【行业应用】激光传感器在农业中的应用
摘要：激光传感作为一种新型传感技术，能够通过非接触方式获取目标物形态特征。相比其它类型的传感器，该传感器具有精确度高、扫描速度快、分辨率高以及抗干扰能力强等特点。因此，该传感器已经被广泛用于农业应用研究。该研究从激光传感器的测距原理和在农业中的应用2个方面进行阐述。激光传感器的测距原理分为三角测距法、TOF法和干涉法。后2个方法的精度高，但对硬件设备的要求也相对较高，针对不同的应用场景选用合适的激光传感器可以有效提高作业效率。目前，激光传感器在农业中的应用主要包括农业机械自主导航、农田地形测绘和作物生长状况监测3个方面。农业机械通过安装激光测距仪可以帮助实现自主导航，如障碍物识别和路径规划；使用激光测距仪对农田地形进行测绘，有助于人为改善土地的平整度，从而提高灌溉用水利用率；作物在生长过程中，通过将激光传感器与其它传感器结合使用，能够实现监测作物的生长状态以便及时的人为补充作物生长过程所需要的营养物质。
关键词：激光传感器；农业；导航；避障；表型
作为农业大国，农业生产是我国国计民生的根本所在。推动农业科技进步、保障粮食作物安全对我国农业发展具有重要的现实意义。目前我国粮食产量增长缓慢甚至已经负增长。同时，人口基数不断增长，老龄化现象日趋加重，环境污染和气候变化等不利因素使得我国农业生产面临巨大威胁。但值得庆幸的是，信息和传感技术的快速发展为我国农业生产实现现代化、精准化、智能化提供了有利条件。为了实现农业精准化、多种类型传感器（相机、红外传感器、热成像仪、荧光传感器以及激光测距仪等）已经投入到农业机械（包含农业机器人）自主导航、农田地形测绘和作物生长状况监测（包括作物表型信息采集、胁迫反映和病虫害监测）等农业应用研究。其中，不同类型的传感器具有不同的优势和局限性。例如，通过相机，研究人员可以获取周围环境信息，但对于环境中物体距自身（相机）的方位以及距离信息无法得知；荧光传感器可以用于检测叶片的叶绿素含量，从而得知作物的健康状况；激光测距仪根据获取数据维度的不同分为二维与三维激光传感器。二维激光传感器可以获得平面信息，可单独应用于农业机械导航研究中，也可与其它传感器结合用于绘制农田地形、监测作物生长状况等方面。三维传感器可以获得三维立体环境信息。在农业应用研究中，能够用于绘制农田地形图和获取作物的形态结构信息（株高、叶倾角、叶面积指数和作物三维体积等）。
1 测距基本原理
目前，市场存在的激光传感器的种类有很多。图1列举了几种比较常见的激光传感器。这些传感器采用的测距原理可分为3种，分别为三角测距法、时间飞行法(time-offlight,TOF)和干涉法。
图1 常见的几种激光传感器
图2 激光雷达测距原理
三角测距法是激光测距最常见的一种测距原理。其主要是利用目标物、激光发射器和接收器形成一个三角形，然后使用三角形几何原理测量目标物与传感器之间的距离。一般传感器在设计时，激光发射器与接收器之间的距离b和激光发射器的角度p已知，因此可确定传感器与目标物之间的距离 。测距原理图如图2a所示；TOF测量法是利用光速和时间差来间接或直接的测量距离（图2b)。TOF测量距离法可以分为脉冲式和相位式2种。脉冲式即利用速度、距离、时间三者之间的关系计算距离参数。相位式利用发出与接收时的相位差和时间差计算二者之间的距离。利用干涉法测距原理的传感器精确度高，可以达到纳米级别。其原理是将相干光束分为2束，一束射向目标物体表面，一束射向镜面，然后两束光线反射回分光镜并投射到传感器上进行集成，根据光束之间的相位差来确定到目标物的距离（图2c)。TOF测距法和干涉测距法都使用了相位差原理，因此，二者会存在一个多值问题，即如何确定传感器与目标物之间距离，换句话说是如何确定波长倍数的问题。其实这个问题比较容易解决，只需发射2种或多种不同波长的光束，通过求解方程组即可确定传感器与目标物之间的距离。
