng)控制系統(tǒng)中的微分器構(gòu)造如下[24]：

由以上可得，對(duì)非線性跟蹤微分器輸入一個(gè)信號(hào)()，它將給出兩個(gè)輸出1()和2()，其中1()始終跟蹤輸入信號(hào)()的變化，當(dāng)1()快速跟蹤()時(shí)，2()可作為()的微分來(lái)實(shí)現(xiàn)其對(duì)速度的跟蹤。當(dāng)輸入信號(hào)()帶有噪聲時(shí)，該非線性跟蹤微分器還能同時(shí)起到濾波作用。

式中和0均為可調(diào)參數(shù)，為“跟蹤因子”，決定跟蹤速度，越大，系統(tǒng)的跟蹤速度越快；0為“濾波因子”，對(duì)信號(hào)中的噪聲起濾波作用。

圖6 非線性跟蹤微分器測(cè)試模型

圖7 整定參數(shù)的NTD輸出特性曲線

圖8 PNTD控制器模型

1.3.3 快速控制原型開(kāi)發(fā)技術(shù)

本研究采用快速控制原型技術(shù)（RCP）實(shí)現(xiàn)仿形采茶機(jī)傳感控制算法開(kāi)發(fā)、代碼生成與下載。Arduino通過(guò)Simulink Support Package for Arduino Hardware組件實(shí)現(xiàn)了與MATLAB Simulink的無(wú)縫銜接，采用模塊化、圖形化方式進(jìn)行編程，在整機(jī)傳感控制算法和被控直流電機(jī)之間快速地搭建實(shí)時(shí)環(huán)境，進(jìn)行硬件在環(huán)仿真與在線調(diào)參，實(shí)現(xiàn)從算法策略到硬件快速驗(yàn)證的基于模型設(shè)計(jì)的開(kāi)發(fā)流程。

如圖9所示，先分別在Simulink環(huán)境下搭建利用Hampel濾波算法和低通濾波算法實(shí)現(xiàn)6路超聲波傳感器數(shù)字信號(hào)并行處理的數(shù)據(jù)處理模塊和基于PNTD控制器的運(yùn)動(dòng)控制模塊；將2臺(tái)直流電機(jī)作為被控對(duì)象進(jìn)行各仿形單元逐一硬件在環(huán)仿真，并對(duì)數(shù)據(jù)處理模塊中的相關(guān)濾波參數(shù)、運(yùn)動(dòng)控制模塊中PNTD控制器的相關(guān)控制參數(shù)在線調(diào)參；利用Simulink代碼生成技術(shù)生成主控制器嵌入式代碼并下載至Arduino Due開(kāi)發(fā)板，生成3個(gè)功能節(jié)點(diǎn)嵌入式代碼并下載至各Arduino UNO開(kāi)發(fā)板；最后進(jìn)行目標(biāo)機(jī)的CAN組網(wǎng)從而建立仿形采茶機(jī)快速控制原型。

2 結(jié)果與分析

為驗(yàn)證開(kāi)發(fā)的算法及分布式控制原型系統(tǒng)的有效性，在浙江省種植裝備技術(shù)重點(diǎn)實(shí)驗(yàn)室分別進(jìn)行了超聲波傳感器濾波精度測(cè)試，以及控制系統(tǒng)響應(yīng)測(cè)試；在杭州市農(nóng)業(yè)科學(xué)研究院茶葉研究所試驗(yàn)田進(jìn)行了整機(jī)搭載的田間試驗(yàn)。主控制器主要是根據(jù)各超聲波傳感器數(shù)據(jù)來(lái)實(shí)施對(duì)各功能節(jié)點(diǎn)運(yùn)動(dòng)決策的發(fā)送，因此傳感信號(hào)的濾波效果直接影響末端執(zhí)行件仿形的準(zhǔn)確性。自動(dòng)控制系統(tǒng)響應(yīng)測(cè)試主要驗(yàn)證算法理論設(shè)計(jì)與程序設(shè)計(jì)的可行性和準(zhǔn)確性，田間試驗(yàn)的目的是驗(yàn)證搭載分布式PNTD控制系統(tǒng)的仿形采茶原型機(jī)作業(yè)效果是否滿足采茶機(jī)作業(yè)質(zhì)量標(biāo)準(zhǔn)和大宗茶制作要求。

