机器人技术飞速发展日趋成熟,已经广泛应用于制造业、医学以及军事等产业。我国农业也在向机械化转型,提倡低农务、高质量的生产模式。移动机器人应用于农业中,需要在农田中自由行走,即可以自行寻找移动路径达到特定地点完成工作。这就涉及了如何进行环境地图建设,避障,求取最优解等方面问题,在路径规划中行走路线的计算、算法调用、数据存储、任务执行等方面则需要一个强大的资源管理系统。本文阐述了云计算相关技术基础知识,确定机器人与之配合的具备要素,以致完成机器人在云计算上的调度。以云计算为背景下,构建农业信息采集机器人的云操作平台,实现前端机器人执行后台云调用的系统架构。本文采用蚁群算法来完成路径规划工作,通过对现有蚁群算法的基本思想和数学模型进行分析可知该算法在路径规划方面存在的一些缺陷,如提前收敛和产生局部最优解等问题。为完成最优路径规划任务,对基本蚁群算法进行优化:首先,将基于概率的随机选择策略和扰动策略相结合引入算法之中,并通过具有倒指数的扰动因子?来侧面影响路径概率选择大小;其次,利用概率交叉策略分别从全局和当前两个界限范围内最优蚂蚁产生的路径解来改变信息素的更新方式。对已改进的蚁群算法还需进一步加强,将粒子群算法与之融合。通过对粒子群算法的基本性能进行分析,考虑引入一种惯性权重系数?来平衡微粒间的差异度,以协调局部搜索能力和全局搜索能力,将?的数值进行线性递减,直至下限。再找到已改进的蚁群算法和粒子群算法的结合点,完成两个优化算法的改进融合,来解决单纯蚁群算法前期搜索盲目,后期收敛缓慢的问题,与此同时,还增强了路径选择的多样性。通过建立栅格模型模拟温室环境,用MATLAB分别对融合前后的两个算法进行仿真对比,验证了该创新算法提出的意义和价值。通过云平台、机器人、PC端的联接,由后台云的数据传输、算法调用为前端机器人实现在田间路径规划任务提供了媒介。