小麥精播機器人設計—基于圖像融合與智能路徑規(guī)劃

周　茉，張學明，劉志剛

(1.湖北工業(yè)大學 工程技術(shù)學院，武漢　430068；2.濟源職業(yè)技術(shù)學院，河南 濟源　459000；3.云南大學 軟件學院，昆明　650091；4.南昌工學院，南昌　330108)

?

小麥精播機器人設計
—基于圖像融合與智能路徑規(guī)劃

周茉1，張學明2，劉志剛3,4

(1.湖北工業(yè)大學 工程技術(shù)學院，武漢430068；2.濟源職業(yè)技術(shù)學院，河南 濟源459000；3.云南大學 軟件學院，昆明650091；4.南昌工學院，南昌330108)

摘要：為了提高小麥的產(chǎn)量，并且在作業(yè)過程中使播種機器人成功繞過障礙物，需要對小麥播種路徑精細的規(guī)劃。為此，提出了一種新的路徑規(guī)劃方法，使用圖像融合技術(shù)，結(jié)合模糊控制位移誤差理論，實現(xiàn)了小麥播種機器人的自主路徑規(guī)劃。為了測試該方法的有效性和可靠性，設計了一款具備高清攝像功能和PC圖像處理功能的精密播種機器人，并對其路徑規(guī)劃和播種效率進行了測試。結(jié)果表明：該機器人能夠成功繞過障礙物，完成最優(yōu)路徑的規(guī)劃，并在小麥播種過程中可以規(guī)劃出近似矩形的播種路徑。從機器學習和播種時間上的對比發(fā)現(xiàn)：該算法可以有效地提高機器學習速度，縮短播種時間，從而提高了小麥播種的自動化水平和作業(yè)效率。

關鍵詞：小麥播種機器人；圖像融合；路徑規(guī)劃；模糊控制

0引言

機器人在農(nóng)業(yè)作業(yè)過程中已經(jīng)被廣泛采用，但目前使用的農(nóng)業(yè)機器人一般是單人獨自操作，勞動的單調(diào)性和重復性比較高，很容易產(chǎn)生強烈的疲勞感，最后導致誤操作。因此，研制自主移動的機器人替代傳統(tǒng)的機械拖拉移動機器人，可以有效地降低操作人員的疲勞強度，避免誤操作的發(fā)生。在實際農(nóng)業(yè)作業(yè)環(huán)境中，存在大量的障礙物(如田地表面的石塊、田間溝壑及人工放置物品等)，且在田間行走的動態(tài)物體也會成為障礙物，影響機器人的正常工作。因此，如何實現(xiàn)障礙物的規(guī)避，提高機器人的自主規(guī)劃能力，成為農(nóng)業(yè)機器人研究的重點。

1小麥播種機器人總體設計

小麥播種田間作業(yè)環(huán)境相對比較復雜，不僅存在著大量的靜態(tài)障礙物，還存在一些動態(tài)的障礙物。因此，實現(xiàn)對障礙物的規(guī)避，提高機器人的自主規(guī)劃能力是本次設計的重點，其總體的設計框架如圖1所示。設計的主要原理是依據(jù)圖像融合技術(shù)和模糊控制原理，通過機器學習，實現(xiàn)自主路徑規(guī)劃，最終得到近似的矩形路徑。

圖1　小麥播種機器人總體設計框圖

圖2為機器人結(jié)果總體設計圖。該機器人主要由4部分組成，包括由粘帶、供油系統(tǒng)、精密排種器及高速攝像系統(tǒng)等。排種器的設計如圖3所示。

1.油泵　2.粘帶　3.噴油嘴　4.精密排種器　5.高速攝像系統(tǒng)　6.種子

1.排種盤　2.種子室　3.吸室

本次設計采用氣吸式的結(jié)構(gòu)，種子由種子箱分流入種子室，吸室通過軟管與風機相連。播種機工作時，吸種盤由動力系統(tǒng)帶動旋轉(zhuǎn)，完成種子的吸種和排種的過程。

2小麥播種機器人自主規(guī)劃路徑設計

2.1圖像融合技術(shù)