上述是目前激光传感器的3种测量距离的基本原理。采用这3种原理的激光传感器各有其优点与局限性，具体分析见表1。飞行时间法和干涉法对激光传感器的硬件要求高，同时测量精度也要比三角测距法高得多，因此大多用于军事、科研领域。三角测距法因其成本低，且精度基本能够满足工业和民用需求，故多用于工业领域。
表1 三种测距原理的比较
2 激光雷达在农业中的应用
2.1 自动导航－避障
传统的农业作业过程主要依靠农业劳动者完成，劳动不仅重复单调、花费时间长，而且连续长时间作业会使人产生疲劳，导致作业精度低。针对这种问题，许多研究人员进行导航技术的研究，以便减轻农业劳动人员的负担。目前，农业机械导航技术多数采用卫星定位辅助导航，即使用车载电脑依靠GPS或北斗定位信号控制使农业机械按照规定路线作业，一旦遇到危险或紧急情况由人工介入保证安全。这种技术虽然降低了劳动力成本，但也会存在机手疲劳驾驶，容易造成无法及时规避危险的情况发生。农业机械自主导航技术的出现不仅可以提高作业精度、减轻人力劳动、降低人力成本，而且能够降低危险事故发生的概率。农业机械自主导航技术主要包括障碍物识别、路径规划、车辆控制等部分。其中，障碍物识别是实现自主导航重要的一部分，也是其它部分实现的前提。
农田是一种非结构化环境，复杂程度高，其中可能存在诸如土堆、电线杆、树木、机井等静态障碍物和农业劳动人员、牲畜和其它农业机械等动态障碍物。农业机械自主作业时，如若不能及时发现这些障碍物，车身不仅可能会损坏，还有可能会威胁到劳动人员的生命安全。因此，实现农业机械自主导航需要在其行进过程中实时有效地检测障碍物的信息并规划行进路线。目前，应用于农业机械自主导航领域的传感器有机器视觉、超声波和激光雷达等。其中，激光测距传感器由于其精度高、扫描速度快、抗干扰能力强等独特优势，比较适用于环境复杂度较高的农业生产场景实时环境感知应用。
三维激光传感器通过多线(4线、8线、16线等）激光同时扫描的方法在室外进行环境感知实现三维环境测绘。目前，三维激光传感器主要用于无人驾驶[29]和作物表型数据获取研究。尽管三维激光扫描仪在环境感知、自主导航方面有很大的优势，但其成本较高。因此，该种类型的传感器进行农业机械自主导航的相关研究较少。同时由于二维激光传感器价格相对比较低，而且能够获取环境信息，因此将其应用于农田障碍物识别的研究较多。PENG等利用二维激光传感器在室外结构化环境中实现了障碍物检测，能够得到障碍物的位置和形状信息；首都师范大学袁文涛等使用SICK二维激光传感器在农田中进行障碍物识别并规划行进路线。另外，许多研究人员将激光传感器与视觉传感器结合使用，提高识别的准确性。
2.2 农田地形测绘
农田不平整是农业机械产生振动的主要原因之一，振动不仅危害操作人员的身体健康，而且会使农业机械的机身和零部件长时间承受较大的振动载荷，加速机械零件的损坏，从而导致增加农业机械维修次数并缩短其使用寿命。此外，土地平整对提高农作物产量和质量、提高灌溉用水利用率有重要的意义，同时能够为实现精量播种、精量施肥、精确收割等一系列农业生产作业奠定环境基础。因此，为实现对农田土地平整效果的评价，为农田精细平整工作提出数据支撑，需要对农田地表地形进行分析测量。
随着信息技术的快速发展，激光传感器因其特点，已经成为地质勘测的一个重要应用工具。同样，激光传感器已经被应用于农田地形三维测量研究中，该类传感器的应用不仅能够提高测量速度，而且对提高土地整理工作效率具有重要意义。如何获取高密度的点云数据并进行快速处理成为当前使用激光传感器测量农田地形的主要工作。