圖9 快速控制原型系統(tǒng)代碼生成流程圖

2.1 超聲波傳感器濾波精度測(cè)試

濾波精度測(cè)試設(shè)備為安裝有單套仿形采茶單元的移動(dòng)試驗(yàn)臺(tái)，如圖10-A所示，控制器采用Arduino UNO開(kāi)發(fā)板，通過(guò)Standard Type-B USB與計(jì)算機(jī)信通，利用Simulink模塊同時(shí)進(jìn)行信號(hào)處理和運(yùn)動(dòng)控制的在線仿真，試驗(yàn)選取盆栽龍井43茶樹(shù)為被測(cè)試驗(yàn)對(duì)象。測(cè)試開(kāi)始前將移動(dòng)試驗(yàn)臺(tái)橫跨于被測(cè)植株上方，根據(jù)1.1章節(jié)所述的仿形原理，設(shè)定此次試驗(yàn)的目標(biāo)距離值=1+50，其中傳感器安裝在末端至割刀平面距離1為175?mm處。調(diào)節(jié)末端采茶執(zhí)行器的姿態(tài)，使其固定保持在割刀面高于茶樹(shù)蓬面50?mm左右處，開(kāi)啟刀片運(yùn)動(dòng)，設(shè)定系統(tǒng)的采樣頻率為100?Hz，采樣時(shí)間60?s。數(shù)字信號(hào)處理子系統(tǒng)按照?qǐng)D10-B所示的算法流程實(shí)現(xiàn)兩側(cè)超聲波傳感器輸出信息的在線同步采集，每枚超聲波傳感器各選取前600個(gè)數(shù)據(jù)分別繪制濾波前后的輸出信號(hào)曲線，如圖11所示。

在圖11中，兩超聲波傳感器的輸出曲線均在設(shè)計(jì)允許的偏差范圍(225±5)mm內(nèi)波動(dòng)，并由圖11可知，傳感器的原始輸出曲線存在較大幅度的擾動(dòng)和噪聲，經(jīng)數(shù)字濾波后的輸出曲線很好地剔除了異常值和高頻噪聲，且能較快跟蹤原始數(shù)據(jù)。采用的超聲波傳感器濾波精度可滿足設(shè)備田間作業(yè)的要求。

2.2 PNTD控制系統(tǒng)響應(yīng)測(cè)試

通過(guò)快速控制原型技術(shù)，利用MATLAB Simulink進(jìn)行PNTD控制系統(tǒng)的響應(yīng)測(cè)試。首先試湊整定其比例系數(shù)p為25，微分系數(shù)d為20。如圖12-A所示，選用2.1章節(jié)所采用的移動(dòng)試驗(yàn)臺(tái)以及一套在螺母滑塊上安裝有泡沫平板的電機(jī)絲杠滑臺(tái)，在電機(jī)驅(qū)動(dòng)下，通過(guò)平板沿豎直方向做間歇性往復(fù)運(yùn)動(dòng)來(lái)制造干擾信號(hào)。將移動(dòng)試驗(yàn)臺(tái)布置在絲杠滑臺(tái)上方適當(dāng)位置，給定系統(tǒng)目標(biāo)距離值為200?mm，根據(jù)實(shí)際收集茶葉長(zhǎng)度的允許誤差范圍，設(shè)定偏差信號(hào)的控制死區(qū)上下限均為3?mm，同步開(kāi)啟各試驗(yàn)臺(tái)進(jìn)行測(cè)試，并選取一枚超聲波傳感器多個(gè)響應(yīng)階段的反饋量繪制響應(yīng)曲線（圖12-B）。其中，響應(yīng)效果最差階段的系統(tǒng)峰值時(shí)間為0.14?s，超調(diào)量為3.6%，穩(wěn)態(tài)誤差均在系統(tǒng)可接受范圍內(nèi)（預(yù)設(shè)控制死區(qū)上下限內(nèi)）。試驗(yàn)結(jié)果表明PNTD控制系統(tǒng)各階段的響應(yīng)效果較好，所采用的算法與程序設(shè)計(jì)均可滿足設(shè)備田間作業(yè)的要求。

