【www.guakaob.com--驾驶员考试】
本期视频主要内容： 人工操作农机不仅费时费力，也会造成大量的土地浪费。罗树江团队发明了北斗农机自动导航驾驶系统，北斗卫星通过车顶天线确定车辆位置，计算出汽车状况，计算机再把矫正数据传给车辆控制系统液压阀，实现车辆的直线行走。用这种系统操作农机，大幅减少了人工操作时间，大大提高了生产效率。 （《我爱发明》 20151015 导航新势力）
发明人：罗树江（15901403339）
编导手记：随着科技的进步北斗导航系统早已渗透到方方面面，从航天航空，军事行动到户外运动，驾车出行，不断地影响着人们的工作和生活。
把北斗导航系统运用到农业上这不得不说是一个大胆创新的想法。罗树江和他的发明团队，就做了这样一件事。
目前，在我国土地流转业已成为农业的一个重要发展方向，对于大面积的农田作业来说，基本实现农业机械化，但是其中由于机械误差而引起的浪费一直不可避免地存在着。
对于成千上万亩这样大面积的农田来说，由于全程机械化，如果播种的时候出现偏差，收获时机械就会把成熟的谷物压在土里，造成浪费，给农作物收获带来巨大的损失。
发明带头人罗树江是学农业机械专业的，他一直有一个梦想，就是把北斗导航用于农业。虽然想法不错，但是国内尚无先例，实施起来非常困难。
但是他没有灰心，带领他的团队不断设计方案，多次实地考察测试，终于把北斗导航系统安装在1204拖拉机上，并且能够安全运行。
成绩与汗水从来都是相伴相生,在测试成功后。满天的星光下，罗树江和他的发明团队，欢呼雀跃，庆祝这来之不易的成果。（编导：刘海燕）
而农机购置补贴是一项惠农政策，即对直接从事农业生产的个人和农业生产经营组织购买使用先进、适用农业机械给予补贴。
此项资金将重点支持粮棉油糖等主要农作物生产关键环节所需机具，兼顾畜牧业、渔业、设施农业、林果业及农产品初加工发展所需机具。
农机补贴实施以来，取得了巨大的成果，2016年农机总动力约达11.44亿千瓦，同比增长2.4%。大中拖、联合收获机、插秧机、烘干机保有量增幅分别达到7.4%、8.2%、6.0%、19.5%，装备结构持续优化。全国农作物耕种收综合机械化率预计超过65%，同比提高约2个百分点。
2016年全国主要农作物耕种收综合机械化率预计超过65%，同比提高约2个百分点；水稻种植和玉米、油菜、马铃薯、棉花收获机械化率增幅均超过3个百分点，主产区秸秆处理、高效植保、产地烘干能力明显增强。
2016年补贴实施进度同比明显加快，补贴购置农机具263万台（套），受益农户数达230多万户，带动农户投入500多亿元。
2017年是推进主要作物生产全程机械化行动的第三年。今年国家制定出完善、推出一套整体解决方案，打造一批示范基地，开展一系列活动，支持推广一批适用装备，推进主要作物生产全程机械化。
由于中央财政支出总体规模压缩，今年安排用于农机购置补贴的中央资金压减至186亿元，而在农业部、财政部联合发布的《2015－2017年农业机械购置补贴实施指导意见》中，对农业机械购置补贴作了新的修订，我们就来看一下，2017年，农机补贴有了哪些新的变化呢？
1.农机补贴对象变了！
《意见》中，将原来的补贴对象“纳入实施范围并符合补贴条件的农牧渔民、农场（林场）职工、农民合作社和从事农机作业的农业生产经营组织”改为“直接从事农业生产的个人和农业生产经营组织”。
这意味着：农机购置补贴对象范围扩大了。直接从事农业生产的个体或农业组织都将成为农机补贴的对象，对于农业经营主体来说，可获得直接的扶持。
2.农机补贴机具种类范围变了！
《意见》中，补贴机具范围由2014年175个品目压缩到137个品目；取消自选品目，一些地方特色农业发展所需和小区域适用性强的机械设备，可由地方各级财政安排资金补贴。按照“谷物基本供给、口粮绝对安全”的目标要求，重点补贴粮棉油糖等主要农作物生产关键环节所需机具。
这意味着：对种粮大户等又一大力度的支持。国家要确保粮食安全，鼓励粮食种植，要粮、棉、油等重要物资上给予重点补贴！
3.农机补贴标准变了！
中央财政农机购置补贴资金继续实行定额补贴，即同一种类、同一档次农业机械原则上在省域内实行统一的补贴标准[创业网:
这意味着：中央政府重视发展大型高端农机产品，补贴力度增强。意味着一些从事规模农业的经营主体将获得较大力度支持。
农机补贴申请流程
1.购机
可以在省域内自主选择补贴产品经销企业或通过企业直销方式购买机具。
2.申请
凭借《农业机械购置补贴申请表》、购机发票及区级以上农机化主管部门认可的相关凭证、有效身份证明(个人凭户口本和身份证，农业生产经营组织凭工商营业执照)、《经销企业供货表》以及“一卡通”卡号或银行账号，就近到区级农机化主管部门或乡镇政府(街道办事处)申请补贴资金。
其中购置需登记注册、现场安装或有省级累加补贴的补贴产品须到区级农机化主管部门提出申请。购置需现场安装补贴产品的，安装完成并经确认后方可申请补贴。
据了解，中央财政第一批、第二批、第三批农机购置补贴资金已经全部发放。同时，2015年年度中央财政已下拨农机购置补贴资金236.45亿元，2016年中央财政已下拨首批209亿元农机购置补贴资金。
附：江苏省2017年农机补贴目录 机具分类分档及补贴额一览表
| 分档名称 | 补贴额（元） |
| 单轴1500—2000mm旋耕机 | 1000 |
| 单轴2000—2500mm旋耕机 | 1500 |
| 单轴2500mm及以上旋耕机 | 2000 |
| 双轴1500—2000mm旋耕机 | 1800 |
| 双轴2000—2500mm旋耕机 | 2700 |
| 双轴2500mm及以上旋耕机 | 2970 |
| 1200mm及以上履带自走式旋耕机 | 10000 |
| 4行及以上手扶步进式水稻插秧机(简易型） | 2000 |
| 4行手扶步进式水稻插秧机 | 2800 |
| 6行及以上手扶步进式水稻插秧机 | 5000 |
| 6行及以上独轮乘坐式水稻插秧机 | 3000 |
| 4行四轮乘坐式水稻插秧机 | 16830 |
| 6—7行四轮乘坐式水稻插秧机 | 25000 |
| 8行及以上四轮乘坐式水稻插秧机 | 38000 |
| 3行35马力及以上半喂入联合收割机 | 10000 |
| 4行及以上35马力及以上半喂入联合收割机 | 28000 |
| 0.6—1kg/s自走履带式谷物联合收割机（全喂入）；包含1—1.5kg/s自走履带式水稻联合收割机（全喂入） | 4000 |
| 1—1.5kg/s自走履带式谷物联合收割机（全喂入）；包含1.5—2.1kg/s自走履带式水稻联合收割机（全喂入） | 6000 |
| 1.5—2.1kg/s自走履带式谷物联合收割机（全喂入）；包含2.1—3kg/s自走履带式水稻联合收割机（全喂入） | 7000 |
| 2.1—3kg/s自走履带式谷物联合收割机（全喂入）；包含3—4kg/s自走履带式水稻联合收割机（全喂入） | 8000 |
| 3—4kg/s自走履带式谷物联合收割机（全喂入）；包含4kg/s及以上自走履带式水稻联合收割机（全喂入） | 10000 |
| 4kg/s及以上自走履带式谷物联合收割机（全喂入） | 13000 |
| 2—3kg/s自走轮式谷物联合收割机（全喂入） | 8000 |
| 3—4kg/s自走轮式谷物联合收割机（全喂入） | 10000 |
| 4—5kg/s自走轮式谷物联合收割机（全喂入） | 11000 |
| 5—6kg/s自走轮式谷物联合收割机（全喂入） | 16000 |
| 6—7kg/s自走轮式谷物联合收割机（全喂入） | 18000 |
| 7—8kg/s自走轮式谷物联合收割机（全喂入） | 22000 |
| 8kg/s及以上自走轮式谷物联合收割机（全喂入） | 36000 |
| 2行摘穗型自走式玉米收获机 | 7000 |
| 3行摘穗型自走式玉米收获机 | 20000 |
| 4行摘穗型自走式玉米收获机 | 25000 |
| 5行及以上摘穗型自走式玉米收获机 | 28000 |
| 2行摘穗剥皮型自走式玉米收获机 | 14000 |
| 3行摘穗剥皮型自走式玉米收获机 | 27000 |
| 4行摘穗剥皮型自走式玉米收获机 | 29000 |
| 5行及以上摘穗剥皮型自走式玉米收获机 | 30000 |
| 3行及以下籽粒收获型自走式玉米联合收获机 | 13000 |
| 4行籽粒收获型自走式玉米联合收获机 | 20000 |
| 5行及以上籽粒收获型自走式玉米联合收获机 | 23000 |
| 20—25马力两轮驱动拖拉机 | 2500 |
| 25—30马力两轮驱动拖拉机 | 3000 |
| 30—35马力两轮驱动拖拉机 | 3400 |
| 35—40马力两轮驱动拖拉机 | 4000 |
| 40—45马力两轮驱动拖拉机 | 4100 |
| 45—50马力两轮驱动拖拉机 | 4400 |
| 50—55马力两轮驱动拖拉机 | 5000 |
| 55—60马力两轮驱动拖拉机 | 5500 |
| 60—65马力两轮驱动拖拉机 | 6000 |
| 65—70马力两轮驱动拖拉机 | 7000 |
| 70—75马力两轮驱动拖拉机 | 8000 |