目前，在测量农田土地平整度的研究中，激光传感器经常与GPS一起使用。激光传感器安装在测量装置的底部或顶部，通过调整方位角使其扫描对象为农田。GPS用于给测量装置导航定位。二者结合使用，能够实现农田土地平整度的测量。山东农业大学董康研究的农田三维地形测绘装置，将激光传感器通过支架安装在机车的顶端，使激光扫描仪可以扫描到农田地面。GPS安装在车体前端，同时在该部位也安装了计算机运算设备。激光与GPS需同时采集数据，通过采集的时间实现二者之间的数据联系。还有一种激光平地机，通过GPS设备对农田的高程信息进行采集，然后通过放置在固定位置的激光发射机发射激光，依据安装在农业机械上激光接收机上的光点位移偏差来调整平地铲的升降，实现改善农田的平整度。
2.3 农作物生长监测
作物的生长状况是研究某一品种基因遗传性状的验证条件。科研人员通常依据作物的生长状况即作物表型性状表现研究不同环境中作物的胁迫反应、病虫害监测、产量预测等方面。目前，作物表型信息获取的方式主要依靠视觉比较、人工测量或依靠手持设备进行数据采集，不仅耗时费力，而且获取的数据因为采集者的主观性较大而不能够严格保证其准确性。因此，基于激光传感器无接触、精度高、抗干扰能力强等特点，许多研究人员将其应用于作物表型信息获取研究，不仅能够降低劳动力成本，而且提高了数据的精确度。
通过激光传感器获得的高精度点云数据可以真实的反映作物的三维形态结构、如株高、行距（种植密度）和冠层结构等表型数据。例如，株高是重要的作物表型性状参数之一，其与作物的产量、抗倒伏能力、抗病虫害能力有直接或间接的联系。在现有的株高测量方法中，如何识别作物的顶点与底点（地面点）是实现作物株高自动化测量的技术难点。针对这一问题，研究人员通过多种方法来实现，例如淮阴工学院郭新年等提出了一种基于激光视觉的作物株高测量方法，该方法通过利用经过特定步骤的棋盘格标定后的激光传感器与相机实现对盆栽模拟农作物的株高测量。YUAN等利用激光测距仪对小麦进行株高预测；为了能够获取更多作物表型数据以便能够完全的监测作物生长状况，有学者提出了利用多传感器数据融合的方法获取作物表型数据。UNDERWOOD等研发了一款可用于田间自动导航的车载平台“Ladybird",它是一款通过多传感器数据融合的作物表型测量平台，不仅可以识别作物行，实现在田间自动导航，而且能够通过激光传感器、光谱成像仪等传感器获取作物株高、株距、冠层结构等表型数据信息（图3)。VIRLET等研发的“Fieldscanalyzer"通过搭载激光扫描仪、相机、热成像仪等传感器实现固定地块的作物表型数据的获取（图3)。
图3 作物表型信息获取平台
3 总结与展望
激光传感技术作为一种高新技术，在农机自动导航，农田三维地形测绘、作物生长监测等方面具有巨大的应用潜力。一方面，其作为一种能快速有效地识别障碍物、获取地表特征的传感器技术的同时，还为无损监测作物生长情况提供了一种便利的测量手段；另一方面，该传感器结合其它类型的传感器不仅能够弥补其它传感器的缺点同时也补充了数据的完整性。
激光传感器在被广泛应用的同时也存在着诸多局限性：(1）目前，激光传感器尤其是三维激光传感器的造价比较昂贵；(2）在采集农业数据信息时，由于作物之间的遮挡，部分信息无法完整获取。上述2点严重限制了此类传感器在农业生产中的推广应用。但是，随着社会的发展，科学技术的进步，激光传感器的造价会逐步走向平民化，同时希望在以后的研究中遮挡问题能够得到有效解决。
参考文献
[l] 赵春江，杨信廷，李斌，等．中国农业信息技术发展回顾及展望[J]．中国农业文－摘农业工程，2018, 30(4) , 3-7.