注：A為傳感器濾波精度測(cè)試現(xiàn)場(chǎng)；B為數(shù)據(jù)采集流程。1-超聲波傳感器1，2-電池，3-計(jì)算機(jī)，4-Arduino UNO，5-超聲波傳感器2，6-割刀

注：A：超聲波傳感器1濾波效果對(duì)比；B：超聲波傳感器2濾波效果對(duì)比

注：A：PNTD控制系統(tǒng)測(cè)試現(xiàn)場(chǎng)；B：響應(yīng)曲線。1-可調(diào)電源，2-泡沫平板，3-仿形試驗(yàn)臺(tái)，4-電機(jī)絲桿滑臺(tái)

2.3 田間試驗(yàn)

為了驗(yàn)證搭載分布式PNTD控制系統(tǒng)的仿形采茶原型機(jī)作業(yè)效果，因此燒錄主控制器和各功能節(jié)點(diǎn)的嵌入式代碼，開(kāi)展了整機(jī)搭載的田間試驗(yàn)，圖13-A為試驗(yàn)現(xiàn)場(chǎng)，采收對(duì)象為經(jīng)蓬面養(yǎng)護(hù)和肥培管理，處于適采期的龍井43機(jī)采綠茶，茶樹(shù)蓬面平整，發(fā)芽整齊，茶蓬高度為70～80?cm，蓬面寬度約為120?cm。試驗(yàn)前根據(jù)文獻(xiàn)[26]所采用的方法進(jìn)行葉密度測(cè)定，如圖13-B所示。用自制的長(zhǎng)寬分別為50?cm和40?cm的矩形框測(cè)定被采摘茶樹(shù)冠面嫩梢的平均生長(zhǎng)區(qū)域面積約為2?095?mm2。推行試驗(yàn)臺(tái)沿茶樹(shù)隴長(zhǎng)方向行進(jìn)10?m，期間平均移動(dòng)速度0.36?km·h-1，共收集鮮葉約4.05?kg，采收效率約為145.8?kg·h-1。整個(gè)采收過(guò)程仿形采茶機(jī)運(yùn)行正常，作業(yè)后采摘面整齊，高度一致，切口平整。

利用對(duì)角線四分法對(duì)采收的全部鮮葉縮分[27]，最后得到500?g樣本進(jìn)行統(tǒng)計(jì)，平均芽葉完整率為82.6%，老樁老梗等雜質(zhì)率為6.4%；如圖14所示，根據(jù)機(jī)械化采茶技術(shù)標(biāo)準(zhǔn)統(tǒng)計(jì)其中的完整嫩梢芽葉，結(jié)果如表1所示，完整嫩梢總數(shù)為488枚，一芽三葉及以下嫩梢占87.91%，由式（7）計(jì)算得到各仿形采茶單元對(duì)末端采茶執(zhí)行器割刀覆蓋蓬面上完整嫩梢的采收率為92.01%。

經(jīng)田間試驗(yàn)驗(yàn)證，該仿形采茶原型機(jī)仿形效果良好，分布式控制系統(tǒng)數(shù)據(jù)傳輸準(zhǔn)確可靠，機(jī)采效果符合采茶機(jī)作業(yè)質(zhì)量標(biāo)準(zhǔn)和大宗綠茶的制作要求。

