项目结合深度学习框架和强化学习理论，研究并设计种植园巡检机器人系统。通过在巡检机器人上安装多种环境信息采集传感器来获取机器人所在的种植园的环境信息，机器人利用传感器所获得的环境信息，实现机器人自身的巡检路径规划，机器人同时能有效避开行径前方的障碍物。同时，巡检机器人能够利用传感器模块采集种植园内植物的生长参数，机器人采集的生长参数信息通过物联网平台远程发送到云服务器。主要研究了机器人设计、地图构建、路径规划与定位、植物生长监测、数据传输与可视化。产生如下成果：在仿真研究的基础上，设计并制造了地空两用农业信息采集机器人路径规划平台；分析了云操作基本架构，构建了智能温室移动机器人路径规划云计算平台架构；研究了蚁群算法和粒子群算法，提出了基于蚁群算法和粒子群算法融合的机器人路径规划算法。国内巡检机器人主要功能以巡检为主，运行方式以单一运行方式为主，本项目设计的巡检机器人采用陆空两用设计，能完成不同场景的任务要求。结构设计优化后，增强了行走能力和跨沟壑能力，负载后机构依然具备良好的行走能力，采用双横臂独立式悬架结构可以减小机器人行走机构的轮胎定位参数的变化，从而提高了机器人在农田中行走的稳定性。与国内外同类技术相比通过设计一套高效的机器人传感器数据实时采集与传输策略，为种植园三维地图构建和机器人定位提供可靠的环境数据解决机器人传感器实时数据采集与传输问题；利用机器人平台上搭载的激光雷达传感器和深度摄像头来实时建立种植园的三维地图，通过在三维图中标注种植园内植物的颜色和三维几何信息实现机器人的空间定位，通过不同空间坐标系的转换、空间三维点云数据滤波、地图可视化解决种植园三维地图构建问题；通过已经建立的三维空间地图，实现园内机器人路径规划。在机器人行走过程中，利用图像匹配的方法实现机器人精确定位解决机器人路径规划和精确定位问题。本项目成果实现了高效、可靠的运动和判断，在仿真研究的基础上，设计并制造了地空两用农业信息采集机器人路径规划实验平台；分析了云操作基本架构，构建了智能温室移动机器人路径规划云计算平台架构；研究了蚁群算法和粒子群算法，提出了基于蚁群算法和粒子群算法融合的机器人路径规划算法。项目研究成果在智慧农业上有重大价值，已成功应用在哈尔滨市阿城区高泰谷物加工厂、哈尔滨市鑫绿粮食加工厂、黑龙江省红光农场等农作物生产、加工企事业单位，对提升种植园内生产效率，降低生产成本作用明显。申请发明专利2项、制作样机2部（投入应用），相关技术发表论文6篇，其中与本项目直接相关2篇，产生直接经济效益100余万，社会效益显著。项目取得的成果广泛应用于农业企业，农业旅游观光园区等，推广前景广阔。

黑龙江农垦职业学院

该项目为储备库项目资源，暂无效益分析内容。