科幻照进现实——机器人离农民还有多远？

　科学技术和现代化工业制造正在快速地改变着人类生活的方方面面，包括有几千年历史的传统农业。代表顶尖科技和制造水平的机器人已经在城市化和工业制造中展现出巨大的活力，生产力水平和效率大幅提升。近年来，越来越多创新企业、科研团队以及风投资本对农业机器人表现出极大兴趣，风险投资事件已经几乎渗透到农业产业整个产业链条的各个环节。机器人进入农业是发展的必然趋势，在极大提升农业效率的同时也将彻底改变农业生产的模式。

　　2017年9月全球农机巨头John Deere以3.05亿美元金额全资收购了创业公司Blue River。（数据来源于网络）Blue River开发的农业机器人搭载了“See & Spray”人工智能视觉识别系统。机器人在田间移动的过程中扫描田间环境，自主识别杂草并决定是否定向喷洒除草剂，从而减少除草剂的使用量，进而降低对环境的影响。这项技术的落地实施将是颠覆性的。它有可能直接改变农药产业的格局，甚至有可能间接改变育种技术的走向，未来的作物种子不再需要携带抗除草剂基因。

　　中国在农业机器人创新和投资方面也异常火热，跨领域的科技巨头纷纷将农业视为下一个主战场。2020年11月16日，极飞科技完成金额高达12亿元人民币的新一轮融资，由百度资本和软银愿景基金二期领投，创新工场、越秀产业基金和广州新兴基金跟投，原有投资人成为资本也继续加码。极飞科技目前的主营业务在无人机植保领域，同时我们也观察到其研发管线逐渐向地面机器人拓展。（数据来源于网络）

　　农田智能机器人可以自主帮助农场主播种、灌溉、施肥、杀虫、除草、采收等；无人机可以收集航拍图像和远距离传输，实时监控、快速评估农场动植物的健康状况，并帮助农场主进行下一步决策；在城市立体农业环境自然也不会缺少机器人的身影。

　　图片来源于网络

　　机器人离农民还有多远？

　　鉴于农业生产的属性，机器人要真正进入农田帮助人类进行生产还需要面对哪些挑战？

　　以传统种植业为例，从技术层面来看农业机器人进入农田的主要挑战分为两类：

　　作物性状和表型模型

　　作物管理措施模型

　　作物性状和表型模型

　　种子是种植产业的原点和核心。不同作物品种、不同性状和表型在不同条件下表现会有差异，这将对农业机器人形成挑战

　　实验室育种阶段：传统育种对于作物的内在性状（如耐旱、耐盐、抗病等）和外观性状（营养、产量、保质期、风味等）的鉴定和筛选都是在人工控制的实验室环境中进行的。在早期育种研究阶段机器人介入程度很低。尽管近些年来在某些育种活动中也一定程度上实现了机器人集成和采集信息，从而减少对人工的依赖，但其实施成本、技术复杂性以及系统可靠性目前都还处于早期阶段。农业机器人从源头上的信息缺失，导致其田间作业时无法针对特定品种、特定性状进行更加充分的评估和判断。

　　田间育种阶段：机器人参与到田间育种阶段，这将很大程度上为将来相应品种上市后的机器人定制化管理提供可靠参考。然而，田间非受控的开放系统对于机器人识别判断特定性状的提出了重大挑战。机器人必须获得充分的基础数据，对单个植物的环境表现进行重复评估和训练，才能获得更为详细的数据模型，从而进一步制定可靠的因品种而异的个性化管理方案。

　　图片来源于网络

　　作物管理措施模型

　　播种环节：翻耕、整地、播种是农事操作的第一个环节，涉及翻耕、混合表土，种子播撒。现代农业在翻耕消耗了大量的能源。据估计，传统农事操作中80%-90%的能源用于修复大型拖拉机对表层土壤造成的破坏。因此小型智能电动机器人需要提供不同常规的解决方案，首先需要避免土壤过度压实，然后使用车载工具进行微耕，根据作物生长模型精确绘制种子布放地图，优化密度，并结合实地条件以精确定量的方式提供灌溉和营养，以满足作物生长对空气、光、养分和水分的要求。机器人技术在监测和干预作物生长环境方面将发挥重要作用，特别是对土壤和水的管控。

　　作物生长环节：这一阶段最主要的工作就是及时侦察以收集准确的信息，从而为下一步决策提供可靠的判断依据。因此，机器人通过其携带的一系列环境传感器，通过空中和地面数据收集平台，进而评估作物健康状态。目前环境信息收集并不难，难的是如何对收集到的数据进行整理评判，定预测潜在的生长风险，从而做出进一步决策。这就必须建立一套可靠的作物-环境田间互作模型，以判断何种条件下发生某种风险的概率。作物-环境模型的建立至少需要有农学、环境科学、计算科学、人工智能等多学科跨越鸿沟、实现联动才有可能构建。这也是机器人能否成功应用于农业生产所需要解决的最为核心的挑战。

　　收获环节：通常情况下农作物不是全株收获，需要机器人自主识别判断出达到成熟标准的部位进行选择性采收。因此机器人成功采收需要确保两方面能力：

　　1. 收获前通过外观检测或极少量侵入性品质检测（如含糖量、淀粉含量等）来判断是否达到收获标准，即田间分级能力；

　　2. 在不损害剩余组织的情况下，选择性收获感兴趣的部分，即采收能力。

　　当前选择性收获机器人技术最重要的挑战之一是如何在复杂的农业环境中进行自主的感觉运动协调。这需要在机器视觉识别、空间定位以及精确控制等方面进行深入研究。因为不同作物的采收标准也不同，如何确保昂贵的采收机器人得到最大限度的利用，教会机器人进行多种工作也成为另外一项挑战，比如采收多种作物，或者除了采收还会进行必要的修剪。

　　图片来源于网络

　　随着人口不断老龄化，城镇化不断推进，农业劳动力人口不足的问题会越来越凸显。相信在政策引导、资本推动、科技助力的多重加持下，未来会有更多机器人创新公司涉足农业。科幻终将照进现实！