| 75—80马力两轮驱动拖拉机 | 9000 |
| 80—85马力两轮驱动拖拉机 | 10000 |
| 85—90马力两轮驱动拖拉机 | 11000 |
| 90—95马力两轮驱动拖拉机 | 12000 |
| 95—100马力两轮驱动拖拉机 | 14000 |
| 100马力及以上两轮驱动拖拉机 | 15000 |
| 20—25马力四轮驱动拖拉机 | 3500 |
| 25—30马力四轮驱动拖拉机 | 4000 |
| 30—35马力四轮驱动拖拉机 | 4300 |
| 35—40马力四轮驱动拖拉机 | 4500 |
| 40—45马力四轮驱动拖拉机 | 4800 |
| 45—50马力四轮驱动拖拉机 | 5000 |
| 50—55马力四轮驱动拖拉机 | 6000 |
| 55—60马力四轮驱动拖拉机 | 7000 |
| 60—65马力四轮驱动拖拉机 | 8000 |
| 65—70马力四轮驱动拖拉机 | 9000 |
| 70—75马力四轮驱动拖拉机 | 10000 |
| 75—80马力四轮驱动拖拉机 | 11000 |
| 80—85马力四轮驱动拖拉机 | 13000 |
| 85—90马力四轮驱动拖拉机 | 15000 |
| 90—95马力四轮驱动拖拉机 | 17000 |
| 90—95马力四轮驱动拖拉机（动力换档） | 19000 |
| 95—100马力四轮驱动拖拉机 | 19000 |
| 95—100马力四轮驱动拖拉机（动力换档） | 21000 |
| 100—110马力四轮驱动拖拉机 | 21000 |
| 100—110马力四轮驱动拖拉机（动力换档） | 23000 |
| 110—120马力四轮驱动拖拉机 | 23000 |
| 110—120马力四轮驱动拖拉机（动力换档） | 25000 |
| 120—130马力四轮驱动拖拉机 | 25000 |
| 120—130马力四轮驱动拖拉机（动力换档） | 27000 |
| 130—140马力四轮驱动拖拉机 | 27000 |
| 130—140马力四轮驱动拖拉机（动力换档） | 29000 |
| 140—150马力四轮驱动拖拉机 | 30000 |
| 140—150马力四轮驱动拖拉机（动力换档） | 32000 |
| 150—180马力四轮驱动拖拉机 | 33000 |
| 150—180马力四轮驱动拖拉机（动力换档） | 35000 |
| 180—200马力四轮驱动拖拉机 | 43000 |
| 180—200马力四轮驱动拖拉机（动力换档） | 45000 |
| 200—210马力四轮驱动拖拉机 | 60000 |
| 200—210马力四轮驱动拖拉机（动力换档） | 64000 |
| 210马力及以上四轮驱动拖拉机 | 80000 |
| 210马力及以上四轮驱动拖拉机（动力换档） | 85000 |
| 12m以下悬挂及牵引式喷杆喷雾机 | 850 |
| 12—18m悬挂及牵引式喷杆喷雾机 | 2400 |
| 18m及以上悬挂及牵引式喷杆喷雾机 | 6000 |
| 18马力以下自走式（喷杆）喷雾机 | 4000 |
| 18—35马力自走式喷杆喷雾机 | 12000 |
| 35—50马力自走式喷杆喷雾机 | 24000 |
| 50马力及以上自走式喷杆喷雾机 | 30000 |
| 动力喷雾机 | 290 |
| 4冲程背负式机动喷雾机 | 240 |
| 3铲及以下深松机 | 1170 |
| 4—5铲深松机 | 1800 |
| 6铲及以上深松机 | 2400 |
| 3铲及以下振动式、全方位式深松机 | 2700 |
| 4—5铲振动式、全方位式深松机 | 2700 |
| 6铲及以上振动式、全方位式深松机 | 4000 |
| 功率4kW以下田园管理机 | 400 |
| 功率4kW及以上田园管理机 | 600 |
| 6行及以下条播机 | 360 |
| 7—11行条播机 | 680 |
| 12—18行条播机 | 900 |
| 19—24行条播机 | 3500 |
| 25行及以上条播机 | 5000 |
| 与微耕机、田园管理机相配套的小粒种子播种机 | 140 |
| 普通小粒种子播种机 | 480 |
| 3—5行气力式小粒种子播种机 | 1500 |
| 6行及以上气力式小粒种子播种机 | 4500 |
| 普通2—3行穴播机 | 570 |
| 普通4—5行穴播机 | 1260 |
| 普通6行及以上穴播机 | 1890 |
| 精量2—3行穴播机 | 1000 |
| 精量4—5行穴播机 | 1800 |
| 精量6—10行穴播机 | 3000 |
| 精量11行及以上穴播机 | 5000 |
| 生产率200—500(盘/h)秧盘播种成套设备 | 1900 |
| 生产率500(盘/h)及以上秧盘播种成套设备 | 3400 |
| 床土处理设备 | 1000 |
| 树木（花草）修剪机 | 300 |
| 1.5—2m秸秆粉碎还田机 | 1620 |
| 2—2.5m秸秆粉碎还田机 | 1890 |
| 2.5m及以上秸秆粉碎还田机 | 2250 |
| 0.7—1.2m捡拾压捆机 | 8730 |
| 1.2—1.7m捡拾压捆机 | 16200 |
| 1.7—2.2m捡拾压捆机 | 28800 |
| 2.2m及以上捡拾压捆机 | 40500 |
| 0.6—1kg/s自走履带式油菜籽收获机 | 4000 |
| 1—1.5kg/s自走履带式油菜籽收获机 | 6000 |
| 1.5—2.1kg/s自走履带式油菜籽收获机 | 7000 |
| 2.1—3kg/s自走履带式油菜籽收获机 | 8000 |
| 3—4kg/s自走履带式油菜籽收获机 | 10000 |
| 4kg/s及以上自走履带式油菜籽收获机 | 13000 |
| 2—3kg/s自走轮式油菜籽收获机 | 8000 |
| 3—4kg/s自走轮式油菜籽收获机 | 10000 |
| 4—5kg/s自走轮式油菜籽收获机 | 11000 |
| 5—6kg/s自走轮式油菜籽收获机 | 16000 |
| 6—7kg/s自走轮式油菜籽收获机 | 18000 |
| 7—8kg/s自走轮式油菜籽收获机 | 22000 |
| 8kg/s及以上自走轮式油菜籽收获机 | 36000 |
| 批处理量4—10t循环式粮食烘干机 | 12000 |
| 批处理量10—20t循环式粮食烘干机 | 25000 |
| 批处理量20—30t循环式粮食烘干机 | 36000 |
| 批处理量30t及以上循环式粮食烘干机 | 36000 |
| 5.5—22kW离心泵 | 360 |
| 22—55kW离心泵 | 1300 |
| 55—110kW离心泵 | 1500 |
| 110kW及以上离心泵 | 1900 |
| 微孔曝气式增氧机 | 1000 |
| 微耕机、手扶拖拉机配套起垄机（器） | 120 |
| 1—2m起垄机 | 1000 |
| 2—4m起垄机 | 1300 |
| 4m及以上起垄机 | 5500 |
| 配套手扶拖拉机开沟机 | 150 |
| 开沟深度50cm以下配套轮式拖拉机开沟机 | 1000 |
| 开沟深度50cm及以上配套轮式拖拉机开沟机 | 2000 |
| 容积20-45m³；功率10KW以下 | 15000 |
| 容积45-60m³；功率10KW-20KW | 28000 |
| 容积60m³以上；功率20KW以上 | 55000 |
| 独立库容50m³以下简易保鲜储藏设备 | 80元/m³ |
| 独立库容50—100m³简易保鲜储藏设备 | 80元/m³ |
| 独立库容100—200m³简易保鲜储藏设备 | 60元/m³ |
| 独立库容200—400m³简易保鲜储藏设备 | 40元/m³ |
| 独立库容400m³-1000m³简易保鲜储藏设备 | 40元/m³ |
| 药箱容积≥300L，喷幅≥6m，自走式（不含三轮自走式等） | 7000 |
| 药箱容积≥300L，喷幅半径≥6m，牵引式、车载式和三轮自走式等 | 2000 |
| 幅宽2-3m激光平地机 | 12000 |
| 幅宽3m及以上激光平地机 | 14000 |
| 功率大于15KW且作业幅宽大于90CM的乘坐式割草机 | 10000 |
| 悬挂式挖坑机 | 800 |
| 自走式挖坑机 | 5000 |
| 功率18-30KW抓草机 | 3000 |
| 功率30-40KW抓草机 | 4000 |
| 功率40-55KW抓草机 | 5000 |
| 电机总功率5kW以下固液分离机 | 2600 |
| 电机总功率5-10kW固液分离机 | 3500 |
| 电机总功率10kW及以上固液分离机 | 3900 |
| 肥箱容积500L及以上摆动式撒肥机；或与乘坐式插秧机配套的撒（施）肥机 | 3800 |
| 其他撒肥机 | 1500 |
| 工作幅宽30cm至120cm秸秆切碎抛撒装置 | 350 |
| 工作宽幅120cm及以上秸秆切碎抛撒装置 | 400 |