在圖像融合技術(shù)領域中，主成分分析法(PCA法)首先需要3個或3個以上的波段數(shù)據(jù)來計算得出圖像之間的相關系數(shù)矩陣，再由計算得出的相關系數(shù)矩陣來計算得出特征值與特征向量，之后再計算出各主分量圖像。其主要原理公式為

Y=TX

(1)

其中，X為變化圖像的像素矩陣；Y為變換后圖像的像素矩陣；T為變換矩陣。在圖像融合時，首先計算圖像的特征向量和特征值，計算源圖像的特征值及特征向量，對特征值進行排序可以得λ1,λ2，…，λn；φ1,φ2，…，φn，則分量主量為

(2)

利用特征提取的結(jié)果，對第一主分量圖進行直方匹配，做逆主分量變換，得到融合圖像。假設TM為原始的多光譜源圖像，PAN為高空間分辨率圖像，將TM 的3個波段賦值RGB后進行RGB—IHS變換，可以得到分量以及兩個中間量V1和V2，則

(3)

其中，V1和V2為在笛卡爾坐標系下的橫軸與縱軸，亮度I用z軸表示。因此，色度H和飽和度S的表達式可以表示為

H=arctan(V2/V1)

(4)

用PAN替代I分量得到新的I分量I_new，即I_new=PAN,然后進行HIS-RGB變換。該圖像融合技術(shù)的特點是：得到的融合圖像的空間分辨率較高，色度和飽和度都與原圖相同。

2.2模糊控制方法

為了實現(xiàn)小麥播種機器人的精密控制，提高路徑規(guī)劃的精度，選用模糊控制方法對路徑規(guī)劃的位移誤差進行控制。模糊控制過程示意如圖4所示。

圖4　模糊控制基本原理

模糊控制算法的主要步驟如下：

1)根據(jù)期望得到的數(shù)值，來選擇系統(tǒng)的初始輸入值；

2)對輸入變量的準確值進行模糊化；

3)根據(jù)相應的模糊規(guī)則，計算模糊域；

4)通過去模糊化的處理，計算出精確控制量。

參數(shù)自整定模糊 PID控制系統(tǒng)結(jié)構(gòu)如圖5和圖6所示。

圖5　模糊 PID控制參數(shù)整定示意圖

圖6　模糊控制器

該參數(shù)整定的過程建立在常規(guī)的PID控制基礎上，以目標規(guī)劃路徑反饋值和目標值的誤差e和誤差變化率ec作為輸入，采用模糊控制原理對PID的3個參數(shù)進行整定，可使控制對象具有很好的動態(tài)和靜態(tài)性能。

對于模糊控制的結(jié)果計算，可以使用MatLab來完成。MatLab提供的SIMULINK是一個用來對動態(tài)系統(tǒng)進行建模，仿真與分析的軟件包，其功能強大、使用簡單。路徑規(guī)劃的模糊控制原理如圖7所示。

圖7　機器人路徑規(guī)劃原理

當機器人為大方格式時，整個方格區(qū)域?qū)⒈粰C器人作業(yè)覆蓋，機器人通過模糊控制算法，搜索繞過障礙物的最佳距離；然后逐行進行播種，到達最后一行終點，認為全局的行間路徑探索結(jié)束。

圖8為機器人路徑規(guī)劃過程的示意圖。當機器人處于無人導航狀態(tài)時，在靜態(tài)障礙物環(huán)境或完全未知環(huán)境下，機器人將開啟攝像頭對圖像進行采集，并通過圖像融合得到高分辨率的圖像，實現(xiàn)實時路徑規(guī)劃。

圖8　機器人路徑規(guī)劃過程示意圖

3小麥播種機器人路徑規(guī)劃測試

為了測試設計的小麥精密播種機器人的性能，對小麥播種機器人進行了測試，項目主要包括路徑規(guī)劃的效率和播種時間。其中，使用的測試機器人如圖9所示。

圖9　測試機器人示意圖

該機器人裝有高清攝像頭來完成圖像采集功能，PC處理中心內(nèi)置圖像融合模塊，最終處理結(jié)果以電信號的形式傳輸?shù)綀?zhí)行末端，實現(xiàn)機器人的動作控制和路徑規(guī)劃。