[2] 胡静涛，高雷，白晓平，等．农业机械自动导航技术研究进展[J ]．农业工程学报，2015, 31(10)：1-10.
[3] ARAUS J L,CAIRNS J E. Field high-throughput phenoty ping:The new crop breeding frontier[J]. Trends in Plant Science, 2014,19(1),52-61.
[4] ARAUSJ L, KEFAU VER S C,ZAMAN-ALLAH M,et al Translating high-throughput phenotyping into genetic gain[J]. Trends in Plant Science,2018,23(5),451-466.
[5] 李晓斌，王玉顺，付丽红．用K-means 图像法和主成分分析法监测生菜生长势[J]．农业工程学，报2016,32(12) , 179-186.
[6] DIAS PM B,BRUNEL-MUGUET S,DURR C,et al. QTL analysis of seed germination and pre-emergence growth at ex treme temperatures in Medicago truncatula [J]. Theoretical and Applied Genetics, 2011,122(2),429-444.
[7] SAKAMOTO T,SHIBAYAMA M,KIMURA A,et al. As sessment of digital camera-derived vegetation indices in quantita tive monitoring of seasonal rice growth[J]. lsprs Journal of Pho togrammetry &. Remote Sensing,2011,66(6),872-882.
[8] CLARK R T, FAMOSO A N, ZHAO K, et al. High throughput two-dimensional root system phenotyping platform facilitates genetic analysis of root growth and development [J]. Plant Cell and Environment,2013,36(2),454-466.
[9] 王传宇，郭新宇，杜建军，等基于时间序列图像的玉米植株干旱胁迫表型检测方法[J]．农业工程学报20，16,32(21) ,189-195.
[10] 张智韬，边江，韩文霆，等．无人机热红外图像计算冠层温度特征数诊断棉花水分胁迫[J]．农业工程学报，2018, 34(15) : 77-84.
[11] 王传宇，郭新宇，杜建军基于时间序列红外图像的玉米叶面积指数连续监测[J]．农业工程学，报2018,34(6) :175-181.
[12] 贾士伟，李军民，邱权，等．基于激光测距仪的温室机器人道路边缘检测与路径导航[J]．农业工程学，报2015, 31(13):39-45.
[13] 郭庆华，杨维才，吴芳芳，等．高通量作物表型监测：育种和精准农业发展的加速器[J]．中国科学院院刊，2018, 33(9), 940- 946.
[14] 穆金虎，陈玉泽，冯薰，等．作物育种学领域新的革命：高通量的表型组学时代［J]植物科学学报，2016,34(6) : 962-971.
[15] 郭庆华，吴芳芳，庞树鑫，等.Crop3 基于激光雷达技术的作物高通量三维表型测量平台[J]．中国科学：生命科学，2016, 46 (10):1210-1221.
[16] LI L,ZHANG Q,HUANG D,et al. A review of imaging tech niques for plant phenotyping [J]. Sensors, 2014, 14 (11): 20078- 20111.
[17] 周俞辰．基于激光三角测距法的激光雷达原理综述[J]．电子技术与软件程，2016(19) : 94-95.
[18] 李长勇，蔡骏，房爱青，等．多传感器融合的机器人导航算法研究[J]．机械设计与制造20，17(5) , 238-240,244.
[19] 张智刚，王进，朱金光，等．我国农业机械自动驾驶系统研究进展[J]．农业工程技术,2018, 38(18):23-27.
[20] 何勇，蒋浩，方慧，等．车辆智能障碍物检测方法及其农业应用研究进展[J]．农业工程学报,20，18, 34(9) , 21-32.
[21] 王潇峰，张礼廉，胡小平．等．基于单目视觉的机器人避障方法研究[J]．导航与控制2018,17(1),56-64.
[22] 李庆，郑力新，潘书万，等使用单目视觉的移动机器人导航方法[J]．计算机工程与应用2017, 53(4),223-227.