| 水产养殖环境智能/成套监控管理设备（具有测量水温、溶氧等功能） | 700 |
| 水产养殖环境智能/成套监控管理设备（具有测量水温、溶氧、电导等功能） | 1200 |
| 0.5-1T/H压块机 | 6000 |
| 1-2T/H压块机 | 10000 |
| 2T/H及以上压块机 | 20000 |
| 功率2kW以上自走履带式田园搬运机(不带液压自卸) | 3000 |
| 功率3.6kW至4.1KW自走履带式田园搬运机 (带液压自卸) | 5000 |
| 功率4.1kW以上自走履带式田园搬运机 (带液压自卸) | 9000 |
| 筑埂高度大于25cm且配套动力大于36.7KW的筑埂机 | 4500 |
| 单行自走式或牵引式/悬挂式蔬菜移栽机等 | 6000 |
| 2行以上乘坐自走式蔬菜移栽机 | 14000 |
| 功率2.4KW以上茶园防霜机 | 3500 |
| 与四轮配套，幅宽0.8-1.5米花生收获机 | 1000 |
| 与四轮配套，幅宽1.5米及以上花生收获机 | 1800 |
| 联合收获机 | 22000 |
| 花生摘果机，配套动力3-7kw | 800 |
| 花生摘果机，配套动力7kw以上 | 2000 |
| 有机肥翻抛机；配套动力≥15kw | 5000 |
| 翻抛机，自走履带式；60≤功率＜90kw | 60000 |
| 翻抛机，自走履带式；功率≥90kw | 80000 |
| 茶园翻耕管理机，自走式；功率≥11KW；作业幅宽≥60CM | 5000 |
| 采藕机，自走式；功率≥6.3kW | 3500 |
| 单体幅宽35cm及以上，3—4铧翻转犁 | 2400 |
| 单体幅宽35cm及以上，5—6铧翻转犁 | 3500 |
| 单体幅宽35cm及以上，7铧及以上翻转犁 | 4500 |
| 4kW及以上圆捆压捆机 | 7000 |
| 7.5—15kW方捆压捆机 | 2500 |
| 15kW及以上方捆压捆机 | 10000 |
| 12—18行旋耕施肥播种机 | 1500 |
| 19—24行旋耕施肥播种机 | 3800 |
| 25行及以上旋耕施肥播种机 | 5500 |
小编近日发现咱农业补贴多了一项农机深松补贴，具体的补贴标准及能领取的省市情况如下：
注：另除了四川省、贵州省、福建省、江西省、浙江省无深松项目补贴资金安排外其余省份不同地区均有该项补贴。咱农民朋友可以前去村委会咨询领取。
因为咱农民现在种地不像之前，没有机械化地耕地劳动，纯人力地在田间劳作；这个农机深松补贴针对的是有农机设备的农户，所谓的农机深松指的是通过拖拉机牵引深松机或带有深松部件的联合整地机等机具，进行行间或全方位深层土壤耕作的机械化整地技术。
应用这项技术可在不翻土、不打乱原有土层结构的情况下，打破坚硬的犁底层，加厚松土层，改善土壤耕层结构，从而增强土壤蓄水保墒和抗旱防涝能力，能有效增强粮食基础生产能力，促进农作物增产、农民增收。
因此，国家对于该项作业提供补贴，实则是鼓励咱农民能够有效地利用农机设备，开拓新的种植技术，让农业生产步入现代化、机械化，既减轻咱农民生产压力又提高生产效率；让咱农民能够实现增产丰收。
农业开发与装备 2014年第6期农 机 推 广
浅谈农机GPS卫星定位和自动导航驾驶系统的应用
苏兴俊，刘永波
（黑龙江省赵光农场，黑龙江齐齐哈尔 161020）
随着我国高新技术的应用和电子信息技术的发展，以及现代化精细农业的要求和农机高科技技术的迅速发展。农机GPS卫星定位和自动导航驾驶已成为现代化大农业的一个重要组成部分。在播种、施肥、洒药、收获、整地、起垄等许多农机作业项目上发挥着重要的作用，并有着广阔的发展前景。
2010年，黑龙江垦区赵光农场本着“立足大农机、发展大农业”的原则，不断提高农机科技含量和高新技术的推广应用，首次引进十套美国天宝卫星自动导航产品，为迪尔7830、维美德T171、191等先进机型安装了10套GPS卫星定位和自动导航驾驶系统，通过进行秋整地和秋起垄作业，这套系统极大地提高了机车的作业效率，实现全天候作业，不仅提高了机车的作业质量和工作效率，实现节本增效，而且很大程度的减轻了驾驶操作人员的劳动强度。
通过当年的“三秋”测试，机车减少了“重漏”和“空跑”现象，10台车共节省主燃油25t，节约资金19.75万元，特别是2013年春季四涝叠加造成的生产困难，全场全部应用导航作业使整地播种提高机车工作效率20%以上，增加时间利用率4个百分点，实现节本增效进30万元。此套系统的应用解决了农机驾驶操作人员技术水平低而造成的损失，引领示范农机发展的新方向，农场在2011～2013年拖拉机全部装备了此系统，达到90套。
农场使用的美国天宝Autopilot自动导航驾驶系统可以从起垄到收割整个过程提供2.5cm的重复测量精度，为操作增加无可比拟的精确度。农场起垄作业在整个农业生产过程中至关重要，起垄作业的质量直接关系到以后播种，喷药作业的“重漏”，关系到作业成本的高低。传统的起垄作业完全依赖驾驶员的驾驶经验，在直线度和结合线的精度上很难得到保证，尤其在地块较大的情况下，偏航的情况在所难免。返工以及播种时的重漏，结合线偏差过大直接造成生产成本的加大和地块利用效率的降低。美国天宝Trimble的autopilot自动导航驾驶系统主要是通过高精度的GPS+GLONASS卫星定位系统，通过控制农机的转向液压系统，控制农机按照设定的路线（直线或曲线）自动行驶，不需驾驶方向盘。在保证农机直线行驶的同时，结合线之间的偏差可以控制在2.5cm，充分解决播种重漏的问题，降低生产成本，提高土地利用效率。1 系统的组成和工作原理1.1 系统组成
主要有导航光靶、方向传感器、通信模块、导航控制器、液压控制器等。
1.1.1 EZ-GUIDE500导航光靶。内置双频GPS接收机；31个醒目指示灯在任何能见度下快速给您在线信息反馈；多重导航模式可供选择，直线，曲线，环线；大按钮，一按即可完成所有主要导航功能，GPS状态，设置和帮助功能的控制；使用U盘简单快速的把每天的作业数据导入计算机，用于出图和打印报告。光靶接收GPS的定位信号， 在导航光靶上设定车辆行走线，设置导航模式（直线或者曲线）。在设定导航线后，根据机组作业幅宽进行自动直线导航，技术特点是在没有作业导航图的情况下可在作业中生成导航线，差分GPS的定位下，可对农机田间直线行走作业精确引导，使机组作业不重不漏，并具有作业面积计算统计等功能。
1.1.2 方向传感器。向导航控制器发送高精度的转角信息，可实时向控制器发送车轮的运动方向。
1.1.3 通信模块。通过GPRS/CDMA登陆服务器，接收基站的差分数据。
1.1.4 导航控制器。自动驾驶系统的核心，接收基站差分数据，
实现厘米级的RTK卫星定位，根据卫星定位的坐标及车轮的转动情况、转角信息，实时向控制器发送精确的定位信息，通过控制液压系统油量的流量和流向，控制车辆的行驶，确保车辆按照导航光靶设定的路线行驶。
1.1.5 液压控制器。液压控制器根据导航控制器发送的指令，改变油箱的流量和流向，保证农机按照设定的路线行驶。液压控制器：液压控制器根据导航控制器发送的指令，改变油箱的流量和流向，保证农机按照设定的路线行驶。2 工作原理
首先在导航光靶上设定车辆行走线，设置导航模式（直线或者曲线）。通过接收基站差分数据，实现厘米级的卫星定位，实时向控制器发精确的定位信息。方向传感器实时向控制器发送车轮的运动方向。导航控制器根据卫星定位的坐标及车轮的转动情况，实时向液压控制阀发送指令，通过控制液压系统油量的流量和流向，控制车辆的行驶，确保车辆按照导航光耙设定的路线行驶。3 实际作业情况3.1 优势
农机使用自动驾驶系统进行起垄、播种、喷药、收获等农田作业时，衔接行距的精度可达2公分，可以减少农作物生产投入成本，并使农作物的种植农艺特性优化，提高农艺作业质量，避免作业过程产生衔接行的“重漏”，降低成本，增加经济效益。3.2 提高土地利用率
该系统的基站设在农场农机管理服务中心，设备要求24h工作，基站的覆盖半径可达50KM，可以完全覆盖全场地号的作业面积，满足农场农机田间作业要求。农机使用自动驾驶系统进行起垄、播种、洒药、整地等作业时，结合线之间的偏差和千米直线度偏差可以控制在2.5cm，减少农作物生产投入成本，并且可以提高农艺作业质量，避免作业过程产生的“重漏”现场，降低生产成本，提高土地利用率，增加了经济效益。3.3 提高机车时间利用率和作业质量
该系统提高了机车的操作性能，延长了作业时间，可以实现夜间作业，大大提高了机车的出勤率和时间利用率。同时这套系统可以减轻驾驶操作人员的劳动强度，在作业过程中，驾驶操作人员不需要驾驶方向盘，可以用更多的时间注意观察农具的工作状况，有利于提高田间作业质量。特别是农机在进行起垄作业时，拖拉机按设定的直线自动驾驶，省去划印器。3.4 地形适应性较强
独特Ag GPS Autopilot系统可以用于平地或坡地。控制器的T3地形补偿技术不断修正、补偿农机具的俯仰、翻滚姿态，达到精确导航目的。