3 結(jié)論

為提高大宗茶鮮嫩葉采收的自動(dòng)化程度，助力茶產(chǎn)業(yè)節(jié)本增效綠色發(fā)展，提出并研制了一種基于超聲波傳感器的機(jī)采茶蓬面割刀仿形方法與樣機(jī)，提高了鮮葉采收的完整率和可用率。首先，設(shè)計(jì)了數(shù)字濾波算法對(duì)傳感信號(hào)實(shí)施預(yù)處理，濾除葉片間隙和割刀振動(dòng)對(duì)仿形高度估計(jì)的影響，提出了一種基于非線性跟蹤微分器的PNTD控制律，有效避免了PD控制中數(shù)字差分對(duì)信號(hào)噪聲的放大，室內(nèi)多次階躍試驗(yàn)結(jié)果表明，該系統(tǒng)最大峰值時(shí)間為0.14?s，最大超調(diào)量為3.6%；在此基礎(chǔ)上，構(gòu)建了基于CAN總線的仿形單元分布式控制結(jié)構(gòu)，實(shí)現(xiàn)了該分布式控制結(jié)構(gòu)的低成本RCP系統(tǒng)；最后，開(kāi)展了整機(jī)田間試驗(yàn)，試驗(yàn)結(jié)果表明，研制的分布式控制仿形采茶原型機(jī)工作性能良好，割刀覆蓋蓬面上嫩梢的平均采收率92.01%，平均芽葉完整率82.6%，平均雜質(zhì)率6.4%，一芽三葉及以下嫩梢占87.91%。采摘質(zhì)量能滿足機(jī)械化采茶技術(shù)標(biāo)準(zhǔn)和大宗綠茶制作工藝要求。

注：A：仿形采茶原型機(jī)試驗(yàn)現(xiàn)場(chǎng)；B：葉密度測(cè)定。

注：A：一芽二葉；B：一芽三葉；C：一芽四葉及以上

表1 芽葉數(shù)量統(tǒng)計(jì)

[1] 劉仲華, 陳宗懋, 楊亞軍, 等.創(chuàng)新驅(qū)動(dòng)中國(guó)茶產(chǎn)業(yè)高質(zhì)量發(fā)展——從茶學(xué)基礎(chǔ)研究到支撐產(chǎn)業(yè)發(fā)展[J].中國(guó)茶葉, 2021, 43(2): 1-9.

Liu Z H, Chen Z M, Yang Y J, et al.Innovation drives high-quality development of Chinese tea industry: from basic research of tea science to supporting industrial development [J].China Tea, 2021, 43(2): 1-9.

[2] 劉仲華.中國(guó)茶葉深加工產(chǎn)業(yè)發(fā)展歷程與趨勢(shì)[J].茶葉科學(xué), 2019, 39(2): 115-122.

Liu Z H.The development process and trend of Chinese tea comprehensive processing industry [J].Journal of Tea Science, 2019, 39(2): 115-122.

[3] 湯一平, 韓旺明, 胡安國(guó), 等.基于機(jī)器視覺(jué)的乘用式智能采茶機(jī)設(shè)計(jì)與試驗(yàn)[J].農(nóng)業(yè)機(jī)械學(xué)報(bào), 2016, 47(7):15-20.

Tang Y P, Hang W M, Hu A G, et al.Design and experiment of intelligentized tea-plucking machine for human riding based on machine vision [J].Transactions of the Chinese Society for Agricultural Machinery, 2016, 47(7): 15-20.

[4] 權(quán)啟愛(ài).采茶機(jī)械的研制和我國(guó)采茶機(jī)械化事業(yè)的發(fā)展[J].中國(guó)茶葉, 2018, 40(8): 14-17.

Quan Q A.Research and development of tea picking machinery and the development of mechanization of tea picking in China [J].China Tea, 2018, 40(8): 14-17.

[5] 吳雪梅, 張富貴, 呂敬堂.基于圖像顏色信息的茶葉嫩葉識(shí)別方法研究[J].茶葉科學(xué), 2013, 33(6): 584-589.

Wu X M, Zhang F G, Lv J T.Research on recognition of tea tender leaf based on image color information [J].Journal of Tea Science, 2013, 33(6): 584-589.

[6] Li Y T, He L Y, Jia J M, et al.In-field tea shoot detection and 3D localization using an RGB-D camera [J].Computers and Electronics in Agriculture, 2021, 185: 106149.doi: org/10.1016/j.compag.2021.106149.