圖10為圖像融合的結(jié)果。其圖像融合過程是PC處理中心將Landsat-7TM的全色波段與4、3、2波段影像進行融合，將RGB三基色分別賦予與4、3、2波段，通過圖像融合，得到了更加清晰的圖像；利用該圖像可以分析田地的障礙物等情況，完成播種機器人路徑規(guī)劃。

圖11為機器人最優(yōu)路徑的規(guī)劃過程示意圖。由圖11可以看出：在圖像分析的基礎上，機器人可以自主學習繞過障礙物，并可完成最優(yōu)路徑的規(guī)劃。播種過程的最優(yōu)路徑規(guī)劃的結(jié)果如圖12所示。

為了提高小麥的產(chǎn)量，需要對小麥播種路徑精細的規(guī)劃。由規(guī)劃結(jié)果可以看出：利用圖像融合技術(shù)和模糊控制原理規(guī)劃出近似矩形的小麥播種路徑，效果很好。

為了測試模糊控制算法的優(yōu)越性，將其和神經(jīng)網(wǎng)絡算法、遺傳算法及蟻群算法進行對比，發(fā)現(xiàn)模糊控制算法機器學習耗時最短。對其播種時間進行統(tǒng)計，得到了如表1所示的結(jié)果。

圖11　機器人最優(yōu)路徑規(guī)劃

圖12　小麥播種機器人路徑規(guī)劃效果

算法機器學習時間神經(jīng)網(wǎng)絡算法10.35遺傳算法8.69蟻群算法5.36模糊控制算法3.28

為了對比本文設計機器人的高效率，對單壟的播種時間進行了統(tǒng)計，然后將其和傳統(tǒng)機器人的播種時間進行了對比，最后對機器人進行了8次測試，得到了8組播種時間結(jié)果，如表2所示。

表2　播種時間測試

續(xù)表2

由播種時間測試結(jié)果可以看出：使用圖像融合模糊控制算法對機器人進行控制后，機器人單壟的播種時間大大縮短，提高了播種速度及小麥播種的效率。

4結(jié)論

設計了一款新的可以自主規(guī)劃路徑的小麥播種機器人，它采用圖像融合技術(shù)和模糊控制原則，提高了圖像采集的分辨率，提升了機器人播種精度和作業(yè)效率。

為了測試機器人的性能，對路徑規(guī)劃的效率和播種時間進行了試驗。結(jié)果表明：采用模糊控制算法的機器學習時間比神經(jīng)網(wǎng)絡、遺傳算法及蟻群算法的都要短。與傳統(tǒng)作業(yè)的播種機器人相比，本文所設計的小麥播種機器人的單壟作業(yè)時間明顯縮短，效率大幅度提升，為小麥播種機的優(yōu)化設計提供了較有價值的參考。

參考文獻：

[1]韋艷,陳華根.GPS定位顯示中的坐標轉(zhuǎn)換[J].海洋測繪,2010,30(3):16-19.

[2]郝冬,劉斌.基于模糊邏輯行為融合路徑規(guī)劃方法[J].計算機工程設計, 2009,30(3):660-663.

[3]王建軍,武秋俊.機器人在農(nóng)業(yè)中的應用[J].農(nóng)機化研究,2007(7):174-176.

[4]王儉,趙鶴鳴,陳衛(wèi)東.基于子區(qū)域的機器人全覆蓋路徑規(guī)劃的環(huán)境建模[J].蘇州科技學院學報:工程技術(shù)版,2004,17(1):72-75.

[5]馮秀軍,楊立東.2BDY-8型2壟密型高速氣吹式精密播種機簡析[J].農(nóng)業(yè)機械,2007(8):85-86.

[6]王建軍,武秋俊.機器人在農(nóng)業(yè)中的應用[J].農(nóng)機化研究,2007(7):174-176.

[7]郝冬,劉斌.基于模糊邏輯行為融合路徑規(guī)劃方法[J].計算機工程設計,2009,30(3):660-663.

[8]王建軍,武秋俊.機器人在農(nóng)業(yè)中的應用[J].農(nóng)機化研究,2007(7):174-176.

[9]李建中,高宏.無線傳感器網(wǎng)絡的研究進展[J].計算機研究與發(fā)展,2008,45(1):63-72.