以起垄作业为例，传统的起垄作业完全依靠驾驶员的自身经验，在直线度和结合线的精度上很难得到保证，尤其在地块的面积和坡度较大的情况下，偏航的情况在所难免，作业时的重漏和结合线偏差过大现象，直接造成生产成本的加大和地块利用效率的降低。利用这套系统就可以避免以上现象的发生。同时该系统还具有作业状况实时记录、作业面积计算统计等功能。这些都比传统农机作业占据优势。3.5 合理调配机车
通过GPS卫星定位，可以实时掌握机车的田间作业情况，包括机车的作业地号、作业速度等信息，并将实时作业情况通过信息中心的大屏幕显示出来，使农机管理人员随时根据机车田间作业情
·93·
浅谈农机GPS卫星定位和自动导航驾驶系统的应用
作者：作者单位：刊名：英文刊名：年，卷(期)：
苏兴俊， 刘永波
黑龙江省赵光农场,黑龙江齐齐哈尔,161020农业开发与装备
Agricultural Development and Equipments2014(6)
引用本文格式：苏兴俊.刘永波 浅谈农机GPS卫星定位和自动导航驾驶系统的应用[期刊论文]-农业开发与装备 2014(6)
2010年12月
DOI:10.3969/j.issn.1000-1298.2010.12.033
农业机械学报
第41卷第12期
农业机械导航系统综合评价方法
籍 颖
1,2
1
1
1
＊
张 漫 刘 刚 刘兆祥 何 蓓
1
(1.中国农业大学现代精细农业系统集成研究教育部重点实验室,北京100083;
2.河北农业大学信息科学与技术学院,保定071000)
【摘要】 提出了农业机械导航系统多指标评价模型,将导航成本、精度、适应能力、稳定性和计算复杂性作为评价指标,采用层次分析法和信息熵相结合的方法确定各指标权值,具有兼顾主观和客观赋权的优点。建立了神经网络并训练模型形成评价系统。通过数据分析表明,该综合评价方法克服了人为因素的影响,评价系统使用简单方便。
关键词:农业机械 导航 综合评价 层次分析法 信息熵 RBF神经网络中图分类号:TP274+.2;N945.16
文献标识码:A
文章编号:1000-1298(2010)12-0160-05
SyntheticalEvaluationofAgricultureMachineNavigationSystem
JiYing ZhangMan LiuGang LiuZhaoxiang HeBei
(1.KeyLaboratoryofModernPrecisionAgricultureSystemIntegrationResearch,MinistryofEducation,ChinaAgriculturalUniversity,Beijing100083,China
2.CollegeofInformationScience＆Technology,AgriculturalUniversityofHebei,Baoding071000,China)
1,2
1
1
1
1
Abstract
Themulti-indexevaluationmodelofagriculturemachinenavigationsystemwasproposed,andthecost,accuracy,adaptability,stabilityandcomputingcomplexitywereusedasfiveindexeswhichmainly
affectthenavigationsystemperformance.TheweightofeachindexwasdecidedbycombiningAHPandentropymethod,whichhastheadvantagesofsubjectiveandobjective.TheRBFneuralnetworkwasusedtobuildtheevaluationmodel.Dataanalysesshowedthatthemethodwaseasytouse,andovercomedtheinfluenceofsubjectivefactors.
Keywords Agriculturalmachinery,Navigation,Syntheticalevaluation,Analytichierarchy
process,Entropy,RBFneuralnetwork
价方法。国内外对导航系统的综合评价还没有深入
研究,国外仅仅使用导航精度来简单地衡量导航系统
[2]
引言
农业机械自动导航系统是现代农业工程技术的重要组成部分。随着科学技术的发展,农业机械导航系统研究有了快速发展,各种导航方法的研究取得了一定的进展。农业机械导航系统的综合评价,可全面反映农业机械导航系统的综合水平。科学合理的综合评价方法是导航系统科学决策的依据和手段,但迄今为止尚未形成全面、客观、定量的评
收稿日期:201006
04 修回日期:201007
29
[1]
。导航系统是复杂系统,使用单一指标对其进
行评价不尽合理;其次,导航系统的性能是受多种因素制约、影响的,需要从整体上反映系统的综合性能。因此,建立客观、科学的导航综合评价方法是十分必要的。
本文旨在建立农业机械导航系统多指标综合评价模型,确定导航系统的评价指标,并采用基于层次
＊国家“863”高技术研究发展计划资助项目(2006AA10A304)和国家自然科学基金资助项目(30900869)
作者简介:籍颖,博士生,河北农业大学讲师,主要从事融合算法、自动导航、图像处理研究,E-mail:hdjiying@163.com通讯作者:刘刚,教授,博士生导师,主要从事农业电气化与自动化研究,E-mail:pac@cau.edu.cn
第12期 籍颖等:农业机械导航系统综合评价方法161
分析法(AHP)和信息熵相结合的方法确定各指标权值,对多种导航系统进行综合评价;使用RBF神经网络对样本进行学习和训练,建立客观、科学的农业机械导航系统综合评价方法。
1 多指标体系建立
1.1 多指标评价模型
农业机械导航系统中,导航精度是对系统性能评价的一个重要指标,其他影响因素也是不可忽略的组成部分。在深入研究导航系统性能的基础上,提出了导航评价指标模型。根据指标体系建立的原则,将导航传感器成本、导航精度、适应能力、稳定性以及计算复杂性作为5类一级评价指标。具体如下:
(1)导航传感器成本B1:传感器成本是影响导航系统推广应用的重要因素。导航中常用的传感器包括:GPS、机器视觉、惯性传感器、磁传感器、超声
[3]
波传感器、激光传感器、红外传感器和雷达等。国内外农业工程应用领域主流导航方式是GPS、机器视觉和惯性传感器。
(2)导航精度B2:导航精度是评价系统中的关键指标,指农业机械导航系统实际路径和理想路径偏差的大小。因单一的均方误差不能全面代表系统精度的高低,故提出最大偏差C1、最小偏差C2、平均偏差C3和均方根偏差C4这4个二级指标来综合表示导航系统的精度。
(3)导航系统的适应能力B3:一些农业机械导航系统在水平路面上行驶导航效果好,但在颠簸不平的田间行驶就易出现不稳定情况,因此将田间平稳行驶作为适应能力之一。转弯即地头转弯行驶也是导航系统适应能力的重要内容。农业机械导航系统带上机具行驶,会对系统的行驶速度产生影响,因此,将系统能否适应变速行驶也作为适应能力的一个指标。适应能力包括导航系统转弯行驶能力C5、变速行驶能力C6以及田间平稳行驶能力C7,作为二级指标。
(4)导航系统的稳定性B4:即可重复性、鲁棒性,指农业机械导航系统在相同条件下,重复多次行驶,若导航路径和理想路径在允许的偏差范围内,则认为具有可重复性。
(5)计算复杂性B5:也是评价导航系统的一个因素。过度繁琐、复杂的导航算法,势必会占用大量运行时间,使得整个导航系统响应延迟。在此,将计算复杂性定义为系统完成数据采集、判断、决策所消耗的时间。导航系统综合评价指标结构图如图1所
示[4]
图1 导航系统综合评价指标结构图
Fig.1 Structureofsyntheticalevaluationfornavigationsystem
1.2 多指标参数处理
由于不同的指标有不同的量纲和单位,为了使不同量纲、不同数量级的数据能一起进行比较,在评价之前应将评价指标进行无量纲化处理
[5]
。
对效益型指标(如适应能力、稳定性),参数值越大越好,故令
x′ijmaxxminxij-ij
ii
式中 x———指标参数实际值ij
x′———指标参数归一化值ij
对成本型指标(如传感器成本、导航精度、计算复杂性等),指标值越小越好,令
x′ijmaxxminxij-ij
ii
maxxxij-iji
(2)
xminxij-ij
i
(1)
经过无量纲化处理后,指标的最大值为1,最小值为0,x′越接近于1,说明该指标越接近于最优水ij
平。
2 评价方法分析
2.1 层次分析法
层次分析法(analytichierarchyprocess,简称AHP)是由美国运筹学家SattyTL于20世纪70年代提出的一种定性和定量分析相结合的决策方法。它通过专家判断、比较、评价等手段将多个变量的重要程度数量化
[6]
。AHP方法适合于通过人来定性
判断其重要作用及对决策结果难于直接准确计量的
[7]
场合。
运用AHP进行决策时,可分为4个步骤
[8]
:
(1)分析系统中各因素之间的关系,建立系统的递阶层次结构。(2)对同一层次的各元素关于上一层次中某一准则的重要性进行两两比较,构造判断矩阵。(3)由判断矩阵计算被比较元素对于该准则的。
162农 业 机 械 学 报 2010年
(4)计算各层元素对系统目标的合成权值,并进行排序。2.2 信息熵法
信息熵表明提供有效信息的多寡程度,可以用于度量数据所提供的有效信息程度和确定权值。定义信息熵
n
值的方式赋予网络上,这样,不仅可以模拟专家进行定量评定,而且避免了评价过程的人为失误计算权值与相关性的主观影响和不确定性。
[7]
。由
于模型的权值是通过实例学习得到的,避免了人为
3 实验分析
3.1 层次分析法确定权值
(1)构造层次包括目标层、准则层和方案层(图1)。
(2)对层内元素进行两两比较,构造判断矩阵。判断矩阵是通过对有关专家的意见进行统计计算得出,如表1所示。对于不同的农业机械作业需求,如播种、喷药、采样等,可依据具体情况,对权值进行适当调整,使之更符合实际需要。
H(x)=-C∑P(x)lgP(x)iii
i=1
(3)
式中 C———常数
P(x)———xii出现的概率
利用信息熵方法确定系统指标权值的步骤(1)求指标对应的信息熵
rji
令P, i,j,则信息熵为jiri∑∑j
j=1i=1
[9]
:
EK∑i=-j=1
∑
i=1
PlnPjiji(4)
B1
B1B2
17331/2
表1 B层内的权值Tab.1 WeightofB
B21/711/51/41/9
B31/35121/3
B41/341/211/4
B529341
权值0.0680.5600.1300.2000.042
式中 K———常数
j———对应每一个评价指标的等级
r———对应评价指标值ji
(2)求偏差度
d1-Ei=i
其中,E∈[0,1]。i(3)求指标权值
widi
(5)
B3B4B5
∑d
i
(6)
(3)一致性检验,是为了保证在判断指标重要性时,各判断之间协调一致,避免出现相互矛盾的结
果。一致性检验方法见文献[7]。
二级指标权值的确定方法同上,确定出导航系统中各指标所占的权值,如表2所示。
表2 AHP方法获得的权值Tab.2 WeightofAHP
一级指标成本B1
最大偏差C1最小偏差C2
精度B2
平均偏差C3均方根偏差C4转弯行驶能力C5
适应能力B3
变速行驶能力C6田间行驶能力C7
稳定性B4计算复杂性B5
二级指标
权值0.0680.2020.0610.1680.1290.0350.0160.0790.2000.042
i
式中 w———第i个评价指标权值i
2.3 综合权值
基于AHP方法获得的权值是由专家根据自身经验和对实际的判断给出的,因此其主观随意性较大;通过信息熵方法,可以从系统内部的构成因素以及内在关联性上进行分析,得到每个指标的权值,数据来源于评价矩阵的实际数据,具有绝对的客观性,但忽略了各指标的重要性,有时与事实不符。因此,为了弥补各自的缺点,采用主观与客观赋权法相结合,即将AHP方法和信息熵法相结合,比较各指标权值,取其平均值,兼顾主观和客观赋权优点,使系统权值分配更合理、更科学。2.4 RBF神经网络
RBF神经网络是逼近能力、分类能力和学习速度等方面均优于BP网络的一种监督神经网络。RBF神经网络具有广泛的近似能力,能够以任意精度逼近任何连续函数。
基于神经网络的多指标综合评价方法通过神经网络的自学习、自适应能力和强容错性,建立更加接近人类思维模式的定性和定量相结合的综合评价模型[11]
[10]
3.2 信息熵方法确定权值
采用基于信息熵的方法确定各指标的权值如表3所示。将基于AHP方法和基于信息熵方法获得的权值进行对比,发现两者方法获得指标权值分
,,
第12期 籍颖等:农业机械导航系统综合评价方法163
获得的权值取平均,得到如图2所示的权值分配图。
表3 信息熵法确定的权值Tab.3 Weightofentropy
一级指标成本B1
最大偏差C1最小偏差C2
精度B2
平均偏差C3均方根偏差C4转弯行驶能力C5
适应能力B3
变速行驶能力C6田间行驶能力C7
稳定性B4计算复杂性B5
二级指标
权值0.0860.0980.0950.0950.0930.1050.1040.1050.1090.
110
从图2可以看出,农业机械导航5大指标权值排序依次是导航精度、适应能力、稳定性、成本和计
算复杂性。因此在研究农业机械导航系统时,不能片面追求导航精度,其适应能力、稳定性、成本等因素都不能忽视,要综合考虑。
3.3 数据处理
使用福田雷沃欧豹FT704型拖拉机作为平台,对7种常用农业机械导航系统进行评价:M1是单使用基于OEM开发板的RTK-GPS进行导航;M2是使用基于OEM开发板的RTK-GPS和机器视觉传感器相结合进行导航;M3是使用基于OEM开发板的RTK-GPS和姿态传感器相结合进行导航;M4是使用基于OEM开发板的RTK-GPS加机器视觉和姿态传感器3种传感器组合导航;M5是使用基于VRS差分的GPS进行导航;M6是使用RTK-GPS进行导航;M7是单使用机器视觉进行导航。其中OEM板采用Novatel公司OEM3型双频双星板,定位精度为cm级;VRS差分中GPSOEM板采用泰雷兹AC12,定位精度为m级。
对各种导航方法评分的原始数据进行无量纲化处理和归一化处理,如表4所示。
运用黄金分割原理,将处于0～1范围内的数值
图2 权值分配图Fig.2 Distributeofweight
分成相应的5种类型的评语值域,大于0.854为优;
(0.618,0.854]为良;(0.528,0.618]为中;(0.382,
表4 归一化处理后的数据
Tab.4 Dataafternormalization
精度B2
适应能力B3
稳定性
计算复杂性B50.500.400.350.250.400.550.20
均方根偏差C40.700.730.730.770.000.930.87
转弯行驶能力C50.400.670.600.700.200.500.15
变速行驶能力C60.500.550.500.550.320.600.25
田间行驶能力C70.200.400.700.800.100.600.40
B40.450.300.480.750.300.550.26
导航系统
传感器成本B10.820.790.770.741.000.291.00
最大偏差C1
最小偏差C20.900.951.001.000.501.000.85
平均偏差C30.750.730.750.780.000.750.75
M1(GPS)M2(GSP+MV)M3(GPS+AHRS)M4(GPS+MV+AHRS)M5(VRS)M6(RTK)M7(MV)
0.700.730.740.760.000.800.40
0.528]为可;小于等于0.382为差。根据各指标的权值,对7种导航方法进行评价,获得导航综合评价
结果和评价等级如表5所示。根据综合评价结果可以进行排序并给出评价等级,排序结果为:M4、M6、M3、M2、M1、M7、M5,与专家们的评价结果一致,符合实际情况。3种导航方法评价等级为良,通过对导航数据进行综合评价可以看出,M4方法综合评价结果最优,是各指标综合的最优结果。M6方法导航,方法M1M2M3M4M5M6表5 综合评价结果
Ta
b.5 Resultofsyntheticalevaluation
综合评价0.59850.61160.66550.72690.23530.6754评价等级
中中良良差良
164农 业 机 械 学 报 2010年
表6 神经网络评价结果Tab.6 Resultofneuralnetworktest
导航方法
M6M7
AH信息熵法
0.67540.5157
RBF神经网络法
0.68650.5253
相对误差/%
1.681.86
3.4 神经网络训练
RBF神经网络输入为导航系统综合评价指标,
输出为综合评价结果,隐含层径向基函数采用高斯函数。取前5种导航系统数据作为样本,径向基函数的分布系数取0.8,最大训练次数为500,当误差低于0.0001(或达到最大训练次数)时,停止对神经网络训练。在Matlab中使用newrb函数训练网络,隐含层神经元数目自动增加,直到训练满足要求为止。最后对后两种导航系统的结果和前述方法进行比较,结果如表6所示。可见,使用神经网络评价的结果和综合评价结果一致性较好,相对误差控制在2%以内,满足精度实际要求。大样本训练神经网络,相对误差会控制在更小的范围内。对于训练好的模型,只需确定输入参数即导航系统各指标对应的参数,就可以得到该系统的综合评价结果,使用灵活方便,准确性高。
参
考
4 结束语
为了对农业机械导航系统进行全面综合评价,提出农业机械自动导航系统综合评价模型,确定农业机械导航系统的5大评价指标,并将AHP方法和信息熵方法相结合,兼顾主观赋权和客观赋权的优点,使综合评价方法权值分配更加科学合理。利用RBF神经网络进行样本训练,建立评价系统模型,实验表明该方法克服了主观因素的影响,具有自学习能力,使用灵活方便,对综合评价农业机械导航系统具有实际应用价值。
文
献
1 刘兆祥,陈艳,籍颖,等.基于机器视觉的农业车辆路径跟踪[J].农业机械学报,2009,40(增刊):18～22.
