[论文解读] Design and Implementation of A Novel Precision Irrigation Robot Based on An Intelligent Path Planning Algorithm

Minghan Chen, Yilong Sun+3 more|arXiv (Cornell University)|Mar 2, 2020

Smart Agriculture and AI参考文献 11被引用 5

一句话总结

本文提出了一种新型智能灌溉机器人，采用改进的基于贝叶斯的蚁群路径规划算法，显著提升了在复杂农业环境中的精度与适应性。通过整合干旱程度、障碍物检测和未探索区域信息，该机器人实现了全覆盖灌溉，减少了水资源浪费，并提高了导航效率，其性能已在仿真和田间测试中得到验证。

ABSTRACT

The agricultural irrigation system is closely related to agricultural production. There are some problems in nowadays agricultural irrigation system, such as poor mobility, imprecision and high price. To address these issues, an intelligent irrigation robot is designed and implemented in this work. The robot achieves precise irrigation by the irrigation path planning algorithm which is improved by Bayesian theory. In the proposed algorithm, we utilize as much information as possible to achieve full coverage irrigation in the complex agricultural environment. Besides, we propose the maximum risk to avoid the problem of lack of inspection in certain areas. Finally, We carried out simulation experiments and field experiments to verify the robot and the algorithm. The experimental results indicate that the robot is capable of fulfilling the requirements of various agricultural irrigation tasks.

研究动机与目标

• 解决传统灌溉系统存在的局限性，包括移动性差、灌溉水分配不精确以及运营成本高等问题。
• 开发一种可在多样化且具有挑战性的农业地形中运行的自主灌溉机器人。
• 通过整合干旱严重程度、障碍物存在情况和未探索区域等实时农业因素，提升路径规划的智能化水平。
• 基于多源环境数据动态调整灌溉路径，实现自适应的全覆盖灌溉。
• 通过仿真和真实田间实验，在多种农业环境中验证机器人性能。

提出的方法

• 采用基于贝叶斯理论改进的蚁群优化（ACO）算法，优先选择信息增益最大的路径。
• 将多种环境因素——干旱程度、至目标距离、障碍物密度和未探索区域——纳入路径成本函数。
• 基于前序巡航的先验数据，通过后验概率更新动态优化路径规划决策。
• 集成导航系统，利用Mission Planner软件可视化机器人位置、路径及实时周围环境。
• 配备20L水箱，内含16个短距离均匀喷洒喷嘴，确保水分布一致且精准。
• 采用模块化控制架构，支持运行中手动干预和实时路径调整。

实验结果

研究问题

• RQ1 如何改进路径规划算法，以提升在复杂、动态农田环境中的灌溉覆盖范围与适应能力？
• RQ2 在路径规划中整合干旱严重程度和障碍物数据，能在多大程度上减少水资源浪费并提高灌溉效率？
• RQ3 在真实世界约束条件下，基于贝叶斯增强的蚁群算法是否能在信息覆盖范围和路径效率方面优于经典ACO算法？
• RQ4 与传统系统相比，该机器人在狭窄、崎岖或形状不规则的农田地形中的表现如何？
• RQ5 实时数据融合与自适应调整对机器人导航精度和灌溉精度有何影响？

主要发现

• 改进的贝叶斯-ACO算法在路径效率方面表现更优，相比经典蚁群算法，在未显著增加行驶距离的情况下覆盖了更多农田区域。
• 该机器人在狭窄、崎岖及形状不规则的农田环境中表现出较强的适应能力，包括弯曲通道和S型弯道。
• 算法优先选择能提供更多信息的路径，即使路径稍长，也能确保全面覆盖，降低遗漏灌溉区域的风险。
• 通过实时干旱评估和空间变异性的精准灌溉，系统显著减少了水资源浪费。
• 田间实验与仿真结果均表明，机器人能有效完成全覆盖灌溉任务，每次路径生成耗时约40秒。
• 导航系统支持机器人位置与路径的实时监控，便于人工干预和精确定位。