[10]邱天爽,唐洪,李婷，等.無線傳感器網(wǎng)絡協(xié)議與體系結(jié)構(gòu)[M].北京:電子工業(yè)出版社, 2007.

[11]石鵬, 徐鳳燕,王宗欣.基于傳播損耗模型的最大似然估計室內(nèi)定位算法[J].信號處理,2005, 21(5): 502-504.

[12]李洪欣,楊建中.基于兩參數(shù)的表冷器建模方法研究[J].建筑熱能通風空調(diào),2009,28(6):15-17.

[13]孟慶山.水源熱泵機組變流量水系統(tǒng)節(jié)能優(yōu)化探討[J].制冷與空調(diào),2010,10(1):84-89.

[14]謝志勇,張鐵中,趙金英.基于 Hough 變換的成熟草莓識別技術(shù)[J].農(nóng)業(yè)機械學報,2007,38(3):106-109.

[15]王東,趙宇,王秀紅.一種改進的DFT迭代的MIMO-OFDM系統(tǒng)信道估計算法[J].應用科技,2009, 3(3):19-22.

[16]徐文穎,張靜,董建萍.導頻信道估計中的插值算法[J].上海師范大學學報,2007, 12(6):41-46.

[17]陳暉,陳曉光.基于直接判決導頻跟蹤的OFDM系統(tǒng)快時變信道估計[J].通信學報,2006, 9(27):1-5.

[18]李文見, 姬江濤. 輪履復合式農(nóng)業(yè)機器人越避障控制研究[J]. 河南科技大學學報:自然科學版,2007(8):57-59.

[19]王仲民, 戈新良, 唐智強.多傳感器信息融合技術(shù)研究現(xiàn)狀和發(fā)展趨勢[J].河北工業(yè)大學學報,2003, 32(2):30-35.

[20]國剛, 王毅. 應用BP神經(jīng)網(wǎng)絡進行手寫體字母數(shù)字識別[J].人工智能及識別技術(shù), 2008, 4(6):1459- 1460.

[21]施少敏, 馬彥恒, 陳建泗. 基于BP神經(jīng)網(wǎng)絡的數(shù)字識別方法[J]. 兵工自動化, 2006, 25(10):40-41.

Design of Wheat Precision Seeding Robot—Based on Image Fusion Technology and Autonomous Path Planning

Zhou Mo1, Zhang Xueming2, Liu Zhigang3,4

(1.Engineering and Technology College,Hubei University of Technology, Wuhan 430068,China; 2.Jiyuan Vocational and Technical College, Jiyuan 459000, China; 3.School of Software, Yunnan University, Kunming 650091, China; 4.Nanchang Institute of Science & Technology,Nanchang 330108, China)

Abstract：In order to improve the yield of wheat, and makes a successful seeding robot around obstructions in the process of operation, we need to play a careful planning for wheat seeding paths. It puts forward a new method of path planning, the method USES image fusion technology, combined with fuzzy control displacement error theory, it realized wheat seeding robot autonomous path planning.In order to test the validity and reliability of the method, has designed a high-definition camera and PC image processing function of the precision seeding robot, and the path planning and the seeding efficiency was tested. Through test, found that the robot successfully bypass obstacles, complete the optimal path planning, and in the process of wheat sowing seeds can plan out the approximate rectangle path, from machine learning and sowing time on contrast, it was found that the algorithm can effectively improve the speed of machine learning, shorten the sowing time , which can improve the automation level and work efficiency of wheat sowing.

Key words：wheat precision seeding robot; image fusion; path planning; fuzzy control

文章編號：1003-188X(2016)06-0026-05

中圖分類號：S225.5；TP242

文獻標識碼：A

作者簡介：周茉(1981-) ,女，湖北鄂州人，講師，碩士。通訊作者：劉志剛(1980-)，男，湖北天門人，副教授，博士，(E-mail)fiberhome@126.com。

基金項目：湖北省自然科學基金面上項目(2014CFB589)；中央高校基本科研業(yè)務費專項(2014QC004)；太陽能高效利用湖北省協(xié)同創(chuàng)新中心開放基金項目 (HBSKFMS2014032)

收稿日期：2015-05-28