LiuZhaoxiang,ChenYan,JiYing,etal.PositionsresearchofvehiclenavigationsystembasedonKalmanfilter[J].TranscationsoftheChineseSocietyforAgriculturalMachinery,2009,40(Supp):18～22.(inChinese)
2 MRezaEhsani,MatthewSullivan,JoelTWalker.Amethodofevaluatingdifferentguidancesystems[C].2002ASAEAnnualMeetingPaper:021155,2002.
3 冯雷.基于GPS和传感技术的农用车辆自动导航系统的研究[D].杭州:浙江大学,2004.
FengLei.Studyonnavigationsystemforoff-roadvehicleguidancebasedonGPSandsensortechnology[D].Hangzhou:ZhejiangUniversity,2004.(inChinese)
4 张智刚.插秧机的DGPS自动导航控制系统的研究[D].广州:华南农业大学,2006.ZhangZhigang.AutomaticguidancesystembasedonDGPSforricetransplanter[D].Guangzhou:SouthChinaAgriculturalUniversity,2006.(inChinese)
5 张慧颖,王桂花.多指标综合评价方法的改进[J].大学数学,2009,25(4):199～202.
ZhangHuiying,WangGuihua.Improvethemethodofmulti-criteriacomprehensiceevaluation[J].CollegeMathematics,2009,25(4):199～202.(inChinese)
6 李晓峰.基于AHP的人工神经网络模型的建立[J].四川大学学报:工程科学版,2003,35(1):101～103.
LiXiaofeng.EstablishmentofartificialneuralnetworkmodelbasedonAHP[J].JournalofSichuanUniversity:EngineeringScienceEdition,2003,35(1):101～103.(inChinese)
7 杜栋,庞庆华,吴炎.现代综合评价方法与案例精选[M].北京:清华大学出版社,2008:11～33.8 王莲芬,许树柏.层次分析法引论[M].北京:中国人民大学出版社,1990:5～18.
9 苏春,董劲,张先起.基于信息熵的TOPSIS模型在水利工程评标中的应用[J].东北水利水电,2006,24(1):22～23.SuChun,DongJin,ZhangXianqi.ApplicationofTOPSISmodelbasedoninformationentropyinevaluationofbid[J].WaterResourcesandHydropowerofNortheastChina,2006,24(1):22～23.(inChinese)
10 张兵,邓卫.基于信息熵理论的公路网物元评价方法[J].公路交通科技,2009,26(10):117～120,125.ZhangBing,DengWei.Matter-elementsevaluationapproachofroadnetworkbasedoninformationentropytheory[J].Journal
ofHighwayandTransportationResearchandDevelopment,2009,26(10):117～120,125.(inChinese)11 侯媛彬,杜京义,汪梅.神经网络[M].西安:西安电子科技大学出版社,2007:125～135.
2014年9月
1298．2014．09．008doi：10．6041/j．issn．1000-
农业机械学报
第45卷第9期
农业机械导航技术发展分析
姬长英
周
俊
（南京农业大学工学院，南京210031）
*
摘要：导航技术是农业机械在作业环境中进行自主控制的关键技术，目前是农业机械研究领域的热点。通过分析现有的国内外文献，从目前农业机械导航主要方式以及关键技术入手，阐述了国内外该领域的研究进展。详细介绍了广泛研究的GPS导航和视觉导航，同时简要地介绍了电磁导航、机械导航、激光导航、超声波导航、地磁导航等其他导航形式。对农业机械导航中的环境感知、导航控制、地图构建等关键技术进行了分析，指出了农业机械导航技术的未来发展趋势。关键词：农业机械
导航
综述
文献标识码：A
1298（2014）09-0044-11文章编号：1000-中图分类号：S22；V249.3
引言
科学技术的进步正推动着现代农业生产向着自
动化、信息化、规模化、精确化方向快速发展。为了使农业机械能够在作业环境中完成自动除草、收获、施肥、修剪、耕耘等工作任务，要求其必须具备自主导航这一基础功能，即农业机械通过自身携带的各项传感器感知周围的环境，在对感知到的信息进行处理后，实时获取自身的位置和姿态信息，然后实时进行路径规划和导航控制，完成各项作业任务。本文从农业机械导航技术入手，通过分析国内外文献，详细阐述目前农业机械导航中应用较多的GPS导航和视觉导航这两种主要方式，并简单综述电磁导航、机械导航、激光导航、超声波导航等其他导航形式。然后分析农业机械导航中环境感知、导航控制，以及地图构建等关键技术。最后对农业机械导航技术发展加以分析。
立的，基本原理是空中卫星不间断发射自身的星历参数，用户接收机收到这些信号参数后，解算出接收机的三维位置、运动方向、运动速度，以及接收机所
［1］
在地区的当地时间。
由于GPS的巨大成功，美国的农业机械卫星导航技术研究开展最早（表1）。斯坦福大学的MichaelO’Connor等成功地为约翰迪尔7800拖拉机开发了一套GPS导航系统，在拖拉机驾驶室的上方安装了4个单通道的GPS传感器，接收器以10Hz的频率进行姿态测量，航向响应小于1°，直线
［2］
跟踪标准偏差小于2.5cm。伊利诺斯大学的Benson等混合使用GDS（Geomagneticdirection
sensor）和一个中等精度的GPS系统（20cm），引导
［2］
。拖拉机沿着直线行驶，其平均误差小于1cmZhang等则运用ＲTK-GPS接收器和光纤陀螺仪，探
索了拖拉机自动导航中的动态路径搜索算法，来满
［3］足农业作业的需求。
除美国外，其他国家也在积极开展农业机械
1
1.1
自主导航方式
卫星导航系统
美国、俄罗斯、中国、欧洲都建有各自独立的卫
的GPS导航技术的研究。日本的Yoshisada
Nagasaka等为久保田SPU-650型插秧机开发了自
GPS来提供动导航系统。在该系统中，使用ＲTK-插秧机的精确定位信息，并用光纤陀螺仪检测插
秧机前进方向。为了避免由地面不平引起的GPS天线坐标的变化而引起测量误差，随时估算天线顶点的坐标
P0=Ｒ（－ ）Ｒ（－θ）Ｒ（－ψ）P
（1）
星导航系统。其中美国的全球定位系统GPS（Globalpositioningsystem）目前在农业机械导航领域应用最为广泛，展示了其技术的优越性和巨大潜力。它是美国国防部主要为满足军事部门对海上、陆地和空中运载体进行高精度导航和定位要求而建
05-01修回日期：2014-05-19收稿日期：2014-*国家高技术研究发展计划（863计划）资助项目（2006AA10Z259）、国家自然科学基金资助项目（31071325）和中央高校基本科研业务费自主创新项目（KYZ201006）
E-mail：chyji@njau．edu．cn作者简介：姬长英，教授，博士生导师，主要从事智能化农业装备和土壤-机器系统研究，
表1
Tab．1
研究单位
美国农业机械卫星导航研究成果
NavigationsystemsbasedonGPSforUSagriculture
实验平台
传感器GPS、视觉GPSGPS、GDS视觉、ＲTK-GPS、FOG