[7] Chen J, Chen Y, Jin X J, et al.Research on a parallel robot for tea flushes plucking [J].Advances in Economics, Business and Management Research, 2015.doi: 10.2991/emim-15.2015.5.

[8] 易文裕, 程方平, 邱云橋, 等.單人采茶機(jī)研究現(xiàn)狀與發(fā)展趨勢(shì)[J].中國(guó)農(nóng)機(jī)化學(xué)報(bào), 2020, 41(11): 33-38.

Yi W Y, Cheng F P, Qiu Y Q, et al.Research status and development trend of single tea-picking machine [J].Journal of Chinese Agricultural Mechanization, 2020, 41(11): 33-38.

[9] 韓余, 肖宏儒, 秦廣明, 等.國(guó)內(nèi)外采茶機(jī)械發(fā)展?fàn)顩r研究[J].中國(guó)農(nóng)機(jī)化學(xué)報(bào), 2014, 35(2): 20-24.

Han Y, Xiao H R, Qin G M, et al.Studies on develop situations of tea-leaf picker both at home and abroad [J].Journal of Chinese Agricultural Mechanization, 2014, 35(2): 20-24.

[10] Shirai K.Traveling type tea leaf plucking machine: JP2006166710(A) [P].2006-06-29.

[11] 閆晶晶.仿形采茶機(jī)的優(yōu)化設(shè)計(jì)及與茶園管理的協(xié)調(diào)性研究[D].合肥: 安徽農(nóng)業(yè)大學(xué), 2019.

Yan J J.Optimization design of profiling tea picking machine and research on coordination with tea plantation management [D].Hefei: Anhui Agricultural University, 2019.

[12] 王福剛, 楊文君, 葛良全.嵌入式系統(tǒng)的發(fā)展與展望[J].計(jì)算機(jī)測(cè)量與控制, 2014, 22(12): 3843-3847,3863.

Wang F G, Yang W J, Ge L Q.Development and prospects of embedded system [J].Computer Measurement & Control, 2014, 22(12): 3843-3847,3863.

[13] 方正, 張淇淳, 齊玉成.基于DSP的快速控制原型系統(tǒng)[J].東北大學(xué)學(xué)報(bào)(自然科學(xué)版), 2009, 30(8): 1069-1073.

Fang Z, Zhang Q C, Qi Y C.A rapid control prototyping system based on DSP [J].Journal of Northeastern University (Natural Science), 2009, 30(8): 1069-1073.

[14] 夏振興, 代偉, 趙大勇, 等.桌面機(jī)械臂快速控制原型系統(tǒng)設(shè)計(jì)與開(kāi)發(fā)[J].控制工程, 2021, 28(1): 84-92.

Xia Z X, Dai W, Zhao D Y, et al.Design and development of rapid control prototype system oriented towards desktop robot arm [J].Control Engineering of China, 2021, 28(1): 84-92.

[15] 劉歡歡.基于dSPACE的履帶式機(jī)器人運(yùn)動(dòng)控制系統(tǒng)設(shè)計(jì)[D].濟(jì)南: 濟(jì)南大學(xué),2019.

Liu H H.Design of crawler robot motion control system based on dSPACE [D].Jinan: University of Jinan, 2019.

[16] 陶岳.柔順操作機(jī)械臂設(shè)計(jì)與控制關(guān)鍵技術(shù)研究[D].西安: 陜西科技大學(xué), 2019.

Tao Y.Research on the design of compliant manipulator and key technologies of control [D].Xi'an: Shaanxi University of Science and Technology, 2019.

[17] 吳先坤, 李兵, 王小勇, 等.單人背負(fù)式采茶機(jī)的設(shè)計(jì)分析[J].農(nóng)機(jī)化研究, 2017, 39(8): 92-96, 101．

Wu X K, Li B, Wang X Y, et al.Design and analysis of single knapsack tea plucking machine [J].Journal of Agricultural Mechanization Research, 2017, 39(8): 92-96, 101.

