随着我国农业现代化进程的加快,农业生产日益朝着智能化、精确化的方向发展,伴随而来的农业机器人的研究也越来越火热。本文主要针对农业机器人在田间自动识别路径并控制机器人进行路径跟踪的问题进行研究,主要包含两个方面:1、基于视觉的路径识别。基于视觉的农业机器人路径识别,存在识别率低、速度慢、易受光照、杂草影响等问题。针对这些问题,本文采用光照无关量进行光照干扰的剔除。利用混合阈值法进行图像分割,在提高识别率的基础上加快识别速度。通过投影法进行作物行的识别,利用偏移行中线方法进行作物行的划分,提高识别率。最后利用最小二乘法进行作物行的直线回归,加快作物行识别速度。农业机器人自动导航作业时,摄像机的位置基本固定,本文将作物行的图像坐标转换为世界坐标,以获取农业机器人在世界坐标系中与导航路径之间的偏移情况。与传统农业机器人作物行识别方法相比,本文方法数据运算量小,平均耗时短,作物行识别准确率高,能够有效地确定农业机器人的导航路径。2、基于强化学习方法的路径跟踪研究。本文在对农业轮式机器人进行双轮差速运动学建模与分析的基础上,利用图像处理结果作为反馈信息,使用强化学习补偿PID的方法进行双轮速度决策。电机转速控制使用直流电机,在对直流电机进行建模分析的基础上,结合编码器信息,使用PI控制器对直流电机进行速度控制。经实验验证,基于Actor-Critic的强化学习补偿PID方法在路径跟踪中效果优异,能有效纠正农业机器人的路径跟踪误差。