实验结果
在40hm2面积上进行了自动收获作业［4］
航向精度为1°，直线跟踪精度偏差为2.5cm［5－6］基于作物行的视觉导航速度达到16km/h［7－8］
12.6km/h行驶时横向精度标准差3cm，最大误差小于10cm［3］
卡耐基梅隆大学（1994—1998）斯坦福大学（1996）
伊利诺斯大学（1996—2000）伊利诺斯大学（2004）
NewHollandSpeedrowerJohnDeere7800TractorCase8920MFD，2WDTractors
MagnumMX240tractor
P和P0分别为校正前后GPS天线顶点的坐式中，
Ｒ（－ ）、Ｒ（－θ）和Ｒ（－ψ）分别为车辆绕X、Y标，
和Z轴的转角。另外，为了解决在开始工作时光纤陀螺仪不能感知车辆的方位而引起光纤陀螺仪的漂移问题，将运用车辆位姿角和车辆速度计算得到的在一定计算距离ln时车辆横向偏差dGyro与运用GPS
给出补偿角数据计算所得结果dGPS进行比较，ψoffset=arctan
本成熟，以美国为典型代表的世界各国正在开展各
种形式的推广应用阶段。我国也不例外，配有卫星导航系统的拖拉机已经进入了一些大型农场的田间地头，可以改善作业质量、延长作业时间。这类导航系统的主要优点是结构比较简单，技术比较成熟，随着卫星导航系统产品的普及，其成本也不断下降。存在的主要问题是卫星信号有时受环境的影响较大。1.2
视觉导航
与GPS导航相比，机器视觉导航灵活性更大，
(
dGyro
ln
)
－arctan
(
dGPSdGyro－dGPS
lnln
)
（2）
水田实验表明，当插秧机以0.7m/s的速度行驶时，
与期望直线路径的均方根偏差为5.5cm，最大偏差小于12cm。此精度已经可以满足水稻栽植的农艺要求，但与水稻栽植后喷洒农药或除草作业所需的精度还有差距
。荷兰的TijmenBakker等在甜菜地开展了农业机器人平台的自主导航研究，同样
［9－10］
特别是机器视觉图像收集的环境信息丰富、范围宽、
目标信息完整。农田环境中，作物通常是整齐地按直线、彼此间平行的方式种植，因此机器视觉导航的主要任务是从图像中识别出作物行，检测出跟踪路径线，为确定车辆的相对位置提供依据。
Marchant等自英国在此领域开展研究较早，
20世纪80年代起就开展了基于视觉导航的农业机械作物行跟踪研究。使用了里程计和视觉等传感器，通过卡尔曼滤波来融合这两个传感器的信号，并在花椰菜田地场景中进行了实验，车辆横向位置控
［17］
制的均方根误差大约为20mm。欧洲的其他一些国家也在积极开展此项研究，并且部分成果已经有商品化产品面世。荷兰的Bakkera等运用机器视觉检测甜菜作物行，每帧图片处理时间在0.5～1.3s
［18］
之间。瑞典的Astrand等利用Hough变换融合来自两行或者多行的信息，有效地应对了存在的杂草干扰，同时该视觉系统也可以独自检测出作物行尽头等信息
［19］
［16］
GPS进行导航，使用了ＲTK-田地实验精度达到了厘
［11］
米级。
国内学者对农业机械GPS导航的研究起步相对较晚，但近年来发展非常迅速。张智刚等在久保田插秧机上开发了基于DGPS和电子罗盘的导航控制系统，当速度为0.75m/s，直线路径跟踪时，平均误差0.04m，最大误差0.13m；速度为0.33m/s，圆曲线路径跟踪时，平均误差0.04m，最大误差0.087m［12］。804拖拉机上构罗锡文等在东方红X-DGPS的自动导航控制系统，建了基于ＲTK-在拖拉机行进速度为0.8m/s时，直线跟踪的最大误差小
［13］
于0.15m，平均跟踪误差小于0.03m。伟利国等以XDNZ630型水稻插秧机为实验平台，采用ＲTKGPS定位技术，进行了农业机械自动导航实验，采用PID控制方法，构建转向闭环控制系统，实现插秧机的自动对行导航及地头转向。车辆行进速
［14］
度不大于0.6m/s时，对行跟踪误差小于10cm。为进一步消除GPS的定位误差，提高导航精度，周俊等建立了GPS静态和动态定位误差的AＲ模型，处理后的定位误差信号的相关性明显下降，接近于
［15］
白噪声。
农业机械的卫星导航系统技术总体而言已经基
。
美国几乎与英国同时开展了农业机械的视觉导航研究。伊利诺伊大学的Han等通过K均值聚类算法分割作物行，辅助以作物行空间等先验信息，并利用大豆田和玉米田的两个图像数据集对程序的精
［20］
确性进行了评估。为了克服柑橘树冠阻碍GPS传感器接收卫星信号，佛罗里达大学的Subramanian等进行了基于机器视觉和激光雷达的柑橘园作业车辆自动导航系统的研究。当车辆沿着弯曲路径以3.1m/s行驶时，使用视觉导航平均误差为2.8cm，
［21］
使用激光雷达导航时平均误差为2.5cm。为了
克服缺失部分大豆植株的影响，伊利诺伊大学的本和韩国与欧美等国家一样，对此领域都积极加以
Kise等为农业车辆的自动导航系统开发出一套基于研究。日本北海道大学的研究人员在车辆的前面安立体视觉作物行检测的算法（图1）
［22］
。亚洲的日装了立体相机，来获取环境的深度和灰度信息
［23］
。
图1
长满杂草的弯曲作物行立体视觉处理过程
Fig．1
Stereovisionprocessforaweedyfieldwithcurvedcroprows
（a）原始图
（b）视差图
（c）带有导航节点（白点）的高度图
国内，农业车辆视觉导航研究始于20世纪90
年代中后期，南京农业大学等研究单位都陆续参与其中。沈明霞等提出了利用虚点检测确定农业车辆
与路径的相对位置和航向［24］，
周俊等［25－33］
构建了视觉导航实验平台（图2），
使用小波变换方法进行导航路径的多分辨率检测，运用Hough变换直接获取视觉导航的位姿参数，并基于扩展Kalman滤波进行了视觉导航传感器数据融合和导航控制。针对农田耕作机器人，赵颖等在耕作过程中采集农田场景图2机器视觉导航农用轮式移动机器人原型图像，根据已耕作区域、未耕作区域和非农田区域的Fig．2
Prototypeofagriculturalwheeledmobile不同颜色特征，判断出田端和犁沟线的位置
［34］
。为
robotnavigatedbasedonmachinevision
研究棉田农药喷洒机器人导航路径识别方法，孙元0.15m［40］。
义等在Lab色彩空间处理棉田图像，在图像坐标系视觉传感器可以检测农业机械相对目标作物行
中根据垄的走势特征，通过Hough变换得到导航路的位置和航向，
同时还可以获取田间杂草、障碍等其径［35］
。安秋等针对农业机器人视觉导航中存在的它信息，因而具有明显的应用潜力，被广泛关注。但
阴影干扰问题，采用基于光照无关图的方法去除导
是，与卫星导航相比，视觉导航由于农田环境中光航图像中的阴影，最终获得导航参数［36］
。冯娟等针照、作物生长状态等因素的不可控性，技术成熟度尚对果园导航环境的复杂性，提取主干与地面的交点且不够，市场上还没有出现能够满足农业生产实际作为特征点；以此为基础生成果园导航基准线。导
需求的可靠产品。消除或降低图像获取和处理中光航基准线的生成准确率高于90.7%
［37］
。孟庆宽等照影响的技术将是机器视觉导航领域最核心的研究针对现有作物行检测算法速度慢、易受外界干扰等
方向。问题，设计了一种基于线性相关系数约束的作物行
1.3
其他导航形式
中心线检测方法［38］
。李景彬等研究了棉花铺膜播卫星导航和视觉导航由于能够为农业车辆提供种机田间作业时导航路线和田端的图像检测算绝对定位以及相对定位信息，成为农业机械导航领法［39］
。田光兆等提出基于立体视觉的车辆实时运域中的两种最受重视的技术方式。但是除此之外，动检测方案。该方案通过多线程特征点检测提高传为了充分发挥特定农业环境中典型引导特征的天然统SIFT特征检测算法的效率，通过归一化综合距离优势，如玉米收获中的玉米秸秆等，农业车辆导航方法剔除误匹配的特征点，最后通过相邻时刻同一特式还包括电磁导航、机械导航、激光导航、超声波导征点坐标的变化反推车辆的运动。实验表明：当车航、地磁导航等其他形式。这些导航方式一般只针速为0.8m/s，图像采集频率为5Hz时，车辆在x方对具体应用，受特定农业环境的局限。向和z方向单次测量误差小于0.0045m，当持续运1.3.1电磁导航