[18] 陳緯.一種便攜式采茶機(jī): CN212728090U[P].2021-03-19.

Chen W.The utility model relates to a portable tea picking machine: CN212728090U [P].2021-03-19.

[19] 高可可, 孫江宏, 高鋒, 等.固定式割膠機(jī)器人割膠誤差分析與精度控制[J].農(nóng)業(yè)工程學(xué)報(bào), 2021, 37(2): 44-50.

Gao K K, Sun J H, Gao F, et al.Tapping error analysis and precision control of fixed tapping robot [J].Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2021, 37(2): 44-50.

[20] 高原源, 王秀, 楊碩, 等.基于CAN總線的播種深度監(jiān)測(cè)評(píng)價(jià)系統(tǒng)研究[J].農(nóng)業(yè)機(jī)械學(xué)報(bào), 2019, 50(12): 23-32.

Gao Y Y, Wang X, Yang S, et al.Development of CAN-based sowing depth monitoring and evaluation system [J].Transactions of the Chinese Society for Agricultural Machinery, 2019, 50(12): 23-32.

[21] 安曉飛, 孟志軍, 武廣偉, 等.基于CAN總線的谷物產(chǎn)量快速計(jì)量系統(tǒng)研發(fā)（英文）[J].農(nóng)業(yè)工程學(xué)報(bào), 2015, 31(s2): 262-266.

An X F, Meng Z J, Wu G W, et al.Development of grain yield monitoring system based on CAN bus technology [J].Transactions of the Chinese Society of Agricultural Engineering, 2015, 31(s2): 262-266.

[22] 胡煉, 羅錫文, 張智剛, 等.基于CAN總線的分布式插秧機(jī)導(dǎo)航控制系統(tǒng)設(shè)計(jì)[J].農(nóng)業(yè)工程學(xué)報(bào), 2009, 25(12): 88-92.

Hu L, Luo X W, Zhang Z G, et al.Design of distributed navigation control system for rice transplanters based on controller area network [J].Transactions of the Chinese Society of Agricultural Engineering, 2009, 25(12): 88-92.

[23] 謝云德, 龍志強(qiáng).高精度快速非線性離散跟蹤微分器[J].控制理論與應(yīng)用, 2009, 26(2):127-132.

Xie Y D, Long Z Q.A high-speed nonliner discrete tracking-differentiator with high precision [J].Control Theory & Applications, 2009, 26(2): 127-132.

[24] 韓京清.自抗擾控制技術(shù)[J].前沿科學(xué), 2007(1): 24-31.

Han J Q.Auto Disturbances rejection control technique [J].Frontier Science, 2007(1): 24-31.

[25] 杜超.感應(yīng)電機(jī)驅(qū)動(dòng)系統(tǒng)的自抗擾控制[D].西安: 西安理工大學(xué), 2020.

Du C.Active disturbance rejection control for an induction motor drive system [D].Xi'an: Xi'an University of Technology, 2020.

[26] Zhu Y P, Wu C Y, Tong J H, et al.Deviation tolerance performance evaluation and experiment of picking end effector for famous tea [J].Agriculture, 2021, 11(2): 128-128.

[27] 中華人民共和國(guó)農(nóng)業(yè)部.采茶機(jī)作業(yè)質(zhì)量: NY/T 2614—2014 [S].北京: 中國(guó)農(nóng)業(yè)出版社, 2015.

Ministry of Agriculture of the People's Republic of China.Operating quality for tea picking machines: NY/T 2614-2014 [S].Beijing: China Agricultural Press, 2015.

[28] 李修華, 顏森, 高娜娜, 等.基于超聲波傳感器的小麥追肥精準(zhǔn)評(píng)估系統(tǒng)研究[J].農(nóng)業(yè)機(jī)械學(xué)報(bào), 2020, 51(s1): 203-209.

Li X H, Yan S, Gao N N, et al.Accurate evaluation system for wheat topdressing based on ultrasonic sensor [J].Transactions of the Chinese Society of Agricultural Engineering, 2020, 51(s1): 203-209.

