《Computers and Electronics in Agriculture》：Development of a new Single-Tree-Row-Tracking robot navigation for intra-row weeding operations in orchards using a Machine stereo vision system and LiDAR
编辑推荐：
果园内行自动除草机器人系统设计及验证。通过3D视觉与轻量级YOLOv8实例分割实现单行自主导航，结合LiDAR触发侧移机制精准定位未除草剂区域，低速时除草准确率达84.04%。研究验证了多模态感知与智能执行融合方案在狭窄空间作业的可行性，优化计算效率可提升系统性能。
里兹基·穆利亚·桑普尔诺（Rizky Mulya Sampurno）| 刘子夫（Zifu Liu）| 中口维克托·马萨基（Victor Massaki Nakaguchi）| 江爱莲（Ailian Jiang）| 托法埃尔·艾哈迈德（Tofael Ahamed）
日本茨城县茨城大学（University of Tsukuba）科学技术研究生院，邮编305-8577
摘要
由于果园内行间杂草管理的需求，设计了一种新的机器人系统，该系统能够在狭窄的空间和低垂的树枝下运行，同时最大限度地减少土壤压实，并且不依赖全球导航卫星系统（GNSS）。为了实现行间除草所需的跟随树行的功能，我们引入了一个基于视觉的框架，该框架结合了3D相机和轻量级的YOLOv8实例分割模型来检测树干，并从机器人的正面视野中提取导航路径。机器人的行进轨迹与树行之间有0.8米的偏移，这使得一种新的光探测和测距（LiDAR）触发侧移机制得以实现，从而能够精准地清除树行间的未修剪杂草。在模拟环境中的实验评估显示，该系统的导航性能稳定，均方根误差（RMSE）为0.329米。此外，侧移执行机制在较低速度（0.5米/秒）下实现了84.04%的准确率，在较高速度（0.8米/秒）下实现了76.85%的准确率；这些结果部分归因于实时LiDAR点云分析的处理延迟。这些发现强调了优化计算效率和执行时机对于提高田间作业性能的重要性。最终，开发的机器人系统有效整合了3D视觉、深度学习和LiDAR触发执行功能，实现了自主的行间除草，展示了在果园行间杂草管理中的巨大潜力。
引言
在果园中，行间除草对于传统机械来说是一项具有挑战性的任务，因为树木间距密集，杂草生长在树木之间。由于杂草与果树争夺水分、养分、光照和空间等关键资源，这最终会阻碍果树生长并降低产量，因此行间除草（包括行间除草）操作至关重要。特别是在果树早期生长阶段，杂草的竞争尤为严重，并且会继续影响成熟树木，因为它们会从相同的根系区域吸取养分（Elmore和Lange 2008）。此外，一些杂草会释放化感物质，干扰植物生长，并成为害虫和病原体的宿主，进一步威胁果园的健康和生产力（Lamelas-López等人2023）。杂草种子容易被风传播，在水分和养分供应有限的情况下，杂草侵染会更加严重（Bastida等人2021，Sands和Mulligan 1990）。尽管行间除草非常重要，但由于传统设备的局限性，这项工作仍然充满挑战。安装在拖拉机上的割草机或骑乘式割草机无法进入靠近树干的区域、狭窄的缝隙或悬挂树枝下方的区域，而且它们的体积较大，会导致土壤压实，从而影响根系发育、水分渗透和树木的长期健康，尤其是在年轻的果园中（Mileusni?等人2022）。因此，图1中未修剪的行间杂草通常需要使用手持割草机或步行割草机进行手动清除。此外，劳动力短缺也加剧了这一问题，因为农业劳动力的比例在过去几十年里一直在下降，而农民的平均年龄却在上升（Fuhrmann-Aoyagi等人2024），使得传统的杂草控制方法变得越来越困难和昂贵。