动时间达到10s时，
2
个方向累积测量误差均小于电磁导航也称埋线导航，因为这种导航方式具【农机导航多少钱一台】
20世纪有实用简单、寿命长、抗干扰能力强等特点，
70年代迅速发展，并被广泛地应用于实际生产当中。日本的Tosaki等研制出了一种在果园环境使用的无人驾驶鼓风喷雾机器人，该机器人利用埋在工作路径上的导向线进行导航。导向线被埋在0.3m
185mA）。用深的地下，信号为交流信号（1.5kHz，模糊控制方法引导机器人沿着电缆线行驶。当机器
人以0.76m/s速度行驶时，偏移误差为0.1m，在转
［41－42］
。弯处增大到0.3m
在国内，宋健等针对喷雾机器人的工作要求，研
固体引导线行驶。但是，当不存在有效的接触引导
［45］
目标时，传感器将会失效。国内在农业机械领域针对机械导航的研究较少。朱磊磊等针对果园田间作业，设计了基于曲柄滑块机构原理导航的履带机器人。该机器人以0.15m/s的速度直线行走时，最大跟踪误差小于0.02m；转弯半径为2m时，最大跟踪误差小于0.05m［46］。何卿等为提高接触式拖拉机导航系统性能和导航精度，针对玉米秸秆行间作业，设计了双层控制器的接触式导航控制系统，行驶速度不超过
［47］1m/s时，拖拉机导航精度在50mm以内。张明颖等为实现果园机械自动化，开发了一种拖拉机机［48］
械式导航系统，最大横向偏差小于0.1m（图4）。
制了电磁诱导式导航系统。机器人行走轨迹的诱导
信号由埋设在田间的通有高频电流的导线产生，利用一对电磁感应传感器的信号电压差值判断机器人位置。采用PID算法规划行驶路径，由PWM系统驱动直流电动机完成机器人的行走。实验结果表10m范围内直线导航精度±1cm；转弯半径明，
0.5m时导航精度±2.5cm［43］。杨世胜等针对温室内农药喷洒作业自动化的需求，设计了一种电磁诱导式农用喷雾机器人路径导航系统。机器人路径导航系统由机器人控制器、诱导信号发生器、诱导线、磁标志、传感器和遥控器组成（图3）
［44］
图4Fig．4
机械式导航拖拉机系统结构示意图Systemstructureoftractorwithmechanical
navigation
3．直流伺服电动机【农机导航多少钱一台】
4．电动机驱动器
5．拉
。
1．PC机2．电源
线位移传感器6．导向机构
1.3.3激光导航
激光雷达具有测距精度高、分辨率好、抗干扰能
力强、体积小、质量轻等诸多优点，在农业机械导航中的应用也较为普遍。法国的Chateau等进行了基于激光传感器的农业车辆自动导航研究。在研究
图3
Fig．3
电磁导航系统示意图navigationsystem
1、2、4、8．位置检测传感器阵列
3．磁标志检测传感器
5．诱导
线6．信号发生器7．遥控器9．磁标体10．机器人
中，植被的体积和高度被计算出，并被用来控制车辆
［49］
的速度。日本的Noguchi等利用二维激光扫描仪开发出了一种可以在果园环境应用的自动导航系统，使用一辆52kW的拖拉机作为实验平台，导航中
［50］横向误差为0.11m，航向角误差为1.5°（图5）。荷兰的Hiremath等为了使农业机器人能够在玉米
Schematicsketchoftheelectromagnetic
由于电磁导航需要埋设引导线，故改变路径比较困难，比较适用于温室等环境比较固定或长期不需要改变导航路径的场合。1.3.2
机械导航
在农业机械导航的早期研究中，许多研究者将目光投向了机械导航。机械导航具有成本低、实用性强、原理简单、可靠性高、易于维护等诸多特点。国外有许多农机生产单位将机械导航系统投入到了实际应用之中，解决如玉米收获过程中的对行等问Claas自动导航仪就使用了机题。从1978年开始，
械接触传感器，可以引导车辆沿着由作物行形成的
地中进行自主导航，基于粒子滤波器构建了激光测
距仪模型，机器人的航向角和横向偏差的均方根误
［51］差分别为2.4°和0.04m。
在国内，刘沛等为实现果园作业的自动化，以拖
拉机为研究对象，采用激光导航方式实现了果园机械的自动导航。当拖拉机以0.27m/s速度直线行走30m，最大横向偏差为0.15m。陈军等在研究中，利用激光扫描获取果树位置信息，提出了一种果园环境下曲线导航路径的拟合算法。当农业机器人以0.54m/s的速度沿正弦曲线行走，最大横向偏
［53］差为0.40m，平均偏差为0.12m。除成本较高
［52］
10mm以内［56］。高云等也进行了类似定位研究，以
［57］期辅助农业机器人的视觉系统提高识别功能。
超声波测距或定位的精度不太高，仅适用于短
距离的测量。1.3.5地磁导航
由于廉价，地磁传感器最近也被应用到了农业机械导航研究之中。日本的Noguchi等研发了一种
图5Fig．5
自主导航拖拉机上安装的激光扫描仪Attachmentpositionofthelaserscannerin
frontoftherobottractor
利用地磁导向传感器和图像传感器进行导航的农业移动机器人。该机器人利用图像传感器进行定位，通过地磁导向传感器获得航向角。然而地磁导向传感器在使用中易受周围磁场、机器人倾角等干扰，为了有效利用地磁导向传感器，利用神经网络重新定义地磁导向传感器输出。田地实验表明，机器人相对于目标位置的最终位置平均误差为0.4m。机器人相对于预规划路径的位置绝对最大误差和均方根
［58］
误差分别为0.51m和0.23m。
国内有关地磁导航的研究还主要集中在仿真和
［59］
预研阶段。相关研究多集中在航空、船舰等领域，尚未看到农业机械相关的研究报道。
外，激光导航须有固定的用于反射激光的目标，目标
可以人为设置，也可以利用自然景物，如建筑物、树木等。但机器与反射物之间不能存在遮挡。1.3.4超声波导航
超声波传感器测量具有非接触性、方向性好、定向传播、频率高、波长短、绕射现象小等特点，特别是遇到杂质或者分界面会产生明显的反射现象，以及在遇到动态物体时会产生多普勒效应，因而目前被广泛地用作机器人定位和障碍物的检测中，在农业机械导航中也不例外。日本的Toda等利用超声波传感器绘制作物行的地图，应用模糊逻辑方法控制转向。结果表明，位置和方向标准误差在建图测试中分别为12.7mm和2.4°；在驾驶测试中为16.3mm和2.2°；在综合实验中为33.6mm和3.2°（图6）
。英国的Hague等为自主导航农业车辆开
发的地基感知系统中，也使用了声呐传感器来进行
［54］
2
2.1
农业机械导航关键技术
环境感知技术
导航中的环境感知技术，即移动载体能够根据
自身所携带的传感器对所处周围环境进行环境信息
的获取，并提取环境中有效的特征信息加以处理和
［60］理解，最终建立所在环境的模型。该技术是机器人实现环境建模、定位、路径规划等自主导航控制的
局部特征检测，并通过使用扩展卡尔曼滤波器对传
［55］
感器的信号进行融合。
前提，环境感知能力的强弱直接影响到机器人的控制决策能力。
随着信息获取技术的发展，各种传感器以及新型传感器信息处理方法在移动机器人中得到了充分的使用，有力地提高了智能移动机器人对环境信息的获取能力，针对环境信息的提取、分类，近年来很多学者不断加大在该领域的研究工作。杨俊友等提出一种基于颜色直方图和SIFT混合特征的机器人环境感知方法，将颜色直方图的“色”与SIFT算法
［61］“形”的有机结合。Correa等在安装了视觉传感器的移动机器人平台上使用了主动感知策略，使用
环境拓扑地图和基于粒子滤波的贝叶斯非参数估计
［62］
来估测机器人位置。
图6Fig．6
Toda的农业移动机器人平台Toda’sagriculturalmobilerobot
在农业机械导航领域也是一样，环境感知的方
式和信息处理方法在不断进步。 strandBj rn等设计一种机械除草机器人，感知系统包括一个识别农作物行的灰度级视觉系统，以及一个能够从杂草中识别农作物的彩色视觉系统
［63］
国内，郑天鹏等开发了一种基于红外触发的农
业机器人超声波定位系统，结合了温度补偿模块和线性修正因子来提高测量精度，当发射端发射角小于40°、纵向距离小于4000mm时，检测误差在
。Freitas等使用扩
展卡尔曼滤波来融合转向编码器和激光距离两种传
上一篇：自驾游攻略网
下一篇：提醒雨天驾驶员注意安全的短信3篇