[29] 付根平, 楊塵宇, 張世昂, 等.香蕉園機(jī)器人導(dǎo)航的激光與超聲波組合測(cè)距方法研究[J].農(nóng)業(yè)機(jī)械學(xué)報(bào), 2021, 52(5): 159-168.

Fu G P, Yang C Y, Zhang S A, et al.Research on laser and ultrasonic combined ranging method for robot navigation at banana plantation [J].Transactions of the Chinese Society of Agricultural Engineering, 2021, 52(5): 159-168.

[30] 姜增如.控制系統(tǒng)建模與仿真—基于MATLAB/Simulink的分析與實(shí)現(xiàn)[M].北京: 清華大學(xué)出版社, 2020.

Jiang Z R.Control ssystem modeling and simulation: analysis and implementation based on MATLAB/Simulink [M].Beijing: Tsinghua University Press, 2020.

Development and Test for Distributed Control Prototype of the Riding Profiling Tea Harvester

ZHAO Runmao1,2, BIAN Xianbing1, CHEN Jianneng1,2*, DONG Chunwang3,WU Chuanyu1,2, JIA Jiangming1,2, MAO Ming1, XIONG Yongsen4

1.Faculty of Mechanical Engineering & Automation, Zhejiang Sci-Tech University, Hangzhou 310018, China; 2.Key Laboratory of Zhejiang Transplanting Equipment Technology, Hangzhou 310018, China; 3.Tea Research Institute, Chinese Academy of Agricultural Sciences, Hangzhou 310008, China; 4.Key Laboratory of Crop Harvesting Equipment Technology of Zhejiang Province, Jinhua 321000, China

To better realize the mechanized picking of ordinary fresh tea leaves, reduce the system development cost, and improve the automation level and picking integrity rate, a profiling method of machine-made tea canopy surface cutter and a development method of low-cost and rapid control prototype machine with distributed control were both put forward in this study.Additionally, the profiling tea harvester prototype was developed and the indoor and field tests were launched.The profiling tea harvesteruses ultrasonic sensor to sense the distance information from the reciprocating cutter to the tea canopy and realizes profiling transmission through screw rods.Then, Hampel filter and Low-pass filter algorithms are used to preprocess the distance information on-line to eliminate the influence of inter leaf vacancy and cutter vibration on the real height estimation of tea canopy surface.Meanwhile, a proportional nonlinear tracking differentiator (PNTD) control system based on nonlinear tracking differentiator was established in order to avoid the amplification of signal noise by digital difference in conventional PD control and improve the accuracy of profiling of each tea picking unit.Based on CAN bus network and code generation technology, the distributed fast control prototype with multiple execution units was realized and tested.The indoor step test results show that the maximum peak time of this control system was 0.14?s and the maximum overshoot was 3.6%.Finally, to verify the effectiveness of the distributed control profiling tea picking prototype, profiling picking experiments were conducted in the tea garden.The average picking rate of young shoots on the canopy covered by cutter was 92.01%，the integrity rate of buds and leaves was 82.6%, the impurity rate was 6.4%, and the young shoots with at least one bud and three leaves accounted for 87.91%.All the results demonstrate that the proposed methods had good performance and could be used for picking ordinary tea.

tea harvester, profiling, distributed, rapid control prototyping, nonlinear tracking differentiator

S571.1

A

1000-369X(2022)02-263-14

2021-09-01

2021-10-14

國(guó)家自然科學(xué)基金（51975537、52105284）、浙江理工大學(xué)科研啟動(dòng)基金（20022307-Y）、財(cái)政部和農(nóng)業(yè)農(nóng)村部：國(guó)家現(xiàn)代農(nóng)業(yè)產(chǎn)業(yè)技術(shù)體系資助、浙江省領(lǐng)雁計(jì)劃項(xiàng)目（2022C02052）

趙潤(rùn)茂，男，講師，主要從事農(nóng)場(chǎng)環(huán)境融合感知與農(nóng)業(yè)機(jī)器人研究。*通信作者：jiannengchen@zstu.edu.cn

（責(zé)任編輯：趙鋒）