为了减少对劳动力的依赖并确保有效的杂草控制，自主除草机器人受到了越来越多的关注。对于有效的行间除草，这类机器人应具备两个主要能力：在树干附近进行精确导航以及安全地切割周围的杂草（Bergerman等人2015，Ye等人2018）。虽然基于全球导航卫星系统（GNSS）的导航在露天农业中很常见，但在密集的树冠下，由于其信号遮挡和多路径效应，其可靠性会降低。即使高精度的实时动态全球导航卫星系统（RTK-GNSS）在紧凑型果园中也成本高昂且容易失去信号（Kabir等人2016）。因此，基于光探测和测距（LiDAR）和视觉的感知系统作为更可靠的替代方案应运而生。LiDAR可以通过捕捉果园结构和树行几何形状来实现无需GNSS的导航，但在区分物体类型方面存在困难。提供局部实时映射的方法（如基于SLAM的方法）也面临重大挑战。在实际应用中，由于地形崎岖，机器人会经历较大的滚动和俯仰运动，导致LiDAR捕获大量地面和树冠点，从而增加扫描匹配的复杂性和姿态估计的漂移（Li和Zhu 2024）。此外，高度动态的果园环境，如移动的树叶、树枝和变化的光照条件，会导致特征不稳定且不可持续。为了克服这些问题，人们探索了包括热成像集成在内的机器学习和传感器融合方法，以改善在各种环境条件下的检测能力（Jiang和Ahamed 2025，Lan等人2018）。与此同时，深度学习的进步显著提高了基于视觉的系统性能，利用立体视觉和物体检测算法（如YOLO、EfficientDet和DeepLab）实现了精确的树木检测、障碍物避让和行间定位（Inoue等人2019，Nakaguchi等人2024，Yang等人2024）。在深度学习时代之前，基于特征的计算机视觉方法被广泛使用，但最近的研究一致表明，由于视觉特征的不稳定性、自然光照的极端变化以及密集植被的频繁遮挡，这些方法在果园中的表现不佳（Sapkota等人2025）。因此，这些技术支持了开发紧凑型、不依赖GNSS的机器人，以实现可靠的果园导航。
在果园导航中，大多数现有的基于视觉的导航方法涉及在树行之间进行行间移动，这在大型农业机械上比在小型机械上更容易实现（Radcliffe、Cox和Bulanon 2018）。然而，有效的行间除草需要一个专门设计用于靠近树干操作的机器人系统。在这种情况下，计算机视觉引导机器人在单排树木旁边移动，需要一个能够在边缘设备上部署的高效视觉系统。为了满足这一需求，迫切需要一个能够自主进行单排跟踪、具有小侧移距离并配备侧移机制的紧凑型机器人，以实现精确的行间杂草管理。尽管深度学习在检测和分割等任务上非常有效，但在田间机器人上的应用往往受到计算资源的限制。因此，需要探索轻量级模型（Liu等人2024）和优化格式（如开放神经网络交换格式ONNX和TensorRT（Ge等人2021）等策略。
尽管在自主导航方面取得了显著进展，但与在主要农作物和蔬菜作物中的广泛应用相比，机器人系统在果园中的行间机械除草应用仍然有限（Chang、Xie和Chung 2021；Zhang等人2013，Quan等人2022，Zheng等人2025；Reiser等人2019）。Reiser等人开发了一种用于葡萄园和果园的自主电动履带机器人，配备了可侧移的旋转除草器，并比较了机电式触角传感器和声纳传感器在树干检测方面的性能。他们的结果表明，声纳更为可靠，且能够在不损坏树干的情况下完成除草。这项研究与当前工作相关，因为它也解决了行间除草问题，并使用了侧移机制和树干检测传感器来避免对幼树和成熟树的伤害。我们使用LiDAR来触发除草机制，实现多方向物体检测，同时识别树干和障碍物。此外，通过将LiDAR集成到紧凑型机器人平台中，与基于履带平台的系统相比，可以最大限度地减少土壤压实。此外，我们的方法通过集成基于机器视觉的导航和智能传感器触发执行，进一步提高了果园行间除草作业的性能。
因此，鉴于当前行间杂草控制方法的局限性（通常包括两个步骤：使用骑乘式割草机进行刈割和使用手持割草机进行手动除草），这些方法由于劳动力短缺而变得越来越不切实际，我们提出了一种新的紧凑型机器人平台，该平台利用了机器人技术和计算机视觉的进步。该机器人利用基于视觉的系统实现单排跟踪导航，并集成了智能执行控制，以到达未修剪的行间杂草。系统需要集成基于深度学习的3D立体视觉感知和LiDAR，以触发侧移除草机制，从而提高果园行间除草作业的效率。
在这方面，轻量级YOLO基实例分割的潜力可以与机器人结合，用于实时跟踪和行间操作中的杂草检测。与仅对物体类别进行分类的语义分割不同，实例分割可以区分单个物体（如杂草、树干），从而在果园环境中实现更精确的定位和稳健的跟踪。通过实现改进的轻量级YOLO基实例分割模型和3D相机，用于实时树干检测和基于单排树木的导航控制，可以提供行间杂草管理的解决方案。此外，集成的LiDAR驱动的除草臂侧移机制可用于精确的行间杂草切割。
因此，为了解决果园行间除草作业中的挑战，本研究提出了以下目标：
1)开发一种新的单排树木跟踪自主机器人和机器立体视觉导航系统，用于果园中的实时行跟踪。
2)开发一种用于行间杂草管理的机器人平台中的新侧移机制，该机制利用LiDAR。
3)实现改进的轻量级YOLO基实例分割，用于果园中单排跟踪导航的实时跟踪。
本研究开发了一种新的导航系统，该系统利用单排树木跟踪技术进行果园中的行间除草作业。新的机器人平台用于在树干附近应用机器立体视觉系统进行实时行跟踪，并利用基于LiDAR的触发机制来控制切割器的动作。研究内容包括单排跟踪控制系统的开发、侧移执行机制的开发以及轻量级实例分割模型的实现，以支持机载感知。通过仿真和实地实验，评估了机器人的导航精度、感知性能和执行行为，证明了所提出系统在传统除草器除草后精确清除未修剪杂草的可行性。
部分内容摘录
机械与电子
设计了一种新的机器人系统，以实现基于视觉的导航和LiDAR触发的侧移机制，如图2所示。该系统包括一个结构框架、一个集成控制单元、一个传感器模块和一个割草单元。该系统设计用于在狭小的果园环境中运行，支持通过遥控器进行手动操作，同时也支持通过机载传感和计算技术实现自主导航，从而适应多种田间条件。
结果
本节展示了为果园环境中的单排跟踪和行间除草作业设计的机器人系统的评估结果。随后进行了一系列实验，通过使用GUI模拟了田间条件，重点测试了两种自主模型：AUTO1（基于LiDAR触发执行激活侧移除草臂）和AUTO2（启动单排跟踪的自主导航）。
侧移机制
对LiDAR触发侧移机制的评估突显了行驶速度的重要性。在较低的速度下，可以实现更精确的执行时机，而较高的速度则会引入物体检测和除草臂动作之间的延迟。这些延迟源于LiDAR处理和电机执行的综合延迟，可能导致系统错过目标或在密集环境中发生树干碰撞。这些发现与之前的研究结果一致。
结论
为了满足果园中高效行间杂草管理的需求，开发了一种新的基于视觉的机器人系统，该系统集成了基于深度学习的感知、3D视觉和LiDAR触发的侧移机制。结果证实，所提出的机器人系统达到了设计目标，提供了一种可靠的自主解决方案，无需依赖GNSS或人工劳动。基于视觉的导航系统与深度相机的集成
作者贡献声明
里兹基·穆利亚·桑普尔诺（Rizky Mulya Sampurno）：撰写——原始草稿、验证、软件、方法论、调查、形式分析、数据整理、概念化。刘子夫（Zifu Liu）：可视化、软件、数据整理。中口维克托·马萨基（Victor Massaki Nakaguchi）：撰写——审阅与编辑、验证。江爱莲（Ailian Jiang）：托法埃尔·艾哈迈德（Tofael Ahamed）：撰写——审阅与编辑、监督、资源协调、概念化。
利益冲突声明
作者声明他们没有已知的财务利益或个人关系可能影响本文报告的工作。
致谢
作者感谢日本文部科学省（MEXT）通过日本领导者赋能计划（JLEP）提供的财政支持，这有助于第一作者在日本茨城大学攻读博士学位。作者还感谢TPIRC提供了进行研究所需的设施，包括机器人系统的开发、数据收集和实地实验。
